Malu skaitļošana: kas tas ir? Ieguvumi, riski un daudz kas cits

Edge skaitļošana ir sadalītas skaitļošanas sistēma, kas tuvina uzņēmuma programmatūras skaitļošanas un datu uzglabāšanas iespējas lietotājiem vai datu avotiem.

Malu skaitļošanas mērķis ir samazināt latentumu starp lietotāju un serveri, kā arī samazināt lietojumprogrammas joslas platuma lietojumu. Tiek lēsts, ka 175 Zetabaiti datu līdz 2025. gadam tiks ģenerēti visā pasaulē, un malas ierīces veidos vairāk nekā pusi no kopējā apjoma.

Malu skaitļošana nav standartizēta tehnoloģija, drīzāk tā ir arhitektoniska pieeja, metode datu centru un mākoņsistēmu tālākai optimizēšanai.

Šajā rakstā aplūkota malu skaitļošana, ko tā nozīmē internetam kopumā, infrastruktūrai un turpmāko lietojumprogrammu izstrādei.

Īsa vēsture

Agrīnais internets bija vienkāršs – jūs izveidojāt serveri, un apmeklētāji ieradās. Taču, tīmeklim augot un iekļāvot smagu multivides saturu, piemēram, videoklipus, serveri sāka pārslogot, joslas platumi tika aizsērēti un latentums palielinājās.

Lai atrisinātu problēmu, satura piegādes tīkli attīstījās, lai nodrošinātu ģeniālu, taču praktisku risinājumu. Jūs varētu uzturēt savu vietni tādu, kāda tā bija, taču izmantot ārpakalpojumus lielu datu, piemēram, video, piegādei. Satura piegādes tīkli atrodas vairākās vietās, padarot pat mazākiem uzņēmumiem vieglāk un lētāk optimizēt savu vietņu pieredzi.

Ja lietotājs apmeklē šādu optimizētu vietni, uzņēmuma serveris parādīs tīmekļa lapu kā parasti. Tomēr, ja lapā ir daudz datu, tās atrašanās vieta vienkārši tiks iekļauta tīmekļa lapas kodā, lai lapa varētu ielādēt lielos datus tieši no šīs vietas.

Rezultātā viss tiek ielādēts ātrāk, jo satura piegādes tīkls, no kura pārlūkprogramma ielādē video, ir tuvāk lietotājam nekā uzņēmuma sākotnējais serveris.

Malu skaitļošana ir šīs metodes tālāka attīstība. Šeit lietotājam tiek tuvināts laika kritisko vai latentuma nepanesošu uzdevumu aprēķins, jo interneta lietotāji un pievienotās ierīces ražo vairāk datu nekā jebkad agrāk.

Kā darbojas malu skaitļošana

Malu skaitļošana ir slānis starp interneta lietotāju un vietnes datu centru vai mākoni. Mala ir jebkura skaitļošanas infrastruktūra, kas ir tuvāk lietotājam nekā mākoņdatu centrs. Uzņēmuma lietojumprogrammas tiek automātiski izvietotas, atjauninātas un pārtrauktas.

Kā tehnoloģijai malu skaitļošanai nav standarta, kas nozīmē, ka dažādi uzņēmumi to ievieš savā unikālajā veidā. Tomēr, lai ieviestu malu skaitļošanu, ir nepieciešamas šādas funkcijas.

• mākonis – Jūsu pamata skaitļošanas sistēma. Var būt tāds pakalpojums kā AWS, Google Cloud vai jūsu privātais mākonis.
  
• Malu mezgli - Šī ir jebkura aparatūras sistēma, kas var izpildīt kodu un izveidot savienojumu ar mākoņdatu centru, izmantojot internetu.
  
• Pārvaldības platforma – Programmatūras lietojumprogramma vai operētājsistēma programmatūras izvietošanas un administrēšanas pārvaldībai visos malas mezglos un mākonī.
  
• Automatizācija - Slodzes līdzsvarošana starp mākoņa un malu mezgliem. Sistēma, kas izvieto un pārtrauc pareizo lietojumprogrammu labās malas mezglā, kad nepieciešams un bez cilvēka ieguldījuma. Šeit ieguvējas ir tādas konteineru veidošanas pieejas kā Kubernetes.

Ir divi veidi, kā ieviest malu skaitļošanu:

1. Mākonis pakalpojumi - Galvenās mākoņdatošanas platformas no Google mākonis uz AWS un Debeszils visiem ir integrēti pakalpojumi, kas atvieglo malu skaitļošanas ieviešanu.
   
2. DIY arhitektūra – Šeit jums pašam būs jāiestata aparatūras un programmatūras serveru sistēmas. Red Hat piedāvā hibrīda mākoņu operētājsistēmu ar nosaukumu openshift un vieglāka versija ar nosaukumu Ierīces mala kas ir ideāli piemērots malu mezglu izveidošanai.

Edge Computing priekšrocības

Iespējai mitināt jūsu lietojumprogrammas ir daudz priekšrocību plašam lietojumu klāstam. Šīs priekšrocības ietver:

1. Latenta samazināšana – Malu skaitļošanas mezgli, kas atrodas tuvāk malas ierīcēm, nozīmē mazāku latentumu (laiku, kas nepieciešams datu pārejai no ierīces uz serveri un atpakaļ).
   
2. Uzlabota darbības efektivitāte – Izmantojot zemākas latentuma priekšrocības malās un apvienojot to ar maksimālajiem mākoņa skaitļošanas resursiem, sistēmas efektivitāti var palielināt.
   
3. Uzlabota uzticamība – Sistēmas, kas izmanto gan galveno mākoni, gan malu mezglus, tādējādi ir elastīgākas un uzticamākas.
   
4. Zemākas joslas platuma izmaksas – Ja nav jāsūta tik daudz datu pa internetu uz uzņēmuma mākoņdatu centru, tas var nozīmēt ievērojamus izmaksu ietaupījumus atkarībā no lietojumprogrammas.
   
5. Atbilstība noteikumiem – Iespēja nodrošināt lietotāju datu apstrādi lietotāja atrašanās vietā var palīdzēt uzņēmumiem ievērot datu privātuma noteikumus.

Izaicinājumi un riski

Malu skaitļošanai ir arī savi izaicinājumi, un galvenie no tiem ietver:

1. Lielāka uzbrukuma virsma – Sistēma, kas ir izkliedēta vairākos mezglos, rada lielāku virsmu iespējamiem uzbrukumiem. Tas var būt no infrastruktūras drošības līdz lietotāju privātuma problēmām.
   
2. Paaugstināti drošības izaicinājumi – Infrastruktūras uzturēšana vairākās vietās rada lielākas drošības problēmas nekā, piemēram, viena datu centra fiziska aizsardzība.
   
3. Ierobežota skaitļošanas jauda - Tipiskā malu infrastruktūra piedāvā daudz mazāk skaitļošanas iespēju nekā mākoņa vide, padarot mākonis par vienu no populārākajām lietojumprogrammām, kas prasa daudz skaitļošanas.

Edge skaitļošana pret mākoņdatošanu

Mala ir daļa no mākoņa. Tas ir līdzīgs pakalpojums, kas ir fiziski tuvāk lietotājam, mākoņa paplašinājums, kas uzlabo skaitļošanas efektivitāti, apstrādājot laikā kritiskus uzdevumus.

Jums nevar būt malas arhitektūra, ja vispirms nav mākoņa. Turklāt mākonim ir savas priekšrocības salīdzinājumā ar malām, ja laika un latentuma problēmas nav kritiskas.

Malu skaitļošana pret mākslīgo intelektu

Dažas mākslīgais intelekts lietojumprogrammas, piemēram, drošības un ID sistēmas, var gūt milzīgu labumu no zema latentuma tīkliem. Malu skaitļošana ļauj darbināt mašīnmācīšanās modeļus tieši malu ierīcēm, kas ģenerē datus.

Priekšrocības ietver ātrāku reakcijas laiku, mazāku joslas platuma patēriņu un uzlabotu drošību. Malu skaitļošana un AI ir savstarpēji papildinošas tehnoloģijas, kas, iespējams, turpinās viena otru stiprināt.

