Übersicht über Edge Computing

Was ist Edge Computing?

Angefangen beim Cloud Computing

Cloud Computing vereint Rechenressourcen und Datenressourcen an einem leistungsstarken Ort (Cloud Center) und ermöglicht es, dass normale Benutzer zu dünnen Kunden werden. Mit anderen Worten: Nachdem Benutzer Daten in der Cloud gespeichert haben, sinken ihre Anforderungen an lokale Speicher- und Rechenkapazitäten, wodurch die Kosten für die Aufrüstung von Geräten gespart werden

Cloud Computing weist jedoch auch Probleme auf, und die Kommunikation ist gestiegen ein Engpass, wie zum Beispiel:

1. Breitband ist geringer als der Bedarf: Eine Boeing 787 wird jede Sekunde 5G-Daten erzeugen, aber die Bandbreite (sei es Bodenstationen oder Satelliten) kann mit diesem Bedarf bei weitem nicht mithalten.
2. Die Datenkommunikation erfordert Zeit (Echtzeit): Beispielsweise erzeugt autonomes Fahren 1G-Daten pro Sekunde. Wenn diese 1G-Daten zur Vervollständigung der Berechnungen in die Cloud übertragen werden, beträgt die erforderliche Kommunikationszeit 800 ms (10 Gbit/s bei 5G). Wenn die Fahrzeuggeschwindigkeit beträgt 60 km/h, 800 ms. Habe bereits 13 Meter zurückgelegt
3. Hoher Energieverbrauch: Die Energieverbrauchseinheit der ZigBee-Berechnung ist uW, während die Energieverbrauchseinheit der Datenübertragung mW ist. Im Vergleich zum Energieverbrauch der Datenberechnung ist der Energieverbrauch der Cloud-Übertragung zu groß.
4. Sicherheit: Befürchten Sie, dass Fotos durchsickern, wenn sie in der Cloud abgelegt werden, sowie Datenschutz- und Vertraulichkeitsprobleme

Daher wird das Konzept des Edge Computing vorgeschlagen

Edge Computing: Edge Computing bezieht sich auf die Verwendung von Netzwerk-Edge-Knoten zur Verarbeitung und Analyse von Daten. Unter diesen beziehen sich Edge-Knoten auf alle Knoten mit Rechenressourcen und Netzwerkressourcen zwischen der Datengenerierungsquelle und dem Cloud-Center. **Um es ganz klar auszudrücken: Es bedeutet, Berechnungen in der Nähe der Datenquelle zu platzieren. **Der graue Wellenteil unten links in der Abbildung unten stellt den für die Datenverarbeitung verwendeten Randknoten dar. Im Vergleich zum Cloud Computing liegen sie näher am lokalen Bereich und das Transportproblem des Cloud Computing ist teilweise gelöst.

Durch Edge Computing zu lösende Probleme

1. Erfüllt den Bedarf an äußerst zuverlässigen Rechenfunktionen mit geringer Latenz, der in der Industrie häufig erforderlich ist
2. Lösen Sie das Problem des übermäßigen Energieverbrauchs in Rechenzentren
3. Den Druck der Big-Data-Verarbeitung lösen: Die durch das Internet der Dinge generierten Daten werden exponentiell wachsen, das Netzwerk kann sie nicht übertragen und das Rechenzentrum kann sie nicht verarbeiten.
4. Sicherheitsprobleme lösen: Private Daten werden nicht in das Rechenzentrum hochgeladen, wodurch Sicherheitsrisiken verringert werden

Der Fall für Edge Computing

1. Warenkorb
   Jeder Vorgang wird mit der Cloud synchronisiert (es kann zu Paketverlusten von Vorgangsdaten kommen und lokale Daten und Cloud-Daten werden nicht mehr synchronisiert, was zu Verwirrung führt) oder mit der Cloud synchronisiert Edge-Knoten, und nach einer gewissen Zeit werden die Informationen des Edge-Knotens sofort mit der Cloud synchronisiert (die Möglichkeit eines Paketverlusts wird stark reduziert, ähnlich wie bei einem Datenbank-Checkpoint).
   
