Вычисление на Fringes: как вычисляются вычислительные и туманные вычисления, как мы используем IoT
IoT генерирует все большее количество данных, нуждающихся в обработке. Являются ли краевые вычисления и вычисление тумана, путь вперед «облачных вычислений» прочно утвердился в словаре большинства потребителей. «Edge computing» - это концепция, которая может рассматриваться как расширение теперь вездесущих облачных вычислений и Internet of Things (IoT). Между тем, «туманные вычисления» находятся между граничными вычислениями и облачными вычислениями, хотя различия между ними и краевыми вычислениями могут быть немного … туманными.
По мере приближения к 2018 году, возможно, стоит присмотреться к тому, что такое крайнее вычисление, почему оно набирает обороты, и стоит ли следить за этим годом.
Edge Computing: Перемещение вычислений вдали от ядра
В наиболее фундаментальных терминах краевые вычисления - это перемещение интеллекта и вычисление с централизованных серверов данных в облачной сети на оборудование на периферии сети. Вместо того, чтобы датчики собирали данные в месте и отправляли обратно для централизованного сервера для обработки, аппаратное обеспечение доступно локально, которое будет вычислять эти данные, а затем отправлять результаты в облако, где информация будет немедленно доступна и будет действовать без дальнейшей обработки.
Скорее всего, вы более знакомы с этой концепцией, чем вы понимаете. Например, большинство из нас раньше столкнулось с термином «краевой сервер». Этот термин обычно описывает часть локального оборудования, доступного для вычислений. Возможно, вы видели пограничные серверы в действии в промышленных условиях, обработку информации для заводов или в более общих сценариях распределения и предприятия, где корпоративный головной офис использует «краевую» обработку на локализованных объектах.
Визуализация Nokia их системы Multi-Access Edge Computing. Изображение предоставлено компанией Nokia
Есть несколько преимуществ, которые делают на месте вычисление более идеальным:
- Информация обрабатывается ближе к реальному времени
- Обработанные данные могут быть собраны из различных краевых узлов параллельно
- Удаляет нагрузку на отправку необработанных данных по сети с ограниченной пропускной способностью
- Принимает давление от центров обработки данных для вычисления большого количества исходных данных
- Меньшая зависимость от облачной сети, чтобы иметь возможность получать значимую информацию из данных (поскольку она обрабатывается на месте)
- Может помочь управлять конфиденциальными данными, которые обрабатываются локально вместо совместного использования
Появление краевых вычислений определенно связано с доступностью и повсеместностью облачных вычислений, а также доступными и экономически доступными решениями IoT. Существует множество легко настраиваемых и доступных SoCs, таких как Raspberry Pi, что делает кросс-вычисления еще более выполнимыми.
Существуют прогнозы, что к 2022 году краевые вычисления составят 6, 72 млрд. Долларов США с ежегодным ростом на 35, 4%.
Fog Computing: изменение определения «Edge»
Туманные вычисления и краевые вычисления использовались взаимозаменяемо, но были попытки разграничить их как отдельные концепции. Основная идея заключается в том, что при использовании граничных вычислений обработка данных происходит на том же оборудовании, из которого собираются данные. С другой стороны, Fog-вычисления - это когда подмножество узлов отправляет свои данные для обработки в более локализованной центральной точке, которая связана с большей общей центральной сетью.
Изображение предоставлено Cisco
У них есть и то, и другое. Комбинация «туман» по-прежнему устраняет некоторые проблемы с задержкой и пропускной способностью при отправке больших потоков необработанных данных в центральную сеть, но не требует, чтобы каждый набор датчиков, собирающих данные, мог обрабатывать свои собственные данные.
Приложения реального мира
Хорошо, так что теперь, когда мы знаем, что такое красные и туманные вычисления, как они полезны в реальном мире?
Автоматизированное вождение
Будущее автоматизированного вождения основывается на данных о трафике, препятствиях и опасностях, которые вычисляются в реальном времени для быстрого принятия решений. В случае столкновения вторая задержка более чем достаточно, чтобы изменить результат.
Несмотря на то, что самозанятые автомобили, скорее всего, будут подключены к облачной сети для отправки, обмена и получения информации, обработка информации на местном уровне будет иметь важное значение для принятия решений в режиме реального времени. По оценкам, самоходные транспортные средства собирают и производят более 3 терабайт данных в час. Если мы надеемся, что на дорогах будут задействованы автоколебания, это создаст серьезную нагрузку и риск для сетей облачных вычислений.
Испытательные автоматические автомобили Убера находятся среди тех, кто уже находится на наших улицах. Изображение предоставлено Убер
Фомин-вычисления также могут использоваться для анализа и компьютерных данных о локальном трафике, путем сбора информации от транспортных средств, обработки ее, а затем отправки ее в общий облако для совместного использования.
Умные города
Недавно Билл Гейтс инвестировал 80 миллионов долларов в развитие умного города с нуля в Аризоне. В городе, где собираются данные в режиме реального времени о трафике, пешеходах, освещении, о здоровье зданий и потоках, чтобы они были доступны жителям и посетителям, краевые и туманные вычисления, безусловно, будут важными услугами. Узловые вычислительные узлы могут одновременно вычислять информацию о погоде, видимости, перегрузке трафика и состоянии инфраструктуры в высоком разрешении, а также эффективно и быстро распределять их по облакам для жителей или посетителей.
Во многих приложениях уже существует некоторая форма краевых вычислений. Однако его появление как своего собственного домена поможет его доработать, чтобы мы могли разрабатывать более сложные решения, которые легче интегрировать. В то же время, наблюдайте как для краевых вычислений, так и для туманных вычислений как новых доменов в основной индустрии в 2018 году.