向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

企业加速将工作负载推向边缘

时间:2019-09-10 作者:Scott Deuty 阅读:
为支持人工智能(AI )、机器学习(M L)、实时分析、物联网(IoT)和5G等数据密集型用例的需求,越来越多的企业开始部署边缘工作负载。然而,就像是心有余而力不足一样,由于缺乏处理能力、空间限制以及技术过时,朝向边缘计算发展仍然受到种种阻碍……

为支持人工智能(AI)、机器学习(ML)、实时分析、物联网(IoT)和5G等数据密集型用例的需求,越来越多的企业开始部署边缘工作负载。但在大多数情况下,各组织从这些工作负载中所取得的成果并不如预期。边缘计算难以实现——缺乏处理能力、空间限制和技术过时都可能导致问题。

调研机构Dimensional Research最近进行的一项调查揭示了企业级边缘计算的发展状况。这项调查收集了来自300多名存储专业人员和软件开发人员的反馈,他们都受雇于员工人数达1000名以上的大型企业,在各行各业中负责处理数据密集型工作负载。最重要的是,这项调查结果显示,各组织根本不满意其边缘工作负载的表现。只有十分之一的受访者在其边缘计算和存储性能方面给自家公司评为“A”级,而约有一半的受访者则将其评为“C”或更差。

尽管结果令人沮丧,但这项调查显示,大多数(55%)组织目前正在边缘部署工作负载。边缘计算只有在对当今许多关键用例必不可少的情况下才会成长。根据调查,边缘计算支持的主要用例包括实时分析(71%)、机器学习(71%)和物联网(56%)。虽然5G到来还有待时日,但25%的受访者表示其正在部署边缘工作负载以支持5G技术。可以预期,只有边缘计算对于支持这些基本用例至关重要,边缘部署才会成长。

那么,随着面向实时分析、机器学习和物联网等重要技术的边缘计算日益受到重视,引起所有问题的原因又是什么呢?针对在边缘侧实现这些用例所面对的最大挑战,受访者列出了以下几项:传统存储解决方案的成本(61%)、难以摄取和管理数据(55%)以及计算存储瓶颈(53%)等均为首要问题。简而言之,传统的存储解决方案太昂贵且太笨重,因而无法支持边缘工作负载。而且,鉴于边缘环境的空间有限,这些传统解决方案根本无法提供足够的功率和效率,而引起管理大量数据流的瓶颈和困扰。

那么,组织如何有效突破边缘计算的瓶颈?答案就在这项调查问卷中。为了有效支持边缘工作负载,贵公司还缺少什么?当问及这个问题时,46%的受访者表示,最重要的就是缺少可在数据存储位置直接执行计算的基础架构。

将计算直接带到存储涉及根本性的转变,即让数据可在创建之处就地进行处理。由于边缘基础架构不再需要为了处理或分析数据而在平台之间进行数据移动,因此这对在边缘侧实现数据密集型用例来说可谓抄了一条很大的近路——这类用例需要从许多不同端点接收大量数据流而工作。

根据调查结果,70%的企业都在使用GPU加速器改进边缘侧计算和存储能力,但这终究只是一种权宜之计。GPU加速器——例如组合架构、NVMe-oF架构和FPGA加速器等——确实能够恰如其分地提升边缘性能,但其进展仍不足以克服瓶颈:由于数据仍然必须在边缘平台之间移动才能进行处理或分析,因此其并未从根本上改变实现边缘计算的途径。由于边缘用例涉及大量流式数据,因此这种方法永远无法可靠地运作。

计算型存储固态硬盘是一种直接在数据存储位置执行计算的技术。这是通过名为就地(In-Situ)处理的创新概念而实现的,事实上,这项技术已经部署在一些NVMe SSD了。就地处理可以将加速和并行处理资源直接嵌入到SSD,这使得数据可以在其所在位置进行分析。

越来越多的组织开始了解到NVMe SSD的价值。目前,约有60%的受访者表示其正在边缘使用NVMe SSD,86%的受访者则计划在未来两年内增加NVMe SSD的使用。然而,只有44%的受访者知道NVMe SSD可以直接在物理存储硬盘上执行计算。随着这些企业越来越意识到NVMe SSD拥有将计算直接带入存储的真正潜力,预计其采用率将进一步提高,边缘性能也将随之大幅提升。

边缘计算正在迅速崛起,成为支持AI、ML和IoT的创新途径。然而,这些工作负载由于缺乏边缘处理能力而受到打击。目前,无论是传统存储平台还是GPU之类的权宜之计均未能真正改写游戏规则,而通过计算型存储SSD提供就地处理数据的能力,则有望改变并加速边缘计算的部署。

本文为《电子技术设计》2019年9月刊杂志文章。

 

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Scott Deuty
Scott Deuty是资深电力电子工程师,具有超过30年的工程、营销、业务开发和写作经验。Scott Deuty拥有弗吉尼亚理工大学电力电子系统中心 (CPES) 硕士学位。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 分销商如何为自己创造新的契机? 2019年可以说是5G元年,5G将极大地推动物联网、人工智能、机器人、游戏领域、无人驾驶、远程医疗、VR/AR、云计算、大数据的发展。这些产业的需求很快就会出现,我们需要关注这些新的需求
  • 汽车电子设计中正确用Pspice做WCCA分析的设计要点 上篇文章讲述了在汽车电子设计中正确用Pspice做蒙特卡洛分析的设计要点,本文是它的姊妹篇,将会讲述用Pspice做最差电路分析(WCCA)的设计要点。
  • 汽车电子设计中正确用Pspice做蒙特卡洛分析的设计要点 Pspice程序功能强大,但如果其设置不正确,得到的运行结果可能不是真正的输出,从而对软件产生质疑。尤其是在汽车电子的设计中,需要做到多种分析并考虑更复杂的一些参数添加。正确使用Pspice来设计和仿真电路需要遵循一定的规则,否则得到的仿真结果并非真正的“最差”,从而会导致设计结果出错。
  • 谁该对网联汽车的安全负责? Upstream Security的一份报告表明,2019年上半年,汽车行业的网络攻击数量较去年同期翻了一番,从32起增加到82起。这个数字看起来可能不算很多,但此类黑客攻击的高增长率和多样性却令人担忧。
  • 拆解:Blink XT安全摄像头 Blink安全系统包括一个或多个Blink和/或Blink XT摄像头,每个摄像头通过专有的900MHz LFR无线链路连接到一个公共控制同步模块。之前我拆解了这个同步模块,这一次我要拆解链路另一端的Blink XT摄像头。
  • 解剖电流反馈运算放大器 之前我们讨论了VFOA(电压反馈运算放大器),现在来谈一谈CFOA(电流反馈运算放大器),其中包括性能分析。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告