+11 голос |
Edge Computing ─ из категории тех решений, которые неизбежно должны были появиться. Идея здесь очень проста ─ избежать перегонки данных на обработку и обратно. А в сочетании с возможностями облачных вычислений все получается очень эффективно и даже красиво.
Для сложных IoT приложений краевые вычисления (edge computing) предлагают намного более разумные возможности обработки данных, чем только облачные. Поскольку интернет вещей ─ суть обработка произведенных устройствами данных, то облачные технологии здесь практически нужны для производительных централизованных вычислений и хранения данных.
Рост облачного трафика, который дает увеличение числа IoT приложений, мог бы в конце концов привести к потере управляемости облачных структур. В результате эта вычислительная модель стала бы непригодной.
Кроме того, беспрецедентный объем данных, производимых устройствами IoT, приводит к значительному напряжению в интернет-архитектуре. Следовательно, разработчики должны были найти способы уменьшить это давление на сеть и обойти проблему нарастания объемов обрабатываемых данных.
Edge Computing
Современным решением этой проблемы стали краевые вычисления, которые переносят обработку данных к краю сети, ближе к их источнику. Другими словами, вместо того, чтобы послать данные в облачный сервер или датацентр на обработку, устройство соединяется с каналами интернет через локальный шлюз (local gateway device). Здесь производится частичная или полная обработка данных, что обеспечивает более быструю аналитику и уменьшает нагрузку на сеть.
Организация обработки данных в IoT для встроенных систем
Сеть беспроводных датчиков со шлюзом в производственных системах
Краевые вычисления хорошо подходят для индустриальных IoT приложений, в которых важно быстрое принятие решения, ─ тогда, как облачные вычисления остаются более подходящими для аналитики больших массивов данных.
Получение устойчивой и жизнеспособной сети зависит от установки определенного баланса между обработкой на краю и централизованной системой. Вообще, краевые вычисления для кастомизированных систем в сочетании с облачными вычислениями ─ наиболее универсальная платформа, которая обычно хорошо совместима с более старыми приложениями.
Однако промышленность вовсе не собирается заменять одно другим, а хочет использовать их лучшие стороны, ─ так, чтобы они служили дополнением друг другу и устройствам, которые поставляют им данные.
Когда IoT нуждается в крае
Для IoT и распределенных приложений типовая IT инфраструктура включает устройство, «край сети» (network edge) и сервер. Ее цель, как отмечалось выше, состоит в том, чтобы обработать данные непосредственно около устройства для мгновенного ответа и последующего принятия решения.
Это особенно верно для приложений, которые используют произведенные данные в алгоритмах машинного обучения, чтобы принимать самостоятельные решения. Отсылка данных на обработку к центральному облачному серверу облака существенно снижает ожидаемую ценность.
Краевые устройства захватывают информацию в реальном времени. Она может обрабатываться самими устройствами, ─ во избежание потери части информации, искажения маршрута ее движения или для непосредственной оптимизации производственного процесса за счет обратной связи.
Часто краевые вычисления ─ единственная возможность для ресурсов, у которых нет непрерывного сетевого доступа, например планшеты и смартфоны в сельскохозяйственных применениях.
Краевые вычисления имеют преимущества, когда устройство обладает способностью самостоятельной обработки данных в ответ на колебания параметров производственных процессов, которые находятся (или не находятся) в определенных рамках. Например, контроль за состоянием запасов вряд ли будет использовать краевые вычисления. Обработка таких данных на краю сети, скорее всего, привела бы к беспорядку.
Но облачные вычисления остаются важной парадигмой обработки данных. Они полезны в приложениях, которые не очень чувствительны ко времени ответа, в приложениях больших данных и многих других случаях. Такая вычислительная модель увеличивает эффективность выполнения повседневных задач и обеспечивает путь к обработке больших массивов данных.
К уравновешенной стратегии
Итак, краевые вычисления не заменяют облачные. Вместе с тем, необходимый аналитический алгоритм может быть эффективно создан в облаке, и затем перемещен ближе к краевому устройству. Это часто происходит там, где датчик просто собирает данные и не способен к их анализу.
Области применения краевых и облачных вычислений
Лучшее на сегодня решение выглядит как большее или меньшее объединение этих двух моделей для повышения эффективности их совместной работы, ─ краевых вычислений, где наиболее существенным параметром является время, и облачных вычислений, которые характеризуются высокой безопасностью и способностью обрабатывать большие объемы информации.
Таким образом, сегодня ─ время создания стеков на основе IoT и облачных технологий, чтобы получить лучшее решение и оптимизировать вычислительную мощность таких смешанных систем.
Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365
+11 голос |
Проблема толстого клиента против тонкого клиента, вид сбоку? И компромиссное решение, сходное Rich Client? С ними же потянутся проблемы рассинхронизации данных и т.д. История повторяется?
да какая разница, главное чтобы админы/программеры при деле были.