移动数据或流程?(第2部分)

芯片架构,甚至本地系统架构,发现最好的方法来提高整个系统的性能和功耗是将记忆尽可能接近处理器。这导致缓存架构和记忆调谐的架构,讨论了第1部分这篇文章的。但是有一些隐性假设在这些架构不适用当我们开始观察更大的系统。讨论的物联网和云计算带来了许多这样的前沿。行业仍然在发展,目前尚不清楚,目前还没有发现完美的解决方案。

边缘或云处理?
我们已经看到了行业历史上几次处理这个问题。

“在1980年代,这个讨论围绕着大型机和个人电脑,”汤姆黄回忆,营销主管设计IP节奏。“有多少访问主机的处理应该在本地与从遥远的地方吗?80年代末到90年代,同样的讨论发生在客户机-服务器模型的出现。这是岁的微型电脑,超小型,工作站和大型机计算。快进到21世纪,我们现在有低功耗,高性能的嵌入式处理器和DSP芯片,提供令人难以置信的大量的计算资源。我们目睹了智能手机的出现,无处不在的应用处理器的发展,soc物联网,边缘计算与云计算的模式。”

的出现机器学习显著改变的事情。而不是基于结果对当地的观察和计算,集团数据和分析承诺没有大量的处理事情不发生,远远大于将可用的边缘。行业也展示了云计算和共享,集中服务将更有效而每个公司创建和维护他们自己的数据中心。

“如今,很容易认为什么重要技术只发生在云中,”黄说。“这是所有的兴奋,和讨论发生的投资。然而,处理数据在本地并不新鲜。这就是事情做过互联网和无处不在的网络连接我们今天认为理所当然的在工业化世界。”

决定过程和移动数据时,是一个系统分区的问题。“与移动数据相关联的两个最大的耗电是收音机和内部静态存储器访问,”吉姆Bruister指出,数字系统主管Silvaco。“基本挑战是如何提高处理和SRAM功率效率和吞吐量,降低访问能力。更好的SoC (CPU / SRAM / DSP和互连)体系结构、芯片加工技术和数据压缩可以减少整体物联网优势力量,同时提供更多的能力做事,如光谱分析,需要收集大量的数据样本。”

似乎改变了行业的想法是video-lots,与越来越多的高清。“由叶节点和网关的数据量是站不住脚的,”沃伦说Kurisu,嵌入式系统产品管理主管部门导师,西门子业务。“被解决的行业通过移动更多的云功能接近边缘。它使你坐更接近你的数据的解决方案。”

这几个组织正在努力创建解决方案。例子包括OpenFOGLinux基金会,也有类似的项目EdgeX铸造。

图1:OpenFog视图的计算基础设施。

图2:EdgeX铸造的方法。

但这不仅仅是一个权力相关的问题。许多部署物联网面临的挑战有关延迟、网络带宽、可靠性和安全性,不能解决在云模型。雾云计算添加一个元素之间的层次和端点设备和设备之间和网关,迎接这些挑战的高性能、开放和可互操作的方式。

分级系统
简单的层次结构包括网关设备。“边缘计算啮合本地和云端适当地通过一个网关和分发数据存储和分析以最优的方式,“节奏的Wong说。“这是必须要做到的同时确保结果是无缝给最终用户。如果数据传输是免费的,零时间发送和接收的云,那么它将意义过程都集中在一个巨大的服务器农场。便宜,容易规模,并确保数据总是用于产生各种各样的分析。”

但数据传输成本上升与数据量和距离,和transmit-to-receive延迟可以成为重要的操作。边缘处理随着边缘的重要性变得更远,更难获得。系统还能够继续运作,即使云是不可用的。

“这没有多大意义的原始数据从数十亿物联网端点/传感器被输送到云数据中心进行处理,因为它会增加网络延迟尤其是对时间敏感的应用程序,“说,首席执行官Mobiveil。“通过局部边缘处理它,我们可以使用分布式计算的力量以及消除网络拥塞,提高操作效率。然而需要运送到处理数据的云存储,进一步处理和集中分析。我设想利用嵌入式soc更好的智能数据处理设备。4 g和5 g网络拓扑已经设想,使规定计算服务器共存与无线数据中心,以减少网络拥堵。”

