边缘网联与5G等服务器

2022/1/17 6:04:07

本文主要是介绍边缘网联与5G等服务器,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

边缘网联与5G等服务器

服务器作为计算的基础资源,解决的核心问题就是数据的处理、存储和计算。因此,随着联网数据量的增加,计算场景的复杂,对服务器的需求量和需求点,也将发生变化。回顾全球服务器的历史增长情况,会看到,过去几年(2017-2018)服务器需求增长的核心驱动因素,来自于全球云计算的快速发展。这也是新的计算场景对服务器需求拉动的体现。

 

 

 不同的计算场景对服务器的需求点也会发生变化。在这个过程中,服务器市场的竞争格局也随之发生变化(比如,云计算场景下,标准化服务器厂商的份额有所下降,定制化开发的云服务器厂商的市场份额提升)。这也是IT 产业发展的特点,需求的变革,带来供应格局的变化。

 

 

 未来几年计算场景的变化,将是边缘计算的崛起,以及这种计算场景对服务器需求的变化:对边缘服务器的需求或将增加。过去几年,云计算的崛起直接拉动了服务器新一轮的需求增长。5G 带动的边缘计算对数据计算和存储的需求量,有望呈现指数级别的增长,这或将进一步推动服务器需求的增加。

5G是边缘计算产业发展的重要契机。边缘计算作为数据的第一入口,将在智慧园区、安卓云与云游戏、CDN、视频监控、工业互联网与Cloud VR 等场景发挥重要作用。

边缘计算的崛起,是5G 应用的结果。本文讨论的重点是边缘计算对服务器需求的变化。边缘计算与上一代计算场景(云计算)的不同点在哪里?这样就更有利于对服务器需求的变化有一定的认知。

边缘计算,是指一种在网络边缘进行计算的新型计算模式。边缘计算机靠近终端或者数据源头的网络边缘侧,融合网络、计算、存储、应用等,就近提供边缘终端智能服务,满足对敏捷连接、实施业务、数据优化、应用智能和安全隐私保护等需求。可以将边缘计算简单理解为“终端计算”,区别于云计算时代的“数据中心计算”(云端计算)。

边缘计算的业务本质,是云计算在数据中心之外汇聚节点的延伸和演进,主要包括云边缘、边缘云和云化网关三类落地形态。根据IDC 预测,未来超过70% 的数据需要在边缘侧分析、处理和存储。边缘计算领域的多样性计算架构、产品与解决方案越发重要。

从边缘计算对软件和硬件的要求来看,软件平台需要考虑导入云理念、云架构、云技术,提供端到端实时、协同式智能、可信赖、可动态重置等能力。硬件平台需要考虑异构计算能力,如鲲鹏、ARM、X86、GPU、NPU、FPGA 等。即边缘计算软件平台采用Cloud Native云原生架构与关键技术,硬件平台支持异构计算能力,以边云协同和边缘智能为关键特征。

 

 

 1)云边缘:云边缘作为公有云的延伸,将云的部分服务或者能力扩展到边缘基础设施之上。中心云和云边缘相互配合,实现全网资源共享、全网统一管控等能力。

2)边缘云:基于云计算技术与架构构建的边缘分布式开放平台,可提供集中管理和调度的能力,边缘云内及边缘云之间可以进行资源共享。

3)边缘网关:边缘网关是企业/行业数据的接入节点,是网关设备基于云计算技术的演进,可实现网关内资源共享。

云计算的特点
1)计算的中心化(集中化):在云计算场景下,看到的服务器发挥作用的形态是集群化。云计算中,IT 系统不再是多个系统相互独立的烟囱模式,而是通过虚拟化技术将服务器、存储池化,多个系统共享计算资源。在这一IT 架构逻辑下,云计算中单个服务器的性能、吞吐量、可靠性等重要性能指标的重要性相对降低,追求更多的是服务器集群或者整个数据中心的可用性及性能。

2)计算的高可靠性。云计算中数据中心的集群模式,使得计算的基础不是单台服务器,而是而整个服务器集群,这样使得计算不仅具备高性能,同时具有高可靠性,即使单台甚至多台服务器同时出现宕机,其计算能够快速向其它服务器进行切换。

3)计算的可扩展性。知道,云计算底层计算资源的核心逻辑,就是通过虚拟化技术,将计算和存储资源进行池化,将原来物理隔离的单台计算资源进行虚拟化和集中化。最终以集群化处理来达到单台服务器所难以实现的高性能计算。服务器集群的计算能力,可以通过不断增加虚拟化服务器的数量来进行扩展。

 

