محاسبات edge چیست؟

محاسبات edge چیست؟

شما نیز قطعا در هنگام مطالعه درباره شبکه و سرورهای اچ پی بسیار با واژه Edge  مواجه شوید. ما در این ایجا به طور مفصل راجع به محاسبات و پردازش edge صحبت خواهیم کرد.

Edge

Edge در فناوری اطلاعات به محاسبات ویا پردازش اطلاعاتی گفته می شود  که درلبه و یا در خود دستگاه‌های مقصد، متصل به شبکه انجام   می‌شوند؛ تا داده‌ها را تحویل دهند و دستورالعمل‌ها را از یک سرور مرکزی، دیتا سنترها و یا سرور های ابری، دریافت کنند. ولی این مدل مرسوم در گذشته بود، از آنجایی که دستگاه های مدرن امروزی به قدری داده تولید می کنند که شرکت ها برای حفظ عملکرد بهینه به تجهیزات گران قیمت نیاز دارند. محاسبات در حالت Edge این مشکل را با نزدیک کردن پردازش به دستگاهی که داده تولید می کند حل می کنند. داده ها برای پردازش نیازی به منتقل شدن به سرور مرکزی ندارند، بنابراین دیگر هیچ مشکل تاخیر یا پهنای باند وجود نخواهد داشت.در نتیجه با استفاده از این تکنولوژی مزایای زیر را به همراه خواهد داشت.

  • زمان پاسخگویی بهبود یافته
  • در دسترس بودن پهنای باند بهتر
  • تجزیه و تحلیل داده ها جامع تر و سریع تر
  • در دسترس بودن بالا.

محاسباتEdge   همچنین به، به روز نگه داشتن بارهای کاری، اطمینان از حفظ حریم خصوصی داده ها و رعایت قوانین حفاظت از داده ها مانند HIPAA، GDPR و PCI کمک می کند. این مدل پردازش همچنین امکان نوآوری های بیشتر با هوش مصنوعی و یادگیری ماشین را فراهم می کند.

دستگاه‌های Edge قبل از ارسال اطلاعات به یک سرور edge داخلی، داده‌ها را جمع‌آوری و ذخیره می‌کنند. این سرور فعالیت های زیر را انجام می دهد:

  • پردازش داده ها در زمان واقعی
  • تجسم و تجزیه و تحلیل داده ها.
  • نقد ینگی و بافر کردن.
  • فیلتر کردن داده ها

مرکز edge پیچیده ترین درخواست های پردازشی (عملیات کلان داده و منطق تجاری) را به مرکز داده یا ابر ارسال می کند. در حالی که نیاز به یک سرور اختصاصی مرکزی هنوز وجود دارد، یک کسب و کار می‌تواند اتصالات کندتر و ارزان‌تری را بدون خطر تأخیر به دلیل عملیات LOCAL و داده‌های از پیش مرتب شده راه‌اندازی کند.

Edge computing همچنین به به روز نگه داشتن بارهای کاری، اطمینان از حفظ حریم خصوصی داده ها و رعایت قوانین حفاظت از داده ها مانند HIPAA، GDPR و PCI کمک می کند. این مدل پردازشی همچنین امکان نوآوری های بیشتر با هوش مصنوعی و یادگیری ماشین را فراهم می کند.

مقایسه رایانش Edge و رایانش ابری (Cloud Computing)

مقایسه رایانش Edge و رایانش ابری (Cloud Computing)

تمایز اصلی بینEdge  و محاسبات ابری در جایی است که پردازش انجام می شود:

  • در رایانش ابری، تمام عملیات داده در یک مکان متمرکز انجام می شود.
  • در محاسبات Edge، بیشتر فرآیندهای مربوط به داده ها به صورت locally (در لبه محیط) رخ می دهند.

محاسبات Edge برای موارد استفاده که به پردازش داده های حساس به زمان برای تصمیم گیری متکی هستند، ایده آل است. مورد استفاده دیگری که در آن edge computing بهتر از راه حل ابری است، برای عملیات در مکان های دور با اتصال کم یا بدون اتصال به اینترنت است.

