Edge computing on hajautettu tietotekniikka (IT) – arkkitehtuuri, jossa asiakastietoja käsitellään verkon reuna-alueilla, mahdollisimman lähellä alkuperälähdettä.
Data on nykyaikaisen liiketoiminnan elinehto, joka tarjoaa arvokasta tietoa liiketoiminnasta ja tukee kriittisten liiketoimintaprosessien ja toimintojen reaaliaikaista hallintaa. Tämän päivän yritykset ovat täynnä dataa, ja valtavia määriä dataa voidaan rutiininomaisesti kerätä antureista ja IoT-laitteista, jotka toimivat reaaliajassa syrjäisistä paikoista ja karuista toimintaympäristöistä lähes missä päin maailmaa tahansa.
mutta tämä virtuaalinen datatulva muuttaa myös yritysten tapaa käsitellä tietojenkäsittelyä. Perinteinen laskentaparadigma, joka perustuu keskitettyyn datakeskukseen ja jokapäiväiseen Internetiin, ei sovellu hyvin loputtomasti kasvavien reaalimaailman datajokien siirtämiseen. Kaistanleveyden rajoitukset, viiveongelmat ja arvaamattomat verkon häiriöt voivat kaikki haitata näitä pyrkimyksiä. Yritykset vastaavat näihin datahaasteisiin käyttämällä edge computing-arkkitehtuuria.
yksinkertaisimmillaan edge computing siirtää osan tallennuksesta ja resurssien laskemisesta pois keskitetystä datakeskuksesta ja lähemmäksi itse tiedon lähdettä. Sen sijaan, että raakadataa siirrettäisiin keskitettyyn datakeskukseen käsittelyä ja analysointia varten, se työ suoritetaan siellä, missä data todella syntyy-olipa kyseessä vähittäiskauppa, tehtaan lattia, rönsyilevä apuohjelma tai koko älykäs kaupunki. Vain tulos, että laskentatyön reunalla, kuten reaaliaikainen liiketoiminnan oivalluksia, laitteiden huolto ennusteita tai muita toiminnallisia vastauksia, lähetetään takaisin tärkein datakeskus tarkistettavaksi ja muita ihmisten vuorovaikutusta.
näin edge computing muokkaa IT-ja business computing-järjestelmiä. Ota kattava tarkastella mitä edge computing on, miten se toimii, vaikutus pilvi, edge käyttötapaukset, tradeoffs ja täytäntöönpano näkökohdat.
miten edge computing toimii?
Edge computing on kaikki sijaintikysymys. Perinteisessä yrityslaskennassa data tuotetaan asiakkaan päätepisteessä, kuten käyttäjän tietokoneessa. Että tiedot siirretään WAN kuten Internetin kautta yritysten lähiverkon, jossa tiedot tallennetaan ja työstetään yrityksen sovellus. Tämän työn tulokset välitetään sitten takaisin asiakkaan päätepisteeseen. Tämä on edelleen todistettu ja aika-testattu lähestymistapa asiakas-palvelin computing tyypillisissä liiketoimintasovelluksissa.
mutta internetiin liitettyjen laitteiden määrä ja näiden laitteiden tuottaman ja yritysten käyttämän datan määrä kasvaa aivan liian nopeasti, jotta perinteiset datakeskusinfrastruktuurit mahtuisivat niihin. Gartner ennusti, että vuoteen 2025 mennessä 75% yritysten tuottamasta datasta syntyy keskitettyjen datakeskusten ulkopuolella. Mahdollisuus siirtää niin paljon dataa tilanteissa, jotka voivat usein olla aika – tai häiriöherkkiä, rasittaa valtavasti maailmanlaajuista Internetiä, joka itse on usein alttiina ruuhkille ja häiriöille.
joten IT-arkkitehdit ovat siirtäneet fokuksen keskitetystä datakeskuksesta infrastruktuurin loogiselle reunalle-ottaen tallennus-ja laskentaresurssit datakeskuksesta ja siirtäen nämä resurssit pisteeseen, jossa data syntyy. Periaate on yksinkertainen: Jos et saa dataa lähemmäksi datakeskusta, vie datakeskus lähemmäs dataa. Edge computing-käsite ei ole uusi, ja sen juuret ovat vuosikymmeniä vanhoissa ajatuksissa etälaskennasta-kuten etätoimistoista ja sivutoimistoista-jossa oli luotettavampaa ja tehokkaampaa sijoittaa laskentaresurssit haluttuun paikkaan kuin luottaa yhteen keskeiseen paikkaan.
