【话题讨论】边缘计算-设备端容器化的大趋势和拥抱5G时代

shang2010

回复 10# lilijunhy2005

现在边缘技术，跟网络也有关系了

hanfuyou

5G时代，我们需要怎样的边缘计算？

     企业所需的边缘计算需要提供三个方面能力，第一是网络和资源的覆盖，保障海量边缘节点和弹性的基础设施来覆盖终端接入，第二是提供边缘的基础算力，包括计算、存储、网络、安全、调度等一些基础能力，第三是建立边缘远程运维体系，支持边缘应用的快速部署、升级和监控。

incle

物联网时代正式开启！！

东风玖哥

1. 边缘计算的核心是什么？有哪些应用场景？
边缘计算可以理解为是对云计算的一种补充和优化，只不过云计算把握整体，而边缘计算更专注局部。边缘计算有CDN、车联网（物联网）、智能安防以及2018开年火爆的区块链等应用场景。

2. 5G时代，我们需要怎样的边缘计算？
5G 和边缘计算的结合为移动网络运营商及物联网（IoT）服务产品提供了丰富的容量、灵活性和功能。5G 通信的超低时延与超高可靠要求，也使得边缘计算成为必然选择。两者结合互惠互利，采用 5G+边缘计算也将在低延迟和始终在线连接方面满足更高的用户期望，边缘计算为 5G 提供了低延时，同时 5G 也为边缘计算提供了更快的速度。

以自动驾驶为例，如果汽车将所有行驶数据都传输回中心服务器进行处理，会存在时间延迟而且连接不稳定的问题。自动驾驶中的车辆平视显示（AR）能够提供更多有帮助的信息或警示，但其同时需要较高的计算需求。而边缘计算能够通过汽车和靠近车辆的边缘服务器进行计算，降低数据传输的物理距离。同时 5G 能够远远降低传输延迟。举个例子：一辆汽车在 60Km/h 的速度下。50ms 的刹车紧急制动的距离为 1m，10ms 为 17 cm， 1ms 为 17mm。 在 4G 网络延迟大概为 50ms。50ms 的时间大概制动距离为 1m。而 5G 网络低至 1ms 的延迟，给自动驾驶更多行驶安全的保障。这就是 5G+边缘计算应用于生活的极佳案例。

3. 如何学习边缘计算，里面都包含什么技术？
边缘计算包含网络、隔离技术、体系结构、边缘操作系统、算法执行框架、数据处理平台以及安全和隐私等七大核心技术。学习边缘计算应该从网络和隔离技术入手，由浅入深，逐步加深自己的边缘计算能力。

4. 边缘计算容器化是否有必要？
随着物联网终端设备数量的快速增加，同时由于网络带宽有限，高昂的传输成本和较高的响应延时等问题，传统的基于云计算模型的集中式数据处理方式已不能有效处理网络边缘设备所产生的海量数据。所以边缘计算的容器化是很有必要的。

renxiao2003

1. 边缘计算的核心是什么？有哪些应用场景？
1）边缘计算的核心包括网络、隔离技术、体系结构、边缘操作系统、算法执行框架、数据处理平台以及安全和隐私。

• 其中网络在原有的网络基础上增加3个新要求：1)服务发现、2)快速配置、3)负载均衡。
• 隔离技术需要考虑2方面：1)计算资源的隔离，即应用程序间不能相互干扰；2)数据的隔离，即不同应用程序应具有不同的访问权限。
• 边缘计算的计算系统结构设计仍然是一个新兴的领域，仍然具有很多挑战亟待解决，例如如何高效地管理边缘计算异构硬件、如何对这类的系统结构进行公平及全面的评测等。
• 边缘操作系统与传统的物联网设备上的实时操作系统Contikt和FreeRTOS不同，边缘计算操作系统更倾向于对数据、计算任务和计算资源的管理框架。
• 算法执行框架还没有发现一款框架能够在所有维度都取得最好的表现。
• 数据处理平台：在边缘计算不同的应用场景下，如何有效地管理数据、提供数据分析服务，保证一定的用户体验是一个重要的研究问题。
• 安全与隐私：在边缘计算的环境下，通常仍然可以采用传统安全方案来进行防护，如通过基于密码学的方案来进行信息安全的保护、通过访问控制策略来对越权访问等进行防护。
  

2）应用场景包含：

• 公共安全中实时数据处理、
• 智能网联车和自动驾驶、
• 虚拟现实、
• 工业物联网、
• 智能家居、
• 智慧城市
  

2. 5G时代，我们需要怎样的边缘计算？
5G时代，边缘计算需要提供三方面能力：
第一是网络和资源的覆盖，保障海量边缘节点和弹性的基础设施来覆盖终端接入，
第二是提供边缘的基础算力，包括计算、存储、网络、安全、调度等一些基础能力，
第三是建立边缘远程运维体系，支持边缘应用的快速部署、升级和监控。
3. 如何学习边缘计算，里面都包含什么技术？
边缘计算包含的关键技术：5G通信技术、计算迁移、新型存储系统、轻量级函数库和内核、边缘计算编程模型
1）5G 数据通信技术是下一代移动通信发展新时代的核心技术。为了满足各种延时敏感应用的需求，世界各国都在加速部署 5G 网络的步伐。
2）边缘计算模型计算迁移策略应该是减少网络传输数据量为目的的迁移策略，而不是将计算密集型任务迁移到边缘设备处执行。
边缘计算中的计算迁移策略是网络边缘处，将海量边缘设备采集或产生的数据进行部分或全部计算的预处理操作，对无用的数据进行过滤，降低传输的带宽。
3）随着边缘计算的迅速发展，高密度、低能耗、低时延以及高速读写的非易失存储介质将会大规模的部署在边缘设备当中。
4）资源受限的边缘设备更加需要轻量级库以及内核的支持，以消耗更少的资源以及时间，达到最好的性能。因此，消耗更少的计算以及存储资源的轻量级库和算法是边缘计算中不可缺少的关键技术。
5）用户程序通常是在目标平台上进行编写和编译的，在云计算服务器上运行。边缘计算模型当中，部分或者全部的计算任务是从云端迁移至边缘节点的，而边缘节点大多都是异构的平台，每个节点上运行时候的环境多少都是存在差异的，所以在边缘计算模型下部署用户应用程序的时候，程序员将面对较大的挑战。而目前现有的传统编程模型均不是十分适合，这就需要开展对基于边缘计算的新型编程模型的研究工作。
4. 边缘计算容器化是否有必要？
有必要，容器化是边缘计算的新方向。
随着物联网终端设备数量的快速增加，同时由于网络带宽有限，高昂的传输成本和较高的响应延时等问题，传统的基于云计算模型的集中式数据处理方式已不能有效处理网络边缘设备所产生的海量数据。针对物联网场景中的新挑战，各大云计算厂商纷纷推出了以边缘计算模型为核心的新型计算平台，能在靠近数据产生的设备端进行准实时的边缘智能服务。

shang2010

关于自动驾驶的延迟问题，如果遇到障碍物，难道不能本地计算，发现并制动吗？