Microsoft在針對開發人員的Build 2017大會上，宣佈推出Azure IoT Edge邊緣運算方案；這項宣佈看來毫不顯眼，背後卻是多家公有雲較勁的決勝點；特別是AWS推出Greengrass方案，IoT邊緣運算的競爭，亦開始進入直路。
物聯網（IoT）應用固然離不開雲端運算，但問題是大部分的時間，IoT都使用不穩定或高延遲（High Latency）的網絡，接近產生數據的所謂「邊緣」位置（Edge），仍要保留有一定的運算能力，以便適當時作出更快的反應。故此，不管雲運算如何強大，不少IoT仍要靠終端運算，或者所謂「邊緣」設備，有時是對大量數據作出篩選；有意義的數據，才傳回雲端的數據中心分析處理；例如交通運輸工具，主要就要靠無線網絡連接，時刻面對高延遲網絡，甚
至不可能作全天候連接，許多時要離線執行。IoT環境如何分散儲存，整合終端裝置和雲端能力，利用「邊緣」設備運算和儲存數據的IoT Edge邊緣運算（Edge Computing），變成未來開發IoT應用，最令人關注的課題。
單板電腦邊緣配置
思科公司很早提出「Fog Computing」，也就是IoT Edge邊緣運算的前身，概念是如何將運算和數據儲存，部署至更接近IoT數據產生的位置，改善服務質素、運算反應和客戶體驗，更成立了OpenFog Consortium。不少思科產品加入了類似功能，支援邊緣設備，執行初步運算和分析。
Microsoft副總裁Scott Guthrie，在Build 2017開發者大會上，宣佈推出Azure IoT Edge。Guthrie表示，除了可用Azure中央管理、部署、設定IoT設備，不同的分析功能，也可從Azure隨時下載至邊緣設備，即時離線處理數據，設備配置要求甚低；可於Raspberry Pi上Linux或者Windows 10 IoT Core平台執行，最小記憶體只要128MB；應用亦可先在Azure開發，以CI/CD流程測試，直至滿意後，下載到邊際設備執行。
Raspberry Pi單板電腦價格便宜，已進入不少IoT應用場景；市場上其他單板電腦也愈來愈多，類似Arrow以Qualcomm處理器推出的DragonBoard，也具備更多CPU和網絡功能，可跑不同版本Linux、Android或Windows 10 IoT Core。開發人員只要在Azure上開發了Azure Machine Learning、Stream Analytics、Azure Functions、AI services、Azure IoT Hub等功能，就可包裝成
為Docker容器，下載到邊緣設備上直接執行，加快執行的反應。
去年，Amazon Web Services (AWS)亦推出AWS Greengrass，功能類似Azure IoT Edge，可下載AWS的Lambda Functions到邊緣設備上執行。Lambda為AWS推出的無服務器式雲運算（Serverless cloud），無須在AWS上啟動任何VM服務器，就可直接執行程式，費用則只計算應用實際的使用量。這種模式的突破性，不單免除了架設服務器的繁瑣工作，用多少計多少，收費與用量掛鉤。更重要的是，從此開發人員毋須再管理IT基建，擔心日後如何維持高可用性架構；從服務器到負載平衡（Load Balancing），均會自動擴充。
但Lambda從2014年推出後，服務不斷改善；先後支援C#、Python、Java、Javascript（Node.js）四種語言；其中支援C#語言，當然是針對大量Windows平台上的.NET應用，移植至Lambda上。Windows開發人員可利用C#和.NET工具，快速在Lambda開發。AWS甚至推出Visual Studio的插件，供快速配置Lambda；針對Windows開發人員，對Azure雲平台有莫大威脅。
Greengrass支援以X86或者ARM處理器的設備來執行Lambda，最低要求也只是128MB記憶體和1GHz處理器，包括類似Raspberry Pi單板電腦，比Azure IoT Edge略高。但Greengrass只支援Linux作業系統；Qualcomm和其他硬件廠商，已公佈會推出針對Greengrass設計的IoT邊緣設備，顯示業界相當看好。Lambda的Greengrass之所以強大，另一原因是配合不少AWS其他性能，包括支援AWS的「內容交付方案」（Content delivery network，CDN）Cloudfront，Lambda可直接於邊緣位置，執行動態的內容；以Javascript對用戶要求，直接作出反應，避免所有查詢，都要傳回數據中心處理，因網絡延誤（Latency）而要遠端用戶苦候。AWS的Lambda配合CDN，大大改善了遠端用戶的體驗。
Lambda登堂入室
Lambda另一優勢，為支援新推出的Step Functions，不同Lambda Functions可組合為功能更強大的企業應用，以Step Functions排錯和作視覺化的配置。不少科技公司加入推動邊緣運算，華為也是其中一家，推出了Edge Computing IoT（EC-IoT解決方案），又在國內推動成立「邊緣計算產業聯盟」（Edge Computing Consortium），成員包括英特爾、ARM、軟通動力、中國科學院沈陽自動化研究所等。但是華為EC-IoT解決方案，內容較為初步，仍處於建立生
態環境的階段。
相對而言，IBM邊緣運算更低調，去年才開始支援思科的Edge Analytics架構，推出Edge Analytic Agent（EAA），從BlueMix通過思科平台向邊緣設備部署EAA，蒐集和分析IoT邊緣的數據，先作初步分析和整理，才上傳到數據中心供Watson IoT Platform，整合更多資料作預測分析。但隨著Microsoft正式推出Azure IoT Edge，預計各公有雲，將相繼大力發展邊緣運算。