Edge Computing vs 5G tīkli

5G tīkli sola lielāku ātrumu un mazāku latentumu, taču vidējais maršruts no lietotāja uz mākoņdatu centru un atpakaļ uz lietotāju aizņem 100–300 ms. Tas nozīmē, ka 5G tīkli paši par sevi var piedāvāt tikai lielāku ātrumu, bet ne mazāku latentumu.

Lai samazinātu latentuma laiku, 5G tīkliem ir nepieciešama malu skaitļošanas integrācija, lai sasniegtu 10–20 ms latentumu, kas tiem liktu spīdēt. Tikai ar šiem zemākiem latentumiem autonomie transportlīdzekļi, rūpnieciskās mašīnas un daudzas citas reālās pasaules lietojumprogrammas kļūs dzīvotspējīgas.

Populāras Edge ierīces

Edge ierīces apkopo un apstrādā datus lokāli, vienlaikus mijiedarbojoties ar savu fizisko vidi vai veicot citas noderīgas funkcijas.

Tālāk ir norādīti populāri ierīču veidi, kas var gūt labumu no malu skaitļošanas arhitektūras:

1. Viedie skaļruņi
2. Mobilie telefoni
3. Roboti
4. Viedpulksteņi
5. Lietu interneta (IoT) ierīces
6. Autonomi transportlīdzekļi
7. Tirdzniecības vietas (POS) sistēmas

Edge skaitļošanas lietojumprogrammas

Plašs nozaru klāsts var gūt labumu no malu skaitļošanas integrācijas. Šeit ir daži:

1. Viedie tīkli efektīvai elektroenerģijas ražošanai un sadalei.
2. Viedās mājas, kas apmierina to iemītnieku vajadzības.
3. Viedās pilsētas ar infrastruktūras uzraudzības, transporta un drošības lietojumprogrammām.
4. Mūsdienīgas lauksaimniecības sistēmas ar IoT sensoriem un klimata kontroli, lai palielinātu ražu.
5. Satiksmes vadība pilsētās.
6. Autonomie navigācijas pakalpojumi droniem, automašīnām un militārām vajadzībām.
7. Attālā aktīvu uzraudzība, piemēram, naftas un gāzes iekārtas.
8. Ražošanas rūpnīcas, kas integrē nozares 4.0 principus.
9. Mazumtirdzniecības veikalu un preču noliktavu vadība.
10. Pacientu uzraudzības sistēmas slimnīcām.
11. Prognozējoša augsto tehnoloģiju produktu, piemēram, dzinēju, apkope.
12. Runas un audio apstrādes lietojumprogrammas.
13. Mašīnmācīšanās lietojumprogrammas.
14. Virtuālās un paplašinātās realitātes sistēmas.
15. Uzlabotas drošības lietojumprogrammas.
16. Straumēšanas un satura piegādes pakalpojumi.

Infrastruktūra un pakalpojumu sniedzēji

Atkarībā no tā, kādā veidā vēlaties izmantot malu skaitļošanu, pastāv dažādi pakalpojumu sniedzēji ar unikāliem risinājumiem. Šeit ir populārākie uzņēmumi.

• KubeEdge - Atvērtā koda konteinerizācijas risinājums malas ierīcēm.
• Red Hat OpenShift - Izkliedētā mākoņa operētājsistēma.
• Alef Private Edge – Plug-and-play malas kā pakalpojuma piedāvājums.
• Azure IoT Edge - IoT Edge no Microsoft.
• Google mākonis - Pilnībā pārvaldīta mākoņdatošana un malu skaitļošana kā pakalpojums.
• ClearBlade – Edge skaitļošanas programmatūras risinājums.

Bieži uzdotie jautājumi (FAQ)

Secinājumi

Sasniedzot šīs malu skaitļošanas un tās daudzo priekšrocību un lietojumu izpētes beigas, ir jābūt skaidram, ka prakse ir palikusi, un tā var tikai attīstīties.

Lai gan dažādām nozarēm var būt atšķirīgas vajadzības, iespējams, jūsu organizācijas interesēs ir atrast veidus, kā izmantot malu skaitļošanu, pirms to dara konkurenti.