Швидке розширення пристроїв IoT, а також збільшення їх обчислювальної потужності призвели до величезних обсягів даних. І оскільки мережі 5G збільшують кількість пов’язаних мобільних пристроїв, обсяги даних продовжуватимуть зростати.
Обіцянка хмари та штучного інтелекту в минулому полягала в тому, що вони автоматизують і пришвидшують інновації, генеруючи практичну інформацію з даних.
Однак потужності мережі та інфраструктури були перевищені надзвичайною кількістю та складністю надані дані підключеними пристроями. Проблеми з пропускною здатністю та затримкою виникають, коли всі дані пристрою передаються до централізованого центру обробки даних або хмари.
Граничні обчислення ефективніші, оскільки дані обробляються й аналізуються ближче до точки походження. Час затримки значно зменшується, оскільки дані не передаються через мережу в хмару або центр обробки даних для обробки.
У цьому дописі буде пояснено, як працюють Edge-обчислення, чому це важливо, а також надано різні приклади Edge-обчислень із перевагами та недоліками.
Що таке Edge computing?
Граничні обчислення — це розподілена обчислювальна платформа, яка наближає корпоративні програми до джерел даних, таких як пристрої Інтернету речей або локальні периферійні сервери. Ця близькість до даних у їх джерелі може забезпечити значні переваги для бізнесу, такі як швидша інформація, швидший час реакції та підвищена доступність пропускної здатності.
По суті, периферійні обчислення наближають обробку та зберігання даних до пристроїв, які збирають дані, а не покладаються на центральне розташування, яке може бути за тисячі миль.
Це робиться, щоб гарантувати, що дані, особливо дані в реальному часі, не піддаються проблемам затримки, які можуть погіршити продуктивність програми. Крім того, виконуючи локальну обробку, компанії можуть заощадити гроші, зменшивши обсяг даних, які потрібно надсилати в централізоване або хмарне розташування.
Розглянемо пристрої, які відстежують промислове обладнання на заводі, або підключену до Інтернету відеокамеру транслює відео в прямому ефірі з віддаленого офісу. У той час як один пристрій, що створює дані, може легко переміщати дані по мережі, проблеми виникають, коли кількість пристроїв, що передають дані одночасно, зростає.
Помножте одну камеру живого відео на сотні чи тисячі одиниць. Затримка не тільки погіршить якість, але й плата за смугу пропускання може стати непомірно високою.
Багато з цих систем отримують переваги від периферійного обчислювального обладнання та послуг, які забезпечують локальне джерело обробки та зберігання. Наприклад, граничний шлюз може обробляти дані з граничного пристрою, а потім передавати лише відповідні дані назад у хмару. У разі застосування в режимі реального часу він також може повертати дані на периферійний пристрій.
Як працює Edge computing?
Фізична архітектура edge є складною, але основна концепція полягає в тому, що клієнтські пристрої підключаються до сусіднього крайового модуля для швидшої обробки та більш плавної роботи. Датчики Інтернету речей, комп’ютер працівника, їхній останній смартфон, камери безпеки чи навіть підключена до Інтернету мікрохвильова піч кімнати відпочинку на робочому місці є прикладами периферійних пристроїв.
Автономний мобільний робот, такий як рука робота на автомобільному заводі, може використовуватися як периферійний пристрій у промисловому контексті. Це може бути висококласна хірургічна технологія, яка дозволяє хірургам робити операції з віддалених місць у сфері охорони здоров’я. У межах інфраструктури граничних обчислень граничні шлюзи вважаються граничними пристроями.
Модулі цілком можна назвати периферійними серверами або крайовими шлюзами, залежно від використовуваної термінології. У той час як постачальники послуг встановлять кілька периферійних шлюзів або серверів, щоб увімкнути периферійну мережу (наприклад, Verizon для своєї мережі 5G), організаціям, які мають намір запровадити приватну периферійну мережу, також потрібно буде розглянути це обладнання.
У звичайній конфігурації дані створюються на ПК користувача або будь-якому іншому клієнтському додатку. Потім вони передаються на сервер через такі канали, як Інтернет, інтранет, локальна мережа тощо, де дані зберігаються та обробляються. Це все ще перевірений підхід до клієнт-серверних обчислень.
Ідея периферійних обчислень проста: замість того, щоб переміщувати дані ближче до центру обробки даних, центр обробки даних переміщується ближче до даних. Ресурси зберігання та обробки даних центру обробки даних розташовані якомога ближче до джерела даних (бажано в тій самій зоні).
Чому Edge-обчислення важливі?
Значна частина сучасних обчислень відбувається на межі, у таких місцях, як лікарні, фабрики та роздрібні магазини, обробляючи найбільш конфіденційні дані та живлячи критично важливі пристрої, які повинні працювати стабільно та безпечно.
Ці місця вимагають рішень із низькою затримкою, які не вимагають підключення до мережі. Потенціал Edge зруйнувати компанію в усіх секторах і функціях, від залучення клієнтів і маркетингу до виробництва та бек-офісних операцій, ось що робить його таким інтригуючим. У таких ситуаціях edge забезпечує проактивні та адаптовані бізнес-процеси, часто в режимі реального часу, що забезпечує нові та покращені умови роботи для користувачів.