Edge computing tuo tallennustilaa ja palvelimia sinne, missä data on, ja vaatii usein vain osittaisen pyydystelineen toimiakseen etäverkkoon kerätäkseen ja käsitelläkseen dataa paikallisesti. Monissa tapauksissa laskutelinettä käytetään suojatuissa tai karkaistuissa koteloissa, jotka suojaavat vaihdetta äärimmäisiltä lämpötiloilta, kosteudelta ja muilta ympäristöolosuhteilta. Käsittely edellyttää usein datavirran normalisointia ja analysointia liiketoimintatiedon etsimiseksi, ja vain analyysin tulokset lähetetään takaisin pääasialliseen datakeskukseen.
liikeälyn idea voi vaihdella rajusti. Esimerkkeinä voidaan mainita myymäläympäristöt, joissa myymäläkerroksen videovalvonta saatetaan yhdistää todellisiin myyntitietoihin halutuimman tuotekokoonpanon tai kulutuskysynnän määrittämiseksi. Muita esimerkkejä ovat ennakoiva analytiikka, joka voi ohjata laitteiden huoltoa ja korjausta ennen varsinaisten vikojen tai vikojen ilmaantumista. Myös muita esimerkkejä on usein yhdenmukaistettu sähkölaitosten, kuten vedenkäsittelyn tai sähköntuotannon, kanssa, jotta varmistetaan laitteiden asianmukainen toiminta ja tuotannon laatu.
Edge vs. cloud vs. sumulaskenta
Reunalaskenta liittyy läheisesti pilvilaskennan ja sumulaskennan käsitteisiin. Vaikka on olemassa joitakin päällekkäisyyksiä näiden käsitteiden, ne eivät ole sama asia, ja yleensä ei pitäisi käyttää vaihdellen. On hyödyllistä vertailla käsitteitä ja ymmärtää niiden erot.
yksi helpoimmista tavoista ymmärtää reuna -, pilvi – ja sumulaskennan eroja on korostaa niiden yhteistä teemaa: Kaikki kolme käsitettä liittyvät hajautettuun laskentaan ja keskittyvät laskennan ja tallennusresurssien fyysiseen käyttöön suhteessa tuotettavaan dataan. Erona on se, missä nämä resurssit sijaitsevat.
Edge. Edge computing on laskenta-ja tallennusresurssien käyttöönottoa paikassa, jossa data tuotetaan. Tämä ihannetapauksessa sijoittaa laskenta ja varastointi samassa pisteessä kuin tietolähde verkon reunassa. Esimerkiksi tuuliturbiinin päälle voidaan asentaa pieni kotelo, jossa on useita palvelimia ja jonkin verran tallennustilaa, jotta turbiinin sisällä olevien antureiden tuottamaa tietoa voidaan kerätä ja käsitellä. Toinen esimerkki on, että rautatieasema saattaa sijoittaa asemalle vaatimattoman määrän laskentaa ja tallennustilaa lukemattomien rata-ja rautatieliikenteen sensoritietojen keräämiseksi ja käsittelemiseksi. Tällaisen käsittelyn tulokset voidaan sitten lähettää takaisin toiseen datakeskukseen ihmisten arvioitavaksi, arkistoitavaksi ja yhdistettäväksi muihin datatuloksiin laajempaa Analytiikkaa varten.
pilvi. Pilvilaskenta on valtava, erittäin skaalautuva laskenta-ja tallennusresurssien käyttöönotto yhdellä monista hajautetuista maailmanlaajuisista paikoista (alueet). Pilvipalvelujen tarjoajat sisältävät myös valikoiman valmiiksi pakattuja palveluita IoT-toimintaan, mikä tekee pilvestä suositun keskitetyn Alustan IoT-käyttöönottoon. Mutta vaikka pilvipalvelut tarjoavat paljon enemmän kuin tarpeeksi resursseja ja palveluita monimutkaisen analytiikan hoitamiseen, lähin alueellinen pilvilaitos voi silti olla satojen kilometrien päässä tietojen keräyspisteestä, ja yhteydet perustuvat samaan temperamenttiseen internetyhteyteen, joka tukee perinteisiä datakeskuksia. Käytännössä pilvilaskenta on vaihtoehto-tai joskus täydennys-perinteisille datakeskuksille. Pilvi voi saada keskitetyn laskennan paljon lähemmäksi tietolähdettä, mutta ei verkon reunalle.
