智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
品牌
其他品牌
網絡存儲的歷史就像手風琴上的風箱——大量的擴張之后是大量的收縮。
網絡存儲的第一個“啊哈”時刻到來了，系統管理員意識到，他們可以把所有服務器存儲連接到數據中心，這些服務器存儲在做著誰也不知道的事情。這是第一次，他們可以對存儲環境進行一些表面上的控制和安全。
但是沒過多久，“啊哈”就變成了“哎呀”，因為集中存儲資源增長到了壓倒性的維度。這種增長導致了管理方法的曲折、備份業務的中斷和提前退休計劃的推進。當然，答案是將所有存儲容量分散到更容易處理的小塊中。
太多塊了嗎？把那架手風琴再鞏固一下，再調一次音量。這個公式似乎已經奏效了幾十年以上，但21世紀的計算要難得多。較大的游戲規則改變者是物聯網，它每年增加數十億物，并已成為整個行業范圍內的公司數字化不可或缺的元素。
物聯網重塑傳統IT格局
物聯網的蓬勃發展迫使許多組織重新思考傳統的IT概念。隨著數以億計的設備添加到物聯網網絡，很明顯需要在網絡的末端進行更多的處理。邊緣計算減輕了更集中的計算資源的負擔，但更重要的是，減少了來回移動數據引起的延遲。
如果您認為這是一個只有擁有巨額IT預算的大公司才能處理的利基問題，請再想一想。微軟2020年10月物聯網信號報告指出：“在與我們交談的全球物聯網決策者中，91%的人在2020年采用了物聯網(高于85%)，超過80%的人至少有一個項目處于使用階段。”
這給邊緣帶來了很大的壓力，但由于對那里可以完成的工作的期望似乎是無限的，因此幾乎看不到任何緩解。正如微軟的報告所述，“人工智能是較廣泛采用的新興技術——79%的組織采用人工智能作為其物聯網解決方案的一部分。”
邊緣計算存儲
物聯網極其分散的環境正逐漸成為IT的噩夢。所有邊緣計算都需要將數據存儲在很靠近那些微型機器學習(TinyML)芯片的地方，這些芯片將人工智能添加到無數傳感器、執行器和其他懸掛在邊緣的設備中。在2021年的白皮書《TinyML：技術領域的下一個大機遇》中，ABI Research預測“TinyML市場的出貨量將從2020年的1520萬個增長到2030年的25億個。”這需要大量的人工智能處理。
無需處理數百甚至數千個虛擬機及其所需的存儲，物聯網邊緣可能意味著需要本地存儲的數萬或數十萬設備——這就像去中心化。
在許多IoT環境中，管理員使用云為邊緣計算提供存儲服務，但隨著計算需求的增加，云存儲的延遲已成為一個問題。
存儲供應商——現在是你加緊將所有網絡存儲專業知識應用于邊緣計算存儲的時候了：“大膽地去往沒有存儲供應商去過的地方。” (好吧，所以他們在《星際迷航》中沒有說存儲供應商，但您明白了。)
邊緣存儲可能沒那么容易
在數千或數百萬個地方放置高性能存儲，然后管理整個交易是一項艱巨的任務。
首先，任何單個物聯網的邊緣都可能有數十甚至數百種不同類型的設備。每個設備的交互方式可能不同。通信可能會使用存儲領域不熟悉的協議，例如MQ遙測傳輸、高級消息隊列協議、4G和5G LTE以及各種短距離無線協議。
嵌入在邊緣設備中的處理器也會有所不同。這意味著Raspberry Pi從存儲訪問數據的方式可能與Banana Pi或Onion Omega2的方式不同。
電源可能是個問題。我們不會在邊緣啟動磁盤，但是當乘以數千個邊緣實例時，即使是固態的適度功率需求也可能看起來很龐大。
如今，大多數用于邊緣計算的存儲都采用SD和microSD格式，它們提供充足的容量，目前似乎足以處理AI雜務。新形式的固態存儲肯定會出現，它們更便宜、速度更快且耗電更少。
邊緣存儲問題的硬件部分似乎已得到控制，但跟上處理和存儲速度所需的固件和軟件將需要更多的開發。較大的挑戰可能是管理所有存儲。無需擔心巨大的容量，但由于組織必須配置、保護和備份如此多的單個實例，因此管理IoT邊緣存儲環境并非易事。將數據從邊緣設備轉移到云服務和數據中心可能會導致令人費解的數據流量擁堵。
(原標題：邊緣計算存儲是物聯網的下一個前沿)
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
