Co to jest edge computing?


Edge computing oznacza umieszczenie mocy obliczeniowej i przechowywania danych blisko źródła, w którym te dane są generowane. Dzięki temu w chmurze odbywa się mniej procesów, co rozwiązuje problemy z przesyłaniem danych na duże odległości i opóźnieniami. Do najważniejszych zalet edge computing należą zwiększona dostępność i skrócony czas przesyłania danych.

Różni się on od tradycyjnego modelu przetwarzania i analizy danych w scentralizowanym centrum danych - w chmurze lub we własnej siedzibie firmy - ponieważ dane są przetwarzane na „brzegu" sieci.

idc infobrief hero image cloud database campaign

Dlaczego technologia edge computing staje się bardziej popularna

Edge computing zyskuje na znaczeniu wraz ze wzrostem ilości danych, który zachodzi w fenomenalnym tempie. Wzrost ilości danych jest w dużej mierze spowodowany przez czujniki danych zgromadzone w urządzeniach IoT (Internet of Things). Edge computing może zapewnić przechwytywanie, przetwarzanie i analizę danych w czasie prawie rzeczywistym. Dzięki temu do centrum danych trafiają tylko istotne informacje, a ich filtrowanie może wyeliminować wszelkie niepotrzebne dane.

Wydajność aplikacji, takich jak rozszerzona rzeczywistość (AR), wirtualna rzeczywistość (VR), uczenie maszynowe (ML) i sztuczna inteligencja (AI) staje się bardziej wydajna dzięki przetwarzaniu danych na brzegu. Edge computing umożliwia również wykorzystanie danych w odległych lokalizacjach i ułatwia zapewnienie zapewnia zgodność, ponieważ nie przenosi danych ze źródła pochodzenia. Ponadto wykorzystanie lokalnej sieci komputerowej (LAN) do przetwarzania i przechowywania danych oznacza, że do chmury trzeba przesyłać mniej danych, a to pozwala obniżyć koszty operacyjne.

Zachowanie danych na brzegu jest uważane za bardziej wydajne niż ich przesyłanie strumieniowe do chmury lub centrum danych, ale również dane na brzegu muszą być zabezpieczone. W celu ochrony przed kradzieżą lub cyberatakiem wszystkich danych przesyłanych strumieniowo i przechowywanych konieczne jest wprowadzenie zasad ich szyfrowania. Utrzymanie silnej pozycji w zakresie bezpieczeństwa brzegu jest kluczem do rentowności przetwarzania danych na brzegu.

Gartner, podmiot analityczno-badawczy, opisuje edge computing jako „część topologii rozproszonych obliczeń, w której przetwarzanie informacji znajduje się blisko brzegu - tam, gdzie informacje są wytwarzane i wykorzystywane przez rzeczy i ludzi". Obliczenia rozproszone nie są niczym nowym i są używane od dziesięcioleci, na przykład przez firmy wykonujące operacje zdalne, gdzie korzystanie z centralnego systemu IT nie ma sensu.

Praca z tradycyjnym modelem przesyłania przez Internet danych do scentralizowanego centrum jest obecnie uznawana za niewskazaną, gdyż nowoczesne firmy potrzebują szybszego dostępu do informacji potrzebnych do podejmowania decyzji. Tradycyjny Internet po prostu nie jest zaprojektowany w sposób, który pozwoliłby mu obsługiwać ruch danych, który będzie potrzebny w przyszłości. Przerwy w dostępie do Internetu mogą również prowadzić do przerw w ciągłości usług, spowolnienia ich usług, niedostępności połączeń i utraty zysków.

Każde rozwiązanie edge musi przetwarzać dwa typy danych. Pierwszy rodzaj to dane systemowe obsługujące operacje biznesowe, które najczęściej są przechowywane w relacyjnych bazach danych mniejszych niż bazy w lokalnym centrum danych lub w chmurze. Drugim rodzajem danych są dane użytkownika. Zdecydowana większość danych przetwarzanych na brzegu jest generowana przez czujniki, co sprawia, że zlokalizowane przetwarzanie jest bardziej wydajne. Poza danymi z czujników, organizacje dysponują coraz większą liczbą urządzeń połączonych (takich jak smartfony czy laptopy), którymi trzeba zarządzać i które można lepiej obsługiwać w modelu edge computing.

Edge computing jest w rzeczywistości dopełnieniem centralnego modelu obliczeniowego, który jest bardziej odpowiedni dla intensywnego przetwarzania zadań obliczeniowych. Brzeg jest lepiej dostosowany do przetwarzania danych w czasie rzeczywistym i pozwala generować szybsze analizy. Edge computing może również pomóc w zmniejszeniu obciążenia Internetu poprzez utrzymanie przetwarzania danych blisko ich źródła i minimalizowanie zatorów. Firma IDC przewiduje, że do roku 2023 ponad połowa nowych infrastruktur IT przedsiębiorstw , a nie w centrum danych.