sumu. Mutta valinta laskea ja varastointi käyttöönotto ei rajoitu pilvi tai reuna. Pilvipalvelukeskus saattaa olla liian kaukana, mutta edge-käyttöönotto saattaa yksinkertaisesti olla liian resurssirajoitettua tai fyysisesti hajallaan tai hajautettua, jotta tiukka edge-laskenta olisi käytännöllistä. Tässä tapauksessa sumulaskennan käsite voi auttaa. Fog computing tyypillisesti ottaa askeleen taaksepäin ja asettaa laskenta-ja tallennusresurssit ”sisällä” tiedot, mutta ei välttämättä ”at” tiedot.
sumujen laskentaympäristöt voivat tuottaa hämmentäviä määriä sensori-tai IoT-dataa, joka syntyy laajalla fyysisellä alueella, joka on aivan liian suuri reunan määrittelemiseksi. Esimerkkejä ovat älykkäät rakennukset, älykkäät kaupungit tai jopa älykkäät sähköverkot. Mieti älykaupunkia, jossa datan avulla voidaan seurata, analysoida ja optimoida joukkoliikennejärjestelmää, kunnallisia palveluja, kaupungin palveluita ja ohjata pitkän aikavälin kaupunkisuunnittelua. Yhden reunan käyttöönotto ei yksinkertaisesti riitä tällaisen kuorman käsittelyyn, joten sumun laskenta voi käyttää useita sumusolmun käyttöönottoja ympäristön piirissä tietojen keräämiseksi, käsittelemiseksi ja analysoimiseksi.
Huomautus: on tärkeää toistaa, että sumulaskennalla ja reunalaskennalla on lähes identtinen määritelmä ja arkkitehtuuri, ja termejä käytetään joskus keskenään myös tekniikan asiantuntijoiden keskuudessa.
miksi edge computingilla on väliä?
laskentatehtävät vaativat sopivia arkkitehtuureja, eikä yhteen laskentatehtävätyyppiin sopiva arkkitehtuuri välttämättä sovi kaikkiin laskentatehtävätyyppeihin. Edge computing on kehittynyt elinkelpoiseksi ja tärkeäksi arkkitehtuuriksi, joka tukee hajautettua tietojenkäsittelyä laskennan ja tallennusresurssien käyttöönottamiseksi lähempänä — ihanteellisesti samassa fyysisessä paikassa kuin — tietolähde. Hajautetut laskentamallit eivät yleensä ole uusia, ja etätoimistojen, haaratoimistojen, datakeskusten ja pilvipalvelujen käsitteillä on pitkä ja todistettu historia.
mutta hajauttaminen voi olla haastavaa, vaativaa suurta seurantaa ja valvontaa, joka jää helposti huomaamatta siirryttäessä pois perinteisestä keskitetystä laskentamallista. Edge computing on tullut merkitystä, koska se tarjoaa tehokkaan ratkaisun syntymässä verkko-ongelmia, jotka liittyvät liikkuvat valtavia määriä dataa, että nykypäivän organisaatiot tuottavat ja kuluttavat. Kyse ei ole vain määrästä. Se on myös ajan kysymys; hakemukset riippuvat käsittelystä ja vastauksista, jotka ovat yhä ajankohtaisempia.
Pohdi itseohjautuvien autojen yleistymistä. Ne ovat riippuvaisia älykkäistä liikennevalvontasignaaleista. Autojen ja liikenteen valvonnan on tuotettava, analysoitava ja vaihdettava tietoja reaaliajassa. Moninkertaistetaan tämä vaatimus valtavalla määrällä autonomisia ajoneuvoja, ja mahdollisten ongelmien laajuus selkiytyy. Tämä edellyttää nopeaa ja reagoivaa verkkoa. Edge — and fog — computing käsittelee kolmea pääasiallista verkkorajoitusta: kaistanleveys, viive ja ruuhkia tai luotettavuutta.
