Marvell ?在需求嚴苛的各種網絡邊緣計算領域，一直居于領先地位。這得益于公司 ARMADA? 和 OCTEON TX? 兩條多核處理器產品所帶來的聯發優勢。

　　網絡邊緣計算應用涵蓋小型企業、工業領域和企業級用戶等在內的眾多市場，它們對高效的數據包處理、機器學習和云連接等技術具有比較高的需求。在剛剛過去的，在美國圣何塞會議中心舉行的2018年Arm TechCon上， Marvell 與 Amazon Web Services? (AWS) 合作，以一種很新穎的形式，為與會者展示了邊緣計算應用的各項功能。

　　此次演示模擬的是一個自動停車場的應用場景。 以 ARMADA 處理器為基礎的 Marvell MACCHIATObin? 社區開發板集成了 AWS Greengrass? 軟件，可用作邊緣計算節點。 Marvell 邊緣計算節點會接收放置在停車場入口和出口處兩個攝像機的視頻流。 以 ARMADA 處理器為基礎的計算節點會運行 AWS Greengrass 核心;執行兩個 Lambda 函數來處理傳入的視頻流并通過識別牌照辨識進入停車場的車輛;然后檢查進入停車場的車輛是否經過授權。

　　第一 Lambda 函數將運行自動車牌識別 (OpenALPR) 軟件以獲取車牌號并將其與道閘 ID(入口/出口)一起傳送到 AWS? 云端上運行的 Lambda 函數，該函數將存取 DynamoDB? 數據庫。 云端 Lambda 函數將負責讀取 DynamoDB 白名單數據庫并確定車牌是否屬于授權汽車。 該信息將被發送回網絡邊緣 MACCHIATObin 開發板上的第二 Lambda 函數，負責管理停車場容量和開關道閘。 此 Lambda 函數會將邊緣活動記錄到 AWS Cloud Elasticsearch? 服務，該服務充當開源數據可視化引擎 Kibana? 的后端。 Kibana 使遠程操作人員能夠直接訪問有關停車場占用情況、入口道閘狀態和出口道閘狀態的信息。 此外，AWS Cognito 服務將對用戶進行身份驗證，確認訪問 Kibana 的權限。

　　在 AWS Cloud Lambda 函數將判定(允許/拒絕)發送到 MACCHIATObin 開發板上運行的第二 Lambda 函數后，此 MACCHIATObin Lambda 函數將負責與道閘控制器通信，該控制器由 Marvell ESPRESSObin? 開發板組成，用于根據需要打開/關閉道閘。

　　ESPRESSObin 開發板作為 AWS Greengrass IoT 設備運行，負責根據從 MACCHIATObin 開發板的第二 Lambda 函數收到的信息打開道閘。

　　此次演示展示了在邊緣使用 AWS Lambda 運行機器學習算法的功能，能使識別過程變得十分迅捷。 憑借高性能、低功耗的 Marvell OCTEON TX 和 ARMADA 多核處理器，快速的識別過程得以實現。 Marvell 基礎架構處理器的功能具有涵蓋一系列高端網絡和安全應用的潛力，這些應用可以從 Arm? 生態系統的成熟度和在網絡邊緣的多核環境中運行機器學習的能力中受益。