محاسبات لبه ای چیست؟

امروزه حجم داده هایی که توسط حسگر ها، نود ها، برنامه های کاربردی، و … در اینترنت اشیاء تولید می شوند به میزان قابل ملاحظه ای گسترش یافته است. برای کاهش حجم داده های ارسالی، ترافیک شبکه و مسافتی که داده ها باید طی کنند تا به مقصد برسند می توان از مفهومی به نام محاسبات لبه ای یا Edge Computing استفاده کرد.

پردازش داده های اینترنت اشیا معمولا در سیستم رایانش ابری و از طریق منابع محاسبات ابری انجام می شود و به همین علت مواردی مثل پهنای باند شبکه و زمان تاخیر به مشکلات مهمی تبدیل شده اند. به همین علت توصیه می شود که به جای محاسبات ابری، محاسبات لبه ای مورد استفاده قرار بگیرد.

محاسبات ابری چندین دیتاسنتر مختلف را درگیر می کند و پردازش در آن ها انجام می شود، اما در محاسبات لبه ای پردازش تنها در داخل منبع صورت می گیرد. در واقع هدف از طراحی محاسبات لبه ای یا همان Edge Computing این است که پردازش ها اطراف منبع انجام شوند و به دیتاسنتر های مختلف نیازی نداشته باشند.

متخصصان پیش بینی می کنند که ایده ی محاسبات لبه ای در آینده با استقبال خوبی مواجه خواهد شد و طرفداران زیادی پیدا می کند. اپراتور های مرکز داده هم معتقدند که محاسبات لبه ای می توانند به سهولت عملیات بازیابی سرور ها بسیار کمک کنند. محاسبات لبه ای در حال حاضر برای یافتن داده ها و ذخیره و ارسال آن ها مورد استفاده قرار می گیرد و می تواند برای استفاده در سازمان های صنعتی بسیار مفید واقع شود.

گفته می شود که سازمان های مختلف با استفاده از محاسبات لبه ای می توانند زمان پاسخ دهی را به کمتر از 10 میلی ثانیه برسانند. همچنین بعضی از سازندگان خودرو در این فکر هستند که از آن برای ساخت خودرو های هوشمند کمک بگیرند. اما این فناوری نیاز به توسعه دارد و هنوز مشخص نیست که چه کسی باید هزینه های توسعه را پرداخت کند. برای مثال ممکن است سازندگان خودرو های هوشمند فناوری محاسبات لبه ای را پشتیبانی کنند و هزینه های مربوط به توسعه آن را بر عهده بگیرند و یا افراد دیگری اقدام به این کار کنند.

خودرو های هوشمند بر اساس محاسبات لبه ای ساخته شده اند و از امنیت و پهنای باند خوبی برخوردار می باشند. در این خودرو ها چندین حسگر قرار گرفته که اطلاعاتی از شرایط فیزیکی محیط اطراف خودرو را به فضای ابری ارسال می کنند و سپس این داده ها تجزیه و تحلیل خواهند شد. اگر به جای محاسبات لبه از محاسبات ابری استفاده می شد به دلیل مشکلات پهنای باند و زمان تاخیر که قبلا گفتیم، تجزیه و تحلیل اطلاعات به موقع انجام نمی گرفت و هر لحظه امکان تصادف خودرو وجود داشت.

یکی دیگر از کاربرد های محاسبات لبه ای در عملیات بانکی است که به منظور کشف و توقف تراکنش های ناموفق به کار برده می شود. بانک ها یا سازمان های مالی اطلاعات خود را به یک دیتاسنتر مرکزی ارسال کرده یا آن را در فضای Cloud آپلود می کنند و سپس این اطلاعات پردازش شده و مورد بررسی و تحلیل قرار می گیرند. در صورتی که در هنگام ارسال اطلاعات مالی وقفه ای ایجاد شود، این اطلاعات ارزش خود را از دست می دهند و احتمال بروز مشکلات زیادی در عملکرد بانک وجود خواهد داشت.

راه حل این مشکل این است که در بانک ها و سازمان های مالی از دیتاسنتر های میکرو استفاده شود. این دیتاسنتر ها پردازش داده ها را در همان لحظه انجام می دهند و در کمترین زمان ممکن پردازش های ناموفق را متوقف می کنند.

همانطور که گفتیم ایده ی محاسبات لبه ای هنوز هیچ پشتیبان و مالکی ندارد و در صورت توسعه می تواند در بسیاری از حوزه ها مفید واقع شود.