IoT սարքերի արագ ընդլայնումը, ինչպես նաև դրանց ընդլայնվող հաշվողական կարողությունները, հանգեցրել են հսկայական քանակությամբ տվյալների: Եվ քանի որ 5G ցանցերն ընդլայնում են կապակցված շարժական սարքերի թիվը, տվյալների ծավալը կշարունակի աճել:
Նախկինում ամպի և AI-ի խոստումն այն էր, որ դրանք ավտոմատացնեն և կարագացնեն նորարարությունը՝ տվյալների հիման վրա գործող պատկերացում ստեղծելով:
Այնուամենայնիվ, ցանցի և ենթակառուցվածքի հզորությունները գերազանցվել են արտասովոր քանակի և բարդության պատճառով տրամադրված տվյալները միացված սարքերի միջոցով: Թողունակության և հետաձգման դժվարությունները զարգանում են, երբ սարքի բոլոր տվյալները փոխանցվում են կենտրոնացված տվյալների կենտրոն կամ ամպ:
Edge computing-ը ավելի արդյունավետ է, քանի որ տվյալները մշակվում և վերլուծվում են սկզբնակետին ավելի մոտ: Լատենտությունը զգալիորեն նվազում է, քանի որ տվյալները չեն տեղափոխվում ցանցի միջոցով դեպի ամպ կամ տվյալների կենտրոն՝ մշակման համար:
Այս գրառումը կբացատրի, թե ինչպես է աշխատում Edge computing-ը, ինչու է այն կարևոր և կտրամադրի Edge computing-ի տարբեր օրինակներ՝ առավելություններով և թերություններով:
Ի՞նչ է Edge computing-ը:
Edge computing-ը բաշխված հաշվողական հարթակ է, որը կորպորատիվ հավելվածներն ավելի մոտեցնում է տվյալների աղբյուրներին, ինչպիսիք են IoT սարքերը կամ տեղական եզրային սերվերները: Իր աղբյուրի տվյալների հետ այս մոտիկությունը կարող է ապահովել զգալի բիզնես օգուտներ, ինչպիսիք են ավելի արագ պատկերացումները, ավելի արագ արձագանքման ժամանակները և թողունակության բարձրացումը:
Իր ամենահիմնական ձևով, եզրային հաշվարկը մշակումն ու տվյալների պահպանումն ավելի է մոտեցնում տվյալներ հավաքող սարքերին, այլ ոչ թե հենվում կենտրոնական տեղանքի վրա, որը կարող է լինել հազարավոր մղոն հեռավորության վրա:
Սա արվում է երաշխավորելու, որ տվյալները, հատկապես իրական ժամանակի տվյալները, չեն ենթարկվի հետաձգման հետ կապված խնդիրների, որոնք կարող են խաթարել հավելվածի աշխատանքը: Ավելին, տեղական մշակումը կատարելով, ձեռնարկությունները կարող են գումար խնայել՝ նվազեցնելով տվյալների քանակը, որոնք պետք է ուղարկվեն կենտրոնացված կամ ամպի վրա հիմնված վայր:
Հաշվի առեք սարքեր, որոնք վերահսկում են արդյունաբերական սարքավորումները գործարանի հատակին կամ ինտերնետին միացված տեսախցիկ, որը ուղիղ հեռարձակում է տեսանյութը հեռավոր գրասենյակից: Թեև տվյալներ արտադրող մեկ սարքը հեշտությամբ կարող է տվյալներ տեղափոխել ցանցով, խնդիրներ են առաջանում, երբ միաժամանակ տվյալներ փոխանցող սարքերի թիվը մեծանում է:
Բազմապատկեք մեկ կենդանի տեսախցիկը հարյուրավոր կամ հազարավոր միավորներով: Հետաձգումը ոչ միայն կնվազեցնի որակը, այլև թողունակության գանձումները կարող են չափազանց բարձր դառնալ:
Այս համակարգերից շատերն օգտվում են եզրային հաշվողական սարքավորումներից և ծառայություններից, որոնք ապահովում են մշակման և պահպանման տեղական աղբյուր: Օրինակ, եզրային դարպասը կարող է մշակել տվյալները եզրային սարքից և այնուհետև փոխանցել միայն համապատասխան տվյալները ամպին: Իրական ժամանակում հավելվածի դեպքում այն կարող է նաև տվյալները հետ տալ եզրային սարքին:
Ինչպե՞ս է աշխատում Edge computing-ը:
Եզրերի ֆիզիկական ճարտարապետությունը բարդ է, բայց հիմնական գաղափարն այն է, որ հաճախորդի սարքերը միանում են մոտակա եզրային մոդուլին՝ ավելի արագ մշակման և ավելի սահուն գործառնությունների համար: IoT սենսորները, աշխատողի համակարգիչը, վերջին սմարթֆոնը, անվտանգության տեսախցիկները կամ նույնիսկ աշխատավայրի ընդմիջման սենյակի ինտերնետին միացված միկրոալիքային վառարանը եզրային սարքերի օրինակներ են:
Ինքնավար շարժական ռոբոտը, ինչպիսին է ռոբոտի ձեռքը ավտոմոբիլային գործարանում, կարող է օգտագործվել որպես եզրային սարք արդյունաբերական համատեքստում: Դա կարող է լինել բարձրակարգ վիրաբուժական տեխնոլոգիա, որը թույլ է տալիս վիրաբույժներին վիրահատություն կատարել առողջապահության հեռավոր վայրերից: Եզրային հաշվողական ենթակառուցվածքում եզրային դարպասները համարվում են եզրային սարքեր:
Մոդուլները կարելի է անվանել եզրային սերվերներ կամ եզրային դարպասներ՝ կախված օգտագործվող տերմինաբանությունից: Թեև ծառայություններ մատուցողները կտեղադրեն մի քանի եզրային դարպասներ կամ սերվերներ՝ միացնելով ծայրամասային ցանցը (օրինակ՝ Verizon-ն իր 5G ցանցի համար), այն կազմակերպությունները, որոնք մտադիր են իրականացնել մասնավոր եզրային ցանց, նույնպես պետք է հաշվի առնեն այս հանդերձանքը:
Սովորական կոնֆիգուրացիայի դեպքում տվյալները ստեղծվում են օգտատիրոջ ԱՀ-ում կամ հաճախորդի ցանկացած այլ հավելվածում: Այնուհետև այն փոխանցվում է սերվերին այնպիսի ալիքների միջոցով, ինչպիսիք են ինտերնետը, ինտրանետը, LAN-ը և այլն, որտեղ տվյալները պահվում և մշակվում են: Սա դեռևս փորձված և իրական մոտեցում է հաճախորդ-սերվեր հաշվարկման համար:
Եզրային հաշվարկի գաղափարը պարզ է. տվյալների կենտրոնին ավելի մոտ տեղափոխելու փոխարեն տվյալների կենտրոնը տեղափոխվում է տվյալներին ավելի մոտ: Տվյալների կենտրոնի պահպանման և մշակման ռեսուրսները տեղակայված են տվյալների աղբյուրին հնարավորինս մոտ (ցանկալի է նույն տարածքում):
Ինչու՞ է Edge computing-ը կարևոր:
Այսօրվա հաշվարկների մեծ մասը տեղի է ունենում ծայրամասում, այնպիսի վայրերում, ինչպիսիք են հիվանդանոցները, գործարանները և մանրածախ խանութները, մշակելով ամենազգայուն տվյալները և սնուցելով առաքելության համար կարևոր սարքերը, որոնք պետք է աշխատեն հետևողականորեն և անվտանգ:
Այս վայրերը պահանջում են ցածր հետաձգման լուծումներ, որոնք չեն պահանջում ցանցային միացում: Edge-ի ներուժը՝ խաթարելու ընկերությանը բոլոր ոլորտներում և գործառույթներում՝ սկսած հաճախորդների ներգրավվածությունից և մարքեթինգից մինչև արտադրական և հետին գրասենյակային գործառնություններ, այն է, ինչը դարձնում է այն այդքան հետաքրքիր: Այս իրավիճակներում edge-ը հնարավորություն է տալիս ակտիվ և հարմարվողական բիզնես գործընթացներ, հաճախ իրական ժամանակում, ինչը հանգեցնում է օգտվողների նոր և բարելավված փորձի:
