IoT-seadmete kiire laienemine ja ka nende arvutusmahtude suurenemine on toonud kaasa tohutu andmemahu. Ja kuna 5G võrgud suurendavad ühendatud mobiilseadmete arvu, kasvavad andmemahud jätkuvalt.
Pilve ja tehisintellekti lubadus minevikus seisnes selles, et need automatiseerivad ja kiirendavad innovatsiooni, luues andmetest praktilise ülevaate.
Võrgu- ja taristuvõimsused on aga ületanud nende erakordselt palju ja keerukus esitatud andmed ühendatud seadmete kaudu. Ribalaiuse ja latentsuse raskused tekivad siis, kui kõik seadme andmed edastatakse tsentraliseeritud andmekeskusesse või pilve.
Äärearvutus on tõhusam, kuna andmeid töödeldakse ja analüüsitakse lähtepunktile lähemal. Latentsusaeg on oluliselt vähenenud, kuna andmeid ei transpordita üle võrgu pilve või andmekeskusesse töötlemiseks.
See postitus selgitab, kuidas Edge'i andmetöötlus töötab, miks see on oluline, ning pakub erinevaid Edge'i andmetöötluse juhtumeid, millel on eelised ja puudused.
Mis on Edge'i andmetöötlus?
Edge computing on hajutatud andmetöötlusplatvorm, mis asetab ettevõtte rakendused andmeallikatele, näiteks asjade Interneti-seadmetele või kohalikele servaserveritele, lähemale. Selline lähedus andmetele nende allikas võib pakkuda olulist ärikasu, nagu kiirem ülevaade, kiirem reaktsiooniaeg ja suurem ribalaiuse kättesaadavus.
Kõige elementaarsem on servaarvutus, mis toob töötlemise ja andmesalvestuse andmeid koguvatele seadmetele lähemale, selle asemel, et tugineda kesksele asukohale, mis võib olla tuhandete miilide kaugusel.
Seda tehakse tagamaks, et andmetele, eriti reaalajas olevatele andmetele, ei puutuks latentsusprobleemid, mis võivad rakenduse jõudlust halvendada. Lisaks saavad ettevõtted kohapeal töötlemist teostades säästa raha, vähendades tsentraliseeritud või pilvepõhisesse asukohta saadetavate andmete hulka.
Mõelge seadmetele, mis jälgivad tööstusseadmeid tehasekorrusel või Interneti-ühendusega videokaamerat, mis voogesitab otsevideot kaugest kontorist. Kui üks seade, mis toodab andmeid, võib andmeid hõlpsasti üle võrgu teisaldada, tekivad probleemid, kui samal ajal andmeid edastavate seadmete arv kasvab.
Korrutage üks reaalajas videokaamera sadade või tuhandete ühikutega. Viivitus mitte ainult ei halvenda kvaliteeti, vaid ribalaiuse tasud võivad muutuda liiga kõrgeks.
Paljud neist süsteemidest saavad kasu äärearvutusriistvarast ja -teenustest, mis pakuvad kohalikku töötlemis- ja salvestusallikat. Näiteks võib servalüüs töödelda servaseadme andmeid ja edastada seejärel ainult asjakohased andmed tagasi pilve. Reaalajas rakenduse korral suudab see andmeid ka ääreseadmesse tagasi toita.
Kuidas Edge'i andmetöötlus töötab?
Serva füüsiline arhitektuur on keeruline, kuid põhikontseptsioon on see, et kliendiseadmed ühenduvad lähedalasuva servamooduliga kiiremaks töötlemiseks ja sujuvamaks toimimiseks. Ääreseadmete näited on asjade Interneti-andurid, töötaja arvuti, tema uusim nutitelefon, turvakaamerad või isegi töökoha puhkeruumi internetiühendusega mikrolaineahi.
Autonoomset mobiilset robotit, näiteks robotkätt autotehases, saab kasutada tööstuslikus kontekstis servaseadmena. See võib olla tipptasemel kirurgiline tehnoloogia, mis võimaldab kirurgidel teha operatsioone tervishoiu kaugematest kohtadest. Äärearvutusinfrastruktuuris peetakse servalüüsi servaseadmeteks.
Sõltuvalt kasutatavast terminoloogiast võib mooduleid hästi nimetada servaserveriteks või servalüüsideks. Kuigi teenusepakkujad paigaldavad äärevõrgu võimaldamiseks mitu servalüüsi või serverit (näiteks Verizon oma 5G-võrgu jaoks), peavad organisatsioonid, kes kavatsevad rakendada privaatset servavõrku, samuti seda varustust arvesse võtma.
