Войти
Edge computing is парадигма распределенных вычислений, которая приближает вычисления и хранилище данных к месту, где это необходимо, для сокращения времени отклика и экономии полосы пропускания.
Истоки периферийных вычислений лежат в сетях доставки контента, которые были созданы в конце 1990-х для обслуживания веб-контента и видеоконтента с пограничных серверов, которые были развернуты рядом с пользователями. В начале 2000-х эти сети эволюционировали для размещения приложений и компонентов приложений на пограничных серверах, что привело к появлению первых коммерческих пограничных вычислительных служб, в которых размещались такие приложения, как поиск дилеров, тележки для покупок, агрегаторы данных в реальном времени и механизмы вставки рекламы.
Современные периферийные вычисления значительно расширяют этот подход за счет технологии виртуализации, которая упрощает развертывание и запуск более широкого спектра приложений на пограничных серверах.
Инфраструктура периферийных вычислений Одно определение граничных вычислений - это любой тип компьютерной программы, которая обеспечивает низкую задержку ближе к запросы. Карим Араби в основном выступлении IEEE DAC 2014, а затем в приглашенном выступлении на семинаре MIT MTL в 2015 году определил периферийные вычисления в широком смысле как все вычисления за пределами облака, происходящие на границе сети, и, в частности, в приложениях, где обработка данных в реальном времени данные обязательны. В его определении облачные вычисления работают с большими данными, в то время как периферийные вычисления работают с «мгновенными данными», то есть данными в реальном времени, генерируемыми датчиками или пользователями.
Согласно отчету State of the Edge, периферийные вычисления концентрируются на серверах «в непосредственной близости от сети последней мили». Алекс Резник, председатель комитета по стандартам ETSI MEC ISG определяет термин: «все, что не является традиционным центром обработки данных, может быть для кого-то« краем »».
Пограничные узлы, используемые для потоковая передача игр известна как гамлеты, которые обычно находятся на расстоянии одного или двух прыжков от клиента. Пер Ананд и Эдвин говорят, что «граничный узел в основном находится на расстоянии одного или двух прыжков от мобильного клиента, чтобы соответствовать ограничениям времени отклика для игр в реальном времени» в контексте облачных игр.
Увеличение количества устройств IoT на границе сети приводит к возникновению огромного объема данных, которые необходимо вычислять в центрах обработки данных, повышая требования к пропускной способности сети. предел. Несмотря на усовершенствования технологии сети, центры обработки данных не могут гарантировать приемлемую скорость передачи и время отклика, что может быть критическим требованием для многих приложений. Более того, периферийные устройства постоянно потребляют данные, поступающие из облака, что вынуждает компании создавать сети доставки контента для децентрализации предоставления данных и услуг, используя физическую близость к конечному пользователю.
Аналогичным образом цель Edge Computing - переместить вычисления от центров обработки данных к границе сети, используя смарт-объекты, мобильные телефоны или сетевые шлюзы для выполнения задач и предоставления услуг от имени облака. Перемещая сервисы на периферию, можно обеспечить кэширование контента , доставку сервисов, хранилище и управление IoT, что приведет к увеличению времени отклика и скорости передачи. В то же время распределение логики по разным узлам сети создает новые проблемы и проблемы.
Распределенный характер этой парадигмы вносит сдвиг в схемы безопасности, используемые в облачных вычислениях. Следует не только зашифровывать данные, но и использовать другой механизм шифрования, поскольку данные могут передаваться между различными распределенными узлами, подключенными через Интернет, прежде чем в конечном итоге попадут в облако. Граничные узлы также могут быть устройствами с ограниченными ресурсами, что ограничивает выбор с точки зрения методов безопасности. Более того, требуется переход от централизованной нисходящей инфраструктуры к децентрализованной модели доверия. С другой стороны, сохраняя данные на периферии, можно передать право собственности на собранные данные от поставщиков услуг конечным пользователям.
