Edge Computing چیست؟

در دنیای داده‌محور امروزی، جایی که کسب‌وکارها برای تصمیم‌گیری‌های حیاتی به اطلاعات بلادرنگ تکیه می‌کنند، Edge Computing یا محاسبات لبه به فناوری منتخب تبدیل شده است. با انتقال بخشی از محاسبات و منابع ذخیره‌سازی از یک مرکز داده مرکزی و نزدیک‌تر شدن به منبع داده، مشکلات تاخیر، محدودیت‌های پهنای باند و اختلالات شبکه تا حد زیادی به حداقل می‌رسد.

با Edge Computing، داده‌های تولید شده در یک کارخانه یا فروشگاه خرده فروشی در لبه شبکه و در داخل محل، پردازش و تجزیه و تحلیل می‌شوند. از آنجایی که داده‌ها در سراسر شبکه جابجا نمی‌شوند، سرعت در این رویکرد یک مزیت آشکار است. این به تجزیه و تحلیل فوری داده‌ها، پاسخ سریع‌تر توسط پرسنل سایت و تصمیم گیری در لحظه منجر می‌شود.

Edge Computing چگونه کار می‌کند؟

Edge Computing قدرت محاسباتی را به منبع داده نزدیک‌تر می‌کند، جایی که حسگرها و سایر ابزارهای جمع آوری داده در آن قرار دارند. کل فرآیند محاسبات لبه در دستگاه‌های هوشمندی انجام می‌شود که پردازش داده‌های مختلف جمع‌آوری‌شده را قبل از اتصال دستگاه‌ها به اینترنت اشیا سرعت می‌بخشند.

هدف از Edge Computing افزایش کارایی است. به جای ارسال تمام داده‌های جمع آوری شده توسط حسگرها به برنامه‌های کاربردی سازمانی برای پردازش، دستگاه‌های لبه محاسبات را انجام می‌دهند و فقط داده‌های مهم را برای تجزیه و تحلیل یا ذخیره‌سازی بیشتر ارسال می‌کنند. این به لطف هوش مصنوعی لبه، یعنی هوش مصنوعی در لبه امکان پذیر است.

پس از اینکه دستگاه‌های لبه محاسبه داده‌ها را با کمک هوش مصنوعی لبه انجام می‌دهند، این دستگاه‌ها داده‌های جمع‌آوری‌شده یا نتایج به‌دست‌آمده را در دسته‌های مختلف گروه‌بندی می‌کنند. سه دسته اصلی عبارتند از:

  • داده‌هایی که نیازی به اقدام بیشتر ندارند و نباید ذخیره یا به برنامه‌های سازمانی منتقل شوند.
  • داده‌هایی که باید برای تجزیه و تحلیل بیشتر یا نگهداری سوابق نگهداری شوند.
  • داده‌هایی که نیاز به پاسخ فوری دارند.

Edge Computing

کار Edge Computing این است که بین این مجموعه داده‌ها تمایز قائل شود و سطح پاسخ و عمل مورد نیاز را شناسایی کند، سپس بر اساس آن عمل کند. بسته به قدرت محاسباتی دستگاه لبه و پیچیدگی داده‌های جمع‌آوری‌شده، دستگاه ممکن است بر روی داده‌های پرت کار کند و پاسخی بی‌درنگ ارائه دهد. یا آن را برای تجزیه و تحلیل بیشتر در لحظه با بازیابی فوری نتایج به برنامه سازمانی ارسال کنید. از آنجایی که تنها مجموعه داده‌های مهم و فوری از طریق شبکه ارسال می‌شوند، نیاز به پهنای باند کاهش یافته است. این منجر به صرفه جویی قابل توجهی در هزینه‌ها، به خصوص با شبکه‌های سلولی بی‌سیم (مانند شبکه تلفن همراه) می‌شود.

چرا باید از Edge Computing استفاده کرد؟

دلایل متعددی وجود دارد که چرا Edge Computing برنده نبرد محبوبیت در دنیای محاسبات سازمانی است. ابتکارات تحول دیجیتال، از روباتیک و اتوماسیون پیشرفته گرفته تا هوش مصنوعی و تجزیه و تحلیل داده‌ها، همگی یک چیز مشترک دارند – آن‌ها تا حد زیادی به داده‌ها وابسته هستند. بیشتر صنایعی که از این فناوری‌ها استفاده می‌کنند، به زمان نیز حساس هستند، به این معنی که داده‌هایی که تولید می‌کنند در عرض چند دقیقه، اگر نگوییم چند ثانیه، بی‌اهمیت می‌شوند.

مقاله پیشنهادی: Fog Computing چیست؟

حجم زیاد داده‌ای که در حال حاضر توسط دستگاه‌های اینترنت اشیا تولید می‌شود، یک مدل محاسباتی مشترک را به دلیل ازدحام سیستم و اختلال در شبکه تحت فشار قرار می‌دهد. این منجر به خسارات مالی، صدمات و خسارات پرهزینه برای برنامه‌های حساس به زمان و اختلال می‌شود. جذابیت Edge Computing اغلب به سه چالش شبکه‌ای که به دنبال حل آن است محدود می‌شود. این موارد عبارتند از:

تأخیر – تأخیر در ارتباط بین دستگاه‌ها و شبکه، تصمیم گیری را در برنامه‌های حساس به زمان، به تأخیر می‌اندازد. Edge Computing این مشکل را با استفاده از یک شبکه توزیع‌شده‌تر حل می‌کند، که تضمین می‌کند در انتقال و پردازش اطلاعات بلادرنگ هیچ قطع ارتباطی وجود ندارد. این ویژگی یک شبکه قابل اعتمادتر و سازگارتر را در اختیار کاربران قرار می‌دهد.

