La rapida ekspansio de IoT-aparatoj, same kiel ilia vastiga komputila kapacito, rezultigis masivajn kvantojn da datumoj. Kaj dum 5G-retoj vastigas la nombron da ligitaj poŝtelefonoj, datumvolumoj daŭre altiĝos.
La promeso de nubo kaj AI en la pasinteco estis, ke ili aŭtomatigus kaj akcelos novigon generante ageblajn komprenojn el datumoj.
Tamen, retaj kaj infrastrukturaj kapabloj estis superitaj de la eksterordinara kvanto kaj komplekseco de datumoj provizitaj per konektitaj aparatoj. Bendolarĝo kaj latenciaj malfacilaĵoj disvolviĝas kiam ĉiuj aparataj datumoj estas transdonitaj al centralizita datumcentro aŭ la nubo.
Randa komputado estas pli efika ĉar datumoj estas prilaboritaj kaj analizitaj pli proksime al la originpunkto. Latenteco estas multe malpliigita ĉar datumoj ne estas transportitaj tra reto al nubo aŭ datumcentro por esti prilaboritaj.
Ĉi tiu afiŝo klarigos kiel funkcias Edge-komputado, kial ĝi estas esenca, kaj provizos diversajn okazojn de Edge-komputado kun avantaĝoj kaj malavantaĝoj.
Kio estas Edge-komputado?
Edge-komputado estas distribuita komputika platformo, kiu metas kompaniajn aplikojn pli proksime al datumfontoj kiel ekzemple IoT-aparatoj aŭ lokaj randserviloj. Ĉi tiu proksimeco al datumoj ĉe sia fonto povas disponigi signifajn komercajn avantaĝojn kiel pli rapidajn komprenojn, pli rapidajn reagtempojn kaj pliigitan bendolarĝan haveblecon.
Ĉe ĝia plej baza, randa komputado alportas prilaboradon kaj datumstokadon pli proksime al la aparatoj kiuj kolektas datumojn, anstataŭ fidi je centra loko kiu povas esti miloj da mejloj for.
Ĉi tio estas farita por garantii, ke datumoj, precipe realtempaj datumoj, ne estas submetitaj al latentecaj problemoj, kiuj povus difekti aplikaĵon. Krome, plenumante la prilaboradon loke, entreprenoj povas ŝpari monon reduktante la kvanton da datumoj, kiuj devas esti senditaj al centralizita aŭ nub-bazita loko.
Konsideru aparatojn, kiuj monitoras industriajn ekipaĵojn sur fabriko-planko aŭ interret-konektitan vidbendan kameraon fluas vivan videon de fora oficejo. Dum ununura aparato produktanta datumojn povas facile movi datumojn tra reto, problemoj aperas kiam la nombro da aparatoj transdonantaj datumojn samtempe kreskas.
Multipliku ununuran vivan vidbendan fotilon per centoj aŭ miloj da unuoj. Ne nur la prokrasto malbonigus la kvaliton, sed bendolarĝaj kostoj povus fariĝi prohibe altaj.
Multaj el tiuj sistemoj profitas el randa komputika aparataro kaj servoj, kiuj disponigas lokan fonton de pretigo kaj stokado. Ekzemple, randa enirejo povas prilabori datumojn de randa aparato kaj tiam transdoni nur la koncernajn datumojn reen al la nubo. Okaze de realtempa aplikaĵo, ĝi ankaŭ povas provizi datumojn reen al la randa aparato.
Kiel funkcias Edge-komputado?
La fizika arkitekturo de la rando estas kompleksa, sed la kernkoncepto estas ke klientaparatoj konektas al proksima randomodulo por pli rapida pretigo kaj pli glataj operacioj. IoT-sensiloj, komputilo de dungito, ilia plej lastatempa inteligenta telefono, sekurecaj fotiloj, aŭ eĉ la interreta mikroondforno de la laborloka paŭzoĉambro estas ekzemploj de randaparatoj.
Aŭtonoma movebla roboto, kiel robotbrako en aŭtofabriko, povas esti uzata kiel randaparato en industria kunteksto. Ĝi povus esti altnivela kirurgia teknologio kiu permesas al kirurgoj fari kirurgion de malproksimaj lokoj en sanservo. Ene de rand-komputika infrastrukturo, randenirejoj estas konsideritaj randaparatoj.