Tavakonfiguratsioonis luuakse andmed kasutaja arvutis või mõnes muus klientrakenduses. Seejärel edastatakse need serverisse selliste kanalite kaudu nagu Internet, sisevõrk, kohtvõrk jne, kus andmeid hoitakse ja töödeldakse. See on endiselt järeleproovitud lähenemine klient-server andmetöötlusele.
Äärearvutuse idee on lihtne: selle asemel, et viia andmed andmekeskusele lähemale, paigutatakse andmekeskus andmetele lähemale. Andmekeskuse salvestus- ja töötlemisressursid asuvad andmete allikale võimalikult lähedal (soovitavalt samas piirkonnas).
Miks on Edge'i andmetöötlus oluline?
Suur osa tänapäeva andmetöötlusest toimub äärealadel, näiteks haiglates, tehastes ja jaekauplustes, töödeldakse kõige tundlikumaid andmeid ja toidetakse missioonikriitilisi seadmeid, mis peavad töötama järjepidevalt ja ohutult.
Need asukohad nõuavad madala latentsusajaga lahendusi, mis ei vaja võrguühendust. Edge'i potentsiaal häirida ettevõtet kõigis sektorites ja funktsioonides, alates klientide kaasamisest ja turundusest kuni tootmise ja kontoritoiminguteni, muudab selle nii intrigeerivaks. Sellistes olukordades võimaldab serv proaktiivseid ja kohandatavaid äriprotsesse, sageli reaalajas, mille tulemuseks on uued ja paremad kasutajakogemused.
Ettevõtted saavad kasutada Edge'i, et viia digimaailm reaalsesse maailma. Jaemüügikogemuste parandamine, tuues veebiandmed ja analüütika füüsilistesse ettevõtetesse. Töötajate koolitamise meetodite ja stsenaariumide loomine, mille järgi robotid töötajaid õpetada saavad.
Arukate seadete loomine, mis seavad esikohale meie turvalisuse ja mugavuse. Edge computing, mis võimaldab ettevõtetel kasutada rakendusi kõrgeima töökindluse, reaalajas ja andmevajadusega kohe kohapeal, on sarnane kõigi nende juhtumitega. Lõpuks võimaldab see ettevõtetel kiiremini uuendusi teha, kiiremini turule tuua uusi kaupu ja teenuseid ning luua uusi tuluvooge.
Edge computing ja AI/ML
Andmete kogumisele ja reaalajas töötlemisele asetatud rõhk aitab andmemahukatel intelligentsetel rakendustel edu saavutada. Tehisintellekti/masinõppe (AI/ML) toiminguid, nagu pildituvastusalgoritme, saab tõhusamalt läbi viia andmeallikale lähemal, välistades vajaduse transportida suuri andmemahtusid tsentraliseeritud andmekeskusesse.
Need rakendused ühendavad suure hulga andmepunkte, et saada väärtuslikumat teavet, mis võib aidata ettevõtetel teha paremaid otsuseid. See funktsioon võib aidata mitmesugustel ettevõtte suhtlusel, sealhulgas klienditeenindusel, ennetava hoolduse, pettuste eest kaitsmise, kliiniliste otsuste tegemise ja muu puhul.
Organisatsioonid saavad kasutada otsuste haldamise ja AI/ML järelduste lähenemisviise andmepunktide filtreerimiseks, analüüsimiseks, kvalifitseerimiseks ja kombineerimiseks, et tuletada kõrgemat järku teavet, käsitledes iga sissetulevat andmepunkti sündmusena.
Andmemahukad rakendused saab jagada faasideks, millest igaüks teostatakse IT-keskkonnas eraldi kohas. Kui andmeid kogutakse, eeltöödeldakse ja edastatakse, hakkab toimima ääretehnoloogia.
Andmed salvestatakse, teisendatakse ja pärast inseneri- ja analüüsietappide läbimist, mida tavaliselt tehakse avalikus või privaatses pilvekeskkonnas, kasutatakse masinõppe mudeli koolituseks. Seejärel tagastatakse see käitusaegse järelduse etapi servale, mis teenindab ja jälgib masinõpe mudelid.
