Edge computing - Edge computing

Edge computing er et distribueret computingparadigme, der bringer beregning og datalagring tættere på datakilderne. Dette forventes at forbedre svartiderne og spare båndbredde . "En almindelig misforståelse er, at edge og IoT er synonyme. Edge computing er en topologi- og placeringsfølsom form for distribueret computing, mens IoT er en use case-instantiering af edge computing." Udtrykket refererer til en arkitektur frem for en bestemt teknologi.

Oprindelsen til edge computing ligger i indholdsleveringsnetværk, der blev oprettet i slutningen af 1990'erne for at betjene web- og videoindhold fra kantservere, der blev implementeret tæt på brugere. I begyndelsen af 2000'erne udviklede disse netværk sig til at være vært for applikationer og applikationskomponenter på kantserverne, hvilket resulterede i de første kommercielle kant-computertjenester, der hostede applikationer såsom forhandlerlokaliseringer, indkøbsvogne, datagruggatorer i realtid og annonceindsættelsesmotorer.

Edge computing infrastruktur

Definition

En definition af edge computing er enhver form for computerprogram, der leverer lav latens nærmere anmodningerne . Karim Arabi, i en IEEE DAC 2014 Keynote og efterfølgende i en inviteret tale på MIT's MTL Seminar i 2015, definerede edge computing bredt som al computing uden for skyen, der sker i kanten af netværket og mere specifikt i applikationer, hvor behandling i realtid data er påkrævet. I hans definition fungerer cloud computing på big data, mens edge computing opererer på "instant data", der er data i realtid genereret af sensorer eller brugere.

Udtrykket bruges ofte synonymt med tåge -computing.

Ifølge rapporten The State of the Edge koncentrerer edge computing sig om servere "i nærheden af det sidste mils netværk." Alex Reznik, formand for ETSI MEC ISG -standardudvalget definerer løst begrebet: "alt, hvad der ikke er et traditionelt datacenter, kan være" kanten "for nogen."

Kantnoder , der bruges til spilstreaming , er kendt som gamelets , som normalt er et eller to humle væk fra klienten. Per Anand og Edwin siger "kantnoden er for det meste et eller to humle væk fra mobilklienten for at imødekomme responstidsbegrænsningerne for spil i realtid" i cloud gaming- konteksten. "

Edge computing kan anvende virtualiseringsteknologi for at gøre det lettere at implementere og køre en lang række applikationer på kantservere.

Koncept

Forventes verdens data til at vokse 61% til 175 ZETTABYTE i 2025. Stigningen i IoT -enheder på kanten af netværket producerer en massiv mængde data - opbevaring og anvendelse af alle disse data i cloud datacentre skubber krav netværk båndbredde til begrænse. På trods af forbedringerne af netværksteknologi kan datacentre ikke garantere acceptable overførselshastigheder og svartider, hvilket dog ofte er et kritisk krav for mange applikationer. Desuden forbruger enheder på kanten konstant data, der kommer fra skyen, hvilket tvinger virksomheder til at decentralisere datalagring og serviceudbydelse og udnytte fysisk nærhed til slutbrugeren.

På lignende måde er målet med edge computing at flytte beregningen væk fra datacentre mod kanten af netværket, udnytte smarte objekter , mobiltelefoner eller netværksgateways til at udføre opgaver og levere tjenester på vegne af skyen. Ved at flytte tjenester til kanten, er det muligt at levere indhold caching , service levering, vedvarende datalagring, og tingenes internet ledelse resulterer i bedre svartider og overførselshastigheder. På samme tid introducerer nye problemer og udfordringer distribution af logikken til forskellige netværksknudepunkter.

Fortrolighed og sikkerhed

Dette paradigms distribuerede karakter introducerer et skift i sikkerhedsordninger, der bruges i cloud computing . I edge computing kan data rejse mellem forskellige distribuerede noder, der er forbundet via Internettet, og kræver derfor særlige krypteringsmekanismer uafhængigt af skyen. Kantnoder kan også være ressourcebegrænsede enheder, hvilket begrænser valget med hensyn til sikkerhedsmetoder. Desuden kræves et skift fra centraliseret top-down infrastruktur til en decentral tillidsmodel. På den anden side, ved at holde og behandle data på kanten, er det muligt at øge privatlivet ved at minimere overførsel af følsomme oplysninger til skyen. Endvidere skifter ejerskabet af indsamlede data fra tjenesteudbydere til slutbrugere.

