首页 > 其他分享 >终端云的探索与研究

终端云的探索与研究

时间:2023-10-08 16:59:16浏览次数:39  
标签:协同 探索 研究 边缘 终端 计算 算力 云端

本文分享自天翼云开发者社区《终端云的探索与研究》,作者:邢****豫

一、背景

众所周知,传统的云计算均基于集中式的资源管控,即通过中心云提供,而随着云计算从1.0发展进入2.0的阶段,以及5G、物联网时代的到来,云计算的应用呈指数级增加趋势,集中式的中心云已经无法满足终端侧对于大连接、低时延、大宽带的云资源需求,于是产生了边缘云,即将云计算平台架构在边缘技术设施之上,算力下沉至距离端侧更近的边缘侧。边缘云的出现在一定程度上降低了响应时延、减轻云端压力、降低宽带成本,但也仍需要额外成本搭建、维护边缘基础设施和边缘节点等,这也会导致算力受限,存在瓶颈。

此外我们注意到,物联网的发展极大地丰富了智能终端的类型,终端规模也在指数级不断增长,而每个终端其实都自带计算能力,且在很多时候处于闲置状态;另一方面,桌面云的技术日渐成熟,云电脑、云手机等云终端产品的出现加速了端云一体发展,用户的终端设备可与云端便捷直连,但能够承担重度算力任务的高配置云电脑也意味着高成本投入。在这种背景下,是否可实现终端直接化身为云,每个终端即天然成为一个云计算节点,提供更优体验、更低成本的算力?于是我们对一种全新的云计算模式——终端云的可能性和实现机制进行了探索与研究。

二、终端云的概念与特征

简单地说,终端云即基于云、端算力互通,将云端算力下沉至终端,并且通过统一的算力调度及分发管理,支持云、端算力协同、融合调动,且支持手机、Pad、PC、TV等多种类型终端接入,实现多屏互动以及在不同业务场景下云与云、云与端、端与端的业务协同。

相对于以往的中心云和边缘云,终端云主要有以下特征和优势:

(1)超低成本:充分利用终端自有闲置的计算能力,每个终端即天然为一个云计算节点,无需额外成本进行搭建和维护;

(2)超低时延:与远离终端的中心云以及与终端仍有一定距离的边缘云相比,终端云存在于无所不在、近在咫尺的各类终端上,数据的产生、处理和使用与数据源几乎是“零距离”,能够极速接收并响应终端请求;

(3)超广覆盖:据国际数据机构IDC预测,全球智能终端接入数量在2025年将增长达到1500亿个,而终端云的实现也就意味着这些终端将有可能成为海量的分布式节点,覆盖世界每个角落;

(4)巨大算力潜能:随着智能终端性能不断提升,一台普通智能手机的算力即可媲美一台计算机,千亿级数量的智能终端将带来前所未有的巨大算力;

(5)极-致弹性灵活:通过统一的算力调度与分发,终端云可控制千亿级、极小颗粒度的终端节点执行业务逻辑,能够做到资源的极-致弹性灵活调配。

三、终端云的算力协同机制

云服务的传统模式,是围绕中心云提供算力,即使随着边缘云概念(MEC)的兴起,可更实时、就近提供算力,但在云电脑执行重度算力任务时,也因为配置较低,算力不足无法完成,而高配置云电脑也意味着高成本投入。为解决传统云计算模式的瓶颈,终端云算力协同架构应运而生,给用户带来低延迟、高稳定的使用体验和高性价比算力。下面,我们对终端云算力协同架构进行阐述。

终端云算力协同的特点在于共享终端算力,通过本地终端注册并授权云端使用算力,终端加入算力池,由云端统一按需调度分配。例如当某普通云电脑进行3D渲染任务,需要大量GPU算力而遇到瓶颈时,云电脑将算力需求反馈至云端,云端接收需求后,从共享终端算力池中检索适合的终端,待用户授权同意后,自动将算力调度分配到此云电脑,从而通过普通云电脑快速高效地完成渲染任务。与传统云计算架构相比,终端云算力协同架构不仅大大提升了工作效率,也将算力成本降至极-致。

终端云算力协同架构特点:

(1)该系统是基于蛛网式分布服务器,经由即时算力感知引擎启用闲置算力,通过融合调度的方式构建出动态算力池;

(2)在多设备共享算力的同时,根据不同设备的特性发挥最大优势,利用智能信道技术避免生态内设备之间业务争抢;

(3)将计算资源模式由集中式单一布局进化为散点式自由布局,在保证计算效率的前提下允许多端协同计算和资源分担、实时任务调度,完成生态内多端跨越式算力调度。

在具备以上特点的算力协同机制下,终端云可大量应用于云游戏、车牌识别、视频监控、3D渲染、视频剪辑等场景,利用大量闲置终端算力提升任务处理效率。

四、终端云的价值意义

目前云计算已发展进入2.0阶段,从中心云到边缘云让云计算的应用已发生翻天覆地的变化,而终端云的出现,也势必将带来新一轮的变革。而终端云不仅仅只有技术革新,还将给社会、经济等多方面带来重大影响,具有重要的现实意义。

(1)绿色低碳:终端云最重要的特征之一即是充分利用闲置的终端计算能力,无需额外搭建和维护云计算节点,节省资源,低碳环保;

