边缘计算的主要应用

。边缘计算的应用场景以下是边缘计算的一些应用场景：自动驾驶：自动驾驶车辆需要实时处理和分析传感器数据，做决策。边缘计算通过将计算和机器学习算法部署在车辆上，可以将数据实时处理和决策推向车辆的边缘管理、智能路灯和社区安全监控等应用。通过在路灯、摄像头等边缘设备上部署计算能，可以实时监测交通流量、人群活动和异常行为，提供可靠的城市管理和安全保障。医疗保健：边缘计算可以实现远程监护、智能医疗设备和实时购物车和个性化推荐等应用。商店中的传感器和摄像头可以实时监测商品的库存和顾客的购物行为，从而提供更好的购物体验和服务。无人机技术：边缘计算可以用于无人机的自主飞行和任务规划。通过在无人机上部署边缘设备出异常行为并出预警，提高监控系统的效率和准确性。边缘计算的应用场景非常广泛，可以涵盖从自动驾驶到智能城市到物联网等各个领域。通过将计算和存储能力推向离数据源更近的地方，边缘计算可以提供更快的响应速度成本；改变长尾应用的落地模式，从粗放的一次性模型交付到精细化的模型持续运营。其主要技术创新包括：边缘可视化流处理构建、边缘数据采样驱动模型迭代、边缘实时数据可视化、边缘深度推理引擎。Sophon在智能制造

和应用模型。边缘计算的主要特点是本地化和分布式，它体现了就近体验、本地响应、分布式计算、低延迟、高带宽、安全可靠等特点，与云算的集中化、虚拟化、规模化、弹性化等特点形成了对比。边缘计算是结合端侧信息化和云端信息化优势的产物，可以弥补云计算的局限性，为企业和个人提供更加精准、智能、便、安全的数字化服务，可以更好地满足数据增长、业务场景多样化、使用需求个性化、网络拓扑复杂化等挑战。边缘计算的应用场景主要边缘计算指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供近端服务。边缘计算（EdgeComputing）是一种新的计算模式，边缘计算的目的是将计、存储、网络等资源尽可能地靠近使用者或数据来源，从而降低网络延迟、提高系统可靠性和安全性，增强数字化转型和智能化的支持能力。边缘计算在人工智能、物联网、工业互联网、智慧城市等领得到广泛应用，成为推动企业和社会数字化长尾应用的落地模式，从粗放的一次性模型交付到精细化的模型持续运营。其主要技术创新包括：边缘可视化流处理构建、边缘数据采样驱动模型迭代、边缘实时数据可视化、边缘深度推理引擎。Sophon在智能制造、智能安

等城市治理、设备可预测性维护等云边一体场景有着广泛的应用。当前边缘计算作为产业数字化转型核心技术已形成共识，我国也高度重视边缘计算的发展，积极推进边缘计算在工业互联网等多个领域的技术、标准与产业发展在边缘计算领域，星环科技研发了边缘计算平台Sophon。Sophon是解决多模态数据集成和治理过程中的边缘化、智能化的云端-边缘端融合计算平台，支持标准的视频和物联网协议接入，低代码的业务流程构建，高性能的数据处理和分析，企业级的云-边数据、服务治理，以及针对边缘嵌入式和云端服务器等异构硬件的适配。星环科技Sophon平台包括设备数据管理、模型训练迭代、边缘模型部署、应用构建分发、数据治理能力、边缘自治能力、云边协同能力七大能力。Sophon可以从两个层面实现效益价值：降低长尾应用的实施人力，降低从数据到模型，模型到应用的构建成本；改变长尾应用的落地模式，从粗放的一次性模型交付到精细化的模型。星环科技将继续深耕边缘计算领域，推进边缘计算在行业领域应用部署，助力企业转型升级，推动中国数字经济行稳致远。

，模型到应用的构建成本；改变长尾应用的落地模式，从粗放的一次性模型交付到精细化的模型持续运营。其主要技术创新包括：边缘可视化流处理构建、边缘数据采样驱动模型迭代、边缘实时数据可视化、边缘深度推理引擎数字经济时代，边缘计算作为行业数字转型的核心能力底座，正在快速崛起。星环科技也在边缘计算领域进行了诸多探索，研发了边缘计算平台Sophon。Sophon是解决多模态数据集成和治理过程中的边缘化、智能化的云端-边缘端融合计算平台，支持标准的视频和物联网协议接入，低代码的业务流程构建，高性能的数据处理和分析，企业级的云-边数据、服务治理，以及针对边缘嵌入式和云端服务器等异构硬件的适配。星环科技Sophon平台包括设备数据管理、模型训练迭代、边缘模型部署、应用构建分发、数据治理能力、边缘自治能力、云边协同能力七大能力。Sophon可以从两个层面实现效益价值：降低长尾应用的实施人力，降低从数据到模型统一管理，实现云边数据协同、状态协同、控制协同，极大降低了边缘端的管理以及运维成本。与常见的边缘计算平台产品相比，Sophon创新性地实现了部署模型的业务评估，来指导用户进行云端模型可持续训练，以供迭代

什么是边缘计算？边缘计算是一种分散计算、存储、网络和应用程序服务的分布式计算模式，将数据处理和应用服务靠近数据源，如传感器、摄像头、物联网设备等边缘设备或边缘节点，以便更快地响应数据请求并降低数据传输成本。边缘计算使用户能够更好地处理设备生成的大量数据，实时并且更加可靠，并在低延迟和更高安全性的同时提供新的服务和新的业务模型。边缘计算可以在边缘设备上运行应用程序，同时也可以通过云服务实现协同计算。它是与云计算相对应，它把计算、网络、存储分配到离终端设备更近的地方，数据更多地存储在终端设备本地，能够很好地解决大数据中心和云服务带来的高延迟、网络拥塞等问题，提高服务的响应速度和质量。星环边缘计算平台-Sophon星环一站式边缘计算平台产品Sophon可提供全面的设备连接和强大的边缘智能计算解决方案交付能力，解决了物与物、物与人、物与模型、物与云的连接问题，实现了从万物“互”联到万物“智”联的突破。通过对设备接入数据的分析和挖掘，同时深度结合CV模型，Sophon在工业互联网和计算机视觉等领域快速落地新场景，带来高效、智能、便捷的用户体验，助力建设更加全面的数字化基础设施，推动行业实现数字化、智能化转型。