物聯網（IoT）應用固然離不開雲端運算，但問題是大部分的時間，IoT都使用不穩定或高延遲（High Latency）的網絡，接近產生數據的所謂「邊緣」位置（Edge），仍要保留有一定的運算能力，以便適當時作出更快的反應。故此，不管雲運算如何強大，不少IoT仍要靠終端運算，或者所謂「邊緣」設備，有時是對大量數據作出篩選；有意義的數據，才傳回雲端的數據中心分析處理；例如交通運輸工具，主要就要靠無線網絡連接，時刻面對高延遲網絡，甚
至不可能作全天候連接，許多時要離線執行。IoT環境如何分散儲存，整合終端裝置和雲端能力，利用「邊緣」設備運算和儲存數據的IoT Edge邊緣運算（Edge Computing），變成未來開發IoT應用，最令人關注的課題。
單板電腦邊緣配置
思科公司很早提出「Fog Computing」，也就是IoT Edge邊緣運算的前身，概念是如何將運算和數據儲存，部署至更接近IoT數據產生的位置，改善服務質素、運算反應和客戶體驗，更成立了OpenFog Consortium。不少思科產品加入了類似功能，支援邊緣設備，執行初步運算和分析。
Microsoft副總裁Scott Guthrie，在Build 2017開發者大會上，宣佈推出Azure IoT Edge。Guthrie表示，除了可用Azure中央管理、部署、設定IoT設備，不同的分析功能，也可從Azure隨時下載至邊緣設備，即時離線處理數據，設備配置要求甚低；可於Raspberry Pi上Linux或者Windows 10 IoT Core平台執行，最小記憶體只要128MB；應用亦可先在Azure開發，以CI/CD流程測試，直至滿意後，下載到邊際設備執行。
Raspberry Pi單板電腦價格便宜，已進入不少IoT應用場景；市場上其他單板電腦也愈來愈多，類似Arrow以Qualcomm處理器推出的DragonBoard，也具備更多CPU和網絡功能，可跑不同版本Linux、Android或Windows 10 IoT Core。開發人員只要在Azure上開發了Azure Machine Learning、Stream Analytics、Azure Functions、AI services、Azure IoT Hub等功能，就可包裝成
為Docker容器，下載到邊緣設備上直接執行，加快執行的反應。
去年，Amazon Web Services (AWS)亦推出AWS Greengrass，功能類似Azure IoT Edge，可下載AWS的Lambda Functions到邊緣設備上執行。Lambda為AWS推出的無服務器式雲運算（Serverless cloud），無須在AWS上啟動任何VM服務器，就可直接執行程式，費用則只計算應用實際的使用量。這種模式的突破性，不單免除了架設服務器的繁瑣工作，用多少計多少，收費與用量掛鉤。更重要的是，從此開發人員毋須再管理IT基建，擔心日後如何維持高可用性架構；從服務器到負載平衡（Load Balancing），均會自動擴充。
但Lambda從2014年推出後，服務不斷改善；先後支援C#、Python、Java、Javascript（Node.js）四種語言；其中支援C#語言，當然是針對大量Windows平台上的.NET應用，移植至Lambda上。Windows開發人員可利用C#和.NET工具，快速在Lambda開發。AWS甚至推出Visual Studio的插件，供快速配置Lambda；針對Windows開發人員，對Azure雲平台有莫大威脅。
Greengrass支援以X86或者ARM處理器的設備來執行Lambda，最低要求也只是128MB記憶體和1GHz處理器，包括類似Raspberry Pi單板電腦，比Azure IoT Edge略高。但Greengrass只支援Linux作業系統；Qualcomm和其他硬件廠商，已公佈會推出針對Greengrass設計的IoT邊緣設備，顯示業界相當看好。Lambda的Greengrass之所以強大，另一原因是配合不少AWS其他性能，包括支援AWS的「內容交付方案」（Content delivery network，CDN）Cloudfront，Lambda可直接於邊緣位置，執行動態的內容；以Javascript對用戶要求，直接作出反應，避免所有查詢，都要傳回數據中心處理，因網絡延誤（Latency）而要遠端用戶苦候。AWS的Lambda配合CDN，大大改善了遠端用戶的體驗。
Lambda登堂入室
Lambda另一優勢，為支援新推出的Step Functions，不同Lambda Functions可組合為功能更強大的企業應用，以Step Functions排錯和作視覺化的配置。不少科技公司加入推動邊緣運算，華為也是其中一家，推出了Edge Computing IoT（EC-IoT解決方案），又在國內推動成立「邊緣計算產業聯盟」（Edge Computing Consortium），成員包括英特爾、ARM、軟通動力、中國科學院沈陽自動化研究所等。但是華為EC-IoT解決方案，內容較為初步，仍處於建立生
態環境的階段。
相對而言，IBM邊緣運算更低調，去年才開始支援思科的Edge Analytics架構，推出Edge Analytic Agent（EAA），從BlueMix通過思科平台向邊緣設備部署EAA，蒐集和分析IoT邊緣的數據，先作初步分析和整理，才上傳到數據中心供Watson IoT Platform，整合更多資料作預測分析。但隨著Microsoft正式推出Azure IoT Edge，預計各公有雲，將相繼大力發展邊緣運算。
沒有留言:
發佈留言