Skalerbarhed

Skalerbarhed i et distribueret netværk skal stå over for forskellige problemer. For det første skal det tage højde for enhedernes heterogenitet med forskellige ydelses- og energibegrænsninger, den stærkt dynamiske tilstand og forbindelsernes pålidelighed sammenlignet med mere robust infrastruktur i clouddatacentre. Desuden kan sikkerhedskrav indføre yderligere forsinkelse i kommunikationen mellem noder, hvilket kan bremse skaleringsprocessen.

Pålidelighed

Håndtering af failovers er afgørende for at holde en service i live. Hvis en enkelt knude går ned og ikke kan nås, skal brugerne stadig have adgang til en tjeneste uden afbrydelser. Desuden skal edge computing -systemer levere handlinger for at komme sig efter en fejl og advare brugeren om hændelsen. Til dette formål skal hver enhed opretholde netværkstopologien for hele det distribuerede system, så detektering af fejl og gendannelse bliver let anvendelig. Andre faktorer, der kan påvirke dette aspekt, er de anvendte forbindelsesteknologier, som kan give forskellige niveauer af pålidelighed og nøjagtigheden af de data, der produceres ved kanten, som kan være upålidelige på grund af særlige miljøforhold. Som et eksempel kan en kant -computerenhed, såsom en stemmeassistent , fortsat levere service til lokale brugere, selv under cloud -service eller internetafbrydelser.

Hastighed

Edge computing bringer analytiske beregningsressourcer tæt på slutbrugerne og kan derfor øge lydhørheden og gennemstrømningen af applikationer. En veldesignet kantplatform ville væsentligt overgå et traditionelt skybaseret system. Nogle applikationer er afhængige af korte responstider, hvilket gør edge computing til en betydeligt mere mulig løsning end cloud computing. Eksempler spænder fra IoT til autonom kørsel, alt hvad der er relevant for sundhed eller menneskelig / offentlig sikkerhed eller involverer menneskelig opfattelse som ansigtsgenkendelse, hvilket typisk tager et menneske mellem 370-620 ms at udføre. Edge computing er mere tilbøjelig til at efterligne den samme opfattelseshastighed som mennesker, hvilket er nyttigt i applikationer som augmented reality, hvor headsettet helst skal genkende, hvem en person er på samme tid som bæreren gør.

Effektivitet

På grund af de analytiske ressourcers nærhed til slutbrugerne kan sofistikerede analyseværktøjer og kunstig intelligens -værktøjer køre på kanten af systemet. Denne placering ved kanten hjælper med at øge driftseffektiviteten og er ansvarlig for mange fordele ved systemet.

Derudover resulterer brugen af edge computing som et mellemliggende trin mellem klientenheder og det bredere internet i effektivitetsbesparelser, der kan påvises i følgende eksempel: En klientenhed kræver beregningsmæssigt intensiv behandling af videofiler, der skal udføres på eksterne servere. Ved at bruge servere placeret på et lokalt kantnetværk til at udføre disse beregninger, skal videofilerne kun transmitteres i det lokale netværk. At undgå transmission via internettet resulterer i betydelige besparelser på båndbredden og øger derfor effektiviteten. Et andet eksempel er stemmegenkendelse . Hvis genkendelsen udføres lokalt, er det muligt at sende den genkendte tekst til skyen frem for lydoptagelser, hvilket reducerer mængden af påkrævet båndbredde betydeligt.

Ansøgninger

Edge -applikationstjenester reducerer mængden af data, der skal flyttes, den deraf følgende trafik og den afstand, som data skal tilbagelægge. Det giver lavere latenstid og reducerer transmissionsomkostninger. Computation offloading for real-time applikationer, såsom ansigtsgenkendelsesalgoritmer, viste betydelige forbedringer i svartider, som demonstreret i tidlig forskning. Yderligere forskning viste, at brug af ressourcerige maskiner kaldet cloudlets i nærheden af mobilbrugere, der tilbyder tjenester, der typisk findes i skyen, gav forbedringer i udførelsestiden, når nogle af opgaverne blev aflæsset til kantnoden. På den anden side kan aflæsning af hver opgave resultere i en afmatning på grund af overførselstider mellem enhed og noder, så afhængig af arbejdsbyrden kan en optimal konfiguration defineres.

En anden brug af arkitekturen er cloud gaming, hvor nogle aspekter af et spil kunne køre i skyen, mens den gengivne video overføres til lette klienter, der kører på enheder som mobiltelefoner, VR -briller osv. Denne type streaming er også kendt som pixelstreaming .

Andre bemærkelsesværdige applikationer omfatter tilsluttede biler , autonome biler , intelligente byer , industri 4,0 (intelligent industri), og home automation -systemer.

Languages

In other projects