- kaistanleveys. Kaistanleveys on tietomäärä, jonka verkko voi kuljettaa ajan kuluessa, ilmaistuna yleensä bitteinä sekunnissa. Kaikissa verkoissa on rajoitettu kaistanleveys, ja rajat ovat ankarammat langattomalle viestinnälle. Tämä tarkoittaa, että on olemassa äärellinen raja datamäärälle — tai laitteiden lukumäärälle — jotka voivat välittää tietoja verkon läpi. Vaikka on mahdollista lisätä verkon kaistanleveyttä mahtuu enemmän laitteita ja tietoja, kustannukset voivat olla merkittäviä, on vielä (korkeampi) rajalliset rajat ja se ei ratkaise muita ongelmia.
- latenssi. Latenssi on aika, joka tarvitaan datan lähettämiseen verkon kahden pisteen välillä. Vaikka kommunikointi tapahtuu ihanteellisesti valonnopeudella, suuret fyysiset etäisyydet yhdistettynä verkon ruuhkautumiseen tai katkoksiin voivat viivästyttää datan liikkumista verkossa. Tämä viivästyttää analytiikka-ja päätöksentekoprosesseja ja vähentää järjestelmän kykyä vastata reaaliajassa. Se maksoi jopa ihmishenkiä autonomisen ajoneuvon esimerkissä.
- ruuhkat. Internet on pohjimmiltaan maailmanlaajuinen ” verkkoverkosto.”Vaikka se on kehittynyt tarjoamaan hyvän yleiskäyttöisen tiedonvaihdon useimmille jokapäiväisille tietojenkäsittelytehtäville – kuten tiedostojen vaihdolle tai perusvirtaukselle-kymmenien miljardien laitteiden mukana oleva datamäärä voi hukuttaa Internetin, aiheuttaen suuria ruuhkia ja pakottaen aikaa vieviä tietojen edelleenlähetyksiä. Toisissa tapauksissa verkon katkokset voivat pahentaa ruuhkia ja jopa katkaista viestinnän joillekin Internetin käyttäjille kokonaan – jolloin esineiden internet on käyttökatkojen aikana hyödytön.
käyttämällä palvelimia ja tallennustilaa, jossa data syntyy, edge computing voi käyttää monia laitteita paljon pienemmässä ja tehokkaammassa lähiverkossa, jossa runsaasti kaistanleveyttä käytetään yksinomaan paikallisissa tietoja tuottavissa laitteissa, jolloin latenssi ja ruuhkautuminen ovat käytännössä olemattomia. Paikallinen tallennustila kerää ja suojaa raakadataa, kun taas paikalliset palvelimet voivat suorittaa olennaista edge-analytiikkaa – tai ainakin esikäsitellä ja vähentää dataa-tehdäkseen päätöksiä reaaliajassa ennen kuin lähettää tuloksia tai vain olennaisia tietoja pilveen tai keskitettyyn datakeskukseen.
Edge computing use cases and examples
pääasiallisesti edge computing-tekniikoita käytetään datan keräämiseen, suodattamiseen, käsittelyyn ja analysointiin ”paikallaan” verkon reunassa tai sen läheisyydessä. Se on tehokas keino käyttää tietoja, joita ei voida ensin siirtää keskitettyyn paikkaan-yleensä koska pelkkä tietojen määrä tekee tällaisista siirroista kustannuksiltaan kohtuuttomia, teknisesti epäkäytännöllisiä tai saattaa muuten rikkoa compliance-velvoitteita, kuten tietojen suvereniteettia. Tämä määritelmä on poikinut lukemattomia reaalimaailman esimerkkejä ja käyttötapauksia:
- valmistus. Teollinen valmistaja otti käyttöön edge Computingin valvoakseen valmistusta, mahdollistaen reaaliaikaisen analytiikan ja koneoppimisen reunalla tuotantovirheiden löytämiseksi ja tuotteiden valmistuksen laadun parantamiseksi. Edge computing tuki ympäristöanturien lisäämistä koko tuotantolaitokseen, mikä antoi tietoa siitä, miten kukin tuotekomponentti kootaan ja varastoidaan — ja kuinka kauan komponentit pysyvät varastossa. Valmistaja voi nyt tehdä nopeampia ja tarkempia liiketoimintapäätöksiä tehdastilojen ja valmistustoimintojen osalta.