2. Verkehr
   Internetautos erfordern Echtzeitleistung. Es ist nicht möglich, die Daten in die Cloud zu übertragen, sie dann zu berechnen und die Berechnungsergebnisse dann zurückzusenden, um festzustellen, ob sie dort sind ist jemand voraus, der sich wenden muss. Daten müssen lokal berechnet werden, um Echtzeitleistung sicherzustellen. Zu diesem Zeitpunkt kann ein Computergerät im Auto als Edge-Knoten verwendet werden
3. Medizin
   Im Durchschnitt gibt es in Krankenhausbetten mehr als 20 mit dem Internet verbundene Geräte, die große Datenmengen erzeugen. Die Verarbeitung von Patientendaten (Datenschutz) erfolgt näher am Edge und nicht in der Cloud, wodurch das Risiko eines unangemessenen Zugriffs auf die Daten ausgeschlossen wird.

Ideen zum Thema Edge Computing

1. Fog Computing: 2011 von Cisco vorgeschlagen.
   
   Tatsächlich gibt es keinen wesentlichen Unterschied zwischen Fog Computing und Edge Computing. Beide platzieren Berechnungen in der Nähe der Datenquelle
2. Mobile Edge Computing: Das Europäische Institut für Telekommunikationsnormen hat Mobile Edge Computing (MEC) vorgeschlagen.
   Das Schlüsselkonzept besteht darin, einige mobile Dienste zu verkleinern, um ihre Dienstverteilungs- und Übertragungskapazitäten zu verbessern und so weiter zu reduzieren Latenz und wirksame Unterdrückung von Überlastungen im Kernnetzwerk
   

Edge Computing-Referenzrahmen

Bisher gibt es kein gutes Framework für Edge Computing, das Framework dient nur als Referenz

Edge Computing Reference Framework – Fertigung

Herausforderungen der Edge-Computing-Kerntechnologie

Programmierung

exe in einer Windows-Umgebung kann nicht unter Linux ausgeführt werden. Verschiedene Betriebssysteme haben unterschiedliche Betriebsumgebungen CPU, NVIDIA Jetson Nano basiert auf GPU, iPhone basiert auf iOS, Huawei Mate 20 basiert auf Android usw.
Dieselbe Funktion hat unterschiedliche Anforderungen für die Ausführung in verschiedenen Umgebungen. Umschreiben Jede Heterogenität ist zu teuer.
Kernherausforderung: Wie schreibe ich eine Anwendung, die in einem Edge-Computing-Framework verteilt und bereitgestellt werden kann?

Benennung

Benennung, also das Auffinden von Ressourcen. Beispielsweise muss das Überwachungssystem eine bestimmte Kamera verwenden. Wenn es sich um einen eigenständigen Betrieb handelt, kann die Kamera entsprechend dem Dateipfad benannt werden, beispielsweise open(/dev/camera0). Aber das Edge-Computing-Framework verwendet möglicherweise nicht lokale Kameras. Wie geht man damit um? Eine einfache Idee besteht darin, bestimmte Knoten anhand der IP-Adresse zu finden. Ist IPV4 ausreichend? Hat IPV6 eine spezifische und klare Bedeutung? Wenn es viele Kameras an verschiedenen Standorten gibt, müssen wir dann eine Reihe von IP-Adressen ohne Muster aufschreiben?
Kernherausforderung: Wie benenne man Ressourcen, um sie für große dynamische heterogene Umgebungen geeignet zu machen?

