Бързото разширяване на IoT устройствата, както и нарастващият им изчислителен капацитет, доведоха до огромни количества данни. И тъй като 5G мрежите разширяват броя на свързаните мобилни устройства, обемът на данни ще продължи да нараства.
Обещанието за облака и AI в миналото беше, че те ще автоматизират и ускорят иновациите, като генерират полезна информация от данни.
Въпреки това, капацитетът на мрежата и инфраструктурата е изпреварен от изключителното количество и сложност на предоставени данни от свързани устройства. Трудностите с честотната лента и латентността се развиват, когато всички данни на устройството се предават към централизиран център за данни или облака.
Edge computing е по-ефективно, тъй като данните се обработват и анализират по-близо до точката на произход. Закъснението е значително намалено, тъй като данните не се транспортират през мрежа до облак или център за данни, за да бъдат обработени.
Тази публикация ще обясни как работи Edge computing, защо е от съществено значение и ще предостави различни екземпляри на Edge изчисления с предимства и недостатъци.
Какво представлява Edge computing?
Edge computing е разпределена изчислителна платформа, която поставя корпоративните приложения по-близо до източници на данни като IoT устройства или локални крайни сървъри. Тази близост до данните в техния източник може да осигури значителни ползи за бизнеса, като по-бърза информация, по-бързо време за реакция и повишена наличност на честотната лента.
В най-основния си вид, периферните изчисления приближават обработката и съхранението на данни до устройствата, които събират данни, вместо да разчитат на централно местоположение, което може да е на хиляди мили разстояние.
Това се прави, за да се гарантира, че данните, особено данните в реално време, не са подложени на проблеми със закъснение, които могат да нарушат производителността на приложението. Освен това, извършвайки обработката на местно ниво, предприятията могат да спестят пари, като намалят количеството данни, които трябва да се изпращат до централизирано или базирано в облак местоположение.
Помислете за устройства, които наблюдават промишлено оборудване на заводски етаж или свързана с интернет видеокамера, която поточно видео на живо от далечен офис. Докато едно устройство, произвеждащо данни, може лесно да премества данни в мрежата, възникват проблеми, когато броят на устройствата, предаващи данни едновременно, расте.
Умножете една видеокамера на живо по стотици или хиляди единици. Не само забавянето ще влоши качеството, но и таксите за честотна лента може да станат непосилно високи.
Много от тези системи се възползват от хардуера и услугите на периферните изчисления, които осигуряват локален източник на обработка и съхранение. Например, граничният шлюз може да обработва данни от крайно устройство и след това да предава само съответните данни обратно в облака. В случай на приложение в реално време, той може също да подава данни обратно към крайното устройство.
Как работи Edge computing?
Физическата архитектура на edge е сложна, но основната концепция е, че клиентските устройства се свързват към близкия edge модул за по-бърза обработка и по-плавни операции. IoT сензори, компютърът на служител, техният най-нов смартфон, охранителни камери или дори свързаната с интернет микровълнова фурна на работното място за почивка са примери за крайни устройства.
Автономен мобилен робот, като роботна ръка в автомобилен завод, може да се използва като крайно устройство в индустриален контекст. Може да е хирургическа технология от висок клас, която позволява на хирурзите да извършват операции от отдалечени места в здравеопазването. В рамките на периферна изчислителна инфраструктура граничните шлюзове се считат за крайни устройства.
Модулите могат да бъдат наричани крайни сървъри или крайни шлюзове, в зависимост от използваната терминология. Докато доставчиците на услуги ще инсталират множество гранични шлюзове или сървъри, за да активират гранична мрежа (Verizon, например, за своята 5G мрежа), организациите, които възнамеряват да внедрят частна гранична мрежа, също ще трябва да обмислят това оборудване.
При нормална конфигурация данните се създават на потребителски компютър или друго клиентско приложение. След това се прехвърля към сървъра чрез канали като интернет, интранет, LAN и т.н., където данните се съхраняват и обработват. Това все още е изпитан подход към изчисленията клиент-сървър.
Идеята зад периферните изчисления е проста: вместо да се преместват данните по-близо до центъра за данни, центърът за данни се премества по-близо до данните. Ресурсите за съхранение и обработка на центъра за данни са разположени възможно най-близо до източника на данните (за предпочитане в същата зона).
Защо Edge computing е важен?
Голяма част от днешните изчисления се извършват на ръба, на места като болници, фабрики и магазини, обработват най-чувствителните данни и захранват критични устройства, които трябва да работят последователно и безопасно.
Тези местоположения изискват решения с ниска латентност, които не изискват мрежова връзка. Потенциалът на Edge да разруши компанията във всеки сектор и функция, от ангажираността на клиентите и маркетинга до производството и бек-офис операциите, е това, което го прави толкова интригуващ. В тези ситуации edge дава възможност за проактивни и адаптивни бизнес процеси, често в реално време, което води до нови и подобрени потребителски изживявания.