- maanviljely. Ajatellaanpa yritystä, joka kasvattaa satoa sisätiloissa ilman auringonvaloa, multaa tai tuholaismyrkkyjä. Prosessi lyhentää kasvuaikoja yli 60%. Sensorien avulla yritys voi seurata vedenkäyttöä, ravinnetiheyttä ja määrittää optimaalisen sadon. Tietoja kerätään ja analysoidaan, jotta löydetään ympäristötekijöiden vaikutukset ja parannetaan jatkuvasti kasvualgoritmeja ja varmistetaan, että sato korjataan huippukunnossa.
- verkon optimointi. Edge computing voi auttaa optimoimaan verkon suorituskykyä mittaamalla käyttäjien suorituskykyä Internetissä ja sitten käyttämällä Analytiikkaa määrittämään luotettavin, matalan latenssin verkon polku kunkin käyttäjän liikenteelle. Itse asiassa edge computing käytetään ”ohjata” liikennettä verkon optimaalinen aika-herkkä liikenteen suorituskykyä.
- työturvallisuus. Edge computing voi yhdistää ja analysoida paikan päällä olevien kameroiden, työntekijöiden turvalaitteiden ja erilaisten muiden antureiden tietoja auttaakseen yrityksiä valvomaan työpaikan olosuhteita tai varmistamaan, että työntekijät noudattavat vakiintuneita turvallisuusprotokollia-erityisesti silloin, kun työpaikka on syrjäinen tai epätavallisen vaarallinen, kuten rakennustyömailla tai öljynporauslautoilla.
- paransi terveydenhuoltoa. Terveydenhuoltoala on laajentanut merkittävästi laitteista, sensoreista ja muista lääkinnällisistä laitteista kerättävän Potilastiedon määrää. Tämä valtava tietomäärä vaatii edge computing soveltaa automaatio ja koneoppiminen käyttää tietoja, sivuuttaa ”normaali” tiedot ja tunnistaa ongelmatiedot, jotta lääkärit voivat ryhtyä välittömiin toimiin auttaa potilaita välttämään terveyshäiriöitä reaaliajassa.
- Kuljetus. Autonomiset ajoneuvot vaativat ja tuottavat 5-20 tonnia päivässä keräämällä tietoa sijainnista, nopeudesta, ajoneuvon kunnosta, tieolosuhteista, liikenneolosuhteista ja muista ajoneuvoista. Ja tiedot on koottava ja analysoitava reaaliajassa, kun ajoneuvo on liikkeessä. Tämä edellyttää merkittävää laivalla computing-jokainen autonominen ajoneuvo tulee ” reuna.”Lisäksi tiedot voivat auttaa viranomaisia ja yrityksiä hallinnoimaan ajoneuvokantaa paikan päällä vallitsevien todellisten olosuhteiden perusteella.
- vähittäiskauppa. Vähittäiskauppa voi myös tuottaa valtavia tietomääriä valvonnasta, varastoseurannasta, myyntitiedoista ja muista reaaliaikaisista liiketoiminnan yksityiskohdista. Edge computing voi auttaa analysoimaan tätä monipuolista dataa ja tunnistamaan liiketoimintamahdollisuuksia, kuten tehokas endcap tai kampanja, ennustaa myyntiä ja optimoida toimittajan tilaamista ja niin edelleen. Koska vähittäiskauppa voi vaihdella rajusti paikallisissa ympäristöissä, edge computing voi olla tehokas ratkaisu paikalliseen käsittelyyn jokaisessa myymälässä.
edge Computingin edut
Edge computing vastaa elintärkeisiin infrastruktuurihaasteisiin — kuten kaistanleveyden rajoituksiin, ylimääräiseen latenssiin ja verkon ruuhkautumiseen — mutta edge computingiin liittyy useita mahdollisia lisäetuja, jotka voivat tehdä lähestymistavasta houkuttelevan muissa tilanteissa.
