文章類型
文章類型

【各說各話】何謂邊緣運算(Edge Computing)?

作者:陸向陽

從去年(2017)到今年,筆者碰到許多朋友的詢問:什麼是邊緣運算(Edge Computing)?由於要一直口頭回答,因此筆者嘗試以文字方式描述,往後若再有人詢問,或許可以看看這篇文章。

早期的 Edge Computing

Edge Computing 只是個形容詞,過去昇陽電腦 Sun Microsystems(2010 年由甲骨文 Oracle 購併)尚存的時代就已提出過這個詞,昇陽電腦的 UNIX 伺服器是過去網際資料中心(Internet Data Center, IDC)內常用的核心系統,核心系統多半執行資料庫相關交易,例如電子商務的訂單等。

不過多數的用戶端是透過瀏覽器、Internet 連接到資料中心,資料中心則以網站 Web 伺服器提供回應服務,資料中心最核心依然是電子商務的資料庫系統,但與 Internet 連接的部份也有許多工作要處理,例如負載平衡(Load Balance)、加解密、網頁代理/快取(Cache/Proxy)等,這些工作有別於更核心的資料庫,但依然在資料中心機房內,所以被昇陽電腦稱為 Edge Computing,當年被翻譯成「端緣運算」。

Internet Data Center 也有 Edge Computing 的說明(圖片來源:HPC Wire

今日的 Edge Computing

有趣的是,今日所指的 Edge Computing 與當年意涵全然不同,2013 年物聯網興起,其需要在環境現場佈建各種感測器(Sensor),學名上稱為 Sensor Node,若是以無線方式傳遞感測資訊則稱之為WSN(Wireless Sensor Node),多個 WSN 傳遞感測資訊到一個感測現場附近的小鐵盒內,該盒稱之為閘道器(Gateway),透過閘道器收集感測資訊,而後再將資訊後送到雲端。

閘道器原本的工作極單純,只有匯集與後送感測數據,但之後被人們賦予愈來愈多工作,例如必須偵測哪個感測器節點電量過低而發出通報、哪個感測器節點久未回應可能故障,若感測器節點需要更新韌體,則由閘道器自雲端接收新版韌體,而後派送到各感測器上進行更新。

今日所談的 Edge Computing,指的是相對於感測器現場的邊緣(圖片來源:TALARI

除這些外,人們發現,若等所有資訊都上傳至雲端,才進行監督、控制、分析,有時緩不濟急,因此期望增強閘道器的運算力,使閘道器發揮即時監督、即時分析與反應的功效。為此,除了要提升閘道器的運算效能與運算資源外,甚至要配置人工智慧的專門運算晶片,以加速人工智慧推論演算(推算)的速度,例如 Google 於今(2018)年 8 月提出的 Edge TPU(由原本 Cloud TPU 衍生而成)、AWS 於 11 月提出的 Inferentia,此前亦有 Intel 的 Movidius 系列等。

由於對於感測一線現場(Field)而言,閘道器算是一個後方支援角色,所以也被稱為 Edge,今日所談的 Edge Computing,指的是相對於感測器現場的邊緣,而不是前述的資料中心核心的邊緣。

不只有 Edge Computing

除了 Edge Computing 一詞外,也有其他類似的詞語,例如 Cisco 提出的 Fog Computing(霧運算),也同樣在訴求「加強現場端」的運算工作與角色,而非一味往雲端送,不過 Fog Computing 一詞沒有 Edge Computing 普遍使用,且兩者定位相近,雖然有一些人提出仍可明確區分兩者的差異,但多數人並不在意。

Cisco 提出的 Fog Computing 架構示意圖(圖片來源:Medium

另外還有一個詞稱為 Sensor Fusion,意思是當某一個感測器節點運算力若薄弱時,可以把運算工作轉嫁給其他運算力較強的節點代為分勞解憂,或各感測器節點間的運算力、運算資源可以相互調度挪用借用。

此概念很新穎,但現階段仍有一些技術挑戰,特別是感測器節點都在苛求盡可能長的待機時間、電池時間,再導入此一調度機制,在尚未得到調度的好處前,已先行增加此機制所需的運算負荷。

(責任編輯:賴佩萱)

陸向陽

陸向陽

從電子科系畢業後,即以媒體人的角色繼續這段與「電子科技」的不解之緣。歷任電子技術專書作者、電子媒體記者、分析師等角色,並持續寫作不殆。近來投入Arduino、Raspberry Pi等開放硬體的研究與教程介紹。
陸向陽

上一篇: | 下一篇:

468 ad

我想回應

你的電子郵件位址並不會被公開。 必要欄位標記為 *

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

成城共創股份有限公司版權所有、轉載必究.Copyright(c) 2017 MakerPRO