Масштабируемость в распределенной сети должна сталкиваться с различными проблемами. Во-первых, он должен учитывать неоднородность устройств, имеющих различные ограничения производительности и энергии, высокодинамичное состояние и надежность соединений по сравнению с более надежной инфраструктурой облачных центров обработки данных. Более того, требования безопасности могут привести к дополнительной задержке при обмене данными между узлами, что может замедлить процесс масштабирования.
Управление отработкой отказа имеет решающее значение для поддержания сервис жив. Если один узел выходит из строя и становится недоступным, пользователи по-прежнему должны иметь доступ к службе без перерывов. Более того, пограничные вычислительные системы должны обеспечивать действия для восстановления после сбоя и оповещения пользователя об инциденте. С этой целью каждое устройство должно поддерживать топологию сети всей распределенной системы, чтобы можно было легко применять обнаружение ошибок и восстановление. Другие факторы, которые могут повлиять на этот аспект, - это используемая технология подключения, которая может обеспечивать разные уровни надежности, и точность данных, производимых на границе, которая может быть ненадежной из-за определенных условий окружающей среды.
Граничные вычисления приближают аналитические вычислительные ресурсы к конечным пользователям и, следовательно, помогают увеличить скорость передачи данных. Хорошо спроектированная пограничная платформа значительно превзойдет традиционную облачную систему. Некоторые приложения полагаются на короткое время отклика, что делает периферийные вычисления значительно более осуществимым вариантом, чем облачные вычисления. Примерами являются приложения, связанные с человеческим восприятием, такие как распознавание лиц, выполнение которых обычно занимает от 370 до 620 мсек. Пограничные вычисления с большей вероятностью смогут имитировать ту же скорость восприятия, что и люди, что полезно в таких приложениях, как дополненная реальность, где гарнитура предпочтительно должна распознавать, кем является человек одновременно с тем, кто его носит.
Благодаря близости аналитических ресурсов к конечным пользователям, сложные аналитические инструменты и инструменты искусственного интеллекта могут работать на периферии системы. Такое размещение на краю помогает повысить эффективность работы и дает системе множество преимуществ.
Кроме того, использование граничных вычислений в качестве промежуточного этапа между клиентскими устройствами и более широким Интернетом приводит к снижению эффективности, что можно продемонстрировать в следующем примере: клиентское устройство требует выполнения интенсивной вычислительной обработки видеофайлов. на внешних серверах. Используя серверы, расположенные в локальной пограничной сети, для выполнения этих вычислений, видеофайлы необходимо передавать только по локальной сети. Предотвращение передачи через Интернет приводит к значительной экономии полосы пропускания и, следовательно, к повышению эффективности.
Службы пограничных приложений сокращают объемы данных, которые должны быть перемещены, соответствующий трафик и расстояние, на которое эти данные должен путешествовать. Это обеспечивает меньшую задержку и снижает затраты на передачу. Выгрузка вычислений для приложений реального времени, таких как алгоритмы распознавания лиц, показала значительное улучшение времени отклика, как показали ранние исследования. Дальнейшие исследования показали, что использование ресурсоемких машин, называемых облачками, рядом с мобильными пользователями, которые предлагают услуги, обычно присутствующие в облаке, обеспечивает сокращение времени выполнения, когда некоторые задачи выгружаются на граничный узел. С другой стороны, разгрузка каждой задачи может привести к замедлению из-за времени передачи между устройством и узлами, поэтому в зависимости от рабочей нагрузки может быть определена оптимальная конфигурация.
Другое использование архитектуры - облачные игры, в которых некоторые аспекты игры могут выполняться в облаке, а визуализированное видео передается облегченным клиентам, работающим на таких устройствах, как мобильные телефоны, очки виртуальной реальности и т. Д. тип потоковой передачи также известен как потоковая передача пикселей.
Другие известные приложения включают подключенные автомобили, автономные автомобили, умные города, Индустрия 4.0 (умная промышленность) и системы домашней автоматизации.