制造业是国民经济的基础性产业，为社会稳定和经济增长提供基础性保障。制造业智能化发展已开展许久，边缘智能的应用将通过数据在边缘的计算和存储，实现降低延时、数据保护等效用，为助力AI在制造业的应用发挥星环科技边缘计算平台Sophon对钢铁生产线相关设备参数与过程数据进行采集，边缘节点EdgeNode主要负责基础设备管理及网关服务。对接完成后的设备消息走线通过星环自研实时流引擎Slipstream将数据接入到工业互联网平台，在云端EdgeHub中进行生产模型训练并下发至边缘平台进行实时应用,并对边缘端的模型进行灰度升级、自动升级等操作从而进行持续应用。应用成效1、基于边缘计算和实时流引擎技术重要作用。据统计，到2024年，全球25%的制造业企业将引入边缘计算，提升决策速度、降低数据管理成本。以钢铁行业为例，星环Sophon平台助力钢铁制造企业实现转炉炼钢的终点温度以及碳含量的预测并降低当前生产效率5%；减少人工对终点控制的干预，并且降低人员投入工时每月45天。关于星环边缘计算平台-Sophon星环一站式边缘计算平台产品Sophon可提供全面的设备连接和强大的边缘智能计算解决方案交付能力

也可以减轻云计算中心的负担。边缘计算技术主要用于物联网、工业自动化、车联网等领域，可以提高应用的实时性、安全性和稳定性，实现更好的用户体验。简单来说，边缘计算是将从终端采集到的数据直接在靠近数据产生的云计算模式，边缘计算技术的计算资源近距离部署在设备上，可以大大降低数据传输时延和网络拥塞。边缘计算技术优势边缘计算技术的优势主要体现在以下四个方面：时性更高：边缘计算设备的响应速度更快，可以实现设备等新技术的持续发展，边缘计算技术的应用范围和影响力将会逐步扩大，成为未来智能化社会的必要技术之一。星环边缘计算平台-Sophon在边缘计算领域，星环科技研发了边缘计算平台Sophon。Sophon是：降低长尾应用的实施人力，降低从数据到模型，模型到应用的构建成本；改变长尾应用的落地模式，从粗放的一次性模型交付到精细化的模型持续运营。其主要技术创新包括：边缘可视化流处理构建、边缘数据采样驱动模型迭代、边缘实时数据可视化、边缘深度推理引擎。Sophon在智能制造、智能安防、智能工地、智能交通、智能城市、智能校园、智能加油站等城市治理、设备可预测性维护等云边一体场景有着广泛的应用。当前边缘计算

精细化应用。依托边缘智能在社区等开展智能应用，成为助推智慧城市走向精细化的重要方向。据IDC《全球边缘支出指南》统计，边缘智能支出在城市运维管理场景将在未来几年保持25%的高增速。智慧监管星环科技边缘计算工监管转为智能化监测。星环科技针对如上问题基于边缘计算平台研发违法倾倒的AI算法，主要利用人工智能技术对视频进行图像识别和智能分析，从而实现违法倾倒行为的实时识别，并及时将违法行为发生地点信息和违法行为的gif动态图片返回至城运数据中心。边缘计算平台对污水乱倒的违法行为进行24h不间断监测识别，一方面大大减少了城市管理的人力投入，另一方面也保障了城市的地下水质。AI在智慧城市的应用已经渗透到城市管理、交通、民生等诸多方面，并形成了城市智慧大脑等中心化应用。但随着智慧城市向精细化和社区化下沉，中心化的智慧城市系统难以满足社区管理、局部交通管理、应急响应等突发事件时，可以及时告警，提醒管理人员及时处理。以街边餐饮企业污水违法倾倒为例，以往执法人员对沿街商铺的污水倾倒等违法行为需进行现场取证，才能进行处罚，这种人工监管的方式无疑增加了城市管理难度，目前亟需由人

工地、智能交通、智能城市、智能校园、智能加油站等城市治理、设备可预测性维护等云边一体场景有着广泛的应用。当前边缘计算作为产业数字化转型核心技术已形成共识，我国也高度重视边缘计算的发展，积极推进边缘计算在工业互联网等多个领域的技术、标准与产业发展。星环科技将继续深耕边缘计算领域，推进边缘计算在行业领域应用部署，助力企业转型升级，推动中国数字经济行稳致远。近日，中国信息通信研究院重磅发布了《“边缘计算+”技术白皮书》。白皮书基于当前边缘计算的技术融合创新，首次提出“边缘计算+”概念，从核心价值、参考架构、关键技术能力、典型案例、趋势展望等不同方面开展“边缘计算+”技术创新体系研究。星环科技积极参与了白皮书"边缘计算+人工智能"、"边缘计算+参考模型"等章节的编写工作，为边缘计算在千行百业的落地提供重要参考。白皮书指出，“边缘计算+”既是边缘计算技术的融合创新，也是边缘计算服务能力的升级演进，其深层含义是各类技术通过“边缘计算化”赋能产业数字化、网络化、智能化转型。星环科技以引领行业技术发展和助力各行各业数字化转型为使命，通过数据全生命周期的

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...