Edge computing - Edge computing

Edge computing je paradigma distribuovaných počítačů, které přináší výpočet a ukládání dat blíže ke zdrojům dat. Očekává se, že se tím zlepší doba odezvy a ušetří se šířka pásma . "Běžná mylná představa je, že edge a IoT jsou synonyma. Edge computing je forma distribuovaného výpočtu citlivá na topologii a umístění, zatímco IoT je instancí použití edge computingu pro případ použití." Termín odkazuje spíše na architekturu než na konkrétní technologii.

Počátky edge computingu spočívají v sítích pro doručování obsahu, které byly vytvořeny na konci devadesátých let, aby sloužily webovému a video obsahu z okrajových serverů, které byly nasazeny blízko uživatelů. Na počátku dvacátých let se tyto sítě vyvinuly tak, aby hostovaly aplikace a aplikační komponenty na okrajových serverech, což vedlo k první komerční edge computingové službě, která hostovala aplikace, jako jsou lokátory prodejců, nákupní vozíky, agregátory dat v reálném čase a motory pro vkládání reklam.

Edge výpočetní infrastruktura

Definice

Jednou z definic edge computingu je jakýkoli typ počítačového programu, který přináší nízkou latenci blíže k požadavkům . Karim Arabi, v Keynote IEEE DAC 2014 a následně v pozvané řeči na MTL Seminar MIT v roce 2015, definoval edge computing široce jako všechny počítače mimo cloud odehrávající se na okraji sítě, a konkrétněji v aplikacích, kde zpracování v reálném čase dat je vyžadováno. Podle jeho definice funguje cloud computing na velkých datech, zatímco edge computing funguje na „okamžitých datech“, což jsou data v reálném čase generovaná senzory nebo uživateli.

Termín je často používán synonymně s mlhovým výpočtem.

Podle zprávy The State of the Edge se edge computing soustředí na servery „v blízkosti sítě poslední míle“. Alex Reznik, předseda výboru pro standardy ETSI MEC ISG, volně definuje termín: „cokoli, co není tradiční datové centrum, může být pro někoho„ hranou “.

Okrajové uzly používané pro streamování her jsou známé jako gamelety , které jsou obvykle vzdáleny jeden nebo dva skoky od klienta. Per Anand a Edwin říkají, že „okrajový uzel je většinou jeden nebo dva skoky od mobilního klienta, aby splňoval omezení doby odezvy u her v reálném čase v kontextu cloudových her “.

Edge computing může využívat virtualizační technologii, aby bylo snazší nasadit a provozovat širokou škálu aplikací na hraničních serverech.

Pojem

Očekává se, že světová data do roku 2025 narostou o 61% na 175 zettabytů. Nárůst IoT zařízení na okraji sítě produkuje obrovské množství dat - ukládání a používání všech těchto dat v cloudových datových centrech posouvá požadavky na šířku pásma sítě na omezit. Navzdory vylepšením síťové technologie nemohou datová centra zaručit přijatelné přenosové rychlosti a doby odezvy, což je však často kritický požadavek pro mnoho aplikací. Zařízení na okraji navíc neustále spotřebovávají data přicházející z cloudu, což nutí společnosti decentralizovat ukládání dat a poskytování služeb a využívat fyzickou blízkost ke koncovému uživateli.

Podobným způsobem je cílem edge computingu přesunout výpočet od datových center směrem k okraji sítě, využívat inteligentní objekty , mobilní telefony nebo síťové brány k plnění úkolů a poskytování služeb jménem cloudu. Přesunutím služeb na hranu je možné zajistit ukládání obsahu do mezipaměti , poskytování služeb, trvalé ukládání dat a správu IoT, což má za následek lepší doby odezvy a přenosové rychlosti. Distribuce logiky do různých síťových uzlů zároveň přináší nové problémy a výzvy.

Ochrana soukromí a zabezpečení

Distribuovaná povaha tohoto paradigmatu přináší posun v bezpečnostních schématech používaných v cloud computingu . V edge computingu mohou data cestovat mezi různými distribuovanými uzly připojenými přes internet, a proto vyžadují speciální šifrovací mechanismy nezávislé na cloudu. Okrajové uzly mohou být také zařízeními omezenými na zdroje, což omezuje výběr z hlediska bezpečnostních metod. Kromě toho je zapotřebí přechod od centralizované infrastruktury shora dolů k decentralizovanému modelu důvěry. Na druhou stranu, udržováním a zpracováním dat na hraně je možné zvýšit soukromí minimalizací přenosu citlivých informací do cloudu. Vlastnictví shromážděných údajů se navíc přesouvá z poskytovatelů služeb na koncové uživatele.

