开放的5G电信云网络
|
下面介绍业界较为流行的一些主键生成策略。 1. UUID模式 通用唯一识别码(Universally Unique Identifier)，根据标准方法生成，不依赖中央机构的注册和分配，UUID具有唯一性重复UUID码概率接近零，可以忽略不计。UUID具有多个版本：基于时间的UUID、DCE安全的UUID、基于名字的UUID(MD5)(UUID.nameUUIDFromBytes())、随机UUID(UUID.randomUUID().toString())、基于名字的UUID(SHA1),Version 1/2适合应用于分布式计算环境下，具有高度的唯一性;Version 3/5适合于需要相同内容生成相同UUID的业务场景下；Version 4建议不要使用(随机数有可能出现重复，但是重复的概率极低，在设计时需要考虑到这一点)。 UUID虽然解决了依赖于数据库生成主键的策略，但是也存在一些不足：占用存储空间大;随机生成，不具有连续性，作为主键时性能较差;无法根据主键进行排序，确定记录插入的先后顺序;对于开发人员不友好;如果生成过程中使用了机器MAC地址，存在一定安全隐患。 2. 步长模式 即Flickr的sharding主键生成方案。使用多台数据库服务器，通过设置不同的起始值、一致自增步长，让每个数据库中各表主键保持唯一。如图所示：
步长方式在一定程度上解决了高并发的问题，但是也存在一些问题如：扩展困难，设置好步长后，再进行扩展将会比较困难;ID并不是按顺序严格单调递增的特性，只是趋势递增;每次获取ID仍然需要读写一次数据库，仍然存在瓶颈。 低延迟 对于其他组织来说，边缘计算也是一个有趣的发展。对于在本地处理数据的组织而言，最大的优势之一是较低的延迟使他们可以更快地做出决策，而不必将太多的数据传输回云中。想想一种自动驾驶汽车，它必须在不到一秒钟的时间内决定道路上的黑影仅仅是路面的变化还是要避免的东西。为此，超低延迟是必不可少的。 根据数据服务的计费方式，在经济上也有吸引力的是不将每个数据字节发送回云并保存在云中。想一想电动机，其中仅发送或存储超出带宽的振动信号。由于这些原因，对涉及人工智能(AI)和机器学习的用例的需求不断增长，因此需要在网络边缘进行处理。 安全 选择中央或分布式环境的最大挑战始终在于安全性、支持和维护领域。织的主要关注点是边缘网络是否能成为网络犯罪的后门，网络犯罪可以通过这种方式绕过网络安全。这是一个合理的问题，这就是为什么使用专用于识别和抵抗边缘攻击的智能工具保护边缘网络如此重要的原因。不可或缺的一部分是识别、分析和检查连接的设备。随后，必须对这些设备进行监控，以检测异常使用或行为并在那里采取措施。 从一个组织内部的不同角度来看，对IT组织施加压力，以允许传感器、与设备的连接或设备之间的通信。当来自这些设备的数据对业务变得如此重要时，您需要确保这些数据来自正确的设备，以便能够信任这些数据。 远程管理与维护 在构建边缘计算环境时，还必须考虑安全性。使用silicon根目录或信任安全地管理远程设备的能力以及诸如远程删除之类的功能都是重要的考虑因素。一个安全的边缘网络还需要一个广泛的远程管理设施，它可以识别并主动解决远程问题。无论这些问题是在两百公里之外还是“拐弯处”都没有区别。
维护也应简化，以便技术人员不再需要外出进行调整或更改——这是自动完成的或只需按一下按钮即可。即使需要物理移动或更换某些东西，也应该由现场工作人员来完成，而不是由总部来的人来完成。 （编辑：淮南站长网） 【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! |
