边缘计算行业分析报告Word文档格式.docx
- 文档编号:16540647
- 上传时间:2022-11-24
- 格式:DOCX
- 页数:38
- 大小:6.67MB
边缘计算行业分析报告Word文档格式.docx
《边缘计算行业分析报告Word文档格式.docx》由会员分享,可在线阅读,更多相关《边缘计算行业分析报告Word文档格式.docx(38页珍藏版)》请在冰豆网上搜索。
图表4:
全球传感器销售金额/出货量
图表5:
物联网设备接入互联网趋势图
物联网将通过以下方式实现自动化操作:
(1)自动收集有关实物资产(机器,设备,设施,车辆)信息,来监控其状态与行为。
(2)使用这些信息来提供可视性和控制,以优化过程和资源。
作为工具,边缘计算收集来自本地集成和控制点的海量信息。
工业IT系统和网络技术正向基于IP通信的主流商业IT系统发展。
工业物联网(IIoT),包括传感器数据的治理,机器对机器(MTM)通信的控制和自动化技术领域,均产生大量的数据和网络流量。
比如:
无人机在石油勘探过程中以高清晰视频的形式检查作业现场,会产生大量的数据。
如果这些数据传回云端
处理,耗时太多。
依靠边缘计算允许无人机一天24小时拍摄工作现场,实时传输数据并及时接收指令,并为现场经理提供他们资源部署的最新视图。
图表6:
边缘计算在石油天然气开采应用
②属于CDN的一部分,本地存储和传递带宽密集型内容。
网络拥塞概率最大的是高带宽的视频内容。
视频点播、4K电视和视频流是发展最快的高带宽应用。
图表7:
高宽带应用增长
为了减轻现实和未来的网络拥塞,改善高带宽内容流传输,服务提供商将缓存内容与在更接近用户的互联网计算机系统进行交互。
这可以实现在在多个服务器上复制内容并且基于接近性将内容快速部署给多个用户。
③作为内部部署的应用程序和流程工具,复制云服务和隔离公共云数据中心。
云计算一直是一个集中式架构。
边缘计算将云计算架构融入了更多的分布式计算。
其主要优点是任何类型的中断仅限于网络中的一个点而不是整个网络。
例如:
分布式拒绝服务(DDoS)攻击或长时间的断电,将仅限于边缘计算设备和该设备上的本地应用,而不是在集中式云数据中心上运行的所有应用。
已迁移到外部部署云计算的企业可以充分利用边缘计算增加冗余和可用性。
关键业务应用程序或经营业务的核心功能需要的应用可以在现场进行复制。
城镇供水系统可以比喻成边缘计算,当主供应或分配网络中断的时候,城镇中还存在一个紧急水箱。
图表8:
城镇供水系统比喻成边缘计算
边缘计算的特征体现在以下几个方面:
(1)边缘计算是本地的,意味着它可以与网络的其余部分隔离运行,同时访问本地资源。
这在M2M场景尤其重要,如处理高要求或安全性高的系统时。
(2)邻近性,由于靠近信息源,边缘计算特别适用于捕获和分析大数据中的关键信息。
边缘计算可以直接访问设备,因此容易直接衍生特定商业应用。
(3)低延迟性:
由于边缘服务在靠近终端设备上运行,因此大大降低了延迟。
这使得反馈更迅速,同时也改善了用户体验,大大降低了网络的其他部分中的拥塞。
(4)具有位置感知功能:
当网络边缘是无线网络的一部分时,无论是Wi-Fi还是蜂窝,本地服务都可以利用相对较少的信息来确定每个连接设备的位置。
这产生了一整套业务用例,包括LBS、分析等等。
(5)网络上下文信息:
应用和服务可以使用实时网络数据(例如无线网络环境,网络统计等)来区分和统计移动宽带用户使用量,计算出用户对应的消费情况进而货币化。
因此,可以基于实时网络数据开发新的应用以将移动用户与本地热点、企业和事件连接。
图表9:
边缘计算特征
1.3边缘计算的类型