با این حال، محاسبات لبه جایگزینی برای ابر نیست. این فناوری ها قابل تعویض نیستند. محاسبات لبه مکمل ابر است و این دو فناوری عملکرد بهتری را برای موارد استفاده خاص تضمین می کنند.

Edge Computing Architecture

برای راه اندازی سیستم edge computing به تجهیزاتی نیاز است که در زیر مشاهده می کنید.

دستگاه های Edge

قطعه ای از تجهیزات ویژه با ظرفیت محاسباتی محدود.

Edge node

هر دستگاه، سرور یا دروازه ای که محاسبات Edge را انجام می دهد.

سرور Edge

کامپیوتری که در یک مرکز نزدیک به دستگاه Edge قرار دارد. این ماشین‌ها بارهای کاری برنامه‌ها و سرویس‌های مشترک را اجرا می‌کنند، بنابراین نسبت به دستگاه‌های لبه به قدرت محاسباتی بیشتری نیاز دارند.

Edge gateway

سرور edge که عملکردهای شبکه مانند تونل زدن، مدیریت فایروال، ترجمه پروتکل و اتصالات بی سیم را انجام می دهد. یک دروازه همچنین می تواند بارهای کاری برنامه را میزبانی کند.

Cloud

یک ابر عمومی یا خصوصی که به عنوان یک مخزن برای بارهای کاری کانتینری مانند برنامه ها و مدل های یادگیری ماشین عمل می کند. ابر همچنین میزبان و اجرای برنامه هایی است که گره های edge را مدیریت می کنند.

Edge computing دارای سه گره اصلی است: دستگاه local edge، edge ، ابر

edge دستگاه فیزیکی، مکانی است که دستگاه های لبه در محل کار می کنند (دوربین ها، حسگرها، ماشین های صنعتی و غیره). این دستگاه ها قدرت پردازش جمع آوری و انتقال داده ها را دارند.

 

Local Edge شامل دو لایه می باشد که :

لایه برنامه‌ای که دستگاه‌های edge برنامه‌ها را اجرا می‌کند به دلیل ردپای بزرگ (مثلاً تجزیه و تحلیل ویدیوی پیچیده یا پردازش اینترنت اشیاء) نمی‌توانند از پس آن برآیند.

لایه شبکه ای که اجزای فیزیکی یا مجازی شبکه مانند روترها و سوئیچ ها را اجرا می کند.

Cloud (یا Nexus) بارهای کاری برنامه و شبکه را اجرا می کند که پردازشی را مدیریت می کند که سایر گره های لبه قادر به انجام آن نیستند. علیرغم نام، این لایه لبه می تواند به عنوان یک مرکز داده داخلی یا در فضای ابری اجرا شود.

مقایسه edge و cloud

تصویر زیر معماری دقیق تری را ارائه می دهد و اجزای مربوط به هر گره لبه را نشان می دهد.

راه‌حل‌ها و برنامه‌های کاربردی صنعتی می‌توانند در چندین گره وجود داشته باشند، زیرا بارهای کاری خاص برای دستگاه یا لبه محلی مناسب‌تر هستند. برخی از بارهای کاری دیگر نیز می توانند به صورت پویا بین گره ها تحت شرایط خاص (به صورت دستی یا خودکار) حرکت کنند.

مجازی‌سازی یک عنصر حیاتی از راه‌اندازی محاسبات لبه‌ای در مقیاس بزرگ است. این فناوری استقرار و اجرای برنامه های متعدد بر روی سرورهایedge را آسان تر می کند.

مزایای Edge Computing

همانطور که edge computing را مورد بررسی قرار دادیم، متوجه مفهوم و نوع عملکرد آن شدیم ولی همانطور که همه می دانیم هر تکنولوژی و فناوری جدید مزایا و معایب خود را به همرا دارد . در نتیجه مرور کلی بر روی مزایای استفاده از تکنولوژی Edge  را خواهیم داشت.

کاهش latency  در پردازش دیتا

Edge computing با کاهش تأخیردر عملکرد شبکه را بهبود می بخشد. از آنجایی که دستگاه‌ها داده‌ها را به صورت local یا در یک مرکز لبه محلی پردازش می‌کنند، اطلاعات به اندازه یک معماری ابری، استاندارد منتقل نمی شوند.