La moduloj povas bone esti referitaj kiel randserviloj aŭ randenirejoj, depende de la terminologio uzita. Dum servoprovizantoj instalos plurajn randajn enirejojn aŭ servilojn por ebligi randan reton (Verizon, ekzemple, por ĝia 5G reto), organizoj intencantaj efektivigi privatan randan reton ankaŭ devos konsideri ĉi tiun ilaron.
En normala agordo, datumoj estas kreitaj sur la komputilo de uzanto aŭ iu ajn alia klienta aplikaĵo. Ĝi tiam estas transdonita al la servilo per kanaloj kiel ekzemple la interreto, intrareto, LAN, ktp, kie la datenoj estas stokitaj kaj prilaboritaj. Ĉi tio ankoraŭ estas provita kaj vera aliro al klient-servila komputado.
La ideo malantaŭ randa komputado estas simpla: anstataŭ movi datumojn pli proksime al la datumcentro, la datumcentro estas translokigita pli proksime al la datumoj. La stokado kaj prilaborado de rimedoj de la datumcentro situas kiel eble plej proksime al la fonto de la datumoj (prefere en la sama areo).
Kial Edge-komputado estas grava?
Multo de la hodiaŭa komputado okazas ĉe la rando, en lokoj kiel hospitaloj, fabrikoj kaj podetalaj vendejoj, prilaborante la plej sentemajn datumojn kaj funkciigante misi-kritikajn aparatojn, kiuj devas funkcii konstante kaj sekure.
Ĉi tiuj lokoj postulas malaltajn latentecajn solvojn, kiuj ne postulas retan konekton. La potencialo de Edge interrompi firmaon tra ĉiu sektoro kaj funkcio, de klientengaĝiĝo kaj merkatado ĝis fabrikado kaj administraj operacioj, estas kio faras ĝin tiel interesa. En ĉi tiuj situacioj, edge ebligas iniciatemajn kaj adapteblajn komercajn procezojn, ofte en reala tempo, rezultigante novajn kaj plibonigitajn uzantspertojn.
Komercoj povas uzi Edge por alporti la ciferecan mondon en la realan mondon. Plibonigante podetalaj spertoj alportante retajn datumojn kaj analizojn en fizikajn establaĵojn. Kreante metodojn en kiuj dungitoj povas esti trejnitaj kaj scenaroj en kiuj robotoj povas instrui laboristojn.
Kreante inteligentajn agordojn, kiuj prioritatas nian sekurecon kaj komforton. Randa komputado, kiu ebligas al entreprenoj funkciigi aplikojn kun la plej altaj niveloj de fidindeco, realtempaj kaj datumbezonoj tuj surloke, similas al ĉiuj ĉi tiuj kazoj. Fine, ĉi tio ebligas al entreprenoj novigi pli rapide, lanĉi novajn varojn kaj servojn pli rapide kaj krei novajn enspezfluojn.
Randa komputado kaj AI/ML
Kun ĝia emfazo pri datumkolektado kaj realtempa prilaborado, randa komputado povas helpi datenintensajn inteligentajn aplikojn sukcesi. Artefarita inteligenteco/maŝinlernado (AI/ML) operacioj, kiel ekzemple bildrekono-algoritmoj, povas esti faritaj pli efike pli proksime al la datenfonto, eliminante la bezonon transporti vastajn volumojn da datenoj al alcentrigita datencentro.
Ĉi tiuj programoj kombinas grandan nombron da datumpunktoj por akiri pli altvalorajn informojn, kiuj povas helpi entreprenojn fari pli bonajn decidojn. Ĉi tiu funkcio povas helpi kun diversaj firmaaj interagoj, inkluzive de klientservo, preventa prizorgado, kontraŭfraŭda protekto, klinika decido kaj pli.
Organizoj povas uzi decidan administradon kaj AI/ML-inferencajn alirojn por filtri, analizi, kvalifiki kaj kombini datenpunktojn por derivi pli alt-ordajn informojn konsiderante ĉiun envenantan datumpunkton kiel okazaĵon.
Datenintensaj aplikoj povas esti dividitaj en fazojn, ĉiu el kiuj estas efektivigita ĉe aparta loko en la IT-medio. Kiam datumoj estas kolektitaj, antaŭ-procesitaj kaj translokigitaj, la rando teknologio ekfunkcias.
La datumoj tiam estas konservitaj, konvertitaj kaj uzataj por maŝinlernado-modeltrejnado post trapaso de inĝenieraj kaj analizaj stadioj, kiuj estas kutime faritaj en publika aŭ privata nuba medio. Tiam ĝi estas resendita al la rando por la rultempa inferenca paŝo, kiu servas kaj kontrolas la maŝinlernado modeloj.