Co działa lepiej dzięki systemom edge computing

Implementacja modelu edge computing może pomóc w rozwiązaniu wielu problemów, które firmom z różnych branż przeszkadzają w rozwoju. Generuje też niezliczone korzyści.

Krótszy czas odpowiedzi

Przetwarzanie danych w pobliżu miejsca, w którym są generowane, zajmuje znacznie mniej czasu niż wysyłanie ich do zdalnego centrum danych. Przerwy w działaniu i przeciążenie sieci mogą zwiększyć opóźnienia i spowolnić analizę danych w czasie rzeczywistym. Sieci bezprzewodowe działają najskuteczniej w już istniejącej infrastrukturze edge computing.

Większa odporność biznesowa firmy

Usługi edge pomagają firmom w przezwyciężeniu wielu problemów, takich jak niezaplanowane przestoje spowodowane brakiem dostępności Internetu. Utrzymywanie danych w jednym miejscu oznacza, że firmy mogą skuteczniej zagwarantować bezpieczniejsze połączenia i poprawić wydajność biznesową dzięki trzymaniu danych w strukturze firmy. Może to poprawić doświadczenie użytkownika poprzez dostarczanie bogatych treści, takich jak wideo, w pobliżu miejsca, gdzie są potrzebne.

Poprawa suwerenności danych

Dla wielu firm dużym problemem jest to, że dane są przesyłane do innych regionów lub ponad granicami państw. Kwestie suwerenności danych można rozwiązać, przetwarzając je i przechowując blisko miejsca, w którym zostały wytworzone. W systemach ochrony zdrowia mogą to być wrażliwe dane pacjentów lub dane wideo i wszelkie informacje pozwalające zidentyfikować konkretną osobę. Takie systemy ułatwiają także zapewnienie zgodności z przepisami, np.europejskiego Rozporządzenia Ogólnego o Ochronie Danych Osobowych (RODO), ponieważ dane są przetwarzane na brzegu i anonimizowane przed wysłaniem do chmury lub głównego centrum danych.

Ograniczenie przeciążeń

Sensory IoT zwiększają jeszcze bardziej potrzebę przesyłania i przetwarzania większej ilości danych. W erze usług cloud computingu i streamingu, Internet osiąga jak na razie wystarczającą wydajność. Dodawanie danych z miliardów urządzeń będzie ogromnym obciążeniem dla globalnej infrastruktury internetowej. IDC przewiduje, że dane generowane do 2025 roku , czyli ilość prawie niewyobrażalną. Edge computing ma reprezentować 90 procent tych danych. Dzięki tym systemom można łatwo uniknąć przeciążenia sieci internetowej.

Do czego służy technologia edge computing?

Istnieje wiele różnorodnych zastosowań przetwarzania brzegowego, kiedy wyniki analiz w czasie rzeczywistym mogą być użyteczne w przypadku wielu operacji o krytycznym znaczeniu biznesowym. Są one wykorzystywane do analizy predykcyjnej w zakładach masowej produkcji, gdzie utrzymanie sprzętu w zakładzie jest konieczne dla ciągłości pracy zakładu. W logistyce analiza zapisów wideo lub obrazów w systemie edge computing może być wykorzystywana w centrach dystrybucji na linii pakowania. Możliwe jest błyskawiczne sprawdzanie przesyłek, dzięki czemu wiadomo, że zawierają właściwe produkty, a to eliminuje błędy w przetwarzaniu zamówień.

Edge computing ma wiele możliwości i budzi entuzjazm w branżach takich jak przemysł, samorządy lokalne, rolnictwo i wiele innych. Oto kilka przykładów zastosowania edge computingu.

Transport
Samochody muszą się sprawdzić pod względem bezpieczeństwa zarówno pasażerów, jak i pieszych. Wymaga to przetwarzania w czasie rzeczywistym do 20 terabajtów danych, które każdy autonomiczny pojazd musi przetworzyć w ciągu jednego dnia. Obejmuje to drogi, ruch drogowy i warunki pogodowe, a także informacje dotyczące prędkości i oczywiście lokalizacji. Wysłanie tych danych do zdalnego centrum danych spowolniłoby ich analizę i miałoby poważne konsekwencje dla bezpieczeństwa. Edge computing pomoże autonomicznym pojazdom szybciej przetwarzać dane i zbliżyć wizję do rzeczywistości.