autonomia. Edge computing on hyödyllinen, jos yhteydet ovat epäluotettavia tai kaistanleveys on rajoitettu sivuston ympäristöominaisuuksien vuoksi. Esimerkkejä ovat öljynporauslautat, Laivat merellä, syrjäiset maatilat tai muut syrjäiset paikat, kuten sademetsä tai aavikko. Edge computing tekee laskentatyötä paikan päällä-joskus itse edge-laitteessa – kuten veden laadun anturit veden puhdistimissa syrjäkylissä, ja voi tallentaa tietoja lähetettäväksi keskuspisteeseen vain, kun yhteydet ovat käytettävissä. Kun tietoja käsitellään paikallisesti, lähetettävän datan määrää voidaan vähentää huomattavasti, mikä vaatii paljon vähemmän kaistanleveyttä tai yhteysaikaa kuin muutoin olisi tarpeen.
tietojen suvereniteetti. Valtavien tietomäärien siirtäminen ei ole vain tekninen ongelma. Tietojen matka yli kansallisten ja alueellisten rajojen voi aiheuttaa lisäongelmia tietoturvalle, yksityisyydelle ja muille oikeudellisille kysymyksille. Edge computingia voidaan käyttää datan säilyttämiseen lähellä sen lähdettä ja vallitsevien datasuvereniteettilakien, kuten Euroopan unionin tietosuoja-asetuksen (GDPR), rajoissa, jossa määritellään, miten tietoja tulee tallentaa, käsitellä ja altistaa. Tämä voi mahdollistaa raakadatan käsittelyn paikallisesti, peitellen tai suojaten arkaluonteisia tietoja ennen kuin lähetät mitään pilveen tai ensisijaiseen datakeskukseen, joka voi olla muilla lainkäyttöalueilla.
Edge security. Lopuksi edge computing tarjoaa lisämahdollisuuden toteuttaa ja varmistaa tietoturva. Vaikka pilvipalvelujen tarjoajilla on IoT-palveluita ja ne ovat erikoistuneet monimutkaiseen analyysiin, yritykset ovat edelleen huolissaan datan turvallisuudesta sen poistuttua reunalta ja siirryttyä takaisin pilveen tai datakeskukseen. Toteuttamalla tietojenkäsittely reunalla, kaikki tiedot, jotka kulkevat verkon kautta takaisin pilveen tai datakeskukseen, voidaan suojata salauksella, ja edge-käyttöönotto itsessään voidaan kovettaa hakkereita ja muita haitallisia toimintoja vastaan-vaikka IoT-laitteiden tietoturva pysyy rajallisena.
edge Computingin haasteet
vaikka edge computing voi tarjota pakottavia etuja monissa käyttötapauksissa, tekniikka on kaikkea muuta kuin idioottivarma. Verkkorajoitusten perinteisten ongelmien lisäksi on useita keskeisiä seikkoja, jotka voivat vaikuttaa edge Computingin käyttöönottoon:
- rajoitettu valmius. Osa houkutusta, jonka pilvilaskenta tuo edge – tai sumulaskentaan, on resurssien ja palvelujen moninaisuus ja laajuus. Infrastruktuurin käyttöönotto reunalla voi olla tehokasta, mutta edge-käyttöönoton laajuus ja tarkoitus on määriteltävä selkeästi-jopa laaja edge computing-käyttöönotto palvelee tiettyä tarkoitusta ennalta määritellyssä mittakaavassa käyttäen rajallisia resursseja ja harvoja palveluja.
- liitettävyys. Edge computing voittaa tyypilliset verkkorajoitukset, mutta jopa kaikkein anteeksiantava edge käyttöönotto vaatii jonkin verran vähimmäistason liitettävyyttä. On tärkeää suunnitella reuna käyttöönotto, joka mahtuu huono tai arvaamaton liitettävyys ja miettiä, mitä tapahtuu reunalla, kun yhteys menetetään. Itsenäisyys, tekoäly ja siro vikasuunnittelu liitettävyysongelmien vanavedessä ovat välttämättömiä onnistuneelle edge computingille.
- turvallisuus. IoT-laitteet ovat tunnetusti epävarmoja, joten on tärkeää suunnitella edge computing deployment, joka korostaa asianmukaista laitehallintaa, kuten toimintaperiaatteeseen perustuvaa konfiguroinnin valvontaa, sekä tietoturvallisuutta ja tallennusresursseja-mukaan lukien tekijät, kuten ohjelmistojen Paikkaus ja päivitykset-kiinnittäen erityistä huomiota tietojen salaukseen levossa ja lennon aikana. Suurten pilvipalvelujen IoT-palveluihin kuuluu suojattu viestintä, mutta tämä ei ole automaattista, kun rakennetaan edge-sivustoa tyhjästä.