پهنای باند – هر شبکه پهنای باند محدودی دارد، به ویژه ارتباطات بی سیم. Edge Computing محدودیت‌های پهنای باند را با پردازش حجم عظیمی از داده‌ها در نزدیکی لبه شبکه حل می‌کند و سپس تنها مرتبط‌ترین اطلاعات را از طریق شبکه ارسال می‌کند. این امر حجم داده‌هایی را که نیاز به اتصال سلولی دارند به حداقل می‌رساند.

انطباق با داده‌ها و حاکمیت – سازمان‌هایی که داده‌های حساس را مدیریت می‌کنند، مشمول مقررات داده‌های کشورهای مختلف هستند. با پردازش این مجموعه از داده‌ها در نزدیکی منبع، این شرکت‌ها می‌توانند داده‌های حساس مشتری/کارمند را در داخل مرزهای خود نگه دارند و از این رو از انطباق با قوانین اطمینان حاصل کنند.

موارد استفاده Edge Computing

در طول سال‌ها، مراکز داده لبه به لطف پذیرش سریع فناوری و مزایای پردازش داده‌ها در لبه شبکه، موارد استفاده متعددی را در صنایع پیدا کرده‌اند. در حالت ایده‌آل، هر برنامه‌ای که نیاز به انتقال مقادیر زیادی داده به یک مرکز داده متمرکز قبل از بازیابی نتیجه و بینش داشته باشد، می‌تواند از Edge Computing سود زیادی ببرد. در ادامه راه‌های مختلفی که چندین صنعت از Edge Computing در عملیات روزمره خود استفاده می‌کنند آورده شده است:

حمل و نقل – وسایل نقلیه خودران روزانه حدود ۵ تا ۲۰ ترابایت داده از اطلاعات مربوط به سرعت، موقعیت مکانی، وضعیت ترافیک، شرایط جاده و غیره تولید می‌کنند. وسیله نقلیه در جاده است و این کاربرد حساس به زمان به محاسبات داخلی دقیق، قابل اعتماد و سازگار نیاز دارد.

تولید – اکنون چندین تولیدکننده از محاسبات لبه‌ای برای نظارت بر فرآیندهای تولید و فعال کردن تجزیه و تحلیل بلادرنگ استفاده می‌کنند. Edge Computing با ترکیب این امر با یادگیری ماشین و هوش مصنوعی می‌تواند به ساده‌سازی فرآیندهای تولید با بینش‌های هم‌زمان، تجزیه و تحلیل پیش‌بینی‌کننده و موارد دیگر کمک کند.

کشاورزی – کشاورزی گلخانه‌ای متکی بر حسگرهای مختلف است که طیف وسیعی از داده‌ها را جمع‌آوری می‌کند که باید پردازش و تجزیه و تحلیل شوند تا بینشی در مورد سلامت محصولات، شرایط آب و هوایی، تراکم مواد مغذی و غیره به دست آوریم. Edge Computing باعث می‌شود این پردازش داده‌ها و تولید بینش سریع‌تر شود در نتیجه پاسخ و تصمیم گیری سریعتر امکان پذیر می‌شود.

حوزه‌های دیگری که محاسبات لبه به کار گرفته شده است شامل امکانات مراقبت‌های بهداشتی در لحظه برای کمک به بیماران برای جلوگیری از مشکلات سلامتی و در بازار خرده‌فروشی برای بهینه‌سازی سفارش فروشنده و پیش‌بینی فروش است.

Edge Computing

چالش‌های Edge Computing

Edge Computing بدون چالش نیست و برخی از موارد رایج حول محور امنیت و چرخه عمر داده‌ها می‌چرخد. برنامه‌هایی که به دستگاه‌های اینترنت اشیا متکی هستند در برابر نفوذ و نشت داده‌ها آسیب‌پذیر هستند که می‌تواند امنیت را در لبه از بین ببرد. تا آنجا که به چرخه عمر داده مربوط می‌شود، چالش با حجم زیادی از داده‌های ذخیره شده در لبه شبکه است. مقدار زیادی از داده‌های بی فایده ممکن است فضای حیاتی را اشغال کند. از این رو کسب‌و‌کارها باید با دقت داده‌هایی را برای نگهداری و دور انداختن انتخاب کنند.

Edge Computing نیز به سطحی از اتصال متکی است و محدودیت‌های معمول شبکه دلیل دیگری برای نگرانی است. بنابراین، برنامه ریزی برای مشکلات اتصال و طراحی یک استقرار Edge Computing که بتواند مسائل رایج شبکه را در خود جای دهد، ضروری است.

جمع بندی: پیاده سازی Edge Computing

صرف نظر از صنعتی که در آن هستید، Edge Computing دارای چندین مزیت است، اما تنها در صورتی که به خوبی طراحی شده باشد و برای حل چالش‌های رایج در مراکز داده متمرکز به کار گرفته شود. برای اینکه بیشترین بهره را از سرمایه گذاری خود ببرید، باید با یک شرکت محاسباتی معتبر یا یک مشاور متخصص فناوری اطلاعات همکاری کنید تا شما را در بهترین راه به جلو راهنمایی کند.

منبع

فیسبوک توییتر گوگل + لینکداین تلگرام واتس اپ کلوب

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *