Ein Anfängerleitfaden für Edge Computing
Veröffentlicht: 2018-03-30Wir können Edge Computing als eine verteilte IT-Architektur definieren, die es ermöglicht, Daten an der Peripherie zu verarbeiten – so nah wie möglich an der Entstehungsquelle. Wenn das alles Kauderwelsch klingt, warten Sie.
In den letzten zehn Jahren hat die Zahl der mit dem Internet verbundenen Geräte enorm zugenommen, was zu einer Technologie geführt hat, die als Internet der Dinge (IoT) bekannt ist. Einfach ausgedrückt ist IoT nur ein Konzept, bei dem verschiedene Geräte miteinander verbunden und jedes Gerät mit einem einfachen Ein-/Ausschalter mit dem Internet verbunden werden. Dazu gehört alles von Mobiltelefonen, Kaffeemaschinen, Kühlschränken, Waschmaschinen, tragbaren Geräten und jedem Gerät, das Sie sich vorstellen können und das sich problemlos mit jedem Gerät verbinden und Daten nahtlos übertragen lässt.
Als das Internet der Dinge an Fahrt gewann, tauchte ein Problem auf – der Umgang mit den Daten dieser miteinander verbundenen Geräte. Es muss nicht daran erinnert werden, dass die Daten, über die wir sprechen, Terabytes groß sind. Traditionell wurden die von diesen Geräten gesammelten Daten zur Verarbeitung an die zentrale Cloud des Unternehmens gesendet. Aufgrund der Größe der Datendateien war dies jedoch ein ziemlich zeitaufwändiger Prozess. Die Übertragung solch großer Datensätze über das Netzwerk in eine zentrale Cloud kann auch sensible Unternehmensdaten Schwachstellen aussetzen.
5 Anwendungen der Verarbeitung natürlicher Sprache für Unternehmen im Jahr 2018
Edge Computing kam ins Spiel, um all dies und mehr zu bewältigen. Schauen Sie sich jetzt noch einmal den ersten Absatz an und erlauben Sie uns, Sie langsam durch die Definition zu führen.
Der Name „Edge Computing“ bezieht sich auf die Berechnung um die Ecke/Kante in einem Netzwerkdiagramm. Edge-Computing verschiebt die gesamte erhebliche Rechenleistung an die Ränder des Netzes. Wie wir bereits gesagt haben – so nah wie möglich am Ursprungsgerät.
Wie hilft das?
Betrachten Sie eine intelligente Ampel. Anstatt zu Hause anzurufen, wenn eine Datenanalyse erforderlich ist, kann das Gerät, wenn es in der Lage ist, Analysen intern durchzuführen, eine Echtzeitanalyse von Streaming-Daten durchführen und sogar mit anderen Geräten kommunizieren, um Aufgaben unterwegs zu erledigen. Edge Computing beschleunigt daher den gesamten Analyseprozess und ermöglicht eine schnelle Entscheidungsfindung.
Edge-Computing ist auch für die Unternehmen von Vorteil, da es ihnen hilft, Kosten zu senken, die früher für die Übertragung von Datensätzen über ein Netzwerk angefallen sind. Abgesehen davon ermöglicht es den Organisationen auch, die nützlichen Daten aus der Peripherie des Geräts selbst herauszufiltern – wodurch Organisationen in die Lage versetzt werden, nur wertvolle Daten zu sammeln und sicherzustellen, dass sie die Kosten für Cloud Computing und Speicherung senken. Darüber hinaus reduziert Edge-Computing auch die Reaktionszeit auf Millisekunden, während die Netzwerkressourcen geschont werden. Mit Edge Computing müssen wir die Daten nicht unbedingt über ein Netzwerk senden. Stattdessen ist das lokale Edge-Computing-System dafür verantwortlich, die Daten zusammenzustellen und häufige Berichte zur langfristigen Speicherung an den zentralen Cloud-Speicher zu senden. Indem nur die wesentlichen Daten gesendet werden, reduziert Edge-Computing die Datenmenge, die das Netzwerk durchquert, deutlich.
Der Einsatz von Edge Computing ist in einer Vielzahl von Situationen ideal. Ein solcher Fall ist, wenn die IoT-Geräte eine schwache Internetverbindung haben und es für sie nicht praktisch ist, ständig mit einer zentralen Cloud verbunden zu sein.
5 bahnbrechende Anwendungen des maschinellen Lernens
Eine andere solche Situation kann auftreten, wenn eine latenzempfindliche Verarbeitung von Daten erforderlich ist. Edge Computing eliminiert den Faktor Latenz, da die Daten zur Verarbeitung nicht über ein Netzwerk an einen zentralen Cloud-Speicher übertragen werden müssen. Dies ist ideal für Finanz- oder Fertigungsdienstleistungen, bei denen Latenzen von Millisekunden schwierig zu erreichen sind.
