边缘自动化：简化分布式计算的未来

边缘计算正在改变组织处理和使用数据的方式，但它也带来了独特的挑战。

借助边缘计算，更多的数据处理和存储发生在更靠近数据生成源的地方，实际上是在网络的“边缘”而不是集中位置。这可以减少延迟、改善实时处理、增强数据隐私并节省带宽，但管理各种边缘设备和应用程序可能是一个挑战。

据 IDC 称，预计 2024 年全球在边缘计算上的支出将达到 2320 亿美元，比 2023 年增长 15.4%。到 2027 年，企业和服务提供商在边缘解决方案上的支出将达到近 3500 亿美元。

随着对边缘技术的投资不断增长，手动管理变得越来越不切实际且容易出错，因此自动化对于边缘网络效率至关重要。

自动化在边缘计算中的作用

边缘自动化涉及使用软件创建可重复的指令和流程，以减少人与 IT 系统的交互。这可以改善 IT 配置、配置管理、修补、应用程序编排、安全性和合规性。

边缘自动化可以：

  •  提高稳定性：确保在整个基础设施中一致地应用配置。
  • 提高敏捷性：适应不断变化的客户需求并有效分配资源。
  • 增强安全性：使用自动化、智能监控系统检测安全风险。
  • 减少停机时间：简化网络管理并减少人为错误的可能性。
  • 提高效率：自动分析、监控和警报以提高边缘性能。
尽管边缘自动化有好处，但也带来了一些重大挑战。

边缘自动化的挑战

一个关键挑战在于边缘本身的组成。Linux 基金会的 LF Edge 提出的一个问题是异构性问题：

“边缘扩展了云原生开发实践的理念，以涵盖本地边缘计算的独特挑战，”LF Edge 技术咨询委员会主席 Joe Pearson 说。 “但现在我们面临的挑战是将这些做法进一步扩展到嵌入式设备，这些设备可能不运行 Linux 发行版，RAM 不足 2GB，甚至无法连接到网络。”

Pearson 还指出，还可能存在可见性问题。

“目前，所有边缘设备的可观察性和监控还不成熟，但我们需要了解，即使不完美，这些设备群的运行规模比当前的云部署大得多，而且成本更低，”Pearson 说。“这将需要以分散的方式明智地收集和分析数据。”

除了支持无数设备并跟踪其性能之外，组织还需要一套能够以一定程度的自主性执行自动化任务的工具。这包括定义期望的结果、了解当前状态，然后快速、大规模地协调差异。这可能还需要包括一些智能来应对动态情况。

Pearson还指出，通过自动化连接的解决方案可能事先不为人所知，或者已经存在集成。

“需要一种工具来在初始阶段或尽可能完全无人值守的情况下检测、理解和集成这些解决方案，”他说。

简化边缘部署

要获得边缘自动化的好处，组织需要战略性地部署它。一些关键策略包括：

  •  标准化：为常见的边缘部署场景开发标准化模板和配置。这种方法允许在多个站点之间进行更快、更一致的部署，并有助于限制设备复杂性的风险。
  • 资源的自动配置：这是基础设施即代码 (IAC) 实践可以为组织带来真正提升的地方。采用 IAC 实践和工具来自动化边缘设备和应用程序的部署和配置是成功的关键要素。
  • 容器化：基于容器技术的方法（如 Docker）、打包应用程序及其依赖项，使跨不同边缘环境的部署和管理更加容易。
  • 边缘的 CI/CD：实施专门针对边缘环境定制的持续集成和持续交付 (CI/CD) 管道。这种方法允许自动测试和部署边缘应用程序。
部署后，支持成功边缘部署的相同核心元素可以作为支持持续升级和维护的基础。

现实世界中的边缘自动化

边缘自动化已经通过实现实时数据处理和更接近数据源的决策来改变行业。

运输行业

运输行业的一个常见用例是自动化手动设备配置，以将软件和应用程序更新部署到所有类型的车辆。这比手动方法更安全、更可靠，可确保所有车辆的一致和及时更新，以保持运营效率和安全性。

零售业

零售商正在自动化联网设备的配置管理、审核配置和设置计算资源。一旦商店开始运营，边缘自动化就可以通过减少手动配置和更新错误来确保一致和可靠的性能。这使零售商能够快速一致地部署和维护新设备。

医疗保健

在医疗保健领域，边缘自动化有助于远程患者监控、实时诊断和个性化治疗计划。例如，边缘设备可以在本地分析患者数据，从而实现更快、更准确的决策。

金融服务

在金融服务领域，边缘自动化可实现实时数据处理和分析，从而提供个性化服务、提高客户参与度和风险管理。例如，自动化系统可以在边缘分析交易数据，以检测欺诈活动并立即做出响应，从而增强安全性和客户信任度。

电信和媒体

电信、媒体和娱乐服务提供商可以使用边缘将边缘设备的数据转化为有价值的见解，并自动解决连接问题。此外，边缘自动化简化了新服务的交付，使客户无需现场技术人员即可设置设备。这不仅可以提高客户满意度，还可以创建更高效??的网络维护流程，从而可能降低成本。

供应链和制造

Gartner 预测，到 2025 年，智能边缘生态系统将负责 25% 的供应链决策。这种转变通过自动传感器数据分析实现了实时质量控制、预测性维护和提高运营效率。

现代化现有边缘基础设施

灵活高效的数据处理需要现代化的边缘基础设施，将新技术和实践集成到已建立的网络中。需要考虑的核心要素是：

  • 边缘到云集成：确保边缘和云环境之间构建良好的集成。
  • 安全性：实施严格的安全协议，例如多因素身份验证、最小特权访问和自动监控系统。
  • 数据管理：高效管理和存储在边缘生成的不断增加的数据量。
  • 能源效率：优化功耗，尤其是对于远程或电池供电的设备。
在许多情况下，现代化还将涉及从不是为现代边缘范式设计的旧系统迁移。这是一个复杂但必要的过程，涉及几个关键步骤：

  • 评估：对当前系统进行全面审核，包括硬件、软件、流程和人为因素。
  • 规划：制定详细的迁移计划，其中包括时间表、预算、资源分配和利益相关者沟通。
  • 实施：使用分阶段迁移或并行运行来最大限度地减少中断并确保业务连续性。
  • 测试：在全面实施之前进行全面测试以识别和解决任何性能瓶颈。
  • 监控和优化：持续评估自动化系统的性能并根据需要进行改进。
  • 离线场景规划：确保边缘设备在与中央网络断开连接时可以自主运行。
  • 培训：提供全面的培训，确保员工熟悉新系统和流程。
边缘自动化代表了组织处理和利用数据方式的范式转变。通过将智能和决策能力更接近数据源，边缘自动化为边缘网络带来了前所未有的效率、灵活性和创新水平。

随着技术的成熟，组织必须仔细考虑其边缘战略，应对标准化、安全性和集成方面的挑战。那些成功过渡到自动化边缘环境的企业将在日益数据驱动的世界中占据有利地位。

作者：Sean Michael Kerner