應(yīng)用

技術(shù)

物聯(lián)網(wǎng)世界 >> 物聯(lián)網(wǎng)新聞 >> 物聯(lián)網(wǎng)熱點新聞
企業(yè)注冊個人注冊登錄

邊緣計算存儲是物聯(lián)網(wǎng)的下一個前沿

2021-08-23 10:01 千家網(wǎng)

導(dǎo)讀:物聯(lián)網(wǎng)邊緣設(shè)備變得越來越智能,需要本地存儲來進(jìn)行機(jī)器學(xué)習(xí)和其他人工智能操作。 行業(yè)準(zhǔn)備好迎接邊緣計算的存儲挑戰(zhàn)了嗎?

網(wǎng)絡(luò)存儲的歷史就像手風(fēng)琴上的風(fēng)箱——大量的擴(kuò)張之后是大量的收縮。

網(wǎng)絡(luò)存儲的第一個“啊哈”時刻到來了,系統(tǒng)管理員意識到,他們可以把所有服務(wù)器存儲連接到數(shù)據(jù)中心,這些服務(wù)器存儲在做著誰也不知道的事情。這是第一次,他們可以對存儲環(huán)境進(jìn)行一些表面上的控制和安全。

但是沒過多久,“啊哈”就變成了“哎呀”,因為集中存儲資源增長到了壓倒性的維度。這種增長導(dǎo)致了管理方法的曲折、備份業(yè)務(wù)的中斷和提前退休計劃的推進(jìn)。當(dāng)然,答案是將所有存儲容量分散到更容易處理的小塊中。

太多塊了嗎?把那架手風(fēng)琴再鞏固一下,再調(diào)一次音量。這個公式似乎已經(jīng)奏效了幾十年以上,但21世紀(jì)的計算要難得多。最大的游戲規(guī)則改變者是物聯(lián)網(wǎng),它每年增加數(shù)十億物,并已成為整個行業(yè)范圍內(nèi)的公司數(shù)字化不可或缺的元素。

物聯(lián)網(wǎng)重塑傳統(tǒng) IT 格局

物聯(lián)網(wǎng)的蓬勃發(fā)展迫使許多組織重新思考傳統(tǒng)的 IT 概念。隨著數(shù)以億計的設(shè)備添加到物聯(lián)網(wǎng)網(wǎng)絡(luò),很明顯需要在網(wǎng)絡(luò)的末端進(jìn)行更多的處理。邊緣計算減輕了更集中的計算資源的負(fù)擔(dān),但更重要的是,減少了來回移動數(shù)據(jù)引起的延遲。

如果您認(rèn)為這是一個只有擁有巨額 IT 預(yù)算的大公司才能處理的利基問題,請再想一想。微軟2020年10月物聯(lián)網(wǎng)信號報告指出:“在與我們交談的全球物聯(lián)網(wǎng)決策者中,91%的人在2020年采用了物聯(lián)網(wǎng)(高于85%),超過80%的人至少有一個項目處于使用階段?!?/p>

這給邊緣帶來了很大的壓力,但由于對那里可以完成的工作的期望似乎是無限的,因此幾乎看不到任何緩解。正如微軟的報告所述,“人工智能是最廣泛采用的新興技術(shù)——79% 的組織采用人工智能作為其物聯(lián)網(wǎng)解決方案的一部分。”

邊緣計算存儲

物聯(lián)網(wǎng)極其分散的環(huán)境正逐漸成為 IT 的噩夢。所有邊緣計算都需要將數(shù)據(jù)存儲在非常靠近那些微型機(jī)器學(xué)習(xí) (TinyML) 芯片的地方,這些芯片將人工智能添加到無數(shù)傳感器、執(zhí)行器和其他懸掛在邊緣的設(shè)備中。在 2021 年的白皮書《TinyML:技術(shù)領(lǐng)域的下一個大機(jī)遇》中,ABI Research 預(yù)測“TinyML 市場的出貨量將從 2020 年的 1520 萬個增長到 2030 年的 25 億個。”這需要大量的人工智能處理。

無需處理數(shù)百甚至數(shù)千個虛擬機(jī)及其所需的存儲,物聯(lián)網(wǎng)邊緣可能意味著需要本地存儲的數(shù)萬或數(shù)十萬設(shè)備——這就像去中心化。

在許多 IoT 環(huán)境中,管理員使用云為邊緣計算提供存儲服務(wù),但隨著計算需求的增加,云存儲的延遲已成為一個問題。

存儲供應(yīng)商——現(xiàn)在是你加緊將所有網(wǎng)絡(luò)存儲專業(yè)知識應(yīng)用于邊緣計算存儲的時候了:“大膽地去往沒有存儲供應(yīng)商去過的地方?!?(好吧,所以他們在《星際迷航》中沒有說存儲供應(yīng)商,但您明白了。)

邊緣存儲可能沒那么容易

在數(shù)千或數(shù)百萬個地方放置高性能存儲,然后管理整個交易是一項艱巨的任務(wù)。

首先,任何單個物聯(lián)網(wǎng)的邊緣都可能有數(shù)十甚至數(shù)百種不同類型的設(shè)備。 每個設(shè)備的交互方式可能不同。 通信可能會使用存儲領(lǐng)域不熟悉的協(xié)議,例如 MQ 遙測傳輸、高級消息隊列協(xié)議、4G 和 5G LTE 以及各種短距離無線協(xié)議。

嵌入在邊緣設(shè)備中的處理器也會有所不同。這意味著 Raspberry Pi 從存儲訪問數(shù)據(jù)的方式可能與 Banana Pi 或 Onion Omega2 的方式不同。

電源可能是個問題。我們不會在邊緣啟動磁盤,但是當(dāng)乘以數(shù)千個邊緣實例時,即使是固態(tài)的適度功率需求也可能看起來很龐大。

如今,大多數(shù)用于邊緣計算的存儲都采用 SD 和 microSD 格式,它們提供充足的容量,目前似乎足以處理 AI 雜務(wù)。新形式的固態(tài)存儲肯定會出現(xiàn),它們更便宜、速度更快且耗電更少。

邊緣存儲問題的硬件部分似乎已得到控制,但跟上處理和存儲速度所需的固件和軟件將需要更多的開發(fā)。最大的挑戰(zhàn)可能是管理所有存儲。無需擔(dān)心巨大的容量,但由于組織必須配置、保護(hù)和備份如此多的單個實例,因此管理 IoT 邊緣存儲環(huán)境并非易事。將數(shù)據(jù)從邊緣設(shè)備轉(zhuǎn)移到云服務(wù)和數(shù)據(jù)中心可能會導(dǎo)致令人費(fèi)解的數(shù)據(jù)流量擁堵。