Бизнесът може да използва Edge, за да пренесе дигиталния свят в реалния свят. Подобряване на изживяването на дребно чрез внасяне на уеб данни и анализи във физическите заведения. Създаване на методи, по които служителите могат да бъдат обучени, и сценарии, в които роботите могат да обучават работниците.
Създаване на интелигентни настройки, които дават приоритет на нашата безопасност и комфорт. Edge computing, който позволява на предприятията да работят с приложения с най-високи нива на надеждност, в реално време и нужди от данни незабавно на място, е подобно на всички тези случаи. И накрая, това позволява на предприятията да правят иновации по-бързо, да лансират по-бързо нови стоки и услуги и да създават нови потоци от приходи.
Edge computing & AI/ML
Със своя акцент върху събирането на данни и обработката в реално време, периферните изчисления могат да помогнат на интелигентните приложения с интензивно използване на данни да успеят. Операциите с изкуствен интелект/машинно обучение (AI/ML), като алгоритми за разпознаване на изображения, могат да се провеждат по-ефективно по-близо до източника на данни, елиминирайки необходимостта от транспортиране на огромни обеми данни до централизиран център за данни.
Тези приложения комбинират голям брой точки от данни, за да получат информация с по-висока стойност, която може да помогне на предприятията при вземането на по-добри решения. Тази функция може да помогне при различни взаимодействия на компанията, включително обслужване на клиенти, превантивна поддръжка, защита от измами, вземане на клинични решения и др.
Организациите могат да използват подходи за управление на решения и AI/ML за извеждане, за да филтрират, анализират, квалифицират и комбинират точки от данни, за да извлекат информация от по-висок ред, като разглеждат всяка входяща точка от данни като събитие.
Интензивните приложения могат да бъдат разделени на фази, всяка от които се изпълнява на отделно място в ИТ средата. Когато данните са събрани, предварително обработени и прехвърлени, ръбовата технология влиза в действие.
След това данните се записват, преобразуват и използват за обучение на модела за машинно обучение след преминаване през етапи на инженерство и анализ, които обикновено се извършват в публична или частна облачна среда. След това се връща на ръба за стъпката на извеждане по време на изпълнение, която обслужва и наблюдава машинно обучение модели.
За да се постигнат тези многобройни цели и да се предложи свързаност между тези отделни фази, е необходима гъвкава, адаптивна и еластична инфраструктура и платформа за разработка на приложения.
Гъвкавостта за оптимално осигуряване на улавянето на данни и работните натоварвания с интелигентен извод в периферията на среда, ресурсоемката обработка на данни и натоварванията за обучение в облачни среди, както и системите за управление на бизнес събития и прозрения, близки до бизнес потребителите, се осигурява от хибриден облак подход, който осигурява последователно изживяване в публични и частни облаци.
Крайни изчисления е ключов компонент от концепцията за хибриден облак, която има за цел да осигури последователно приложение и работа.
Случаи на използване на Edge Computing
Edge computing се използва в много от технологиите, които използваме днес за удоволствие и бизнес, от системи за доставка на съдържание и интелигентни технологии до игри, 5G и прогнозна поддръжка. Услугите за поточно предаване на музика и видео, например, често кешират данни, за да намалят латентността и да осигурят по-голяма гъвкавост на мрежата в отговор на нуждите на потребителския трафик.
Edge computing позволява на производителите да следят по-внимателно своите операции. Edge computing позволява на предприятията внимателно да наблюдават оборудването и производствените линии за ефективност и в определени ситуации да предвиждат неизправности, преди да се появят, намалявайки разходите за престой.
Edge computing се използва и в здравеопазването за по-добри грижи за пациентите, като предлага на лекарите повече представа в реално време за тяхното здраве, без да се налага да изпращат данните си в база данни на трета страна за обработка. Нефтените и газовите корпорации могат да следят активите си и да предотвратят скъпи трудности на други места.
Edge изчислителните технологии се използват и при създаването на интелигентни домове. Все повече и повече джаджи, особено гласови асистенти, трябва да свързват и анализират данни в ограничена мрежа. Amazon Alexa и Google Assistant биха отнели много повече време, за да открият отговори за потребителите, ако нямат достъп до децентрализирана изчислителна мощност.
Друг типичен пример за периферни изчисления са свързаните автомобили. В автобусите и железопътните линии са инсталирани компютри за проследяване на движението на пътниците и предоставянето на услуги. С технологията на борда на техните превозни средства, шофьорите на доставките могат да определят най-ефективните маршрути. Когато се използва стратегия за периферни изчисления, всяко превозно средство работи на същата стандартизирана платформа като останалата част от автопарка, подобрявайки надеждността на услугите и гарантирайки сигурността на данните навсякъде.