1.3.1介质种类
边缘计算根据不同的场景,按照介质种类可以分为三种类型。
图表10:
边缘计算类型
①本地设备
设备尺寸根据特定场景而定,交付是即时的,适合家庭或小型办公室的应用、例子包括运行建筑物安全系统、在DVR本地存储的视频内容应用。
云存储网关也是一个本地设备,通常是作为网络设备或服务器来编译云存储API。
图表11:
英特尔CRAN&
MEC参考平台
图表12:
面向5G的FlexRAN平台
②本地化(1-10架)的数据中心
这些数据中心提供一定的处理和存储能力,并且能在现有环境快速部署。
这些数据中心通常按需求配置系统,提前做好预设,然后在现场组装。
另一种形式的本地化数据中心是一个预制微型数据中心,其在工厂组装和在现场使用。
这些单个封闭系统可以配备在多个环境下,如:
坚固的机柜类型——具有防雨,防腐蚀,防火功能,或普通IT机柜。
单个机架版本可以利用现有的建筑,制冷和电源,从而节省CAPEX(一次性资本支出成本)而不必建立一个新的专用网站,安装需要选择靠近建筑物电源和光纤源的位置。
多机架版本由于规模大更灵活,但需要更多的规划和安装时间,并且需要自己的专用冷却形式。
这些1-10机架系统是适合需要低延迟应用,或
高带宽,或增强安全性和可用性的应用。
图表13:
配置到订单系统(左)和预制微型数据中心(右)
③区域数据中心
数据中心具有十多个机架并都设置在比集中云数据中心更靠近的地方。
由于其规模,它们将具有比1–10个机架的数据中心更多的处理和存储能力。
即使他们是提前预制的,但由于可能需要建设,许可和本地合规性问题,他们将花费比本地化的数据中心更长的时间来构建。
他们还需要专用的电源和冷却资源。
延
迟将取决于用户和数据在物理上接近性以及流量的数目。
1.3.2与网络结合方式
1.3.2.1MEC现网部署
MEC技术本身不依赖于具体的移动通信技术,即可在4G/4G+网络都可使用。
目前MEC在4G方面主要有两种大的架构,一类是eNodeB后的MECSERVER,另一类是基于P-GW的MECSERVER。
第一类MECSERVER用于业务较大的热点地区,通过放在离基站较近的后方地区,可实现较高的网络质量,
且用户感受较好,时延较低,真正达到了MEC的优势效果。
但监管、安全与计费方面有一定的问题。
图表14:
eNodeB后的MECSERVER
P-GW可以很好地解决监管、安全、计费等管理方面的问题,但是时延较大,离用户较远,对核心网压力非常大,起不到MEC的作用。
可以说,目前来看现有的架构或多或少都有缺陷。
图表15:
基于P-GW的MECSERVER
图表16:
MEC与P-GW部署在一起
1.3.2.2MEC从4G到5G的平滑部署
①阶段1
基于4GEPC现网架构,MEC部署在eNodeB之后、S-GW之前。
MEC部署在基站汇聚节点后,即多个eNodeB共享一个MEC服务器。
MEC服务器可以为单独网元,也可把MEC的功能集成在汇聚点或eNodeB内。
MEC服务器位于LTES1接口上,对UE发起的数据包进行SPI/DPI报文解析,决策出该数据业务是否可经过MEC服务器进行本地分流。
若不能,则数据业务经过MEC透传给核心网S-GW。
图表17:
MEC服务器部署在RAN侧汇聚节点后
③阶段2
MEC部署在下沉的用户面网关(GW-U)之后,与阶段1的部署方式并存。
LTEC/U分离标准冻结后,不同厂家的GW-U与GW-C可实现标准化对接。
在有具体业务需求的情况下,新建站建议采用基于C/U分离的NFV架构,MEC部署在GW-U之后。
对于已建站,建议可保留,与阶段2的新部署方式并存。
图表18:
MEC服务器部署在GW-U之后
