22、基于边缘计算的条件监测：技术原理与应用场景

基于边缘计算的条件监测：技术原理与应用场景

1. 边缘计算概述

大型数据中心在运行过程中会产生大量热量，这可能导致系统失去完整性和可靠性，进而无法不间断地提供服务。因此，传感器网络常用于大型数据中心的基础设施维护和健康监测。传感器网络由小型的单个传感器节点组成，这些节点能够感知、分析并在组件与客户端或用户之间传输数据。借助无线传感器，可以估算机架内的电力消耗，进而评估插入设备的可行性，为新服务器规划可用空间或重新平衡电力。

在大规模数据中心中，移动网络在某些情况下也很有用。当本地传感器网络负担过重或出现故障时，它可以用于感知信息、聚合信息并在紧急情况下传输信息。此外，无线传感设备可以减轻维护周围环境以数据为中心的完整性所带来的压力。然而，在移动网络中，由于传感器的高移动性，一对移动传感器之间难以建立稳定的连接。边缘计算有助于解决这一问题，它可以降低便携式传感设备与集线器之间实际通信的主导地位，并提高数据以较低延迟传输到目的地的可能性。

随着信息中心规模的扩大，互联网数据中心产生的请求和总数据量不断累积。互联网数据中心包含的信息和其他设备能够支持任务分配和工作规划方法，以降低能源消耗。例如，通过分析服务器资产数据和应用程序特征来完成任务规划。现有的集群资产监测框架旨在检测和筛选数百个集线器，如 Ganglia 这种非专有软件组，可以从数千个不同的集线器收集、检查和分析统计数据，其架构设计表明单个服务器可以在分层拓扑结构中管理数万个服务器。还有像 Cacti® 这样基于 PHP、MySQL、SNMP 和 RRDtool 软件栈的工具，用于筛选和组织流量。通过机器学习挖掘监测数据，也有助于降低信息中心的能源使用。

但目前的监测系统仅考虑信息技术（IT）资源，忽略了信