因應人工智慧(AI)、機器學習(ML)、即時分析、物聯網(IoT)和5G等資料密集型應用的需求,越來越多的企業開始在邊緣部署工作負載。但在大多數情況下,組織從這些工作負載中所取得的成果並不如預期。由於缺乏處理能力、空間的限制以及技術過時都可能導致問題,使得「邊緣運算」(edge computing)仍難以實現。

根據Dimensional Research進行的一項最新調查,揭示了企業中邊緣運算的發展狀況。該調查收集來自300多名儲存專業人員和軟體開發人員的反饋,他們都受雇於員工人數達1,000名以上的大型企業,在各行各業中負責資料密集型工作負載任務。最重要的是,這項調查結果顯示,組織根本不滿意其邊緣工作負載的表現。只有十分之一的受訪者表示在其邊緣的運算和儲存性能達到‘A’級,而約有一半的受訪者將自家公司評為‘C’或更差。

儘管結果令人沮喪,但這項調查顯示,大多數(55%)的組織目前正在邊緣部署工作負載。邊緣運算將更進一步成長,因為它是當今許多關鍵應用的組成要件。根據調查,邊緣運算支援的主要應用包括即時分析(71%)、機器學習(57%)和物聯網(56%)。雖然距離5G應用成熟還有待時日,但25%的受訪者表示正在部署邊緣工作負載以支援5G技術。由於邊緣運算對於支援這些基本用例至關重要,我們可以預期邊緣部署將持續成長。

Dimensional_EdgeComputing Case

邊緣運算的關鍵應用:即時分析、機器學習、IoT和5G。
(來源:Dimensional Research)

隨著可實現即時分析、機器學習和物聯網等重要技術的邊緣運算日益受到重視,如今導致所有問題的原因又是什麼呢?針對在邊緣執行這些應用時面對的最大挑戰,受訪者列出了以下幾項:傳統儲存解決方案的成本(61%)、難以攝取和管理資料(55%)以及運算儲存瓶頸(53%)等均為首要問題。簡言之,傳統的儲存解決方案太昂貴,但又難以支援邊緣工作負載。而且,鑑於邊緣環境的空間有限,這些傳統解決方案根本無法提供足夠的功率和效率,導致管理大量資料串流的瓶頸和困擾。

那麼,組織如何有效地突破邊緣運算的瓶頸?答案剛好就在這項調查中。為了有效支援邊緣工作負載,當今企業還缺少哪一塊拼圖?對此,46%的受訪者表示,最要緊的就是少了可在儲存資料位置直接執行運算的基礎架構。

將運算直接導入儲存涉及根本架構的轉變,重點在於讓資料可在創建之處就地進行處理。由於邊緣基礎架構不必為了處理或分析資料而在平台之間移動資料,使其成為在邊緣執行資料密集型應用的一大捷徑——畢竟,這一類資料密集型應用主要依靠來自許多不同端點的大量串流資料。

根據調查結果,70%的企業都在使用GPU加速器,以改進邊緣的運算和儲存能力,但這終究只是一種權宜之計。GPU加速器——包括組合架構、NVMe-oF架構和FPGA加速器等,確實能夠恰如其份地提升邊緣性能,但其進展仍不足以克服瓶頸:並未從根本上改變實現邊緣運算的途徑,因為資料仍然必須在邊緣平台之間移動才能進行處理或分析。由於邊緣應用涉及大量串流資料,因此這種方法永遠無法可靠地運作。

「運算型儲存固態硬碟」(Computational Storage SSD)是一種直接在資料儲存位置執行運算的技術。這是透過名為「原位」(In-Situ)處理的創新概念而實現的,事實上,這項技術已經部署在一些NVMe SSD了。In-Situ處理允許加速和平行處理資源直接嵌入於SSD,使得資料得以在其所在位置進行分析,真正拉進了資料儲存與運算的距離。

越來越多的組織開始了解NVMe SSD的價值。目前,約有60%的受訪者表示在邊緣使用NVMe SSD,86%的受訪者計劃在未來兩年內增加NVMe SSD的使用。然而,只有44%的受訪者知道NVMe SSD可以直接在實體儲存硬碟上執行運算。隨著這些企業越來越意識到NVMe SSD擁有將運算直接帶入儲存的真正潛力,預計其採用率將進一步提高,邊緣性能也將隨之大幅提升。

邊緣運算正迅速崛起中,並成為支援AI、ML和IoT的創新途逕。然而,這些工作負載由於邊緣處理能力不足而受到影響,無論是傳統儲存平台或是GPU之類的權宜之計均未能真正改寫遊戲規則。如今,透過運算型儲存SSD提供原位處理資料的能力,可望改變並加速邊緣運算的部署。

(參考原文:Companies Struggle to Push Workloads to the Edge,by Scott Shadley, NGD Systems)

本文同步刊登於電子技術設計雜誌2019年9月號