Przewodnik po Edge Computing dla początkujących
Opublikowany: 2018-03-30Edge computing możemy zdefiniować jako rozproszoną architekturę IT, która umożliwia przetwarzanie danych na peryferiach – jak najbliżej źródła ich pochodzenia. Jeśli to wszystko brzmi jak bełkot, trzymaj się.
Ostatnia dekada przyniosła ogromny wzrost liczby urządzeń podłączonych do Internetu, co dało początek technologii znanej jako Internet rzeczy (IoT). Mówiąc najprościej, IoT to tylko koncepcja wzajemnego łączenia różnych urządzeń i łączenia każdego z nich z Internetem za pomocą prostego włącznika/wyłącznika. Obejmuje to wszystko, od telefonów komórkowych, ekspresów do kawy, lodówek, pralek, urządzeń do noszenia i wszelkich urządzeń, o których pomyślisz, że łatwo łączy się z dowolnym urządzeniem i bezproblemowo przesyła dane.
Gdy IoT zaczął nabierać rozpędu, pojawił się problem – radzenia sobie z danymi z tych wzajemnie połączonych urządzeń. Nie trzeba przypominać, że dane, o których mówimy, mają rozmiar terabajtów. Tradycyjnie dane zebrane z tych urządzeń były przesyłane do centralnej chmury organizacji w celu przetworzenia. Jednak ze względu na rozmiar plików danych był to dość czasochłonny proces. Przenoszenie tak dużych zbiorów danych przez sieć do centralnej chmury może również narazić wrażliwe dane organizacyjne na luki.
5 zastosowań przetwarzania języka naturalnego w biznesie w 2018 roku
Pojawiły się komputery brzegowe, aby poradzić sobie z tym wszystkim i nie tylko. Teraz spójrz ponownie na pierwszy paragraf i pozwól nam powoli przejść przez definicję.
Nazwa „przetwarzanie brzegowe” odnosi się do obliczeń na obrzeżach/krawędzi diagramu sieciowego. Przetwarzanie brzegowe przesuwa całą znaczącą moc obliczeniową w kierunku krawędzi siatki. Jak powiedzieliśmy wcześniej – jak najbliżej urządzenia, z którego pochodzi.
Jak to pomaga?
Zastanów się nad inteligentnym sygnalizatorem świetlnym. Zamiast dzwonić do domu w razie potrzeby analizy danych, jeśli urządzenie jest w stanie przeprowadzać analizy we własnym zakresie, może przeprowadzać analizę danych strumieniowych w czasie rzeczywistym, a nawet komunikować się z innymi urządzeniami, aby wykonywać zadania w podróży. Przetwarzanie brzegowe przyspiesza zatem cały proces analizy, umożliwiając szybkie podejmowanie decyzji.
Przetwarzanie brzegowe jest również korzystne dla organizacji, ponieważ pomaga im obniżyć koszty, które wcześniej poniesiono na przesyłanie zestawów danych przez sieć. Poza tym umożliwia także organizacjom odfiltrowanie przydatnych danych z samego urządzenia peryferyjnego – w ten sposób umożliwiając organizacjom zbieranie tylko cennych danych i zapewniając im obniżenie kosztów przetwarzania i przechowywania w chmurze. Co więcej, przetwarzanie brzegowe skraca również czas odpowiedzi do milisekund, jednocześnie oszczędzając zasoby sieciowe. Korzystając z obliczeń brzegowych, niekoniecznie musimy przesyłać dane przez sieć. Zamiast tego lokalny system przetwarzania brzegowego jest odpowiedzialny za kompilację danych i wysyłanie częstych raportów do centralnej pamięci masowej w chmurze w celu długoterminowego przechowywania. Oczywiście, wysyłając tylko niezbędne dane, przetwarzanie brzegowe drastycznie zmniejsza ilość danych przechodzących przez sieć.
Wdrożenie Edge Computing jest idealne w różnych sytuacjach. Jednym z takich przypadków jest sytuacja, gdy urządzenia IoT mają słabą łączność z Internetem i nie jest praktyczne, aby były stale połączone z centralną chmurą.
5 przełomowych zastosowań uczenia maszynowego
Inną taką sytuacją może być sytuacja, w której istnieje wymóg przetwarzania danych z uwzględnieniem opóźnień. Przetwarzanie brzegowe eliminuje czynnik opóźnień, ponieważ dane nie muszą być przesyłane przez sieć do centralnej pamięci masowej w chmurze w celu przetworzenia. Jest to idealne rozwiązanie w przypadku usług finansowych lub produkcyjnych, w których trudno jest osiągnąć opóźnienia rzędu milisekund.