Škálovatelnost

Škálovatelnost v distribuované síti musí čelit různým problémům. Za prvé musí vzít v úvahu heterogenitu zařízení s různým omezením výkonu a energie, vysoce dynamické podmínky a spolehlivost připojení ve srovnání s robustnější infrastrukturou cloudových datových center. Bezpečnostní požadavky navíc mohou zavést další latenci v komunikaci mezi uzly, což může zpomalit proces škálování.

Spolehlivost

Správa převzetí služeb při selhání je klíčová, aby byla služba naživu. Pokud jeden uzel spadne a je nedostupný, uživatelé by měli mít i nadále přístup ke službě bez přerušení. Systémy edge computingu navíc musí poskytovat akce k obnovení po selhání a upozornění uživatele na incident. Za tímto účelem musí každé zařízení udržovat síťovou topologii celého distribuovaného systému, aby detekce chyb a obnova byly snadno použitelné. Dalšími faktory, které mohou tento aspekt ovlivnit, jsou používané technologie připojení, které mohou poskytovat různé úrovně spolehlivosti a přesnost dat vytvořených na okraji, která by mohla být nespolehlivá kvůli konkrétním podmínkám prostředí. Například zařízení edge computing, například hlasový asistent, může nadále poskytovat služby místním uživatelům i během cloudových služeb nebo výpadků internetu.

Rychlost

Edge computing přibližuje analytické výpočetní prostředky koncovým uživatelům, a proto může zvýšit odezvu a propustnost aplikací. Dobře navržená platforma edge by výrazně překonala tradiční cloudový systém. Některé aplikace spoléhají na krátkou dobu odezvy, díky čemuž je edge computing výrazně proveditelnější možností než cloud computing. Příklady sahají od IoT po autonomní řízení, cokoli, co je důležité pro zdraví nebo bezpečnost lidí nebo veřejnosti, nebo zahrnuje lidské vnímání, jako je rozpoznávání obličeje, jehož provedení člověku obvykle trvá 370–620 ms. Edge computing je pravděpodobnější, že bude schopen napodobit stejnou rychlost vnímání jako lidé, což je užitečné v aplikacích, jako je rozšířená realita, kde by náhlavní souprava měla nejlépe rozpoznat, kdo je osoba, ve stejnou dobu jako její uživatel.

Účinnost

Vzhledem k blízkosti analytických zdrojů ke koncovým uživatelům mohou sofistikované analytické nástroje a nástroje umělé inteligence běžet na okraji systému. Toto umístění na okraji pomáhá zvýšit provozní efektivitu a je zodpovědné za mnoho výhod systému.

Využití edge computingu jako mezistupně mezi klientskými zařízeními a širším internetem navíc přináší úspory efektivity, které lze demonstrovat na následujícím příkladu: Klientské zařízení vyžaduje, aby výpočetně náročné zpracování video souborů bylo prováděno na externích serverech. Pomocí serverů umístěných v lokální okrajové síti k provádění těchto výpočtů je třeba videosoubory přenášet pouze v místní síti. Vyhnutí se přenosu přes internet má za následek značné úspory šířky pásma, a proto zvyšuje účinnost. Dalším příkladem je rozpoznávání hlasu . Pokud je rozpoznávání prováděno lokálně, je možné rozpoznaný text posílat spíše do cloudu než do zvukových záznamů, což výrazně snižuje množství požadované šířky pásma.

Aplikace

Služby aplikace Edge snižují objemy dat, která je třeba přesouvat, následný provoz a vzdálenost, kterou musí data urazit. To poskytuje nižší latenci a snižuje náklady na přenos. Vyrovnávání zátěže výpočetní techniky pro aplikace v reálném čase, jako jsou algoritmy rozpoznávání obličeje, ukázalo značné zlepšení reakčních časů, jak bylo prokázáno v raném výzkumu. Další výzkum ukázal, že používání strojů bohatých na zdroje, nazývaných cloudlety, v blízkosti mobilních uživatelů, které nabízejí služby, které se obvykle nacházejí v cloudu, poskytlo zlepšení doby provádění, když jsou některé úlohy vykládány do okrajového uzlu. Na druhou stranu, vyložení každého úkolu může mít za následek zpomalení v důsledku přenosových časů mezi zařízením a uzly, takže v závislosti na vytížení lze definovat optimální konfiguraci.

Dalším využitím architektury je cloudové hraní, kde by některé aspekty hry mohly běžet v cloudu, zatímco vykreslené video se přenáší do lehkých klientů běžících na zařízeních, jako jsou mobilní telefony, brýle VR atd. Tento typ streamování je také známý jako streamování pixelů .

Mezi další pozoruhodné aplikace patří propojená auta , autonomní auta , chytrá města , Průmysl 4.0 (chytrý průmysl) a systémy domácí automatizace .

Viz také

Reference