Nende arvukate eesmärkide saavutamiseks ja ühenduvuse pakkumiseks nende erinevate etappide vahel on vajalik paindlik, kohanduv ja elastne infrastruktuur ja rakenduste arendusplatvorm.
Hübriidpilve pakub paindlikkust andmehõive ja intelligentsete järelduste töökoormuse optimaalseks pakkumiseks keskkonna servades, ressursimahukat andmetöötlus- ja koolitustöökoormust pilvekeskkondades ning ärisündmusi ja ülevaatehaldussüsteeme ärikasutajatele lähedal. lähenemisviisi, mis pakub ühtset kogemust nii avalikes kui ka privaatsetes pilvedes.
Servade arvutamine on hübriidpilve kontseptsiooni ülioluline komponent, mille eesmärk on pakkuda ühtset rakendus- ja töökogemust.
Edge Computing Kasutusjuhud
Edge-arvutit kasutatakse paljudes tehnoloogiates, mida kasutame täna meelelahutuseks ja äritegevuseks, alates sisuedastussüsteemidest ja nutikast tehnoloogiast kuni mängude, 5G ja ennustava hoolduseni. Näiteks muusika- ja videoteenuste voogesitus salvestab sageli andmeid vahemällu, et vähendada latentsust ja pakkuda kasutajate liiklusvajadustele rohkem võrgu paindlikkust.
Edge-arvuti võimaldab tootjatel oma tegevust täpsemalt kontrollida. Edge-arvuti võimaldab ettevõtetel hoolikalt jälgida seadmete ja tootmisliinide tõhusust ning teatud olukordades ennustada tõrkeid enne nende tekkimist, vähendades sellega seisakukulusid.
Edge-arvutit kasutatakse ka tervishoius patsientide paremaks hooldamiseks, pakkudes arstidele reaalajas paremat ülevaadet nende tervisest, ilma et nad peaksid esitama oma andmeid töötlemiseks kolmanda osapoole andmebaasi. Nafta- ja gaasiettevõtted saavad hoida oma varadel silma peal ja hoida ära kulukaid raskusi mujal.
Nutimajade loomisel kasutatakse ka äärearvutustehnoloogiaid. Üha enam vidinaid, eriti häälassistente, peavad ühendama ja analüüsima andmeid piiratud võrgus. Amazon Alexal ja Google Assistantil kuluks tarbijate jaoks vastuste leidmiseks palju kauem aega, kui neil poleks juurdepääsu detsentraliseeritud arvutusvõimsusele.
Veel üks tüüpiline servaarvutuse näide on ühendatud autod. Reisijate liikumise ja teenuste osutamise jälgimiseks paigaldatakse bussidele ja raudteedele arvutid. Sõidukites oleva tehnoloogia abil saavad kohaletoimetamise juhid määrata kõige tõhusamad marsruudid. Edendava arvutusstrateegia kasutamisel töötab iga sõiduk samal standardplatvormil nagu ülejäänud sõidukipark, parandades teenuse usaldusväärsust ja tagades andmete turvalisuse kõikjal.
Teine näide servade andmetöötlusest on autonoomsed autod, mis käitlevad suurt hulka reaalajas andmeid keskkonnas, kus ühenduvus võib olla katkendlik. Autonoomsed sõidukid, näiteks isejuhtivad autod, analüüsivad sõidukis olevaid andurite andmeid, et vähendada latentsusaega tänu andmete tohutule hulgale. Need võivad aga ühenduda keskse kohaga tarkvarauuenduste jaoks õhu kaudu.
Edge computing aitab kaasa ka populaarsete Interneti-teenuste jätkuvale kättesaadavusele. Sisu edastamise võrgud (CDN-id) paigutavad andmeserverid klientide asukoha lähedale, võimaldades hõivatud veebisaitide kiiret laadimist ja võimaldades kiireid video voogedastusteenuseid.
kasu
- Edge-arvutite abil saate pakkuda odavamaid, kiiremaid ja töökindlamaid teenuseid. Edge-arvuti pakub tarbijatele kiiremat ja ühtlasemat kasutuskogemust. Edge tähendab ettevõtete ja teenusepakkujate jaoks madala latentsusajaga, väga saadaolevaid rakendusi koos reaalajas jälgimisega.
- Edge-arvuti võib säästa võrgukulusid, vältida ribalaiuse piiranguid, lühendada edastusaegu, kõrvaldada teenusetõrkeid ja anda teile rohkem kontrolli tundliku andmeedastuse üle. Laadimisajad vähenevad ja võrguteenused tuuakse kasutajatele lähemale, võimaldades nii dünaamilist kui ka staatilist vahemällu salvestamist.