Produkcja
Mniejsza wydajność oznacza mniejszy zysk z produkcji. Analiza danych na brzegu może mieć istotne znaczenie dla udoskonalenia procesów produkcyjnych. Uzyskanie wglądu w poziomy efektywności operacyjnej poprzez wykorzystanie danych zgromadzonych przez czujniki na całej linii produkcyjnej może pomóc w identyfikacji obszarów wymagających poprawy. Czujniki mogą przeprowadzać analizy predykcyjne poprzez sprawdzanie stanu maszyn i funkcjonalności instalacji. Ponadto czynniki takie jak kontrola zapasów i bezpieczeństwo pracowników mogą być monitorowane w celu utrzymania wydajności i bezpieczeństwa operacji.

Rolnictwo
W świecie ograniczonych zasobów i nieprzewidywalnej pogody czujniki mogą być wykorzystywane do monitorowania poziomu wilgotności gleby i zawartości składników odżywczych. Dzięki danym z czujników rolnicy mogą precyzyjnie przewidzieć optymalny czas zbiorów, aby zapewnić maksymalną wydajność. Drony mogą monitorować uprawy w celu wykrycia chorób i szkodników. Czujniki mogą pomóc w przewidywaniu wzorców pogodowych, co pomoże rolnikom lepiej chronić uprawy przed powodziami lub pożarami. Ogólnie rzecz biorąc, ten rodzaj inteligentnego rolnictwa może pomóc w zwiększeniu efektywności, obniżeniu kosztów operacyjnych i zapewnieniu rolnikom dużo większego poziomu kontroli.

Opieka medyczna
W placówkach służby zdrowia dane są generowane stale. Skany z urządzeń medycznych, takich jak sprzęt USG, monitory serca i urządzenia przenośne, mogą generować duże ilości danych. Zamiast wysyłać je do centralnego magazynu danych, można je przetwarzać i analizować na brzegu. Eksperci medyczni mogą uzyskiwać wyniki w czasie rzeczywistym i sprawniej stawiać diagnozy, zmniejszając potrzebę dodatkowych spotkań i redukując kolejki oczekujących. Chirurgia wspomagana robotami jest bardziej bezpieczna dzięki przetwarzaniu na miejscu danych, które inaczej trzeba byłoby wysyłać do odległego centrum danych.

Inteligentne miasta
Wyobraźcie sobie świat, w którym łatwo jest zaparkować, nie ma przepełnionych koszy na śmieci, a przestępczość jest pod kontrolą. Inteligentne miasto może zbliżyć tę wizję do rzeczywistości dzięki analizom krawędzi. Do obsługi kluczowych usług można wykorzystać urządzenia IoT. Oświetlenie uliczne można monitorować tak, aby ludzie czuli się bezpiecznie na ulicach nocą. Nadzór nad ruchem drogowym i warunkami drogowymi mógłby zmniejszyć zatory komunikacyjne lub zapobiegać wypadkom. Czujniki środowiskowe mogą być wykorzystywane do zmniejszenia zużycia energii.

I nie tylko

5G/WiFi 6 i obsługa brzegowa

Przyszłość technologii brzegowych jest ściśle związana z pojawieniem się technologii bezprzewodowych 5G i sieciowych WiFi 6. To daje nowy impuls do przetwarzania brzegowego, obiecując znacznie wyższą wydajność danych i analizy niemal w czasie rzeczywistym. Wiele procesów przemysłowych korzysta już z sieci 4G i WiFi, co oznacza, że istniejące sieci można łatwo rozbudować zamiast zaczynać od zera. Sprzęganie przetwarzania danych na brzegu ma krytyczne znaczenie dla ML i AI, a także dla wsparcia stosowania procesów sterowanych AR / VR.

Cloud computing a edge computing

Warto pamiętać, że edge computing jest uzupełnieniem chmury. Edge computing nie zapewni firmom korzyści związanych z korzystaniem z chmury. Usługi w chmurze umożliwiają przedsiębiorstwom rozbudowę ich infrastruktury na całym świecie oraz uruchamianie zasobów obliczeniowych do obsługi intensywnych obciążeń tylko wtedy, gdy jest to konieczne. Chmura zmniejsza potrzebę inwestowania w drogi sprzęt IT i obniża koszty zarządzania. Rozwiązanie edge computing zostało zaprojektowane z myślą o rozbudowie i uzupełnieniu sieci chmurowych, w których wymagane jest przetwarzanie z dala od sieci centralnej.

OVHcloud i edge computing

OVHcloud oferuje swoje dwudziestoletnie doświadczenie w dziedzinie centrów danych, aby budować przyszłość rozwiązań edge computing. Nasze rozwiązanie Data Center as a Service oferuje wstępnie zintegrowany system chmury, dostępny lokalnie i obejmujący szeroki zakres usług DCaaS,IaaS i PaaS.

Firmy mogą korzystać z produktów OVHcloud w swoim własnym środowisku centrum danych, aby zapewnić sobie pełną suwerenność danych, zmniejszyć koszty operacyjne i kapitałowe oraz móc korzystać z najnowszych technologii sprzętowych.