但这引发了另一个问题。谁拥有云中的数据?首席执行官在设计自动化会议,开明的,解决这个问题的一次演讲中。“物联网系统的关键是选择正确的事,确保你正在收集数据,智能数据和处理它,但数据是关键的事情。我们的目标是数据。疯狂的,你必须保护它,因为这是真正的价值所在。另一方面是不够的只是数据。你必须做点什么。”

对于许多系统,数据仍将是专有的。但对另一些人来说,用户可能无法选择,在某些情况下,这些数据可能产生负面影响。

一些边缘节点是更大,更复杂的比别人。“事实是,没有一个整体架构对于每一个物联网设备,“说Anush莫汉达斯·,营销副总裁和业务发展NetSpeed系统。“这取决于应用程序和设备要去哪里。你可以认为,汽车是一个物联网边缘设备,这需要大量的情报处理和理解数据。此外,理解模式在这些设备需要在云处理。一些情报将在设备,但整理情报跨设备和理解它发生在一个中心位置。”

这样一个系统是如何优化时,部分属于不同的公司吗?”,可能是与软银孙正义所看到和他们购买的原因手臂”,表明泰Garibay首席技术官ArterisIP。“他们想找出如何从边缘设备映射到服务器和介于两者之间的,以便它可以优化。苹果和谷歌也许是唯一的其他的可以这样做。与他人合作在中间的生态系统是艰难的。你有自己的整个路径和这些人的独特之处。他们可以拿出一个大统一理论如何沟通和优化每一层可以改善端点,然后你可以假定事情架构之上。它,因为它不是很可互操作的,但是他们可能不在乎。每个组都可以试着建立自己的,看谁赢。”

自主车辆
自动车辆成为可能,局部处理的复杂性进一步增加。“也许advanced-edge计算和分析的最明显表现是连接自主车,”黄说。“大量的传感器数据,巨大的本地处理能力通过现代SoC / DSP,并需要连接到更先进的数据分析工具在云中,自动汽车被视为advanced-edge计算的典范。”

有多个层。“每辆车需要instant-by-instant(实时)的决定,影响人类安全应用,如自适应巡航控制系统、防撞系统、车道偏离监测和减灾、自动紧急制动,等等,”黄仍在继续。”还有其他的决策或报告引擎和其他系统的数据。同时他们也提供数据支持V2V和V2H系统所需的适当数量和粒度的数据。”

然而,汽车需要能够继续操作没有一个细胞连接,不能假定其他车辆也同样装备。”说,“考虑到相机内汽车首席技术官超音速。“如果一辆汽车平均有10个摄像头+雷达和激光雷达,你要试着发送的所有数据云,你将需要一个multi-GB / S永久连接。其次有延迟问题。如果有一个实时响应要求,你不能传输到云的延迟和仲裁访问一些云资源做出选择,发送回来。可用性是一个问题。你不想让无人驾驶汽车停止仅仅因为它不能无线连接。有安全方面。”

对于一些功能,汽车本身可以被认为是一个封闭的系统节点和云有自己的优势。“如果挡风玻璃上有一个相机在一个高清的图像,需要几兆像素每秒,”迈克尔·汤普森指出,高级产品营销经理DesignWare弧处理器Synopsys对此。“没有把数据从挡风玻璃的好方法。你可以将电缆路由向机舱,但功耗变得相当大的所以你把处理器对相机。”

结论
边缘计算具有最小化传输成本和响应时间。但这些优势并不是免费的。远程应用程序故障的方式很难分析和调试。维护和升级的分布式计算可以复杂和昂贵的硬件。此外,平衡负载之间的边缘和中心总是很棘手。

“分布式处理意味着更复杂的移动设备到世界,有时到严厉的和困难的环境,”黄总结道。“边缘处理器不是坐在一架专用数据中心。有显著的成本和复杂性使坚固和维护这些处理器在这样恶劣的环境。越远的边缘是云,更关键的决策,它需要更聪明。”

有关的故事
移动数据或流程?
第1部分:移动数据是昂贵的,但决定何时以及如何将数据上下文相关的。系统和芯片体系结构正朝着相反的方向。
缓存一致性如何影响力量,表现
第1部分:看看沟通跨多个处理器在一个SoC的影响以及如何更有效。
缓存一致性如何影响力量,表现
第二个两部分组成:为什么和如何添加缓存一致性到现有的设计
CCIX使机器学习
系统可以使或打破世俗方面的解决方案,通常和接口定义什么是可能的。