Компанії можуть використовувати Edge, щоб перенести цифровий світ у реальний світ. Покращення досвіду роздрібної торгівлі шляхом перенесення веб-даних і аналітики у фізичні заклади. Створення методів, за якими можна навчати працівників, і сценаріїв, за якими роботи можуть навчати працівників.
Створення інтелектуальних налаштувань, які надають пріоритет нашій безпеці та комфорту. Граничні обчислення, які дозволяють підприємствам керувати додатками з найвищим рівнем надійності, у режимі реального часу та потребами в даних одразу на місці, подібні до всіх цих випадків. Нарешті, це дозволяє підприємствам швидше впроваджувати інновації, швидше випускати нові товари та послуги та створювати нові джерела доходу.
Граничні обчислення та AI/ML
Завдяки наголосу на зборі даних і обробці в реальному часі периферійні обчислення можуть допомогти успішно використовувати інтелектуальні програми, що містять інтенсивні дані. Операції штучного інтелекту/машинного навчання (AI/ML), такі як алгоритми розпізнавання зображень, можна ефективніше виконувати ближче до джерела даних, усуваючи потребу транспортувати величезні обсяги даних до централізованого центру обробки даних.
Ці програми поєднують велику кількість точок даних, щоб отримати більш цінну інформацію, яка може допомогти підприємствам приймати кращі рішення. Ця функція може допомогти з різними взаємодіями компанії, включаючи обслуговування клієнтів, профілактичне обслуговування, захист від шахрайства, прийняття клінічних рішень тощо.
Організації можуть використовувати підходи до керування прийняттям рішень і штучного інтелекту/ML для фільтрації, аналізу, кваліфікації та об’єднання точок даних для отримання інформації вищого порядку, розглядаючи кожну вхідну точку даних як подію.
Застосунки з інтенсивним використанням даних можна розділити на етапи, кожен з яких виконується в окремому місці ІТ-середовища. Коли дані збираються, попередньо обробляються та передаються, у дію вступає крайова технологія.
Потім дані зберігаються, перетворюються та використовуються для навчання моделі машинного навчання після проходження етапів розробки та аналітики, які зазвичай виконуються в загальнодоступному або приватному хмарному середовищі. Потім він повертається до краю для етапу виведення під час виконання, який обслуговує та контролює навчання за допомогою машини моделі
Щоб досягти цих численних цілей і запропонувати зв’язок між цими різними етапами, необхідна гнучка, адаптивна та еластична інфраструктура та платформа розробки додатків.
Гібридна хмара забезпечує гнучкість для оптимального забезпечення робочих навантажень збору даних і інтелектуального висновку на межі середовища, ресурсомістких робочих навантажень з обробки даних і навчання в хмарних середовищах, а також систем керування бізнес-подіями та інформацією, наближених до бізнес-користувачів. підхід, який забезпечує узгоджену роботу в публічних і приватних хмарах.
Крайові обчислення є ключовим компонентом концепції гібридної хмари, метою якої є забезпечення узгодженого застосування та досвіду роботи.
Варіанти використання периферійних обчислень
Граничні обчислення використовуються в багатьох технологіях, які ми використовуємо сьогодні для задоволення та бізнесу, від систем доставки контенту та інтелектуальних технологій до ігор, 5G та прогнозованого обслуговування. Наприклад, служби потокової передачі музики та відео часто кешують дані, щоб зменшити затримку та забезпечити більшу гнучкість мережі у відповідь на потреби трафіку користувачів.
Граничні обчислення дозволяють виробникам уважніше контролювати свою роботу. Граничні обчислення дозволяють підприємствам ретельно контролювати ефективність обладнання та виробничих ліній і, у певних ситуаціях, прогнозувати несправності до їх виникнення, зменшуючи витрати на простої.
Граничні обчислення також використовуються в охороні здоров’я для кращого догляду за пацієнтами, пропонуючи лікарям більше уявлення про стан їх здоров’я в режимі реального часу без необхідності передавати свої дані до сторонньої бази даних для обробки. Нафтові та газові корпорації можуть стежити за своїми активами та запобігати дорогим труднощам в інших місцях.
Технології Edge Computing також використовуються при створенні розумних будинків. Все більше і більше гаджетів, зокрема голосових помічників, потребують підключення та аналізу даних у обмеженій мережі. Amazon Alexa та Google Assistant знадобилися б набагато більше часу, щоб знайти відповіді для споживачів, якби вони не мали доступу до децентралізованої обчислювальної потужності.
Іншим типовим прикладом периферійних обчислень є підключені автомобілі. В автобусах і залізницях встановлені комп’ютери для відстеження переміщення пасажирів і надання послуг. Завдяки технологіям на борту своїх транспортних засобів водії служби доставки можуть визначати найефективніші маршрути. При застосуванні стратегії периферійних обчислень кожен транспортний засіб працює на тій самій стандартизованій платформі, що й решта автопарку, що покращує надійність обслуговування та забезпечує безпеку даних у всьому світі.
