边缘计算机需要支持性能加速器以进行实时处理

边缘计算机非常适合在边缘收集，存储，处理和分析数据; 但是，对于某些复杂的工业工作负载，边缘计算机应配备性能加速器，以进行实时处理决策。新的计算和存储设计 使 性能尽可能地接近数据。 随着更多的处理能力转移到边缘，以下是一些在边缘计算解决方案中使用的最受欢迎的性能 加速器。这些通过PCIe架构的 附加硬件 解决方案为需要实时处理性能的特定边缘计算工作负载提供了增值。

多核 CPU：多核顺序处理允许处理器利用多个核来处理数据，而每个核都充当单独的处理设备，从而允许多个任务同时运行(同时运行更多任务)。CPU中拥有的内核越多，系统的性能就越好， 因为它能够同时处理多个进程。

GPU ：随着网络边缘与网络边缘越来越多地执行工作负载，加速器的作用将继续变得越来越重要 。 数据中心和云。 部署在边缘性能加速器 能够 处理任务-关键数据的实时低延迟 ，因为边缘的PC部署接近数据生成的来源。 GPU 使用了丰富的内核， 因此在实时处理和推理分析 方面非常有效 。 与 并行 CPU相比。

VPU：视觉处理单元是性能加速器 ，可以加速机器视觉算法。 这是因为被的VPU专门优化 为机器视觉， 机器学习， 人工智能， 面部识别，和高-端图像处理 ，同时使用更少的功率比的GPU 。这使VPU 成为无风扇计算机的理想选择，这些 计算机需要的组件产生的热量很少且消耗的功率也很少。总体而言，VPU的低功耗和热占用空间使其成为我们在坚固的边缘计算解决方案中的理想选择。

FPGA：现场可编程门阵列(FPGA) 是一个性能加速器 被 用于优化嵌入式系统对于特定的工作负荷。 FPGA能够加快工作量，例如推理分析，人工智能以及对用于机器学习的大量数据进行分析 。在某些情况下，高端FPGA在执行某些任务方面可以胜过GPU，同时使用的功耗和发热量均低于GPU。

NVMe 计算存储 ：NVMe 计算存储 设备通过在驱动器本身上本地执行 数据存储和处理 ，从而在边缘部署计算机 。 这 是通过在驱动器上本地处理数据来完成的。传统上，计算机处理数据，并通过从存储设备请求数据 并将其传递回CPU来进行处理。 它要求由存储 驱动器本身执行操作 ，并 具有在驱动器本身上进行处理，存储和存储的能力 。 这样，数据不再需要离开驱动器进行处理 或路由回传统的CPU数据块，从而减少了关键任务处理瞬间的更多延迟。

（编辑：保山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!