推动边缘计算采用的技术进步-边缘计算的核心技术

技术作为一种普遍力量的发展通常是一个耗时的过程。但边缘计算是不同的——它的影响半径正在以指数级的速度增加。人工智能是边缘发挥关键作用的领域，从Kneron，IBM，Synaptic，Run：ai等公司如何投资该技术中可以明显看出。

在其他行业，如太空技术或医疗保健，包括Fortifyedge和Sidus Space在内的公司正在大力计划进行边缘计算。

有关应用性能和安全性的技术进步和问题

然而，这种几乎无处不在的存在必然会引发有关应用程序性能和安全性的问题。边缘计算也不例外，近年来，它在适应新工具方面变得更加具有包容性。

在本文中，我的重点是最近的技术发展，这些发展试图解决紧迫的工业问题并塑造未来.

WebAssembly 将成为 JavaScript 库的更好替代品

基于 JavaScript 的 AI/ML 库对于基于 Web 的应用程序来说很流行且成熟。驱动力是通过运行边缘分析来提高交付个性化内容的效率。但它有约束，不像沙盒那样提供安全性。VM 模块不保证安全的沙盒执行。此外，对于基于容器的应用程序，启动延迟是主要约束。

WebAssembly正在迅速成为边缘应用程序开发的替代方案。它是可移植的，并通过沙盒运行时环境提供安全性。另外，它允许容器的启动速度比冷（慢）启动容器更快。

企业可以利用基于 WebAssembly 的代码在浏览器中运行 AI/ML 推理，并通过 CDN PoP 运行程序逻辑。它在各行各业的渗透率显着增长，研究通过分析来自多个来源（包括源代码存储库、包管理器和实时网站）的二进制文件来支持它。识别面部表情并处理图像或视频以提高运营效率的用例将从 WebAssembly 中受益更多。

TinyML确保更好地优化边缘AI

边缘 AI 是指在边缘部署 AI/ML 应用程序。但是，大多数边缘设备在计算、存储和网络带宽方面不如云或服务器计算机资源丰富。

TinyML是在资源约束设备上使用AI/ML。它推动了设备边缘的边缘 AI 实施。在TinyML下，可能的优化方法是优化AI / ML模型和优化AI / ML框架，为此，ARM架构是一个完美的选择。

它是边缘设备广泛接受的架构。研究表明，对于 AI/ML 推理等工作负载，与 x86 相比，ARM 架构的性价比更高。

对于模型优化，开发人员使用模型修剪、模型收缩或参数量化。

但是TinyML在模型部署、维护不同的模型版本、应用程序可观测性、监控等方面有一些界限。总的来说，这些运营挑战被称为TinyMLOP。随着TinyML的日益普及，产品工程师将更倾向于TinyMLOPs解决方案提供平台。

用于否定多个 CSP 的架构块的编排

云服务提供商 （CSP） 现在提供更靠近网络边缘的资源，提供不同的优势。这给喜欢使用多个 CSP 的企业带来了一些架构挑战。完美的解决方案需要根据实时网络流量、延迟需求和其他参数对边缘工作负载进行最 佳放置。

以最 佳方式管理分布式边缘工作负载的编排和执行的服务将需求量很大。但他们必须确保最 佳的资源管理和服务级别协议 （SLA）。

像Kubernetes，Docker Swarm等编排工具现在对管理基于容器的工作负载或服务的需求量很大。当应用程序在 Web 规模上运行时，这些工具运行良好。但是在边缘计算的情况下，我们有资源限制，这些编排工具的控制平面完全不合适，因为它们消耗了大量资源。

像 K3S 和 KubeEdge 这样的项目正在努力改进和调整 Kubernetes 以适应特定于边缘的实现。根据此测试报告，KubeEdge 声称可以扩展到 100K 个并发边缘节点。这些工具将进行进一步的改进和优化，以满足边缘计算的要求。

联合学习可激活节点学习并减少数据泄露

联合学习是一种分布式机器学习 （ML） 方法，其中模型在终端设备、组织或个人等数据源上单独构建。

在边缘计算方面，联合机器学习技术很有可能变得流行，因为它可以有效地解决与分布式数据源、高数据量和数据隐私约束相关的问题。

使用这种方法，开发人员不必将学习数据传输到中央服务器。相反，多个分布式边缘节点可以一起学习共享机器学习模型。

与使用差分隐私技术以及联邦学习相关的研究提案也得到了很大的推动。它们有望在未来增强数据隐私。

零信任架构拥有更好的安全承诺

传统的基于边界的安全方法不适用于边缘计算。由于边缘计算的分布式性质，没有明显的边界。

但是，零信任架构是一种网络安全策略，在访问资源时假定不信任。零信任的原则是“永远不要信任，永远验证”。每个请求都应经过身份验证、授权和持续验证。

如果我们考虑边缘计算的分布式性质，它可能会有更广泛的攻击面。零信任安全模型可能是保护边缘资源、工作负载以及与边缘交互的集中式云的正确匹配。

结语

物联网、元界和区块链应用程序不断变化的需求将引发边缘计算的高度采用，因为该技术可以保证这些领域更好的性能、合规性和增强的用户体验。了解围绕边缘计算的这些关键技术进步有助于为您的决策提供信息并提高实施的成功率。