 边缘计算的特点

1)异构计算

5G 驱动的计算革命的升级,将进一步拓宽计算的边界。云游戏、VR/AR、超高清视频、物联网、视频、直播等应用的推广,使得计算的场景和计算数据格式更加多样、更加复杂。从原来的结构化数据,演化为更多的非结构化数据(语音、文本、图片、视频等)。这就需要边缘计算能够解决异构计算的问题。

2)边缘智能

对于边缘智能,可以从以下两个方面来理解:1)未来的物联网终端将更加智能;2)利用AI 技术为物联网终端的计算进行升级。边缘智能利用AI 技术为边缘侧赋能, 是AI 的一种应用与表现形式。

 

 AI 通过边缘节点能够获得更丰富的数据,并针对不同应用场景实现个性化和泛在化,极大地扩展人工智能的应用场景。边缘节点可以借助AI 技术更好地提供高级数据分析、场景感知、实时决策、自组织与协同等智能化服务。边缘侧轻量级、低延时、高效的AI 计算框架显得尤为重要。

3)边云协同

边云协同,就是要平衡边缘和云端之间的计算资源利用。在边缘计算之前,大部分的核心计算都是集中在云端,未来计算资源将在边缘端和云端进行更合理分配,来满足不同应用场景对计算的需求。比如,对于应用的开发和部署,开发部分可以放在云端来完成,能够充分发挥云端算力重组、多语言、多工具的优势,部署部分可以根据不同场景的需求,放在边缘节点。对于云游戏,渲染部分可以放在云端,呈现部分放在边缘侧。对于AI 的应用,深度学习相关的模型训练放在云端执行,与之对应的推理部分放在边缘节点来执行。
边缘计算是一场计算的架构革命

在传统软件架构下,主要的模式都是CS 模式,服务端大多是单机处理几千个轻量请求。

在边缘计算场景下,需要数万台服务器处理上亿个重负载请求。边缘计算机本质上是用CES 模式取代CS 模式,当前的互联网IT 架构已经从CS 模式,逐步向CDN 服务为核心的CES 模式转变。但当前的CDN 模式比较大的局限性在于缺乏灵活性,不能解决边缘上非结构化数据存储和处理的需求,引入Edge 端(边缘端)就是为了解决CS 模式下无法处理的业务。

在4G 时代,算力的提升已经将硬件的升级和软件的优化所带来潜力进行了充分挖掘,5G时代,必须引入边缘端(Edge 端)来平衡云端和终端的算力,来承载更多的5G 业务。

 

 

 有了5G 低时延的支撑,边缘端(Edge 端)可以承担原来本机客户端的计算需求。这样对服务器端和客户端都带来一定好处。对于服务器端而言,边缘端会将访问请教在本地进行预处理,能够分散大流量的访问和计算压力。对于客户端而言,边缘端的计算环境可控,算力不依赖于云端服务器。

 

 边缘计算需要什么样的服务器?

对于5G 推动的边缘计算,除了所熟知的“高速率、低时延、高并发”三大特点之外,通过以上分析,可以看出,边缘计算与云计算在计算架构、算力分配、应用场景、外部环境等方面存在一定程度的不同。这些差异化就会导致对服务器的需求特性也将发生变化。

 

 边缘计算包括边缘服务器、边缘一体机、边缘网关三种主要形态。边缘服务器作为边缘计算和边缘数据中心的主要计算载体,承担了70% 以上的计算任务,需支持ARM/GPU/NPU等异构计算,满足新型业务模式数据多样性和高并发的需求。

边缘计算对服务器提出的挑战

1)业务场景差异大。边缘服务器研发的最大问题是业务场景差异较大,不同场景需要不同形态的服务器。这与云计算场景下的高度标准化服务器有较大差异。这就需要针对不同的业务和应用场景来开发。目前来看,对边缘服务器下游需求

2)产品形态。一般通用服务器的深度在700mm 以上,而且是集中式、专业化运维管理。根据目前边缘侧数据机房来看,边缘服务器的深度一般在450mm 左右,而且运维环境较差,没有专业的散热设备(空调)等。

3)远程控制。由于边缘服务器处于网络的边缘侧,难以集中化部署,而且边缘服务器的机房数量更多。考虑到运维成本问题,对边缘服务器数据中心的运维一般采用远程控制。
5G 对服务器的需求点

5G 对服务器需求点的变化,主要包括以下几个方面:

1、异构计算的需求

5G 带动的物联网的发展,看到的现象就是各种智能终端的崛起,智能终端的种类更加多样化,云游戏、VR/AR、超高清视频、工业视觉等。与之相应的是,数据的多样化,包括文本、语音、图像、视频等。在数据多样化增加的同时,用户的数据的实时处理也提出了更高的要求。

 

 

 计算的密集型应用需要计算平台执行逻辑复杂的调度任务,而数据密集型应用则需要高效率地完成海量数据的并发处理。这样就使得原来单一计算平台难以适应业务场景化与多样化的要求。从而产生对多样性计算的需求。