Ein weiterer Anwendungsfall für Edge-Computing war die Entwicklung von 5G-Mobilfunknetzen der nächsten Generation. Kelly Quinn, Research Manager bei IDC und Experte für Edge-Computing, prognostiziert, dass Telekommunikationsanbieter, wenn sie 5G in ihre drahtlosen Netzwerke integrieren, damit beginnen werden, Mikro-Rechenzentren hinzuzufügen, indem sie sich entweder in die 5G-Türme integrieren oder sich neben ihnen befinden. Geschäftskunden könnten in diesen Mikro-Rechenzentren Flächen besitzen oder mieten, um Edge-Computing durchzuführen, und direkten Zugang zu einem Gateway in das zentrale Netzwerk des Telekommunikationsanbieters haben, das mit einem öffentlichen IaaS-Cloud-Anbieter verbunden werden kann.
Werfen wir einen Blick auf einige andere Anwendungsfälle von Edge Computing:
- Drohnen sind in der Lage, abgelegene Orte zu erreichen, an die Menschen nicht einmal denken können. Edge-Computing ermöglicht es diesen Drohnen, die Analyse in Echtzeit zu überprüfen, zu analysieren und darauf zu reagieren. Wenn beispielsweise eine Drohne eine Notsituation findet, kann sie sofort wertvolle Informationen an Menschen in der Nähe liefern, ohne dass die Daten zuerst über ein Netzwerk gesendet und dann die Analyse empfangen werden müssen.
- Augmented Reality – Die Einführung von Edge Computing hat Augmented Reality einen Schritt weitergebracht. Eine Edge-Computing-Plattform kann stark lokalisierte Daten bereitstellen, die auf den Point of Interest des Benutzers ausgerichtet sind; wodurch die AR-Dienste verbessert werden.
- Automatisierte Fahrzeuge – Giganten wie Google und Uber entwickeln selbstfahrende Autos. Edge Computing spielt eine entscheidende Rolle bei der Entwicklung solcher automatischen Fahrzeuge. Diese Fahrzeuge können mithilfe von Edge-Computing wichtige Daten in Echtzeit verarbeiten und an andere Fahrzeuge übertragen, die in der Nähe pendeln. Diese Giganten haben sich zum Ziel gesetzt, solche selbstfahrenden Autos bis 2020 für den Verbraucher Realität werden zu lassen. Mit der Einführung solcher automatisierten Fahrzeuge werden wir mit Sicherheit einen Rückgang der Zahl der Todesopfer durch Autounfälle erleben.
Trotzdem gibt es immer noch einige Kompromisse und Herausforderungen, die nicht vernachlässigt werden dürfen, wenn es um Edge Computing geht. Zunächst einmal wird nur eine winzige Teilmenge der gesamten Daten verarbeitet und on Edge analysiert. Dann wird die Analyse dieser Daten über das Netzwerk übertragen. 
Das bedeutet, dass wir im Idealfall einige der rohen, nicht analysierten Daten außer Acht lassen und möglicherweise einige Erkenntnisse verpassen. Auch hier stellt sich eine wichtige Frage – wie erträglich ist dieser „Verlust“ von Daten? Benötigt die Organisation die gesamten Daten oder reicht das generierte Ergebnis für sie aus? Wirkt sich das Fehlen einiger Daten negativ auf die Analyse der Organisation aus?
Neuronale Netze: Anwendungen in der realen Welt
Auf diese Fragen gibt es keine richtige Antwort. Ein Flugzeugsystem kann es sich nicht leisten, Daten zu verpassen, nicht einmal ein bisschen davon (kein Wortspiel beabsichtigt), daher sollten alle Daten übertragen und analysiert werden, um Trends und Muster zu erkennen. Das Übertragen von Daten während der Flugzeit ist jedoch keine gute Idee. Ein besserer Ansatz wird also darin bestehen, die Daten offline zu sammeln und Edge-Computing während der Flugzeit durchzuführen. Alles in allem ist Edge Computing kein Allheilmittel in der Welt der Informationstechnologie. Es ist eine relativ neue Technologie, die eine Vielzahl von Vorteilen bietet. Es ist jedoch immer noch wichtig zu wissen, ob es den Anforderungen Ihrer Organisation entspricht oder nicht.
Die Quintessenz ist, dass Daten wertvoll sind. Alle Daten, die analysiert werden können, sollten analysiert werden, um Muster zu erkennen und Erkenntnisse zu gewinnen. In der heutigen Welt machen datengesteuerte Unternehmen im Vergleich zu den traditionellen Unternehmen viel mehr Fortschritte. Edge Analytics ist ein neuer und aufregender Bereich und eine Antwort auf die Pflege und Nutzbarkeit von Daten, und wir können davon ausgehen, dass wir in den kommenden Jahren viele weitere spannende Anwendungen davon sehen werden.
Lernen Sie ML-Kurse von den besten Universitäten der Welt. Erwerben Sie Master-, Executive PGP- oder Advanced Certificate-Programme, um Ihre Karriere zu beschleunigen.