- Ääretasemel andmetöötlus on kasulik rakendustele, mis saavad kasu kiiremast reaktsiooniajast, nagu liitreaalsus ja virtuaalreaalsus.
- Võimalus teha kohapealset suurandmete analüüsi ja koondamist, mis võimaldab peaaegu reaalajas otsuseid langetada, on servaarvutite teine eelis. Hoides kogu selle töötlemisvõimsuse lokaalsena, vähendab servaarvutus veelgi tundlike andmete paljastamise võimalust, võimaldades ettevõtetel jõustada turvastandardeid ja järgida regulatiivseid eeskirju.
- Äärearvutusega seotud töökindlus ja kulude kokkuhoid tulevad kasuks ettevõtete klientidele. Piirkondlikud saidid võivad jätkata tööd põhisaidist sõltumatult, hoides töötlemisvõimsuse lokaalsena, isegi kui põhisait mingil põhjusel katkeb. Arvutusvõimsuse allikale lähemal hoidmisega vähendatakse märkimisväärselt ribalaiuse maksmise kulusid andmete edastamiseks põhi- ja piirkondlike saitide vahel.
- Servaplatvorm võib aidata toiminguid ja rakenduste arendamist ühtlustada. Erinevalt andmekeskusest peaks see pakkuma koostalitlusvõimet, et rahuldada riist- ja tarkvarakeskkondade laiemat mitmekesisust. Avatud ökosüsteemis võimaldab hea servalähenemine ka paljude tarnijate toodetel koos toimida.
puudusi
- Edge computing laiendab võrgu üldist rünnakupinda. Küberrünnakud võivad kasutada sisenemispunktina ääreseadmeid, võimaldades ründajal ründetarkvara süstida ja võrku nakatada.
- Kahjuks on tõhusa turvalisuse loomine hajutatud kontekstis keeruline. Suurem osa andmetöötlusest toimub väljaspool turvameeskonna ja keskserveri otsest vaatevälja. Kui ettevõte lisab uue varustuse, laieneb ka rünnakupind.
- Veel üks oluline probleem on äärearvutite maksumus. Infrastruktuuri loomine on kallis ja keeruline, välja arvatud juhul, kui ettevõte teeb koostööd kohaliku äärepartneriga. Hoolduskulud on sageli kallid, kuna meeskond peab hoidma palju seadmeid erinevates kohtades suurepärases töökorras.
Väljakutsed
- Ääreserverite skaleerimine paljudele pisikestele saitidele võib olla keerulisem kui sama võimsuse lisamine ühele põhiandmekeskusele. Füüsilistel saitidel on rohkem üldkulusid, mille käsitlemine võib väiksematel ettevõtetel olla keeruline.
- Edge-arvutipaigaldised asuvad tavaliselt kaugetes kohtades, kus tehnoloogilised teadmised on vähesed või puuduvad üldse. Kui midagi läheb kohapeal valesti, vajate infrastruktuuri, mille saab kiiresti parandada mittetehniline kohalik tööjõud ja mida seejärel tsentraalselt juhib väike rühm spetsialiste.
- Haldamise hõlbustamiseks ja kiirema tõrkeotsingu võimaldamiseks peavad saidihaldusprotseduurid olema kõigis servaarvutussaitides väga korratavad. Kui tarkvara rakendatakse igas kohas erinevalt, tekivad probleemid.
- Edge asukohad on füüsilise turvalisuse mõttes sageli vähem turvalised kui põhisaidid. Äärmiselt lähenemine peab arvestama pahatahtlike või tahtmatute sündmuste võimalusega.
Järeldus
Arvestades, et asjade internet ja äärearvuti on alles lapsekingades, on nende täielik potentsiaal veel kaugel. Samal ajal kiirendavad nad digitaalseid muutusi erinevates tööstusharudes ja muudavad inimeste igapäevaelu kõikjal maailmas.
Aastaks 2025 eeldavad eksperdid, et 75% andmetöötlusest toimub väljaspool tüüpilist andmekeskust või pilve. Tehke edumaa serviga andmetöötlusega, et avastada uusi ärivõimalusi, parandada tegevustõhusust ja pakkuda tarbijatele ühtlast kogemust.
Jäta vastus