Іншим прикладом периферійних обчислень є автономні автомобілі, які обробляють величезну кількість даних у реальному часі в середовищі, де підключення може бути переривчастим. Автономні транспортні засоби, як-от безпілотні автомобілі, аналізують дані датчиків на борту автомобіля, щоб зменшити затримку через величезний обсяг даних. Однак вони можуть підключитися до центрального місця для оновлення програмного забезпечення по повітрю.
Граничні обчислення також сприяють безперервній доступності популярних інтернет-сервісів. Мережі доставки вмісту (CDN) розміщують сервери даних поблизу клієнтів, дозволяючи завантаженим веб-сайтам швидко завантажуватися та забезпечуючи швидкі послуги потокового відео.
Переваги
- Граничні обчислення можуть призвести до дешевших, швидших і надійніших послуг. Граничні обчислення забезпечують споживачам швидшу та послідовнішу роботу. Edge передбачає низьку затримку, високодоступні програми з моніторингом у реальному часі для компаній і постачальників послуг.
- Граничні обчислення можуть заощадити витрати на мережу, уникнути обмежень пропускної здатності, скоротити час передачі, усунути збої в обслуговуванні та надати вам більше контролю над передачею конфіденційних даних. Скорочується час завантаження, а онлайн-сервіси наближаються до користувачів, що дозволяє використовувати як динамічне, так і статичне кешування.
- Обчислення на межі приносять переваги додаткам, які мають швидший час реакції, наприклад доповненій реальності та віртуальній реальності.
- Ще однією перевагою периферійних обчислень є здатність проводити аналіз і агрегацію великих даних на місці, що дозволяє приймати рішення майже в реальному часі. Зберігаючи всю цю обчислювальну потужність на локальному рівні, периферійні обчислення ще більше зменшують ймовірність розкриття конфіденційних даних, дозволяючи підприємствам запроваджувати стандарти безпеки та дотримуватися нормативних правил.
- Надійність і економія коштів, пов’язані з периферійними обчисленнями, приносять користь корпоративним клієнтам. Регіональні сайти можуть продовжувати працювати незалежно від основного сайту, зберігаючи потужність обробки на локальному рівні, навіть якщо основний сайт з будь-якої причини вимикається. Зберігаючи обчислювальну потужність ближче до джерела, витрати на оплату смуги пропускання для транспортування даних між основними та регіональними сайтами значно знижуються.
- Гранична платформа може допомогти з уніфікацією операцій і розробки додатків. На відміну від центру обробки даних, він повинен забезпечувати взаємодію, щоб обслуговувати більшу різноманітність апаратних і програмних середовищ. У відкритій екосистемі ефективний підхід також дозволяє продуктам багатьох постачальників працювати разом.
недоліками
- Граничні обчислення розширюють загальну поверхню атаки мережі. Кібератаки можуть використовувати периферійні пристрої як точку входу, що дозволяє зловмиснику вводити шкідливе програмне забезпечення та заразити мережу.
- На жаль, створення ефективної безпеки в розподіленому контексті є складним завданням. Більшість обробки даних відбувається поза межами прямої видимості групи безпеки та центрального сервера. Коли корпорація додає нове обладнання, поверхня атаки також розширюється.
- Ще однією важливою проблемою є вартість периферійних обчислень. Створення інфраструктури є дорогим і складним, якщо корпорація не співпрацює з місцевим партнером. Витрати на технічне обслуговування часто дорогі, оскільки команда повинна підтримувати багато пристроїв у відмінному робочому стані в різних місцях.
Виклики
- Розширити крайові сервери до кількох невеликих сайтів може бути важче, ніж додати ту саму потужність до одного ядра центру обробки даних. Фізичні сайти мають більше накладних витрат, які можуть бути складними для невеликих підприємств.
- Установки периферійних обчислень, як правило, розташовані у віддалених місцях з незначними технологічними знаннями або зовсім без них. Якщо щось піде не так на місці, вам знадобиться інфраструктура, яку можна швидко виправити нетехнічною місцевою робочою силою, а потім централізовано контролювати невеликою групою професіоналів.
- Щоб полегшити керування та забезпечити швидше усунення несправностей, процедури керування сайтом мають бути добре повторюваними на всіх граничних обчислювальних сайтах. Коли програмне забезпечення реалізується по-різному в кожному місці, виникають проблеми.
- Граничні розташування часто менш безпечні, ніж основні сайти з точки зору фізичної безпеки. Граничний підхід повинен враховувати можливість зловмисних або ненавмисних подій.
Висновок
З огляду на те, що Інтернет речей і периферійні обчислення все ще знаходяться в зародковому стані, їх повний потенціал ще далекий. Одночасно вони прискорюють цифрові зміни в різноманітних галузях, а також змінюють повсякденне життя людей у всьому світі.
Експерти очікують, що до 2025 року 75% обробки даних відбуватиметься за межами типового центру обробки даних або хмари. Отримайте перевагу з периферійними обчисленнями, щоб відкрити нові бізнес-можливості, підвищити операційну ефективність і забезпечити стабільний досвід споживачів.
залишити коментар