Что такое периферийные вычисления и их значение в будущем?

Я уверен, что все вы пользуетесь голосовыми помощниками, такими как Алекса, Сири и т. Д. Предположим, вы спросите Алексу, какая сегодня погода? Alexa обработает ваш запрос в облаке, отправив сжатый файл вашей речи в облако, которое затем будет распаковано, и ваш запрос будет разрешен путем получения необходимой информации с сайта погоды, а затем ответ будет возвращен из облака. Это большие усилия, чтобы узнать погоду, когда можно было просто выглянуть на улицу! Но шутки в сторону, для одной Alexa может быть легко передать ваш запрос в облако через сеть, но как насчет тысяч других Alexa, которые также передают данные. А как насчет миллионов других устройств IoT, которые также передают данные из облака и получают данные взамен?

Что ж, это возраст данных, и данные генерируются на экспоненциальном уровне. Устройства IoT генерируют множество данных, которые доставляются обратно в облако через Интернет. Точно так же устройства IoT также получают доступ к данным из облака. Однако, если физические устройства хранения данных для облака находятся далеко от места сбора данных, передача этих данных является очень дорогостоящей, поскольку затраты на полосу пропускания безумны, а также существует более высокая задержка данных. Вот где на помощь приходят Edge Computing!

Что такое пограничные вычисления?

Edge Computing гарантирует, что вычислительные центры и центры хранения данных будут ближе к краю топологии. Но в конце концов, что это за край? Это немного нечетко! Край может быть границей сети, где устройство взаимодействует с Интернетом или где локальная сеть, содержащая устройство, взаимодействует с Интернетом. Какой бы ни была граница, важной частью периферийных вычислений является то, что вычислительные центры и центры хранения данных географически расположены близко к устройствам, на которых данные создаются или где они потребляются.

Это лучшая альтернатива, чем размещение этих центров хранения в центральном географическом месте, которое на самом деле находится за тысячи миль от данных, которые производятся или используются. Граничные вычисления гарантируют отсутствие задержек в данных, которые могут повлиять на производительность приложения, что еще более важно для данных в реальном времени. Он также обрабатывает и хранит данные локально на устройствах хранения, а не в центральных облачных хранилищах, что означает, что компании также экономят деньги на передаче данных.

Преимущества пограничных вычислений

Давайте посмотрим на некоторые преимущества пограничных вычислений:

1. Уменьшение задержки

Граничные вычисления могут уменьшить задержку для устройств, поскольку данные обрабатываются и хранятся ближе к устройству, на котором они создаются, а не в удаленном центре хранения данных. Возьмем приведенный выше пример личных помощников. Если ваш личный помощник должен отправить ваш запрос в облако, а затем связаться с сервером данных в какой-либо части мира, чтобы получить нужный вам ответ, а затем передать этот ответ вам, это займет намного больше времени. Теперь, если используются периферийные вычисления, задержки будут меньше, поскольку личный помощник может легко получить ваш ответ из ближайшего центра хранения данных. Это все равно, что пробежать полмира или бежать к краю своего города. Что быстрее ?!

2. Снижение затрат на пропускную способность.

В наши дни все устройства, установленные в домах и офисах, такие как камеры, принтеры, термостаты, кондиционеры или даже тостеры, являются интеллектуальными устройствами! Фактически, к 2025 году во всем мире может быть установлено около 75 миллиардов устройств Интернета вещей. Все эти устройства Интернета вещей генерируют большое количество данных, которые передаются в облако и удаленные центры хранения данных. Это требует большой пропускной способности. Но есть только ограниченная пропускная способность и другие облачные ресурсы, и все они дороги. В таком сценарии Edge Computing - это бог, посланный, поскольку он обрабатывает и хранит данные локально, а не в центральных облачных хранилищах, что означает, что компании также экономят деньги на расходах на пропускную способность.

3. Снижение сетевого трафика.