Друг пример за периферни изчисления са автономните автомобили, които обработват огромно количество данни в реално време в среда, в която свързаността може да е прекъсваща. Автономни превозни средства, като например самоуправляващите се автомобили, анализират данни от сензори на борда на превозното средство, за да намалят латентността поради големия обем данни. Те обаче могат да се свържат с централно място за софтуерни надстройки по въздуха.
Edge computing също допринася за постоянната наличност на популярни интернет услуги. Мрежите за доставка на съдържание (CDN) поставят сървъри за данни близо до местоположенията на клиентите, което позволява на натоварените уебсайтове да се зареждат бързо и позволяват бързи услуги за стрийминг на видео.
Ползи
- Edge computing може да доведе до по-евтини, по-бързи и по-надеждни услуги. Edge computing осигурява по-бързо и по-последователно изживяване за потребителите. Edge предполага приложения с ниска латентност, високодостъпни с мониторинг в реално време за компании и доставчици на услуги.
- Edge изчисленията могат да спестят мрежови разходи, да избегнат ограничения на честотната лента, да съкратят времето за предаване, да премахнат грешките в услугите и да ви дадат повече контрол върху прехвърлянето на чувствителни данни. Времето за зареждане се намалява и онлайн услугите се доближават до потребителите, позволявайки както динамично, така и статично кеширане.
- Компютрите на ръба са от полза за приложения, които се възползват от по-бързо време за реакция, като разширена реалност и виртуална реалност.
- Капацитетът за извършване на анализ на големи данни и агрегиране на място, което позволява вземане на решения почти в реално време, е друго предимство на периферните изчисления. Като поддържа цялата тази процесорна мощност локална, периферните изчисления допълнително намаляват шанса за разкриване на чувствителни данни, което позволява на бизнеса да налага стандартите за сигурност и да спазва регулаторните правила.
- Надеждността и икономиите на разходи, свързани с периферните изчисления, са от полза за корпоративните клиенти. Регионалните сайтове могат да продължат да работят независимо от основния сайт, като поддържат локална изчислителна мощност, дори ако основният сайт не работи по някаква причина. Чрез поддържане на капацитета за изчислителна обработка по-близо до неговия източник, разходите за заплащане на честотна лента за транспортиране на данни между основни и регионални сайтове са значително намалени.
- Една периферна платформа може да помогне за еднородността на операциите и разработването на приложения. За разлика от центъра за данни, той трябва да предлага оперативна съвместимост, за да обслужва по-широко разнообразие от хардуерни и софтуерни среди. В една отворена екосистема добрият подход на ръба позволява на продуктите от много доставчици да функционират заедно.
Недостатъци
- Edge computing разширява цялостната повърхност за атака на мрежата. Кибератаките могат да използват крайни устройства като входна точка, позволявайки на нападателя да инжектира злонамерен софтуер и да зарази мрежата.
- За съжаление изграждането на ефективна сигурност в разпределен контекст е предизвикателство. По-голямата част от обработката на данни се извършва извън пряката видимост на екипа за сигурност и централния сървър. Когато корпорацията добави ново оборудване, повърхността за атака също се разширява.
- Цената на периферните изчисления е друг основен проблем. Създаването на инфраструктурата е скъпо и сложно, освен ако корпорация не работи с местен партньор. Разходите за поддръжка често са скъпи, тъй като екипът трябва да поддържа много устройства в отлично работно състояние на различни места.
Предизвикателства
- Може да бъде по-трудно да се мащабират периферните сървъри до редица малки сайтове, отколкото да се добави същия капацитет към един център за данни. Физическите сайтове имат повече режийни разходи, което може да бъде предизвикателство за по-малкия бизнес.
- Инсталациите за крайни изчисления обикновено са разположени на отдалечени места с малко или никакви технологични познания. Ако нещо се обърка на място, ще ви е необходима инфраструктура, която може да бъде поправена бързо от нетехнически местни работници и след това да се контролира централно от малка група професионалисти.
- За да се улесни управлението и да се даде възможност за по-бързо отстраняване на неизправности, процедурите за управление на сайта трябва да бъдат много повтарящи се във всички периферни компютърни сайтове. Когато софтуерът се внедрява различно на всяко място, възникват проблеми.
- Крайните местоположения често са по-малко сигурни от основните сайтове по отношение на физическата сигурност. Крайният подход трябва да отчита възможността за злонамерени или непреднамерени събития.
Заключение
Като се има предвид, че Интернет на нещата и периферните изчисления все още са в начален стадий, пълният им потенциал все още е далеч. Едновременно с това те ускоряват дигиталните промени в различни индустрии, както и променят ежедневния живот на хората по целия свят.
До 2025 г. експертите очакват, че 75% от обработката на данни ще се извършва извън типичен център за данни или облак. Започнете с периферните изчисления, за да откриете нови бизнес възможности, да подобрите оперативната ефективност и да осигурите последователно изживяване на потребителите.
Оставете коментар