边缘计算原理与JETSON平台开发 课件 第2章.pptx

第2章边缘计算的应用;

2.1边缘计算与前沿技术;

;

2.1.1边缘计算与云计算

边缘计算的出现不是替代云计算，而是互补协同，也可以说边缘计算是云计算的一部分，两者分开单独来说都不完整，边缘计算和云计算的关系可以比喻为集团公司的地方办事处与集团总公司的关系。边缘计算与云计算各有所长，云计算擅长把握整体，聚焦非实时、长周期数据的大数据分析，能够在长周期维护、业务决策支撑等领域发挥优势；边缘计算则专注于局部，聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。;

边缘计算不是单一的部件，也不是单一的层次，而是涉及边缘IaaS、边缘PaaS和边缘SaaS的端到端开放平台。图2.2所示为云-边协同框架，清晰地阐明了云计算和边缘计算的互补协同关系。边缘IaaS与云端IaaS实现资源协同，边缘PaaS和云端PaaS实现数据协同、智能协同、应用管理协同、业务编排协同，边缘SaaS与云端SaaS实现服务协同。;

;

《边缘云计算技术及标准化白皮书(2018)》把边缘云计算定义为：基于云计算技术的核心和边缘计算的能力，构筑在边缘基础设施之上的云计算平台。边缘云计算同时也是形成边缘位置的计算、网络、存储、安全等能力的，全面的弹性云平台，并与中心云和物联网终端形成“云-边-端三体协同”的端到端的技术架构。将网络转发、存储、计算、智能化数据分析等工作放在边缘处理，可以降低响应时延，减轻云端压力，降低带宽成本，并提供全网调度、算力分发等云服务。;

边缘云计算的基础设施包括但不限于：分布式互联网数据中心(IDC)、运营商通信网络边缘基础设施、边缘侧客户节点(如边缘网关、家庭网关等)等边缘设备及其对应的网络环境。图2.3描述了中心云和边缘云协同的基本概念。边缘云作为中心云的延伸，将云的部分服务或者能力(包括但不限于存储、计算、网络、AI、大数据、安全等)扩展到边缘基础设施之上，中心云和边缘云相互配合，实现了中心-边缘协同、全网算力调度、全网统一管控等功能，真正实现了“无处不在”的云。;

边缘云计算在本质上是基于云计算技???的，为“万物互联”的终端提供低时延、自组织、可定义、可调度、高安全、标准开放的分布式云服务。边缘云可以最大限度地与中心云采用统一架构、统一接口，进行统一管理，从而降低用户开发成本和运维成本，真正实现将云计算的范畴拓展至距离产生数据源更近的地方，弥补传统架构的云计算在某些应用场景中的不足。;

;

2.1.2边缘计算与大数据

大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据技术是指从各种类型的数据中快速获得有价值信息的能力。适用于大数据的技术包括大规模并行处理(MPP)数据库、数据挖掘网络、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。;

大数据具有4个基本特征：

(1)数据体量巨大。百度的统计资料表明，百度新首页导航每天需要提供的数据超过1.5PB(1PB=1024TB)，这些数据如果用A4纸打印出来，将超过5000亿张。还有资料证实，到目前为止，人类生产的所有印刷材料的数据量仅为200PB。

(2)数据类型多样。大数据类型不仅是文本形式，更多的是图片、视频、音频、地理位置信息等多种类型的数据，个性化数据占绝大多数。

(3)数据处理速度快。大数据处理遵循“1秒定律”，可从各种类型的数据中快速获得高价值的信息。

(4)数据价值密度低。以视频为例，在不间断的监控过程中，时长为一小时的视频中可能有用的数据仅有一两秒。;

1.大数据分析方法理论

大数据分析普遍采用的方法理论有：

(1)可视化分析。大数据的使用者有大数据分析专家和普通用户，但是二者对大数据分析最基本的要求都是可视化分析。

(2)数据挖掘算法。大数据分析的理论核心就是数据挖掘算法，基于不同的数据类型和格式才能更科学地呈现数据本身所具备的特点。;

(3)预测性分析。大数据分析最重要的应用领域之一是预测性分析。预测性分析是从大数据中挖掘出信息的特点与联系，通过科学地建立模型、导入新的数据来预测未来的数据。

(4)语义引擎。非结构化数据的多元化给数据分析带来新的挑战，因此需要一套工具系统地分析和提炼数据。语义引擎需要具备人工智能，才能从数据中主动地提取信息。

(5)数据质量和数据管理。大数据分析离不开高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能保证分析结果的真实性，体现出其价值。;

2.大数据处理方法

(1)采集。大数据采集是指利用多个数据库接收客户端(Web、APP或传感器等)的数据，并且用户可以利用这些数据库进行简单的查询和处理。

(2)导入和预处理。虽然采集端本