工业物联网场景中边缘计算的关键功能

边缘计算是工业物联网（IIoT）的核心组件之一。它在加速迈向工业4.0的过程中起着至关重要的作用。来自制造，运输，石油和天然气以及智能建筑的大型企业都依靠边缘计算平台来实现下一代自动化。

什么是边缘？

在IIoT中，边缘计算使计算更接近于数据的来源。如果没有边缘计算层，将从连接到机器和设备的资产和传感器获取的数据发送到远程数据中心或公共/私有云。这可能导致延迟增加，数据局部性差和带宽成本增加。

HPEAruba凭借其ESP平台提供网络第六感

NationalInstruments将通过OptimalPlus收购从大数据中获利

边缘计算是设备与云或数据中心之间的中介。它将业务逻辑应用于设备摄取的数据，同时提供实时分析。它充当数据源和云之间的通道，从而显着减少了由于往返于云而可能发生的延迟。由于边缘可以处理和过滤需要发送到云的数据，因此还可以减少带宽成本。最后，边缘计算将通过本地处理和存储来帮助组织掌握数据的本地性和主权。

处理器和操作系统

边缘计算通常在资源受限的设备上运行。与台式机和服务器相比，边缘计算设备通常具有较小的功率。它们的外形尺寸较小，因此可以将它们部署在空间受限的环境中。由于大多数片上系统（SoC）设备都在ARM处理器上运行，因此边缘计算支持x86和ARM体系结构。

现代手机越来越强大，可以充当边缘计算设备。基于Android的坚固耐用的专用手机可以运行边缘软件堆栈。

边缘计算软件应该适用于MicrosoftWindows，Linux和Android，从而使客户可以轻松地针对运行主流OS的现有环境。

AI加速器和推理引擎

边缘正成为在离线模式下运行机器学习和深度学习的目的地。与企业数据中心或公共云基础架构相比，边缘计算的资源和计算能力有限。当深度学习模型部署在边缘时，它们获得的功能不如公共云，这可能会降低推理速度，在此过程中，训练有素的模型用于分类和预测。

为了弥合数据中心和边缘之间的鸿沟，芯片制造商正在构建一种利基的，专用的加速器，该加速器可显着加快模型推论。这些现代处理器通过接管运行深度学习模型所需的复杂数学计算来辅助边缘设备的CPU。尽管这些芯片无法与在云中运行的同类芯片（GPU）相提并论，但它们确实加速了推理过程。这样可以更快地预测，检测和分类提取到边缘层的数据。

一些流行的AI加速器包括NVIDIAJetson系列GPU，IntelMovidius和MyriadVPU，GoogleEdgeTPU和QualcommHexagon。这些芯片随附驱动程序和工具包，以优化针对AI加速器的深度学习模型。例如，NVIDIA期望模型采用TensorRT格式。英特尔提供了用于模型优化的OpenVINO工具包。Google需要TensorFlowLite格式的模型，高通公司希望通过其NeuralProcessingSDK将模型转换为深度学习容器（DLC）格式。

边缘计算平台应支持主流AI加速器以及每个芯片所需的优化。

当缺少AI加速器但在边缘需要推理时，该平台应通过高级模型优化技术（例如量化）来支持基于软件的AI加速。

消息总线

消息总线充当访问数据点和提取到系统中的事件的通道。消息总线与消息代理（例如MQTT，OPC-UA，面向消息的中间件和基于云的消息服务）集成在一起。

消息总线充当边缘计算平台所有组件的单一事实来源。遥测数据通过消息代理进入消息总线，由CEP处理。CEP，机器学习推理和其他数据处理元素的输出将发送到同一消息总线。

消息总线充当具有多个阶段的管道，其中每个阶段负责读取，处理和更新数据。每个组件通常与一个主题相关联以隔离和分区数据。

设备管理

由于边缘充当通往多个设备的网关，因此它必须跟踪，监视和管理连接的设备群。从一开始，我们需要确保IoT设备在配置和部署后能够正常且安全地运行。边缘必须提供对连接设备的安全访问，监视运行状况，检测问题并对其进行远程故障排除，甚至管理软件和固件更新。

边缘将维护设备注册表以管理生命周期。从入门到退役，每个设备都将通过边缘计算的设备管理服务进行管理。

如果客户已有基于云的IoT部署，则边缘的设备管理组件必须与其无缝集成。

复杂事件处理（CEP）引擎

复杂事件处理（CEP）引擎负责实时聚合，处理和转换通过消息总线到达的流或事件。在IIoT和Edge的上下文中，CEP引擎聚合由连接到设备的各种传感器提取的遥测数据。然后，它对流数据进行规范化和转换，以进行高级查询和分析。

CEP引擎可以查看摄取到边缘计算层的每个数据点。除了聚合和处理外，它甚至可以基于注册的机器学习模型调用自定义函数或执行推理。

复杂事件处理主要用于解决低延迟要求。通常期望在事件到达后的几毫秒内响应事件。

安全访问

边缘计算层应与现有LDAP和IAM系统集成，以提供基于角色的访问控制（RBAC）。每个IT/OT角色都应该与定义明确的角色相关联，以指定其执行特定操作。例如，应用程序开发人员角色不应具有执行固件升级的权限。

可扩展性

对于在IIoT环境中部署的设备，边缘计算平台是网关和集线器，需要与数据中心和公共云中的不同资源集成在一起。从物质资源计划软件到公司目录服务，再到消息代理再到数据湖，边缘计算平台必须与各种服务和应用程序集成。

互操作性和可扩展性成为企业实现边缘计算投资回报的关键。边缘计算平台应该是可编程的，以允许开发人员构建高度定制的解决方案。

管理

典型的边缘计算环境可能有数百万个传感器和执行器连接到成千上万的边缘设备。管理配置，安全性，应用程序，机器学习模型和CEP查询可能变得非常具有挑战性。

可扩展的边缘计算环境需要强大，可靠的管理平台，该平台充当控制边缘设备的单一平台。它成为面向机载用户，注册边缘设备，集成云服务和现有消息代理的统一控制平面。它还提供了友好的用户界面来管理环境管理中涉及的工作流程和任务。

以上功能可帮助企业为IIoT用例选择合适的边缘计算平台。