Isolierung

Isolierung von Rechenressourcen: Das heißt, Anwendungen können sich nicht gegenseitig stören.
Isolation von Daten: Das heißt, verschiedene Anwendungen sollten unterschiedliche Zugriffsrechte haben.
Edge Computing ist komplexer und fehleranfälliger, erfordert jedoch mehr Zuverlässigkeit.
Docker: Die häufig verwendete Docker-Technologie kann eine Anwendungsisolation basierend auf der Virtualisierung auf 0S-Ebene erreichen Ausführung in der Umgebung
Docker-Einführung: https://www.cnblogs.com/idktp/articles/10538872.html

dynamische Umwelt

Edge Computing bildet ebenso wie das Netzwerk ein Netzwerk, das dynamisch ist. Neue Knoten können beitreten und alte Knoten können im nächsten Moment austreten. In einer dynamischen Umgebung gibt es drei Schritte: Diensterkennung, schnelle Konfiguration und Lastausgleich.
Diensterkennung: Berechnen, wie Dienstanforderer die umliegenden Dienste kennen.
Schnelle Konfiguration: Knotenbewegungen und Gerätewechsel führen zu einer dynamischen Registrierung und Sperrung von Diensten, und Dienste müssen normalerweise entsprechend migriert werden ...
Lastausgleich: Daten , Nachfrage, Dienste, Netzwerke, Computer, Energieverbrauch und viele andere Faktoren bestimmen den Lastausgleich

Edge-Betriebssystem

• Das Roboterbetriebssystem (ROS) ist eine Reihe von Open-Source-Roboterentwicklungs- und -verwaltungstools, die eine Reihe von Tools wie Hardwareabstraktion und -treiber, Nachrichtenkommunikationsstandards und Softwarepaketverwaltung bereitstellen. Es wird häufig in Industrierobotern, autonomen Fahrzeugen, usw. Edge-Computing-Szenarien wie Drohnen.
• EdgeOSH ist ein Edge-Betriebssystem für Smart Homes. Es wird im Edge-Gateway des Hauses eingesetzt und verbindet Anwendungen der oberen Schicht und Smart-Home-Hardware der unteren Schicht über drei Schichten funktionaler Abstraktion.
• EdgeOSv ist ein Edge-Betriebssystem für Connected-Car-Szenarien

ROS könnte ein typisches Betriebssystem für Edge-Computing-Szenarien werden

Algorithmusausführungs-Framework

• Künstliche Intelligenz erfordert ein Ausführungsframework. Tatsächlich verfügt jede Berechnung über ein Ausführungsframework, beispielsweise Desktop-Computing.
• TensorFlow im Rechenzentrum: Führen Sie Modelltrainingsaufgaben durch, die Eingabe ist ein großer Batch-Datensatz, achten Sie während des Trainings auf die Iterationsgeschwindigkeit, Konvergenzrate und Skalierbarkeit des Frameworks usw.
• TensorFlow auf Edge-Knoten: Führen Sie Vorhersageaufgaben durch, geben Sie kleine Daten in Echtzeit ein und konzentrieren Sie sich auf Vorhersagegeschwindigkeit, Speichernutzung und Energieeffizienz

Typisches Framework des Edge Computing

OpenVDAP (2018, Wayne State University)
KubeEdge (Huawei)

• Edged: Containerisierte Anwendungen auf Edge verwalten.
• EdgeHub: Kommunikationsschnittstellenmodul von Edge.
• CloudHub: Cloud-Kommunikationsschnittstellenmodul.
• EventBus: Verarbeitet interne Edge-Kommunikation mithilfe von MQTT.
• DeviceTwin: Es handelt sich um ein Software-Image des Geräts, das Gerätemetadaten verarbeitet
• MQTT: Message Queuing Telemetry Transport, ist ein abonnement-/veröffentlichungsbasiertes IoT-Verbindungsprotokoll

Azure IoT Edge (2017, Englisch)
OpenEdge (2018.12, Baidu)

Notizen aus „Edge Computing and Embedded Intelligence“ des Harbin Institute of Technology