异构计算能够满足边缘计算对多样性计算的需求。通过异构计算可以满足“连接+计算”的基础设施的构件,可以满足碎片化产业和差异化应用的需求,提升计算资源的利用率,支持算力的灵活部署和调度。在不同的边缘计算场景中,不用的计算任务对硬件资源的需求不同,从计算模式、并发数、迭代深度等方面,可能需要x86、ARM、GPU、NPU 等多种类型的芯片支持。

 

 2、部署运维的需求

在边缘计算场景下,服务器的部署从原来的集中化管理到散落化部署。服务器运维的整体难度增加。同时,服务器之间的差异化,也为管理异构服务器增加了难度。对边缘服务器运维管理的要求包括:

1)对异构服务器进行统一的运维管理接口。在云数据中心中,服务器的类型或者架构大体相同或类似。而在边缘计算中,为了应对异构计算的需求,同一机房可能放置不同架构的服务器(X86/ARM),这就需要统一的运维管理接口,来实现对不同架构服务器实时运行状态的获取。

 

 

 2)业务自动化部署。边缘计算的服务器部署在区县级机房,数量众多,势必要采取高效运维方式,实现自动安装业务/ 统一分发业务,自安装,自升级,自补丁升级,降低对运维人员水平的要求,同时减少现场操作,达到高效运维。可以看出,边缘服务器的运维管理方式与云服务器存在较大的不同。云计算场景下的服务器一般都是集中化管理运维。

 

 

 运维管理模块实现了X86 服务器、ARM 服务器、第三方服务器生命周期内固件升级管理。固件升级主要包含三部分:版本仓库、升级计划、设备版本状态,满足运维人员主动升级和升级计划自动升级两种升级场景。

3、环境匹配的需求。边缘服务器部署的环境相对比较复杂,通常在网络边缘的园区。同时,为了获得更小的延时,边缘服务器部署位置下沉到市县一级的机房,这样会节省传输带宽,也获得了更好的用户体验。与传统数据中心所处的标准化机房相比,边缘服务器所处的环境条件比较复杂,空间、温度、承载、电源系统等方面都存在较大的差异。

1)机柜空间:边缘数据中心机房机柜深度多为600mm 深,远小于核心数据中心1200mm的机柜深度,常规IT 通用服务器无法正常部署,因此边缘服务器的尺寸设计应满足600mm 的机柜深度。

2)环境温度:边缘机房制冷能力有限,无法保证环境温度的稳定性,甚至有些机房不具备制冷能力;服务器连续工作散热不利,室外温度过高,将导致机房温度可能超过45℃;因此边缘服务器对环境温度的适应力应更强,如-5℃—45℃。

3)机房承重限制:边缘机房承重标准普遍低于数据中心,对服务器的部署密度带来影响。

 

 边缘计算对服务器的需求量有多大?

关于服务器需求量的预测,也只能是从定性分析的角度来给出大概量级。回到服务器本身解决的核心问题:网络数据的计算、处理和存储。可以认为,服务器的需求量是与互联网(云端)数据的量级成正比的,虽然还不知道这种正比例关系的斜率是多少(线性增长还是非线性增长),但从变化的方向来看,是同步向上的。也就是经常说的,服务器需求是以流量为自变量。

下面就分析下,未来几年,网络流量将如何变化。从几个维度来分析网络流量变化的幅度。

维度一:从5G 新应用产生的数据量来看

在5G 应用场景下,视频或将成为交互的主要工具和载体。视频交互产生的数据量级有望大幅提升。根据iHS 数据,2020 年,超高清用户有望达到1 亿,4K 电视占电视总销量比例超过40%。2023 年超高清用户规模有望达到2亿,4K 电视或将全面普及。4K 超高清视频的发展有望进一步提升互联网流量。从iHS 具体预测数据来看,相比于2019 年,2023年高清视频和VR 带动的边缘流量增长幅度有望达到12 倍。

维度二:从全球网络流量来看

根据思科“视觉网络指数”(VNI),相比2017 年,2022 年全球互联网流量将增长153%,到每月356 兆亿字节,其中视频占流量的82%。到2022 年,思科预测约三分之二(62%)的连接平板电视机将支持4K。到那时,4K UHD 分辨率更密集的数据要求将占全球互联网流量的2%。自从Cisco 2005 年首次开始VNI 预测以来,2005-2018 年,流量增长了56 倍,累计有36%的CAGR。

 

参考链接:

https://baijiahao.baidu.com/s?id=1661290268507629856&wfr=spider&for=pc

 



这篇关于边缘网联与5G等服务器的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!


扫一扫关注最新编程教程