電子發(fā)燒友網報道(文/李彎彎)云邊協(xié)同是云計算與邊緣計算的互補協(xié)同,邊緣計算模型的提出,對云計算集中式模型的不足提供了新的解決思路,是適應技術發(fā)展需求的產物。但不能完全取代云計算,兩者是協(xié)同運作的。通過云和邊緣的緊密協(xié)同可以更好地滿足各種應用場景的需求,從而放大兩者的應用價值。云邊協(xié)同的能力與內涵主要包括資源協(xié)同、數據協(xié)同和服務協(xié)同三種。資源協(xié)同是指邊緣節(jié)點能夠提供計算、存儲、網絡等基礎設施資源,可以獨立調度管理本地資源,也可以和云端協(xié)同,接受并執(zhí)行云端下發(fā)的資源調度管理策略。如計算資源協(xié)同,就是在上層應用的支持下,對分布在邊緣云的計算資源與中心云的計算資源進行協(xié)同處理,提高計算資源的效率。典型的AI訓練與應用系統(tǒng),在此系統(tǒng)中,在中心云部署大規(guī)模的AI訓練軟件,發(fā)揮中心云計算資源豐富的特點,加快AI訓練的速度,而在邊緣云上,主要是利用訓練好的AI算法進行AI的推理應用。這樣,中心云產生的AI算法,就可以服務大量邊緣AI上的應用。同時邊緣網絡上有很多數據,可以傳遞到中心云進行訓練,在訓練完成后,可以快速推到邊緣網絡使用,形成閉合循環(huán)迭代。再比如存儲資源協(xié)同,就是在上層應用的支持下,對分布在邊緣云的存儲資源與中心云的存儲資源進行協(xié)同處理,提高存儲資源的利用率,節(jié)約傳輸帶寬。典型的應用是CDN網絡。CDN網絡中,把熱點視頻業(yè)務放在邊緣網絡上,而把冷門數據放在中心云上。這樣,用戶訪問熱點視頻的時候,數據源就在邊緣上,用戶可以就近訪問數據,只有邊緣云上沒有數據的時候,才通過中心云去訪問,而且一旦訪問此數據的用戶變多,就可以把此數據源拉到邊緣網絡進行保存。這樣,通過云邊協(xié)同就可以大幅降低中心云的帶寬需求,提高中心云的存儲效率。數據協(xié)同則是邊緣節(jié)點負責數據采集,按照模型或業(yè)務規(guī)則對原始數據進行預處理及簡單分析,然后把結果和相關數據上傳給云端;云端可以對海量數據進行存儲、分析和價值挖掘。邊緣和云之間的數據協(xié)同,使得數據能夠在邊緣和云之間有序流動,從而形成一條完整的數據流轉路徑,便于之后對數據進行生命周期管理與價值挖掘。服務協(xié)同是云端完成模型的訓練之后,將模型下發(fā)給邊緣節(jié)點,邊緣節(jié)點按照模型進行推理;云端管理邊緣側應用的生命周期,包括應用的部署、啟動、停止、刪除及版本更新等;云端生成應用編排策略,邊緣側按照云端策略執(zhí)行應用。云邊協(xié)同有什么好處呢,具體來看一些例子。比如,對于一個機器學習模型來說,訓練樣本的數量會影響到最終模型的效果。而在大數據時代下,各種各樣的智能設備都可以進行數據樣本的采集。然而如果將采集的設備傳輸到云端進行模型訓練則會面臨一些問題:一是帶寬與延遲的消耗;二是數據保存在云端則會有嚴重的隱私泄露隱患。在這種場景下,云邊協(xié)同進行模型的訓練則是一個很好的選擇。得益于邊緣端的數據收集能力,最終訓練出來的模型的泛化性能會更好。其中邊緣端負責數據的收集以及部分的模型訓練,云端負責將邊緣端的模型更新聚合并且發(fā)送回邊緣端。而傳統(tǒng)的人臉識別模型訓練通常是先收集人臉數據,然后對人臉數據進行標注,同時在中心服務器進行人臉識別模型訓練,最后將訓練得到的模型部署到邊緣端。在上述訓練過程中,需要由數據收集邊緣端收集數據,同時與中心服務器進行直接的數據交互,而直接的數據交互勢必導致隱私的泄露問題。相比于傳統(tǒng)的人臉識別模型訓練,云邊協(xié)同下的人臉識別模型訓練不需要將人臉數據上傳至中心服務器,而這防止了某種程度的隱私泄露問題。云邊協(xié)同技術不僅僅可以應用于大數據場景,對于傳統(tǒng)的能源行業(yè)來說,它涉及的各種設備相對復雜,邊緣端傳感器較多,若是將收集數據全部發(fā)送至云端,則會面臨較大的帶寬壓力,因此轉型難度較大。而傳統(tǒng)行業(yè)下的數據處理往往比較依賴于人工,這也給傳統(tǒng)行業(yè)的轉型帶來了困難。以石油行業(yè)為例,不同于傳統(tǒng)的人工錄入等方法,在云邊協(xié)同的環(huán)境下,針對石油開采,可以將傳感器、各種開采設備等收集到的信息進行整合并且發(fā)送到具有簡單數據處理能力的邊緣端進行數據的自動化錄入、數據預處理、數據實時分析等操作,然后將處理之后的數據發(fā)送到云端進行更完全的數據分析以及決策,最后將決策結果發(fā)送回邊緣端指導石油的開采等操作。相比于傳統(tǒng)的石油開采方法,云邊協(xié)同下的數據處理大幅度提高了數據處理的效率,并且減少了決策所用的時間。聲明:本文由電子發(fā)燒友原創(chuàng),轉載請注明以上來源。如需入群交流,請?zhí)砑游⑿舉lecfans999,投稿爆料采訪需求,請發(fā)郵箱huangjingjing@elecfans.com。
更多熱點文章閱讀
- 亞馬遜擬評估砍掉Alexa業(yè)務,智能音箱吹的牛,永遠無法實現了?
