محاسبات لبه ای یا edge computing چیست

محاسبات لبه ای

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.

Edge Computing,کاربرد های محاسبات لبه ای,محاسبات لبه ای,

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.

چرا محاسبات لبه ای مهم است؟

محاسبات لبه ای روش دستیابی، پردازش و تحویل داده ها از میلیون ها دستگاه را در سراسر جهان را تغییر می دهد. با افزایش تکنولوژی اینترنت اشیاء، محاسبات لبه ای نیز از جایگاه ویژه ای برخوردار شد.

فن آوری های شبکه سریعتر، مانند وایرلس 5G، به سیستم های محاسباتی لبه امکان می دهد تا ایجاد یا پشتیبانی از برنامه های بلادرنگ، مانند پردازش فیلم و تجزیه و تحلیل، اتومبیل های خودران، هوش مصنوعی و روباتیک را تسریع کنند.

برای بسیاری از شرکت ها، صرفه جویی در هزینه به تنهایی می تواند محرکی برای استقرار یک معماری محاسبات لبه ای باشد.

شرکت هایی که بسیاری از برنامه های خود را درگیر فضای ابری کرده اند، دریافته اند که هزینه های پهنای باند بالاتر از حد انتظار است. به طور فزاینده، تصور می شود که بزرگترین مزیت محاسبه لبه ای، توانایی پردازش و ذخیره سریعتر داده ها است. این افزایش پردازش داده ها برای شرکت ها بسیار مهم هستند.

امنیت در محاسبات لبه ای

مانند هر فناوری جدید، این فناوری نیز در کنار حل مشکل میتواند مشکلات دیگری را هم به وجود آورد.

از نظر امنیتی، داده های لبه ای می توانند مشکل ساز باشند. به خصوص هنگامی که توسط دستگاه های مختلفی کار می شود که ممکن است به اندازه یک سیستم متمرکز یا مبتنی بر ابر امن نباشند. با افزایش تعداد دستگاه های IoT، ضروری است که فناوری اطلاعات مشکلات احتمالی امنیتی پیرامون این دستگاه ها را درک کرده و از امنیت آن سیستم اطمینان حاصل کنند. این شامل اطمینان از رمزگذاری داده ها و استفاده از روش های صحیح کنترل دسترسی است.

علاوه بر این، نیازهای مختلف دستگاه برای پردازش قدرت، برق و اتصال به شبکه می تواند بر قابلیت اطمینان دستگاه لبه تأثیر بگذارد.

مزایای محاسبات لبه ای چیست؟

محاسبات لبه ای از به حداقل رساندن استفاده از پهنای باند و منابع سرور کمک می کند. پهنای باند و منابع ابری محدود و هزینه ای هستند. پیش بینی می شود که در آینده نه چندان دور هر خانه و دفتر کاری با دوربین های هوشمند، چاپگرها، ترموستات ها و حتی لوازم برق یخانگی همچون توستر ها و… مجهز می شوند. تا سال 2025 بیش از 75 میلیارد دستگاه IOT در سراسر جهان نصب خواهد شد. برای پشتیبانی از این دستگاه ها، تعداد قابل توجهی از محاسبات باید به لبه منتقل شود.

به طور مثال ممکن است دو همکار در همان دفتر در حال گپ زدن بر روی یک پلت فرم IM باشند. ممکن است تأخیر قابل توجهی را تجربه کنند زیرا هر پیام باید از ساختمان خارج شود، با سرور در جایی در سراسر جهان ارتباط برقرار کند و قبل از ظاهر شدن در صفحه گیرنده مجدداً برگردانده شود.

اگر روتر داخلی شرکت وظیفه انتقال چت های داخل دفتر را داشته باشد، دیگر آن تاخیر وجود نخواهد داشت.  به طور مشابه، هنگامی که کاربران برنامه های وب در فرآیندی قرار می گیرند که باید با یک سرور خارجی ارتباط برقرار کنند، با تاخیر مواجه می شوند. مدت زمان تاخیر این ها بسته به پهنای باند موجود و محل سرور متفاوت خواهد بود، اما با آوردن فرآیندهای بیشتر در لبه شبکه، می توان از این تاخیر ها جلوگیری کرد. علاوه بر این، محاسبات لبه می تواند عملکردهای جدیدی را که قبلاً در دسترس نبودند فراهم کند. به عنوان مثال، یک شرکت می تواند از پردازش لبه برای پردازش و تجزیه و تحلیل داده های خود در لبه استفاده کند، این امر باعث می شود که این کار در زمان واقعی انجام شود.

به طور کلی مزایای محاسبات لبه ای را موردی بیان می کنیم:
  • تأخیر کاهش یافته است.
  • کاهش در پهنای باند و هزینه های مرتبط
  • کاهش در منابع سرور و هزینه های مرتبط
  • افزایش قابلیت ها