邊緣運算概觀

邊緣運算是指將企業應用程式放置在更接近建立資料的位置。

邊緣運算是重要的新興參照範例，可透過虛擬化資料中心或雲端運算中心以外的雲端來擴充您的作業模型。 邊緣運算會將應用程式工作負載從集中化位置移至遠端位置，例如工廠樓層、倉儲、配送中心、零售商店、運輸中心等。 基本上，邊緣運算可讓您在資料中心和雲端代管環境之外，將應用程式工作負載移至需要運算的任何地方。

IEAM 為您提供邊緣運算特性，可協助您從中心叢集管理工作量並將其部署至 OpenShift Container Platform 或其他 Kubernetes型叢集的遠端實例。

IEAM 還包括對邊緣運算管理程式設定檔的支援。 當安裝 OpenShift Container Platform 以用於管理遠端邊緣叢集時，此支援的設定檔可協助您減少 OpenShift Container Platform 的資源用量。 此設定檔會放置支援這些伺服器環境及您在該處管理的企業關鍵應用程式之健全遠端管理所需的最低服務。 使用此設定檔，您仍然可以在單一或一組叢集工作者節點中鑑別使用者、收集日誌及事件資料，以及部署工作負載。

邊緣運算的優點

範例

邊緣運算是指將企業應用程式放置在更接近建立資料的位置。 例如，如果您操作工廠，則工廠地板設備可以包括感應器，用於記錄任意數目的資料點，這些資料點提供工廠運作方式的詳細資料。 感應器可以記錄每小時組裝的零件數、堆垛器回到其起始位置所需的時間，或製造機器的操作溫度。 來自這些資料點的資訊有助於協助您判斷您是否以尖峰效率運作、識別您所達到的品質層次，或預測機器何時可能會失敗，並需要預防性維護。

在另一個範例中，如果您有工作者位於遠端位置，其工作可能導致他們在危險狀況下工作，例如熱或大聲環境、接近排氣或生產煙霧，或重型機器，則您可能需要監視環境狀況。 您可以從可在遠端位置使用的各種來源收集資訊。 監督者可以使用此監視中的資料來決定何時指示工作者進行中斷、重新水合物或關閉設備。

在另一個範例中，您可以使用攝影機來監視內容，例如識別進入零售商店、餐廳或娛樂場所的腳流，充當安全監視器來記錄蓄意破壞或其他不想要的活動行為，或辨識緊急狀況。 如果您也從視訊收集資料，則可以使用邊緣運算在本端處理視訊分析，以協助您的工作者更快速回應機會及發生事件。 餐廳員工可以更精確地預估要準備多少食物，零售經理可以決定是否要開啟更多結帳櫃台，而安全人員可以更快速回應緊急狀況或警示優先回應者。

在所有這些情況下，將記錄的資料傳送至雲端運算中心或資料中心，可能會增加資料處理的延遲。 當您嘗試回應嚴重狀況或機會時，此時間流失會產生負面影響。

如果記錄的資料是不需要任何特殊或時間敏感處理的資料，則您可能會因為不必要地傳送此正常資料而產生大量網路及儲存體成本。

或者，如果任何收集的資料也是機密資料 (例如個人資訊) ，則每次將資料移至建立該資料的另一個位置時，都會增加暴露該資料的風險。

此外，如果有任何網路連線不可靠，也會有岔斷重要作業的風險。

概念

邊緣裝置: 一種設備 (例如工廠地板上的組合機器、ATM、智慧型相機或汽車) ，具有可執行有意義工作的整合運算容量，以及收集或產生的資料。

Edge 閘道: 具有執行網路功能 (例如通訊協定轉換、網路終止、通道作業、防火牆保護或無線連線) 的服務的邊緣叢集。 邊緣閘道充當邊緣裝置或邊緣叢集與雲端或更大網路之間的連線點。

邊緣節點: 進行邊緣運算的任何邊緣裝置、邊緣叢集或邊緣閘道。

邊緣叢集: 遠端作業機能中執行企業應用程式工作量及共用服務的電腦。 邊緣叢集可以用來連接至邊緣裝置、連接至另一個邊緣叢集，或充當邊緣閘道以連接至雲端或較大的網路。

邊緣服務: 專門設計用來部署在邊緣叢集、邊緣閘道或邊緣裝置上的服務。 視覺化識別、聲學洞察及語音辨識都是潛在邊緣服務的範例。

Edge 工作量: 在邊緣節點上執行時執行有意義工作的任何服務、微服務或軟體組件。

公有、私有和內容遞送網路以邊緣網路雲端的形式從簡單管道轉換為更高價值的應用程式代管環境。 IEAM 的一般使用案例包括:

IEAM 將多個供應商的雲端平台統一成從內部部署到邊緣的一致儀表板。 IEAM 是自然延伸，可讓您將邊緣網路以外的工作負載配送及管理至邊緣閘道及邊緣裝置。 IEAM 也能辨識來自企業應用程式的工作量，包括邊緣元件、私有雲和混合雲環境，以及公有雲; 其中 IEAM 提供新的執行環境，可讓分散式 AI 連接重要資料來源。

此外， IEAM 還提供 AI 工具，以加速深度學習、視覺化和語音辨識，以及視訊和聲學分析，可針對所有解析度和大部分格式的視訊和音訊交談服務及探索提供推理。

下一步為何？