Как мы уже видели, в настоящее время доступно безумное количество IoT-устройств с прогнозируемым увеличением до 75 миллиардов в 2025 году. Когда эти многие IoT-устройства генерируют данные, которые передаются в облако и из него, естественно, увеличивается сеть. трафик, который приводит к возникновению узких мест в данных и увеличению нагрузки на облако. Представьте, что на оживленном шоссе много машин? Что случится? Большие пробки и много времени, чтобы добраться куда угодно. Именно это и происходит здесь! Этот сетевой трафик приводит к увеличению задержки данных. Таким образом, лучшим решением является использование периферийных вычислений, которые обрабатывают и хранят данные локально, а не в удаленных облачных центрах хранения данных. Если данные хранятся локально, доступ к ним будет намного проще, что приведет к уменьшению глобального сетевого трафика и уменьшению задержки данных.

Недостатки пограничных вычислений

Давайте посмотрим на некоторые недостатки Edge Computing:

1. Снижение конфиденциальности и безопасности

Пограничные вычисления могут привести к проблемам с безопасностью данных. Намного проще защитить данные, которые хранятся вместе в централизованной или облачной системе, по сравнению с данными, которые хранятся в разных периферийных системах в мире. Это та же концепция, что гораздо проще обезопасить кучу денег в одном месте с помощью лучших передовых технологий, чем обезопасить кучу денег меньшего размера при том же уровне эффективности. Таким образом, компании, использующие пограничные вычисления, должны вдвойне заботиться о безопасности и использовать шифрование данных, VPN-туннелирование, методы контроля доступа и т. Д., Чтобы обеспечить безопасность данных.

2. Повышенные затраты на оборудование.

Для пограничных вычислений необходимо, чтобы данные хранились локально в центрах хранения, а не в центральных облачных хранилищах. Но для этого также требуется гораздо больше локального оборудования. Например, в то время как IoT-камере просто требуется базовая сборка оборудования на локальном уровне, чтобы отправлять необработанные видеоданные на облачный веб-сервер, где для анализа и сохранения этого видео используются гораздо более сложные системы. Но если используются пограничные вычисления, то для локального анализа и сохранения этого видео потребуется сложный компьютер с большей вычислительной мощностью. Однако хорошая новость заключается в том, что цены на оборудование постоянно снижаются, а это означает, что теперь гораздо проще создавать сложное оборудование на месте.

Применение граничных вычислений в различных отраслях

1. Здравоохранение

В сфере здравоохранения существует множество носимых устройств IoT, таких как фитнес-трекеры, умные часы для мониторинга сердечного ритма, мониторы глюкозы и т. Д. Все эти устройства каждую секунду собирают данные, которые затем анализируются для получения информации. Но это бесполезно, если анализ данных в реальном времени идет медленно. Предположим, что кардиомонитор собирает данные о сердечном приступе, но для их анализа требуется немного времени? Это может быть катастрофой! Вот почему пограничные вычисления так важны в здравоохранении, чтобы можно было мгновенно анализировать и понимать данные. Примером этого является GE Healthcare, компания, которая использует чипы NVIDIA в своих медицинских устройствах для использования периферийных вычислений для улучшения обработки данных.

2. Транспорт

Периферийные вычисления находят множество применений в транспортной отрасли, особенно в самоуправляемых автомобилях. Этим автономным автомобилям требуется множество датчиков, начиная от камер с обзором на 360 градусов, датчиков движения, систем на основе радаров, GPS и т. Д., Чтобы убедиться, что они работают правильно. И если данные с этих датчиков передаются в облачную систему для анализа, а затем извлекаются датчиками, это может привести к задержке во времени, которая может быть фатальной для беспилотного автомобиля. За время, необходимое для анализа данных, перед которым стоит дерево, автомобиль может даже врезаться в это дерево! Таким образом, пограничные вычисления очень полезны в автономных автомобилях, поскольку данные могут анализироваться из близлежащих центров обработки данных, что сокращает задержку во времени в автомобиле.

3. Розничная торговля

Многие розничные магазины в наши дни становятся технически подкованными! Это означает, что покупатели могут зайти в магазин с помощью приложения для телефона или QR-кода и начать выбирать все, что они хотят купить. Затем покупатели могут просто выйти из магазина, и цена всего, что они купили, будет автоматически вычтена с их баланса. Магазины могут делать это, используя комбинацию датчиков движения и камер для анализа того, что покупают все покупатели. Но для этого также требуются пограничные вычисления, так как из-за большой задержки в анализе данных клиенты могут просто забрать вещи и уйти бесплатно! Одним из примеров этого является магазин Amazon Go, который был впервые запущен в январе 2018 года.