Por plenumi ĉi tiujn multajn celojn kaj oferti konekteblecon inter ĉi tiuj apartaj fazoj, necesas fleksebla, adapta kaj elasta infrastrukturo kaj aplikaĵa evoluiga platformo.
La fleksebleco por optimume provizi la datumkapton kaj inteligentajn inferencajn laborkvantojn ĉe la rando de medio, la rimed-intensajn datumtraktadon kaj trejnadon tra nubaj medioj, kaj la komercajn eventojn kaj komprenajn administradsistemojn proksime al komercaj uzantoj estas provizita de hibrida nubo. aliro, kiu provizas konsekvencan sperton tra publikaj kaj privataj nuboj.
Randa komputado estas decida komponanto de la hibrida nuba koncepto, kiu celas provizi konsekvencan aplikon kaj operacian sperton.
Edge Computing Uzkazoj
Randa komputado estas uzata en multaj teknologioj, kiujn ni uzas hodiaŭ por plezuro kaj komerco, de enhavaj liversistemoj kaj inteligenta teknologio ĝis videoludado, 5G kaj prognoza prizorgado. Resendado de muziko kaj videoservoj, ekzemple, ofte konservas datumojn por redukti latencian kaj provizi pli da reto-fleksebleco en respondo al uzanttrafikbezonoj.
Randa komputado permesas al produktantoj kontroli pli proksime siajn operaciojn. Randa komputado permesas al entreprenoj zorge monitori ekipaĵon kaj produktadliniojn por efikeco kaj, en certaj situacioj, antaŭdiri misfunkciojn antaŭ ol ili okazas, reduktante malfunkciajn kostojn.
Randa komputado ankaŭ estas uzata en sanservo por pli bone zorgi pacientojn, ofertante al kuracistoj pli realtempajn komprenojn pri ilia sano sen devi sendi siajn datumojn al triaparta datumbazo por prilaborado. Korporacioj de petrolo kaj gaso povas observi siajn aktivojn kaj malhelpi multekostajn malfacilaĵojn en aliaj lokoj.
Edge komputikteknologioj ankaŭ estas uzitaj en la kreado de inteligentaj hejmoj. Pli kaj pli da aparatoj, precipe voĉaj asistantoj, bezonas konekti kaj analizi datumojn en limigita reto. Amazon Alexa kaj Google Assistant daŭrus multe pli longe por malkovri respondojn por konsumantoj se ili ne havus aliron al malcentralizita komputika potenco.
Alia tipa ekzemplo de randa komputado estas konektitaj aŭtoj. Komputiloj estas instalitaj sur busoj kaj fervojoj por spuri pasaĝermovadon kaj servoliveradon. Kun la teknologio en siaj veturiloj, liveristoj povas determini la plej efikajn itinerojn. Dum utiligado de randa komputika strategio, ĉiu veturilo funkcias per la sama normigita platformo kiel la resto de la floto, plibonigante la fidindecon de la servo kaj certigante datuman sekurecon ĉie.
Alia ekzemplo de randa komputado estas aŭtonomaj aŭtoj, kiuj pritraktas vastan kvanton da realtempaj datumoj en medio kie konektebleco povas esti intermita. Sendependaj veturiloj, kiel ekzemple memveturantaj aŭtoj, analizas sensilajn datumojn sur la veturilo por malpliigi latencian pro la granda volumo de datumoj. Ili povas, tamen, konektiĝi al centra loko por programaj ĝisdatigoj trans la aero.
Randa komputado ankaŭ kontribuas al la daŭra havebleco de popularaj interretaj servoj. Enhavaj liveraj retoj (CDN) metas datumservilojn proksime de la lokoj de klientoj, permesante al okupataj retejoj rapide ŝargi kaj ebligante rapidajn videofluajn servojn.
profitoj
- Randa komputado povas rezultigi pli malmultekostajn, pli rapidajn kaj pli fidindajn servojn. Randa komputado provizas pli rapidan, pli konsekvencan sperton por konsumantoj. Edge implicas malaltan latentecon, tre disponeblajn programojn kun realtempa monitorado por kompanioj kaj servaj provizantoj.