(2)合作共赢:每一个终端用户都可以通过授权成为终端云的一部分,提供自有终端的计算能力给有需要的业务或用户使用,开放互助,形成一种新型共享经济,而基于对终端用户提供一定回报的商业模式,云业务方可与终端用户达成合作共赢;

(3)变革云生态:作为颠覆性的创新云,终端云的实现和发展必将带来全新的技术和产品,引发技术变革;此外,让终端用户充分参与到终端云的建设中,以及形成开放共享、合作共赢的商业模式,也将彻底改变云计算产业链,形成全新的云生态。

五、结语

基于以上对终端云各方面的探索,可以看到智能终端的快速发展,以及云终端提供的技术底座,让终端云的诞生成为可能;通过对终端云技术实现的研究,则进一步证实了终端云的可行性;在应用落地层面,上文中提及的业务场景举例仅仅只是冰山一角,展望未来,终端云必然将在大视频、物联网、车联网、AR/VR、元宇宙等众多领域成为重器。接下来,我们将持续致力于终端云的技术研究与落地,非常期待在不久的将来终端云即能成为现实,能够与终端用户、云业务方等产业链上下游一起,共同推动云生态焕然一新,或许这也将成为云计算3.0的开始。

标签:协同,探索,研究,边缘,终端,计算,算力,云端
From: https://www.cnblogs.com/developer-tianyiyun/p/17749567.html

相关文章

  • 用pandas探索你的数据(五)-合并数据
    用pandas探索你的数据(五)-合并数据在数据处理和分析中,数据的合并是一项关键任务。Pandas提供了丰富的工具来处理不同来源的数据,并将它们合并成一个更大的数据集。在这篇文章中,我们将深入探讨Pandas中两个重要的数据合并函数:pd.concat()和pd.merge()。首先,我们将通过一系列的......
  • Flask PIN码生成终端RCE
    来自[GYCTF2020]FlaskApp这道题确实不会,只能乖乖看wp做复现,但是学到了很牛逼的东西,一部分flask的SSTI注入知识和PIN码的生成机制。点进去就是base64的加解密程序,hint处有个提示,源码里有PIN。预期解应该是debug出pin码然后终端RCE。非预期解字符串拼接这里用的是字符串拼接......
  • linux终端
    shellecho$SHELL#查看现在使用的shellcat/etc/shells#查看系统已有的shellchsh-s/bin/zsh#更换默认终端,需要重新登录zshzsh的一个配置设置sudoaptinstallzshautojumpsudoaptinstallautojumpj--stat#查看已记录的路径和权重jxxx#......
  • 基于深度学习的图像生成与识别技术研究
    基于深度学习的图像生成与识别技术是人工智能领域中备受关注的研究领域之一。这些技术借助深度神经网络模型,具有出色的性能和广泛的应用,包括图像生成、图像识别、图像分割等。以下是关于这两个领域的研究方向和趋势:图像生成技术生成对抗网络(GANs):GANs是生成图像最引人注目......
  • Ubuntu查看端口占用及关闭终端命令
    Ubuntu查看端口使用情况,使用netstat命令:查看已经连接的服务端口(ESTABLISHED)netstat-a查看所有的服务端口(LISTEN,ESTABLISHED)netstat-ap查看指定端口,可以结合grep命令:netstat-ap|grep8080 也可以使用lsof命令:lsof-i:8888若要关闭使用这个端口的程序,使用kill......
  • 探索程序员需要掌握的算法?
    文章目录一:引言二:常见算法介绍三:重点算法总结......
  • 根据以下代码所生成的数据 请使用python 机器学习 研究不同宽度,厚度,重量,车间温度,
    #对分类变量进行独热编码data=pd.get_dummies(data,columns=['Annealing_Type','Cooling_Type'])#划分训练集和测试集fromsklearn.model_selectionimporttrain_test_splitX=data.drop(['Material_ID','Measurement_Time','Tempera......
  • 混淆技术研究笔记(六)如何基于yGuard实现?
    确定参考<adjust>作为入口后,就需要详细了解这部分代码的逻辑。需要看yguard源码了,你会如何阅读一个完全不了解的源码?我通常的策略都是找一个目标,添加代码依赖,写好demo,debug跟踪代码看。如果漫无目的的看,很难串起来整个流程,范围太大也容易迷失。先在配置中增加<adjust>配置:......
  • 基于卷积神经网络的图像识别技术研究与实践
    基于卷积神经网络的图像识别技术研究与实践卷积神经网络(CNN)是一种深度学习模型,它在图像识别领域取得了显著的成果。本文旨在探讨基于卷积神经网络的图像识别技术研究与实践。一、卷积神经网络概述卷积神经网络是一种深度学习模型,它通过卷积运算对图像进行特征提取,然后使用全连......
  • 为研究不同宽度,厚度,重量,车间温度,冷却方式下,物料温度随时间呈指数衰减的模型函数,
    为研究不同宽度,厚度,重量,车间温度,冷却方式下,物料温度随时间呈指数衰减的模型函数,请使用python按照下面的表格形式,生成模拟数据,数据预处理,选择模型,划分数据集,训练模型,调整超参数,预测和评估,并绘图谢谢您的反馈。我可以尝试改进模拟生成的df数据,以让它更加真实。......