Բիզնեսները կարող են օգտագործել Edge-ը՝ թվային աշխարհն իրական աշխարհ բերելու համար: Մանրածախ առևտրի փորձի բարելավում` վեբ տվյալները և վերլուծությունները ֆիզիկական հաստատություններ բերելով: Ստեղծել մեթոդներ, որոնցում աշխատակիցները կարող են վերապատրաստվել և սցենարներ, որոնցում ռոբոտները կարող են սովորեցնել աշխատողներին:
Խելացի կարգավորումների ստեղծում, որոնք առաջնահերթություն են տալիս մեր անվտանգությանն ու հարմարավետությանը: Edge computing-ը, որը ձեռնարկություններին հնարավորություն է տալիս գործարկել հուսալիության ամենաբարձր մակարդակով, իրական ժամանակի և տվյալների կարիք ունեցող հավելվածները անմիջապես տեղում, նման է այս բոլոր դեպքերին: Ի վերջո, սա բիզնեսին հնարավորություն է տալիս ավելի արագ նորարարություններ կատարել, ավելի արագ գործարկել նոր ապրանքներ և ծառայություններ և ստեղծել եկամուտների նոր հոսքեր:
Եզրային հաշվարկ և AI/ML
Տվյալների հավաքագրման և իրական ժամանակի մշակման վրա իր շեշտադրմամբ՝ եզրային հաշվարկը կարող է օգնել տվյալների ինտենսիվ խելացի հավելվածներին հաջողության հասնել: Արհեստական ինտելեկտի/մեքենայական ուսուցման (AI/ML) գործառնությունները, ինչպիսիք են պատկերների ճանաչման ալգորիթմները, կարող են ավելի արդյունավետ կերպով իրականացվել տվյալների աղբյուրին ավելի մոտ՝ վերացնելով տվյալների մեծ ծավալների կենտրոնացված տվյալների կենտրոն տեղափոխելու անհրաժեշտությունը:
Այս հավելվածները միավորում են մեծ թվով տվյալների կետեր՝ ավելի բարձր արժեք ունեցող տեղեկություններ ստանալու համար, որոնք կարող են օգնել ձեռնարկություններին ավելի լավ որոշումներ կայացնել: Այս հատկությունը կարող է օգնել ընկերության տարբեր փոխազդեցություններին, ներառյալ հաճախորդների սպասարկումը, կանխարգելիչ սպասարկումը, խարդախությունից պաշտպանությունը, կլինիկական որոշումների կայացումը և այլն:
Կազմակերպությունները կարող են օգտագործել որոշումների կառավարման և AI/ML եզրակացության մոտեցումները՝ զտելու, վերլուծելու, որակավորելու և միավորելու տվյալների կետերը՝ ավելի բարձր կարգի տեղեկատվություն ստանալու համար՝ յուրաքանչյուր մուտքային տվյալների կետ դիտարկելով որպես իրադարձություն:
Տվյալների ինտենսիվ հավելվածները կարելի է բաժանել փուլերի, որոնցից յուրաքանչյուրն իրականացվում է ՏՏ միջավայրում առանձին վայրում: Երբ տվյալները հավաքվում, նախապես մշակվում և փոխանցվում են, եզրային տեխնոլոգիան գործում է:
Տվյալներն այնուհետև պահվում, փոխակերպվում և օգտագործվում են մեքենայական ուսուցման մոդելների ուսուցման համար՝ անցնելով ինժեներական և վերլուծական փուլերը, որոնք սովորաբար իրականացվում են հանրային կամ մասնավոր ամպային միջավայրում: Այնուհետև այն վերադարձվում է եզրին՝ գործարկման ժամանակի եզրակացության քայլի համար, որը ծառայում և վերահսկում է Machine Learning մոդելներ:
Այս բազմաթիվ նպատակներին հասնելու և այս հստակ փուլերի միջև կապ առաջարկելու համար անհրաժեշտ է ճկուն, հարմարվողական և առաձգական ենթակառուցվածքի և հավելվածների մշակման հարթակ:
Շրջակա միջավայրի եզրին տվյալների հավաքագրման և խելամիտ եզրակացությունների աշխատանքային բեռների օպտիմալ տրամադրման ճկունությունը, ամպային միջավայրում տվյալների մշակման և վերապատրաստման ծանրաբեռնվածությունը, ինչպես նաև բիզնեսի օգտատերերին մոտ գտնվող բիզնես իրադարձությունների և պատկերացումների կառավարման համակարգերը տրամադրվում է հիբրիդային ամպի միջոցով: մոտեցում, որն ապահովում է հետևողական փորձ հանրային և մասնավոր ամպերի միջով:
Եզրային հաշվարկ հիբրիդային ամպի հայեցակարգի կարևոր բաղադրիչն է, որի նպատակն է ապահովել կիրառման և շահագործման հետևողական փորձ:
Edge Computing Օգտագործման դեպքեր
Edge computing-ն օգտագործվում է շատ տեխնոլոգիաներում, որոնք մենք այսօր օգտագործում ենք հաճույքի և բիզնեսի համար՝ սկսած բովանդակության առաքման համակարգերից և խելացի տեխնոլոգիաներից մինչև խաղեր, 5G և կանխատեսելի սպասարկում: Երաժշտության և վիդեո ծառայությունների հոսքը, օրինակ, հաճախակի պահում է տվյալները՝ նվազեցնելու ուշացումը և ապահովելով ցանցի ավելի ճկունություն՝ ի պատասխան օգտատերերի տրաֆիկի կարիքների:
Edge computing-ը թույլ է տալիս արտադրողներին ավելի ուշադիր ստուգել իրենց գործողությունները: Edge computing-ը թույլ է տալիս ձեռնարկություններին ուշադիր հետևել սարքավորումների և արտադրական գծերի արդյունավետության համար և որոշակի իրավիճակներում կանխատեսել անսարքությունները նախքան դրանք առաջանալը՝ նվազեցնելով պարապուրդի ծախսերը:
Edge computing-ը նաև օգտագործվում է առողջապահության մեջ՝ հիվանդներին ավելի լավ հոգալու համար՝ բժիշկներին առաջարկելով իրական ժամանակում ավելի շատ պատկերացում կազմել նրանց առողջության մասին՝ առանց իրենց տվյալները երրորդ կողմի տվյալների բազայի մշակման համար ներկայացնելու: Նավթի և գազի կորպորացիաները կարող են հետևել իրենց ակտիվներին և կանխել թանկարժեք դժվարությունները այլ վայրերում:
Եզրային հաշվողական տեխնոլոգիաները նույնպես օգտագործվում են խելացի տների ստեղծման ժամանակ։ Ավելի ու ավելի շատ գաջեթներ, մասնավորապես ձայնային օգնականներ, պետք է միացնեն և վերլուծեն տվյալները սահմանափակ ցանցում: Amazon Alexa-ն և Google Assistant-ը շատ ավելի երկար ժամանակ կպահանջվեր սպառողների համար պատասխաններ գտնելու համար, եթե նրանք մուտք չունենային ապակենտրոնացված հաշվողական հզորությանը:
Եզրային հաշվարկների մեկ այլ տիպիկ օրինակ միացված մեքենաներն են: Ավտոբուսներում և երկաթուղիներում տեղադրված են համակարգիչներ՝ ուղևորների տեղաշարժին և ծառայությունների մատուցմանը հետևելու համար: Իրենց տրանսպորտային միջոցների վրա առկա տեխնոլոգիայի շնորհիվ առաքման վարորդները կարող են որոշել ամենաարդյունավետ երթուղիները: Եզրային հաշվողական ռազմավարություն կիրառելիս յուրաքանչյուր մեքենա աշխատում է նույն ստանդարտացված հարթակով, ինչ նավատորմի մնացած մասը՝ բարելավելով ծառայության հուսալիությունը և ապահովելով տվյալների անվտանգությունը ամբողջ տախտակում:
Եզրային հաշվարկների մեկ այլ օրինակ ինքնավար մեքենաներն են, որոնք իրական ժամանակի տվյալների հսկայական քանակություն են մշակում մի միջավայրում, որտեղ կապը կարող է ընդհատվող լինել: Ինքնավար տրանսպորտային միջոցներ, ինչպես օրինակ՝ ինքնակառավարվող մեքենաները, վերլուծում են սենսորների տվյալները մեքենայի վրա՝ տվյալների մեծ ծավալի պատճառով հետաձգումը նվազեցնելու համար: Այնուամենայնիվ, նրանք կարող են միանալ կենտրոնական վայրին ծրագրային ապահովման արդիականացման համար օդով:
Edge computing-ը նաև նպաստում է հանրաճանաչ ինտերնետային ծառայությունների շարունակական հասանելիությանը: Բովանդակության առաքման ցանցերը (CDN) տեղադրում են տվյալների սերվերները հաճախորդների գտնվելու վայրի մոտ՝ թույլ տալով զբաղված կայքերին արագ բեռնել և արագացնել վիդեո հոսքային ծառայությունները:
Առավելությունները
- Edge computing-ը կարող է հանգեցնել ավելի էժան, արագ և հուսալի ծառայությունների: Edge computing-ը սպառողների համար ապահովում է ավելի արագ և հետևողական փորձ: Edge-ը ենթադրում է ցածր ուշացումով, բարձր հասանելի հավելվածներ ընկերությունների և ծառայություններ մատուցողների համար իրական ժամանակի մոնիտորինգով:
- Edge computing-ը կարող է խնայել ցանցի ծախսերը, խուսափել թողունակության սահմանափակումներից, կրճատել փոխանցման ժամանակը, վերացնել ծառայության խափանումները և ավելի շատ վերահսկողություն տալ զգայուն տվյալների փոխանցման վրա: Բեռնման ժամանակները կրճատվում են, և առցանց ծառայություններն ավելի մոտ են օգտատերերին, ինչը թույլ է տալիս ինչպես դինամիկ, այնպես էլ ստատիկ քեշավորում:
- Եզրին հաշվելը նպաստում է այն հավելվածներին, որոնք օգտվում են ավելի արագ արձագանքման ժամանակից, ինչպիսիք են ընդլայնված իրականությունը և վիրտուալ իրականությունը:
- Կայքում մեծ տվյալների վերլուծություն և համախմբում կատարելու հնարավորությունը, որը թույլ է տալիս գրեթե իրական ժամանակում որոշումներ կայացնել, եզրային հաշվարկների մեկ այլ առավելություն է: Այդ ամբողջ վերամշակման հզորությունը տեղային պահելով՝ եզրային հաշվարկն ավելի է նվազեցնում զգայուն տվյալների բացահայտման հնարավորությունը՝ թույլ տալով ձեռնարկություններին կիրառել անվտանգության չափանիշները և համապատասխանել կարգավորող կանոններին:
- Հուսալիությունը և ծախսերի խնայողությունները՝ կապված ծայրամասային հաշվարկների հետ, նպաստում են ձեռնարկությունների հաճախորդներին: Տարածաշրջանային կայքերը կարող են շարունակել աշխատել առանցքային կայքից անկախ՝ տեղական մշակման հզորությունը պահելով, նույնիսկ եթե հիմնական կայքը որևէ պատճառով դադարում է: Հաշվարկային մշակման հզորությունը իր աղբյուրին ավելի մոտ պահելով, հիմնական և տարածաշրջանային կայքերի միջև տվյալների փոխադրման թողունակության համար վճարելու արժեքը զգալիորեն նվազում է:
- Եզրային հարթակը կարող է օգնել գործառնությունների և հավելվածների մշակման միատեսակությանը: Ի տարբերություն տվյալների կենտրոնի, այն պետք է առաջարկի փոխգործունակություն՝ սպասարկելու ապարատային և ծրագրային միջավայրերի ավելի լայն բազմազանություն: Բաց էկոհամակարգում լավ եզրային մոտեցումը նաև թույլ է տալիս բազմաթիվ մատակարարների արտադրանքներին միասին գործել:
թերություններ
- Edge computing-ը ընդլայնում է ցանցի հարձակման ընդհանուր մակերեսը: Կիբերհարձակումները կարող են օգտագործել եզրային սարքերը որպես մուտքի կետ՝ թույլ տալով հարձակվողին ներարկել վնասակար ծրագրեր և վարակել ցանցը:
- Ցավոք, բաշխված համատեքստում արդյունավետ անվտանգության ստեղծումը դժվար է: Տվյալների մշակման մեծ մասը տեղի է ունենում անվտանգության թիմի և կենտրոնական սերվերի տեսադաշտից դուրս: Երբ կորպորացիան ավելացնում է նոր սարքավորում, հարձակման մակերեսը նույնպես ընդլայնվում է:
- Եզրային հաշվարկների արժեքը ևս մեկ կարևոր խնդիր է: Ենթակառուցվածքի ստեղծումը թանկ և բարդ է, քանի դեռ կորպորացիան չի աշխատում տեղական գործընկերոջ հետ: Սպասարկման ծախսերը հաճախ թանկ են, քանի որ թիմը պետք է շատ սարքեր պահի գերազանց աշխատանքային վիճակում տարբեր վայրերում:
Խնդիրները
- Ավելի դժվար կարող է լինել ծայրամասային սերվերների չափերը մի շարք փոքր կայքերի վրա, քան նույն հզորությունը մեկ հիմնական տվյալների կենտրոնին ավելացնելը: Ֆիզիկական կայքերն ավելի շատ ծախսեր ունեն, ինչը կարող է դժվար լինել փոքր բիզնեսի համար:
- Եզրային հաշվողական տեղակայանքները սովորաբար տեղակայված են հեռավոր վայրերում, որտեղ առկա են տեխնոլոգիական քիչ կամ բացակայող գիտելիքներ: Եթե տեղում ինչ-որ բան սխալ է, ձեզ անհրաժեշտ կլինի ենթակառուցվածք, որը կարող է արագ շտկվել ոչ տեխնիկական տեղական աշխատուժի կողմից և այնուհետև կենտրոնանալ մասնագետների փոքր խմբի կողմից:
- Կառավարումը հեշտացնելու և անսարքությունների ավելի արագ վերացումը հնարավոր դարձնելու համար կայքի կառավարման ընթացակարգերը պետք է շատ կրկնվող լինեն բոլոր եզրային հաշվողական կայքերում: Երբ ծրագրակազմը տարբեր կերպ է իրականացվում յուրաքանչյուր վայրում, խնդիրներ են զարգանում:
- Եզրային վայրերը հաճախ ավելի քիչ ապահով են, քան հիմնական կայքերը ֆիզիկական անվտանգության տեսանկյունից: Ծայրամասային մոտեցումը պետք է հաշվի առնի չարամիտ կամ ոչ միտումնավոր իրադարձությունների հավանականությունը:
Եզրափակում
Հաշվի առնելով, որ իրերի ինտերնետը և եզրային հաշվարկները դեռևս սկզբնական փուլում են, նրանց ողջ ներուժը դեռ շատ հեռու է: Միաժամանակ, նրանք արագացնում են թվային փոփոխությունները տարբեր ոլորտներում, ինչպես նաև փոխում են մարդկանց առօրյան ամբողջ աշխարհում:
Մինչև 2025 թվականը փորձագետները ակնկալում են, որ տվյալների մշակման 75%-ը տեղի կունենա սովորական տվյալների կենտրոնից կամ ամպից դուրս: Ձեռք բերեք առաջին մեկնարկը ծայրամասային հաշվարկների հետ՝ նոր բիզնես հնարավորություններ բացահայտելու, գործառնական արդյունավետությունը բարելավելու և սպառողների հետևողական փորձառություններ ապահովելու համար:
Թողնել գրառում