- Randa komputado povas ŝpari retajn kostojn, eviti bendolarĝajn limojn, mallongigi dissendajn tempojn, forigi servofiaskojn kaj doni al vi pli da kontrolo super la sentema datumtransigo. Ŝarĝtempoj estas reduktitaj, kaj interretaj servoj estas pliproksimigitaj al uzantoj, ebligante kaj dinamikan kaj senmovan kaŝmemoron.
- Komputado ĉe la rando profitigas aplikojn, kiuj profitas el pli rapida reagtempo, kiel pliigita realeco kaj virtuala realeco.
- La kapablo fari surloke grandadatuman analizon kaj agregadon, kiu ebligas preskaŭ realtempan decidon, estas alia avantaĝo de randa komputado. Tenante ĉi tiun pretigan potencon loka, randa komputado plu malpliigas la eblecon de sentemaj datumoj elmontritaj, permesante al entreprenoj plenumi sekurecajn normojn kaj plenumi reguligajn regulojn.
- La fidindeco kaj kostoŝparoj asociitaj kun randa komputado profitigas entreprenajn klientojn. Regionaj ejoj povas daŭre funkcii sendepende de kernejo retenante pretigpotencon loka, eĉ se la kernejo iras malsupren pro iu kialo. Tenante komputikan pretigkapablon pli proksime al ĝia fonto, la kosto de pagado por bendolarĝo por transporti datumojn inter kernaj kaj regionaj ejoj estas konsiderinde malaltigita.
- Rando-platformo povas helpi kun operacioj kaj unuformeco pri aplikaĵo-disvolvado. Kontraste al datumcentro, ĝi devus oferti kunfunkcieblecon por provizi pli larĝan diversecon de aparataro kaj softvarmedioj. En malferma ekosistemo, bona rando aliro ankaŭ permesas produktojn de multaj provizantoj funkcii kune.
malavantaĝoj
- Randa komputado vastigas la totalan ataksurfacon de reto. Ciberatakoj povas uzi randajn aparatojn kiel enirpunkton, permesante al atakanto injekti malican programaron kaj infekti la reton.
- Bedaŭrinde, konstrui efikan sekurecon en distribuita kunteksto estas defia. La plimulto de datumtraktado okazas ekster la rekta vidlinio de la sekureca teamo kaj la centra servilo. Kiam la korporacio aldonas novan ekipaĵon, la ataksurfaco ankaŭ disetendiĝas.
- La kosto de randa komputado estas alia grava afero. Starigi la infrastrukturon estas multekosta kaj komplika krom se korporacio laboras kun loka randpartnero. Prizorgaj elspezoj ofte estas multekostaj, ĉar la teamo devas konservi multajn aparatojn en bonega funkcia stato ĉe diversaj lokoj.
defioj
- Povas esti pli malfacile pligrandigi randservilojn al kelkaj etaj retejoj ol aldoni la saman kapaciton al ununura kerna datumcentro. Fizikaj retejoj havas pli da superkosto, kio povas esti malfacila por pli malgrandaj entreprenoj pritrakti.
- Randaj komputikinstalaĵoj estas tipe situantaj en malproksimaj lokoj kun malmulte da aŭ neniu teknologia scio ĉe mano. Se io misfunkcias surloke, vi bezonos infrastrukturon, kiu povas esti rapide riparita de ne-teknika loka laboro kaj poste kontrolita centre de grupeto de profesiuloj.
- Por faciligi administradon kaj ebligi pli rapidan problemon, retadministradproceduroj devas esti tre ripeteblaj tra ĉiuj randaj komputikejoj. Kiam programaro estas efektivigita malsame ĉe ĉiu loko, problemoj formiĝas.
- Randlokoj ofte estas malpli sekuraj ol kernaj retejoj laŭ fizika sekureco. Rando aliro devas respondeci pri la ebleco de malbonvolaj aŭ pretervolaj okazaĵoj.
konkludo
Konsiderante ke la Interreto de Aĵoj kaj randa komputado estas ankoraŭ en sia infanaĝo, ilia plena potencialo estas ankoraŭ tre malproksima. Samtempe ili akcelas ciferecan ŝanĝon en diversaj industrioj, kaj ankaŭ ŝanĝas la ĉiutagajn vivojn de homoj tra la mondo.
Antaŭ 2025, spertuloj atendas, ke 75% de datumtraktado okazos ekster tipa datumcentro aŭ nubo. Komencu kun la randa komputado por malkovri novajn komercajn eblecojn, plibonigi funkcian efikecon kaj provizi konsekvencajn konsumantajn spertojn.
Lasi Respondon