- 中芯國際最新財報,扣非凈利潤同比增長超100%!資本支出增至456.0 億元
原文標題:提高計算資源利用效率,邊云協(xié)同讓算力各司其職!
文章出處:【微信公眾號:電子發(fā)燒友網】歡迎添加關注!文章轉載請注明出處。
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯系本站處理。
舉報投訴
原文標題:提高計算資源利用效率,邊云協(xié)同讓算力各司其職!
文章出處:【微信號:elecfans,微信公眾號:電子發(fā)燒友網】歡迎添加關注!文章轉載請注明出處。
相關推薦
企業(yè)AI算力租賃是指企業(yè)通過互聯網向專業(yè)的算力提供商租用所需的計算資源,以滿足其AI應用的需求。
發(fā)表于 11-14 09:30
?182次閱讀
資源的引入。通過接入真機算力,“金融量子云實驗平臺”可向金融行業(yè)提供量子算力
發(fā)表于 10-30 08:05
?154次閱讀
提高云計算的性能和效率是一個多維度的問題,需要從計算性能、存儲性能、網絡性能等多個方面入手。以下是一些具體的策略和方法: 一、計算性能優(yōu)化
發(fā)表于 10-24 09:23
?360次閱讀
在數字化轉型的浪潮中,九章云極DataCanvas再次引領創(chuàng)新,正式推出全新算力產品——“算力包”。這一創(chuàng)新力作,以用戶為核心,顛覆傳統(tǒng)
發(fā)表于 09-26 14:58
?357次閱讀
和硬件資源。
在數字化時代,互聯網已經成為基礎設施。云計算使得數據中心能夠像一臺計算機一樣去工作。通過互聯網將算
發(fā)表于 08-16 17:02
,在其上掛載了各種計算、存儲資源的節(jié)點,對于系統(tǒng)的資源彈性、運行效率、性能都大有益處。但是這種使用方式的變化,需要對現有云
發(fā)表于 07-24 15:32
的解決方案。通過混合使用多種異構芯片,可以充分利用不同芯片的優(yōu)勢,提高算力利用率,降低算
發(fā)表于 07-18 00:11
?3366次閱讀
的互聯互通,助力“算力互聯公共服務平臺”功能完善,實現全國一體化算力體系建設目標。 ? ? ? ? ? 按規(guī)劃,“算
發(fā)表于 07-16 15:45
?661次閱讀
在《算力系列基礎篇——算力101:從零開始了解算力》中,相信各位粉絲初步了解到人工智能的“發(fā)動機”和核心驅動力:
發(fā)表于 07-11 08:04
?104次閱讀
在數字化時代,企業(yè)對云計算平臺的要求不斷提高,尤其是在資源利用效率、處理性能和成本控制等方面。華
發(fā)表于 07-03 15:42
?650次閱讀
簡稱:云耀 X 實例),它以獨特的柔性算力設計,為企業(yè)帶來了前所未有的靈活性和性能提升。 柔性算力引領未來發(fā)展趨勢 在當今數字化轉型的大背景
發(fā)表于 05-22 20:00
?815次閱讀
在云計算日益普及的今天,如何實現算力資源的靈活調配,讓每一份
發(fā)表于 05-22 19:36
?398次閱讀
隨著數字經濟的快速發(fā)展,算力中心正逐漸成為推動經濟發(fā)展的重要力量。算力中心是指能夠提供大規(guī)模、高效率、低成本
發(fā)表于 04-13 08:27
?1603次閱讀
的柔性算力設計、強大的性能表現以及高效的成本優(yōu)化,成為企業(yè)數字化轉型的得力助手,引領著未來云計算的發(fā)展趨勢。 柔性算
發(fā)表于 04-11 22:23
?997次閱讀
“算網大腦”即算力網絡中最核心的部分,主 要進行全網算力資源的智能編排、彈性調度,具體而言有四個
發(fā)表于 01-02 14:56
?816次閱讀
評論