Edge Computing Examples
by Canonical on 14 May 2024
您应当知道的 5 个边缘计算示例
在日新月异的科技世界中,创新是保持领先地位的关键。在企业追求效率、速度和实时数据处理能力的趋势下,人们越来越关注边缘计算。
边缘计算代表了数据处理和分析方式的范式转变。与将数据处理集中在远程数据中心的传统云计算不同,边缘计算是将数据处理带到了更接近数据源的地方。这样不仅减少了延迟,而且为各行各业开辟了一个充满可能性的世界。
我很高兴通过本篇博客跟大家一起来探讨这项尖端技术的示例及各种应用和用例,文中将特别着重于探讨 Canonical 的 MicroCloud 如何无缝地适应这一转变格局。
各行各业边缘计算示例
智慧城市和城市规划
边缘计算在智慧城市的发展中起着至关重要的作用。通过在整个城市环境中部署传感器、摄像头等边缘设备,数据可以就地处理,从而优化交通管理,进一步保障公共安全,并改善整体城市基础设施。在边缘进行实时分析可以实现快速决策,从而提高城市系统的效率和响应速度。
医疗保健和远程患者监测
医疗保健行业正在利用边缘计算来改善患者护理服务和简化医疗流程。医疗机构中的边缘设备能够对患者进行实时监测,确保及时干预并减少向中央服务器传输大量数据的需求。在偏远地区,边缘计算促进了远程医疗的发展,使医疗资源短缺地区的人们享受到医疗保健服务。
实现预测性维护的工业物联网
边缘计算通过物联网 (IoT) 实现预测性维护,正在彻底改变着工业作业。在制造环境中,连接在机械上的传感器在本地收集和分析数据,这样有助于早期发现潜在问题,最大限度地减少停机时间并优化维护计划,从而提高效率,降低成本,并提高设备的整体效率。
自动驾驶汽车和安全提升
汽车行业正逐渐采用边缘计算来为自动驾驶汽车赋能并提升道路安全。车载边缘设备可以实时处理来自众多传感器、摄像头和激光雷达的数据,从而实现快速决策,且无需依赖远程云服务器。这种低延迟的方法对于自动驾驶系统的成功和安全至关重要。
零售和个性化客户体验
边缘计算通过实现个性化服务和提高客户参与度来改变零售体验。店内摄像头和传感器分析顾客行为,零售商据此可以提供针对性的促销活动和优化库存管理。这种边缘实时数据处理模式既提高了客户满意度,也创造了更加无缝的购物体验。
MicroCloud:定制的边缘计算解决方案
在变化迅速的边缘计算发展格局中,选择正确的解决方案至关重要。Canonical 的 MicroCloud 是一款理想的边缘云解决方案,与所呈现的各种边缘计算示例能够无缝匹配。MicroCloud 具备紧凑而高效的云基础架构,旨在提供以简单性、可扩展性和可靠性为重点的边缘计算能力。
MicroCloud 的主要特性
紧凑性:MicroCloud 具备的紧凑性使其适合于部署在从工业环境到城市环境等各种环境中,从而确保边缘计算资源在最需要的地方随时可用。
可扩展性:MicroCloud 可以轻松进行扩展,进而满足边缘计算应用中的不同需求。无论是在智慧城市部署还是工业自动化环境中,MicroCloud 都可进行扩展,满足不断变化的边缘需求。
可靠性和安全性:凭借稳健的架构,MicroCloud 能够确保边缘计算操作的可靠性和安全性。其设计符合医疗保健、电信等行业严格的数据安全要求,为关键应用提供了可信赖的基础。

主要边缘计算示例和趋势的综合概述
若要深入了解边缘计算及其不断发展的用例,请阅读我们的白皮书“各行各业边缘计算用例”。该白皮书中探讨了实际示例、特定行业的应用以及边缘计算对企业和社会的潜在影响。
当我们在不断发展的技术领域中摸索前行时,了解边缘计算的实际应用对于致力于保持领先地位的企业而言至关重要。对于想要利用边缘计算的强大力量并在各自行业中解锁新的可能性的群体而言,该白皮书将很有参考价值。
更多阅读资料
- 【中文白皮书】微云指南:边缘计算成功路径 了解如何使用 MicroCloud 构建您的边缘策略
- 【白皮书】边缘计算示例:探索包括汽车、电信、零售、工业、能源等行业用例
- 采用开源工业物联网软件
- 实时内核如何减少电信边缘云中的延迟
订阅博客文章
查看更多内容
什么是 5G Edge 和多接入边缘计算?
简介 5G 边缘通过显著增强网络性能、让计算能力更贴近用户、大幅减少延迟、实现更快更高效的服务,正在彻底改变电信行业。这一进步对于不同领域的各种应用至关重要,包括智能城市、自动驾驶汽车、医疗保健和工业自动化。 在实践中,5G 边缘指的是在网络边缘部署小型分布式数据中心和处理单元,更接近最终用户和生成数据的设备。这些边缘数据中心不仅承载一些关键的 5G 网络功能,还充当通往包括互联网在内的其他网络的网关。通过在本地处理数据处理和路由,它们能够为在地域上彼此接近的用户和设备提供响应更快、效率更高的网络服务。 另一方面,多接入边缘计算(MEC)是一种补充技术,将云计算能力引入网络边缘。MEC 允许在这些边缘位置直接部署应用和服务,从而在生成数据时快速处理数据。这减少了数据返回中 […]
Canonical 通过 NVIDIA 企业级 AI 工厂认证
Canonical 通过 NVIDIA 企业级 AI 工厂认证设计交付 Kubernetes 平台与开源安全解决方案 参考架构加速智能代理 AI 项目上市进程 为简化企业 AI 应用路径,加速 AI 洞察向商业价值的转化,NVIDIA 近日发布 NVIDIA 企业 AI 工厂验证设计,该方案作为集成式解决方案生态,可实现与企业系统、数据源及安全基础设施的无缝连接。NVIDIA 软硬件设计模板专为现代 AI 项目定制,涵盖物理 AI 与 HPC,重点关注智能代理 AI 工作负载。 Canonical 荣膺 NVIDIA 企业级 AI 工厂验证设计生态伙伴Canonical Kubernetes 容器编排方案,支持在高性能基础设施上高效构建、部署及管理多样化且持续演进的 A […]
借助 Apache Spark 与 GPU 加速数据科学进程
一直以来,Apache Spark 始终以通过分区机制实现多节点分布式计算调度而著称,而 CPU 核心则始终在单个分区内完成处理任务。 鲜为人知的是,Spark 同样可通过 GPU 实现计算加速。在恰当场景中启用 GPU 加速将带来显著优势:基础设施成本与服务器需求大幅降低,查询完成速度相比传统 CPU 计算最高提升 7 倍,且所有加速过程在后台静默完成,无需改造现有 Spark 应用代码。我们激动地宣布,Canonical 团队已借助 NVIDIA RAPIDS 加速器实现 Spark 作业的 GPU 支持,此项技术突破专为破解大规模数据处理中的真实性能瓶颈而研发。 本博客将阐述 Spark 在 GPU 上所提供的优势、实现原理、GPU 的不适用场景,并为您提供如何通 […]