به عنوان مثال، دو همکار در یک ساختمان در حال تبادل ایمیل هم می توانند از طریق شبکه های استاندارد با تاخیر در ارسال و دریافت ایمیلشان مواجه شوند. هر پیام از ساختمان خارج می شود، با یک سرور در فاصله دور تر ارتباط برقرار  کرده و به صندوق ورودی گیرنده باز می گردد. اگر این فرآیند در لبه اتفاق بیفتد و روتر شرکت ایمیل‌های اداری را مدیریت کند، این تاخیر رخ نخواهد داد.

پردازش دیتا با امنیت بیشتر

تنظیمات  سنتی  cloud setupsدر برابر حملات توزیعی سرویس (DDoS)  و قطع برق آسیب پذیر هستند. از آنجایی که Edge computing پردازش و ذخیره سازی را توزیع می کند، سیستم ها کمتر مستعد اختلال و خرابی هستند.

علاوه بر این، از آنجایی که بیشتر فرآیندها به صورت local انجام می‌شوند، هکرها نمی‌توانند داده‌های در حال انتقال را رهگیری کنند. حتی اگر یک کامپیوتر منفرد با نقض داده مواجه شود، مهاجم فقط می تواند داده های local آن سیستم را به خطر بیاندازد.

 

مقیاس پذیری اقتصادی

 Edge computing به یک شرکت امکان می دهد ظرفیت خود را از طریق ترکیبی از دستگاه های اینترنت اشیا و سرورهای لبه افزایش دهد. افزودن منابع بیشتر به سرمایه گذاری در یک مرکز داده خصوصی که ساخت، نگهداری و گسترش آن گران است نیاز ندارد. در عوض، یک شرکت می تواند سرورهای لبه منطقه ای را برای گسترش سریع و مقرون به صرفه شبکه راه اندازی کند.

معایب Edge Computing

 Edge computing سطح حمله کلی را برای یک شبکه افزایش می دهد. دستگاه های Edge می توانند به عنوان نقطه ورود برای حملات سایبری عمل کنند که از طریق آن مهاجم می تواند نرم افزارهای مخرب را تزریق کرده و شبکه را آلوده کند.

متأسفانه، ایجاد امنیت کافی در یک محیط توزیع شده دشوار است. بیشتر پردازش داده ها خارج از سرور مرکزی و خط دید مستقیم تیم امنیتی انجام می شود. هر زمان که شرکت تجهیزات جدیدی را اضافه می کند، سطح حمله نیز بزرگتر می شود.

یکی دیگر از مشکلات رایج در Edge computing قیمت بالای آن است. راه اندازی این زیرساخت پرهزینه و پیچیده است. هزینه‌های تعمیر و نگهداری نیز معمولاً بالا است، زیرا تیم پشیبانی باید دستگاه‌های متعددی را در مکان‌های مختلف سالم نگه دارد.

در نهایت، با توجه به اینکه استانداردهای فعلی به سرعت در حال تغییر هستند، ممکن است یک شرکت با به روز نگه داشتن تنظیمات مشکل داشته باشد. دستگاه‌ها و نرم‌افزارهای جدید مرتباً در حال عرضه هستند، بنابراین تجهیزات می‌توانند به سرعت منسوخ شوند.

تاثیر اینترنت 5G بر edge computing

 ظهور  5G سرعت داده بیش از 20 گیگابیت بر ثانیه و اتصال بدون تاخیر بیش از یک میلیون دستگاه در هر مایل مربع را نوید می دهد. این فناوری در حال ظهور، edge computing را به سطح جدیدی سوق می‌دهد و تأخیر کمتر، سرعت‌های بالاتر و بازدهی بیشتر را ممکن می‌سازد.

شرکت ها به زودی می توانند از 5G برای گسترش edge شبکه استفاده کنند. همپوشانی شبکه‌ها به کسب‌وکارها اجازه می‌دهد حتی داده‌های بیشتری را در دستگاه‌های edge نگه دارند. برنامه‌ها همچنین می‌توانند به ارتباطات بلادرنگ با شبکه تکیه کنند، ویژگی که در گسترش اینترنت اشیا حیاتی خواهد بود.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.