在基于C/U分离的传统或NFV架构下,MEC服务器与GW-U既可集成也可分开部署,共同实现本地业务分流。
④阶段3
在基于SDN/NFV的5G网络架构下,DC采用分级部署的方式,MEC作为CDN最靠近用户的一级,与GW-U以及相关业务链功能部署在边缘DC,控制面功能集中部署在核心网DC预期中的5G网络部署包括3级,由下到上为边缘DC、核心DC和全国级核心DC。
具体地,全国级核心DC以控制、管理和调
度职能为核心,可按需部署于全国节点,实现网络总体的监控和维护;
核心DC可按需部署于省一级网络,承载控制面网络功能,例如移动性管理、会话管理、用户数据和策略等;
边缘DC可按需部署于地(市)一级或靠近网络边缘,以承载媒体流终结功能为主,需要综合考虑集中程度、流量优化、用户体验和传输成本来设置。
边缘DC主要包括MEC、下沉的用户面网关GW-U和相关业务链功能等,在有些场景下,部分控制面网络功能也可以灵活部署在边缘DC。
1.3.2.3MEC基于5G应用框架
基于5G的MEC方案一般有2种方式:
一种是MEC服务器部署在GW-UP处,另一种是MEC服务器部署在基站之后。
图表19:
MEC基于5G的应用框架
①MEC服务器部署在GW-UP处。
5G网络核心网C/U功能分离之后,U-Plane(对应GW-UP)功能下移(可以下移到RAN侧,也可以下移到CN的边缘),CPlane(对应GW-CP)驻留在CN侧。
MEC服务器部署在GW-UP处,相对于传统公网方案,可为用户提供低时延、高带宽服务。
②MEC服务器部署在NodeB之后。
MEC服务器部署在NodeB之后(1个或多个NodeB),使数据业务更靠近用户侧。
UE发起的数据业务经过NodeB、MEC服务器2,然后到Internet(第三方内容提供商服务器)。
计费和合法监听等安全问题需要进一步解决。
2边缘计算典型应用场景
MEC因业务需求而生,云计算并非因为技术而是因应用需求被需要。
MEC平台以用户需求为出发点,通过平台的集成,满足各类用户的业务需求。
MEC为应用程序开发人员和内容服务商提供云计算能力和在移动网络边缘的IT服务环境。
这种环境的特点是超低延迟、高带宽以及能实时访问无线网络。
MEC提供了一个新的生态系统和价值链。
运营商可以向授权的第三方开放其无线接入网(RAN)边缘,允许他们向移动用户、企业、其垂直部门,灵活、快速地部署和使用创新应用和服务。
用例包括视频分析,位置服务,物联网(IoT),增强现实,优化的本地内容分发和数据缓存。
尤其允许软件应用程序利用本地内容和与本地接入网络条件相关的实时信息。
图表20:
MEC应用案例特征
根据接入技术的不同,有不同的方法来实现移动边缘计算。
2.1边缘计算灵活部署于室外
对于室外,Macrocells供应商将安全计算和虚拟化能力直接嵌入无线接入网络元件。
这种应用与无线设备集成,允许运营商快速提供创新的网络功能,加速over-the-top(OTT)服务,并实现各种新的高价值服务。
这种灵活的服务在移动网络中关键的位置执行。
这种架构具体体现在:
•通过减少延迟,提高服务质量或/和提供定制服务,提高移动用户的体验质量(QoE)。
•通过更智能和优化的网络提高基础设施的效率。
•启用垂直服务,特别是与机器到机器场景,大数据管理,分析,智能城市等相关的垂直服务。
•与无线设备紧密集成,使其易于了解流量特性和需求,处理无线网络,获取设备位置信息等。
2.2边缘计算在室内智能服务于本地
当涉及室内,如Wi-Fi和3G/4G接入点,MEC采取强大的内部网关的形式,专门智能服务于本地。