- tietojen elinkaaret. Tämän päivän datavyöryn monivuotinen ongelma on se, että niin suuri osa tuosta datasta on tarpeetonta. Tarkastellaanpa lääketieteellistä seurantalaitetta . ongelmatiedot ovat kriittisiä, eikä normaalien potilastietojen pitämisessä ole järkeä. Suurin osa reaaliaikaiseen analytiikkaan liittyvästä datasta on lyhytaikaista dataa, jota ei säilytetä pitkällä aikavälillä. Yrityksen on päätettävä, mitä tietoja säilytetään ja mitä hävitetään, kun analyysit on tehty. Ja säilytettävät tiedot on suojattava liiketoiminnan ja sääntelyn mukaisesti.
Edge computing implementation
Edge computing on suoraviivainen idea, joka saattaa paperilla näyttää helpolta, mutta yhtenäisen strategian kehittäminen ja järkevän käyttöönoton toteuttaminen reunalla voi olla haastavaa.
ensimmäinen tärkeä osa onnistunutta teknologian käyttöönottoa on mielekkään liiketoiminnan ja teknisen reunan strategian luominen. Tällainen strategia ei ole poiminta myyjät tai vaihde. Sen sijaan edge-strategiassa otetaan huomioon edge Computingin tarve. Ymmärtäminen ”miksi” vaatii selkeää ymmärrystä teknisiä ja liiketoiminnan ongelmia, että organisaatio yrittää ratkaista, kuten voittaa verkon rajoitteet ja tarkkailemalla tietojen suvereniteetti.
tällaiset strategiat saattavat alkaa keskustelulla siitä, mitä edge tarkoittaa, missä se on olemassa liiketoiminnalle ja miten sen pitäisi hyödyttää organisaatiota. Edge-strategioiden olisi myös oltava yhdenmukaisia olemassa olevien liiketoimintasuunnitelmien ja teknologian etenemissuunnitelmien kanssa. Jos yritys esimerkiksi pyrkii pienentämään keskitettyä datakeskusjalanjälkeään, edge ja muut hajautetut tietotekniikat saattavat sopia hyvin yhteen.
projektin edetessä lähemmäs toteutusta on tärkeää arvioida laitteisto-ja ohjelmistovaihtoehtoja huolellisesti. Edge computing-tilassa on monia toimittajia, kuten Adlink Technology, Cisco, Amazon, Dell EMC ja HPE. Jokainen tuotetarjonta on arvioitava kustannusten, suorituskyvyn, ominaisuuksien, yhteentoimivuuden ja tuen perusteella. Ohjelmistonäkökulmasta työkalujen tulisi tarjota kattava näkyvyys ja hallinta etäreunaympäristöön.
edge computing-aloitteen todellinen käyttöönotto voi vaihdella rajusti laajuudeltaan ja mittakaavaltaan, aina paikallisesta tietojenkäsittelylaitteesta taistelujen kovettamassa kotelossa apuohjelman huipulla valtavaan valikoimaan sensoreita, jotka syöttävät suuren kaistanleveyden ja matalan latenssin verkkoyhteyden julkiseen pilveen. Ei kaksi reuna-asennukset ovat samanlaisia. Juuri nämä variaatiot tekevät edge-strategiasta ja-suunnittelusta niin kriittisen edge-projektin onnistumisen kannalta.