Jeszcze jednym przypadkiem zastosowania przetwarzania brzegowego jest rozwój sieci komórkowych nowej generacji 5G. Kelly Quinn, kierownik ds. badań w IDC i ekspert w dziedzinie przetwarzania brzegowego, przewiduje, że gdy dostawcy usług telekomunikacyjnych wprowadzą 5G do swoich sieci bezprzewodowych, zaczną dodawać centra mikrodanych poprzez integrację lub lokalizację w sąsiedztwie wież 5G. Klienci biznesowi mogliby posiadać lub wynajmować przestrzeń w tych mikrocentrach danych w celu wykonywania obliczeń brzegowych i mieliby bezpośredni dostęp do bramy prowadzącej do centralnej sieci operatora telekomunikacyjnego, która może być podłączona do publicznego dostawcy chmury IaaS.
Rzućmy okiem na kilka innych przypadków użycia Edge Computing:
- Drony są w stanie dotrzeć do odległych miejsc, o których człowiek nawet nie myśli. Przetwarzanie brzegowe umożliwia tym dronom przeglądanie, analizowanie i reagowanie na analizę w czasie rzeczywistym. Na przykład, jeśli dron znajdzie jakąś sytuację awaryjną, może natychmiast dostarczyć cenne informacje osobom znajdującym się w pobliżu, bez konieczności uprzedniego wysyłania danych przez sieć, a następnie odbierania analizy.
- Rzeczywistość rozszerzona — wprowadzenie przetwarzania brzegowego posunęło rzeczywistość rozszerzoną o krok dalej. Platforma przetwarzania brzegowego może dostarczać wysoce zlokalizowanych danych ukierunkowanych na interesujący punkt użytkownika; w ten sposób ulepszając usługi AR.
- Zautomatyzowane pojazdy – giganci, tacy jak Google i Uber, wymyślają autonomiczne samochody. Edge computing odgrywa kluczową rolę w rozwoju takich automatycznych pojazdów. Pojazdy te mogą przetwarzać i przesyłać ważne dane w czasie rzeczywistym do innych pojazdów dojeżdżających w pobliżu, korzystając z obliczeń brzegowych. Ci giganci dążą do tego, aby do 2020 roku takie autonomiczne samochody stały się rzeczywistością konsumencką. Wraz z wprowadzeniem takich zautomatyzowanych pojazdów z pewnością zauważymy spadek liczby ofiar śmiertelnych w wyniku wypadków samochodowych.
Powiedziawszy to wszystko, wciąż istnieją pewne kompromisy i wyzwania, których nie można lekceważyć, gdy mówimy o edge computing. Przede wszystkim tylko niewielki podzbiór całych danych jest przetwarzany i analizowany na krawędzi. Następnie analiza tych danych jest przesyłana przez sieć. 
Oznacza to, że idealnie lekceważymy niektóre surowe, niezanalizowane dane i potencjalnie tracimy pewne spostrzeżenia. Ponownie pojawia się ważne pytanie – jak znośna jest ta „utrata” danych? Czy organizacja potrzebuje całych danych, czy wygenerowany wynik jest dla nich wystarczający? Czy pominięcie niektórych danych negatywnie wpłynie na analizę organizacji?
Sieci neuronowe: zastosowania w świecie rzeczywistym
Nie ma prawidłowej odpowiedzi na te pytania. System samolotu nie może pozwolić sobie na pominięcie żadnych danych, nawet ich części (gra słów niezamierzona), więc wszystkie dane powinny być przesyłane i analizowane w celu wykrycia trendów i wzorców. Jednak przesyłanie danych w czasie lotu nie jest dobrym pomysłem. Dlatego lepszym podejściem będzie zbieranie danych w trybie offline i wykonywanie obliczeń brzegowych w czasie lotu. Podsumowując, przetwarzanie brzegowe nie jest panaceum w świecie technologii informatycznych. Jest to stosunkowo nowsza technologia, która oferuje wiele korzyści. Jednak nadal ważne jest, aby wiedzieć, czy odpowiada to potrzebom Twojej organizacji, czy nie.
Najważniejsze jest to, że dane są cenne. Wszystkie dane, które można analizować, powinny być analizowane w celu wykrycia wzorców i uzyskania wglądu. W dzisiejszym świecie firmy oparte na danych robią znacznie większe postępy w porównaniu z tradycyjnymi. Edge Analytics to nowa i ekscytująca przestrzeń, która jest odpowiedzią na konserwację i użyteczność danych, a w nadchodzących latach możemy spodziewać się wielu innych ekscytujących zastosowań tego samego.
Ucz się kursu ML z najlepszych światowych uniwersytetów. Zdobywaj programy Masters, Executive PGP lub Advanced Certificate Programy, aby przyspieszyć swoją karierę.