通过轻量级虚拟化,这些网关运行应用并安装在特定位置来提供多个服务,例如:
•机器对机器场景:
连接到各种传感器,移动边缘计算服务可以处理各种监视活动(空调,电梯,温度,湿度,访问控制等)。
•零售解决方案:
具有定位和与移动设备通信的能力,向消费者和商场提供更有价值的信息。
例如,基于位置传送相关内容,增强现实体验,改善整体购物体验或处理安全的在线支付。
•体育场,机场,车站,剧院:
特定服务可以用来管理拥挤的区域,特别是处理安全,疏散或向公众提供新的服务。
例如,体育场可以向公众提供实况内容,机场可以通过增强现实服务来引导乘客进入他们的值机口,等等。
所有这些应用程序都将利用本地数据和环境去设置,以适合用户的需求。
•大数据分析:
在网络中的关键点收集的信息可以作为大数据分析的一部分,以更好地为客户提供服务。
3三大因素驱动边缘计算蓬勃发展
3.1MEC的内在驱动因素
MEC的市场驱动因素包括业务转型,技术集成和行业协作。
所有这些都可以由MEC开启,并且各种用例可以支持各种创新的市场,如电子健康、连接车辆、工业自动化、增强现实、游戏和物联网服务。
图表21:
MEC核心驱动因素
3.1.1网络延时和流量压力等挑战推动移动边缘计算发展
目前移动流量的增长和对成本的压力迫使现实网络在部署方面发生改变,以便优化网络操作和资源利用,保持用户的体验质量和供应商的收入情况。
智能手机应用和内容正在向云端移动。
要保证对应用或内容消费者的丰富体验,对云的访问需要被优化。
因此网络运营商和应用、内容提供商之间的紧密协作是必不可少的。
这种协作可以强化服务提供商在移动运营商网络的边缘部署应用和内容,并提供对网络和上下文信息等意识。
标准化对于支持这种协作和在多
厂商环境中托管云或基于互联网的应用程序至关重要。
图表22:
全球用户网络延时和流量压力占比图
物联网的发展带来的大量数据进一步阻塞了网络,网络运营商需要进行本地分析,以减轻安全问题和回程影响。
企业希望能够以更高效,安全和低延迟的连接为他们的客户提供服务。
目前应用程序和内容提供商在连接到云服务时受到网络延迟的挑战,这些挑战亟待解决。
图表23:
政府与企业物联网上使用边缘计算解决方案的数量
技术改进可以提高终端用户的体验质量并使得网络操作更具成本效益和竞争力,这些技术改进具体表现为低延迟,更好的灵活性、更好的虚拟化使用以及更好的网络和上下文感知等。
3.1.2移动边缘计算可以为客户量身打造,实现更多创新
ETSI(欧洲电信标准协会)于2016年4月18日发布了与MEC相关的重量级标准,对MEC的七大业务场景作了规范和详细描述。
图表24:
移动边缘计算应用场景图
图表25:
边缘网络应用
3.1.2.1智能移动视频加速
网络拥塞将降低蜂窝网络资源利用率、应用性能及用户体验。
主要原因是:
TCP协议很难实时地适应快速变化的无线网络条件。
比如,在蜂窝网络内,如果底层无线信道环境发生变化(如由用户终端的快速移动引起),或者如果系统负载增大,都将会导致移动终端的可用无线接入带宽在数秒之内下降一个数量级。
基于移动边缘计算的智能视频加速可以改善移动内容分发效率低下的情况:
无线接入网MEC服务器部署无线分析应用(RadioAnalyticsapplication),为视频服务器提供无线下行接口的实时吞吐量指标,以助力视频服务器作出更为科学的TCP(传输控制协议)拥塞控制决策,并确保应用层编码能与无线下
行链路的预估容量相匹配。
智能移动视频加速的组网可如图所示。
移动视频服务器根据无线分析应用所提供的信息作出TCP拥塞控制决策,包括初始窗口大小的选择、对拥塞避免期间拥塞窗口值的设置、无线链路拥塞情况恶化时对拥塞窗口大小的调整等。
通过这种方式,TCP将可不再需要主动地探测可用的无线网络资源、不再需要根据相
关探测结果来降低数据发送率。
图表26:
移动边缘计算在智能移动视频加速中的应用
另外很值得一提的是,在移动边缘技术中,无线分析这项应用还将可进行跨设备商部署及跨网络部署,从而将可进一步提高网络资源利用效率,并将可提高绝大多数用户的业务体验质量。
3.1.2.2监控视频流分析
目前的视频监控业务需要把视频流全部上传至服务器或者在摄像头处就地进行视频处理。
这两种方式的成本开销都很大、效率都较低。
如果运用移动边缘计算技术,就可以无需再在摄像头处作视频处理/分析,这样就可降低成本(尤其是当需要部署大量摄像头时)。
对此,移动边缘计算服务器的做法是将视频
分析“本地(即靠近移动通信基站的位置)化”,从而,在客户仅需要一小段视频信息时,就无需回传大量的监控视频至应用服务器(需流经移动核心网络)。
例如,在基于视频监控的车牌识别(处于安全目的)中,部署了移动边缘计算技术后,车牌识别信息就可被拍摄并上传至云监测系统。
图表27:
移动边缘计算在监控视频流分析的应用
3.1.2.3AR(增强现实)
AR可极大程度地增强人们的体验,将有着很广阔的应用场景。
为此,AR就需要能有一个相关的应用(APP)来对摄像机输出的视频信息及所在的精确位置作综合分析,并需要实时地感知用户所在的具体位置及所面对的方向(采取定位技术或通过摄像头视角或综合运用),再依此给用户提供一些相关的额外信息
——如果用户移动位置或改变面朝的方向,这种额外信息也要及时得到更新。
于是,为AR提供服务,应用移动边缘计算技术就有着很大的优势。
这是由于AR信息(用户位置及摄像头视角)是高度本地化的,对这些信息的实时处理最好是在本地(移动边缘计算服务器)进行而不是在云端集中进行,以最大程度地减小
AR延迟/时延、提高数据处理的精度。
图表28:
移动边缘计算在AR中的应用
3.1.2.4密集计算辅助
在物联网中,终端设备或传感器应该成本低、工作时间足够长。
部分物联网设备需要把数据上传至云端进行分析并把决策指令回传(比如抢险机器人在前行时遇到障碍物,就需要以图像识别技术摄像上传云端,由云端把清障方式回传)。
另外,环境传感器、网络游戏、某些安全应用等也需要此种服务。
如果要降低设备的成本,就需要牺牲掉其计算性能。
因此,在部署了移动边缘计算技术之后,密集计算与决策就可被从终端设备或传感器卸载/分流至网络侧(具备高计算性能的移动边缘计算服务器,可在甚短时间内发出决策指令),从而可降低终端设备或传感器的计算能力需求,并提高其电池性能,还可提高整体性能(尤其是对于数据处理延迟有较大或很大需求的应用)。
3.1.2.5在企业专网中的应用
在企业办公方面,智能手机、平板电脑、笔记本电脑等携式移动终端逐渐取代桌面电脑,企业业务也正转向由云平台提供,以方便员工进行移动(云)办公,以自有设备接入企业专用网络。
另外,移动通信基础网络运营商还面临这样一个巨大的市场机遇:
在企业园区部署小基站/小小区,向移动企业客户提供统一通信及服务。
如果把IP电话交换机同移动边缘计算平台集成起来,就可在上述移动运营商小基站和企业WLAN(无线局域网)之间提供“无缝”的服务,不再需要进行固网通信(如固话和五类线局域网)。
这就需要企业IT部门与移动通信基础网络运营商在业务分发策略方面密切协作。
这种基于移动边缘计算的企业移动网络组网范式中,需对在网用户进行负载均衡(在运营商小基站网络与企业内部WLAN网络之间进行智能选择),并对企业的各级员工和客户进行接入控制(为不同等级的用户提供差异化的服务)、对员工BYD(自带设备)进行高效管理、对新业务/新员工的接入作高效配置等。
图表29:
移动边缘计算在企业移动网络中的应用
3.1.2.6车联网
当下,基于DSRC(专用短距通信)及LTE长距离连接的联网汽车数量越来越大。
车联网可为用户提供道路故障通知服务、减小交通拥堵、感知其他车辆行为/动作等,还可提供诸如汽车找回、泊车点找寻、车内信息娱乐(如移动视频分发)等各种增值服务,从而提高交通系统的安全性、效率及便捷度。
车联网的数据传送量将会不断增加,其对于延迟/时延的需求也越来越大。
将移动边缘计算技术应用于车联网之后,可以把车联网云“下沉”至高度分布式部署的移动通信基站。
部署于基站、小基站甚至汇聚站点的MEC服务器,通过运行移动边缘计算应用(APP)提供各种车联网功能。
MEC还可使得数据及应
用就近存储于离车辆较近的位置(从而可减小延迟/时延),并能形成一个来自于移动核心网络及互联网所提供的应用的抽象层。
移动边缘计算平台可提供一系列全新的车联网应用,数据及应用就部署于车辆(位置在不断发生变化,且与其他联网设备或传感器通信)及道路传感器的临近位置。
MEC为车联网应用提供托管服务,并能形成建立在应用低延迟及跨互联网运行的托管服务基础之上的抽象层。
移动边缘计算应用直接从车载应用(APP)及道路传感器实时接收本地化的数据,然后进行分析,并将结论(危害报警信息)以极低延迟传送给临近区域内的其他联网车辆,整个过程可在毫秒级别时间内完成,使驾驶员可以及时做出决策。
图表30:
移动边缘计算在车联网中的应用
3.1.2.7IoT(物联网)网关服务
当下,基于GSM、3G、LTE、Wi-Fi等无线技术的蜂窝/无线物联网设备越来越多。
总体上,物联网数据基本都是采用不同协议的加密的小包。
而这些由“海”量物联网设备所产生的“海”量数据需要很大的处理及存储容量,从而就需要有一个低延迟/时延的汇聚节点来管理不同的协议、消息的分发、分析的处理/计算等。
如果采取移动边缘计算技术,上述的汇聚节点就将被部署于接近物联网终端设备的位置,提供传感数据分析及低延迟响应。
其中,移动边缘计算服务器的计算能力和存储能力可为以下5个方面提供服务:
业务的汇聚及分发;
设备消息的分析;
基于上述分析结果的决策逻辑;
数据库登录;
对于终端设备的远程控制
和接入控制。
图表31:
移动边缘计算在IoT网关中的应用
3.1.3移动边缘计算更经济
移动数据的成本过高意味着绝大多数物联网用例将有望需要采用混合云解决方案,其中数据在边缘处理。
Wikimon首席技术官DavidFloyer首次提出了物联网部署的替代架构的论点。
边缘计算用于捕获本地站点的原始数据并执行对数据做出的初始分析,传递对实时网络有意义的数据并在本地存储其余数据。
AT&T公司与亚马逊网络服务公司达成协议,这两家公司合作建立了一个新的物联网网络解决方案,该解决方案依靠蜂窝网络将数据传输回云端。
虽然这种更新的解决方案比“只有云的”模式更经济高效,但是在混合物联网模型中,边缘计算仍然提供更大的价值和可靠性。
Floyer通过提出了一个配有100个传感器和两个视频流的风电场站点的案例研究来证实他的观点。
这个解决方案比较了三种不同架构的管理和执行总成本:
仅使用专用网络进行云处理,AT&T的新型蜂窝网络(包括硬件和云处理)以及使用专用网络的边缘+云处理。
在仅使用专用网络进行云处理的情况下,Floyer计算出传输数据的三年成本,加上云成本和设备成本,每年需要254,552美元,而基于AT&T的新型蜂窝的网络的总成本每
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 边缘 计算 行业 分析 报告