Edgen käyttöönotto vaatii kattavaa seurantaa. Muista, että voi olla vaikeaa-tai jopa mahdotonta-saada IT-henkilöstöä fyysiselle edge-sivustolle, joten edge-asennukset olisi suunniteltava joustavuuden, viansietokyvyn ja itsensä parantamiskyvyn tarjoamiseksi. Seurantavälineiden on tarjottava selkeä yleiskuva etäkäytöstä, mahdollistettava helppo varaaminen ja konfigurointi, tarjottava kattava hälytys-ja raportointijärjestelmä sekä ylläpidettävä laitoksen ja sen tietojen turvallisuutta. Edge-seurantaan liittyy usein joukko mittareita ja KPI-mittareita, kuten sivuston saatavuus tai käytettävyys, verkon suorituskyky, tallennuskapasiteetti ja käyttö sekä laskentaresurssit.
eikä edge-toteutus olisi täydellinen ilman reunahuollon huolellista harkintaa:
- turvallisuus. Fyysiset ja loogiset turvatoimet ovat elintärkeitä, ja niiden tulisi sisältää työkaluja, jotka korostavat haavoittuvuuden hallintaa ja tunkeutumisen havaitsemista ja ennaltaehkäisyä. Tietoturvan on ulotuttava sensori-ja IoT-laitteisiin, sillä jokainen laite on verkkoelementti, johon voi päästä käsiksi tai hakkeroitua-esittäen hämmentävän määrän mahdollisia hyökkäyspintoja.
- liitettävyys. Liitettävyys on toinen asia, ja on varauduttava kontrolliin ja raportointiin silloinkin, kun varsinaisen tiedon liitettävyys ei ole käytettävissä. Jotkut edge-asennukset käyttävät toissijaista yhteyttä varmuuskopiointiyhteyden ja ohjauksen.
- johto. Reuna-asemien syrjäiset ja usein karut sijainnit tekevät etätoimituksesta ja hallinnasta välttämätöntä. IT-johtajien on pystyttävä näkemään, mitä laidalla tapahtuu ja tarvittaessa ohjattava käyttöönottoa.
- fyysinen huolto. Fyysisiä huoltovaatimuksia ei voi sivuuttaa. IoT-laitteiden käyttöikä on usein rajoitettu rutiininomaisilla akun ja laitteiden vaihdoilla. Vaihde pettää ja vaatii lopulta huoltoa ja vaihtamista. Käytännön työmaalogistiikka on sisällytettävä kunnossapitoon.
Edge computing, IoT ja 5G-mahdollisuudet
Edge computing kehittyy edelleen hyödyntäen uusia teknologioita ja käytäntöjä, jotka parantavat sen ominaisuuksia ja suorituskykyä. Ehkä huomionarvoisin trendi on Edgen saatavuus, ja edge-palveluiden odotetaan tulevan saataville maailmanlaajuisesti vuoteen 2028 mennessä. Siinä missä edge computing on nykyään usein tilannekohtaista, teknologian odotetaan yleistyvän ja muuttavan Internetin käyttötapaa, tuoden lisää abstraktiota ja mahdollisia käyttötapauksia edge-teknologialle.
Tämä näkyy erityisesti edge computingiin suunniteltujen laskenta -, tallennus-ja verkkolaitteiden yleistymisessä. Multivendor-kumppanuuksien lisääminen mahdollistaa paremman tuotteiden yhteentoimivuuden ja joustavuuden laidalla. Esimerkkinä on AWS: n ja Verizonin välinen kumppanuus, joka tuo paremmat yhteydet reunalle.
Langattomat viestintäteknologiat, kuten 5G ja Wi-Fi 6, vaikuttavat myös Edgen käyttöönottoon ja hyödyntämiseen tulevina vuosina mahdollistaen virtualisointi-ja automaatiokyvyt, joita ei ole vielä tutkittu, kuten parempi ajoneuvojen autonomia ja työmäärän siirtyminen reunalle, samalla kun Langattomat verkot muuttuvat joustavammiksi ja kustannustehokkaammiksi.
Edge computing sai huomiota IoT: n nousun ja tällaisten laitteiden tuottaman datan äkillisen tulvan myötä. Mutta IoT-teknologioiden ollessa vielä suhteellisen lapsenkengissä IoT-laitteiden kehitys vaikuttaa myös edge Computingin tulevaan kehitykseen. Yksi esimerkki tällaisista tulevaisuuden vaihtoehdoista on mikro-modulaaristen datakeskusten (mmdcs) kehittäminen. MMDC on periaatteessa datakeskus laatikossa, laittaen täydellisen datakeskuksen pieneen mobiilijärjestelmään, joka voidaan ottaa käyttöön lähempänä dataa – kuten koko kaupungissa tai alueella-jotta tietojenkäsittely olisi paljon lähempänä dataa asettamatta reunaa oikeaan dataan.