Seit der Geburt des Edge Computing gibt es Stimmen, die behaupten, Edge Computing sei das "Ende" des Cloud Computing. Aber nach der Überprüfung der Zeit, die Beziehung zwischen Cloud Computing und Edge Computing ist klarer: weil Edge Computing löst die Probleme der Anwendung von Cloud Computing-Anwendungen in den Rand-Ressourcen, und wird eine wichtige Unterstützung für Cloud Computing in der zukünftigen Entwicklung von Edge Computing und Cloud Computing wird unweigerlich verschmelzen, und die daraus resultierende ist die "Cloud und Edge-Synergie".
Edge-Computing ist eine effektive Ergänzung zum Cloud-Computing
Datenverarbeitung und -analyse in Echtzeit oder schneller. Die Daten werden näher an der Quelle und nicht in einem externen Datenzentrum oder in der Cloud verarbeitet, wodurch die Latenzzeit verringert wird. Selbstfahrende Autos beispielsweise erzeugen eine riesige Menge an Echtzeitdaten, von denen ein Großteil mit benachbarten Autos geteilt werden muss. Die Latenz der Datenübertragung ist inakzeptabel, wenn die Daten zur Berechnung in die Cloud hochgeladen und dann auf das Endgerät heruntergeladen werden. Durch die Nutzung von Edge-Computing-GeräteSo kann sichergestellt werden, dass die Informationen schnell verarbeitet und richtig beantwortet werden und dass sie schnell an andere Fahrzeuge weitergeleitet werden.
Niedrigere Kosten. Unternehmen geben weniger für Datenverwaltungslösungen für lokale Geräte aus als für Cloud- und Rechenzentrumsnetzwerke.
Weniger Netzwerkverkehr. Mit der Zunahme der angeschlossenen Geräte, eine große Menge an Echtzeit-Daten generiert werden, nach IDC Prognosen, bis zum Jahr 2020, die Gesamtmenge der globalen Daten wird mehr als 40ZB, eine große Menge an Daten in die Wolke für die Berechnung hochgeladen werden, wird das Netzwerk Übertragungsdruck mehr und mehr, während der Rand des Prozesses der Berechnung, und die Cloud-Server haben nicht viel Datenaustausch, nur eine kleine Menge an gültigen Informationen in die Wolke hochgeladen werden, und daher nicht brauchen, um bis zu viel Daher muss es nicht zu viel Netzwerk-Bandbreite zu nehmen.
Effizienterer Betrieb von Anwendungen. Mit weniger Verzögerungen können Anwendungen schneller und effizienter ausgeführt werden.
Läuft offline und unterstützt intermittierende Übertragungen. Die geringere Abhängigkeit von der Cloud bedeutet auch, dass einige Geräte in Gebieten mit schwachen Signalen oder sogar ohne Netzdienst stabil offline betrieben werden können; wenn es an der Zeit ist, Daten hochzuladen, bewegen Sie das Gerät einfach in ein Gebiet mit Signalabdeckung, um die Daten in die Cloud hochzuladen. Szenarien wie eine Bohrinsel im Meer oder ein Flugzeug in der Luft sind spezielle Bereiche, in denen es einen starken Mangel an Netzdiensten gibt.
Sicherheit und Compliance: Im Mai 2018 verabschiedete die Europäische Union die Allgemeine Datenschutzverordnung (GDPR), die als das strengste Datenschutzgesetz der Geschichte bezeichnet wurde. Da die Datenerfassung und -berechnung lokal erfolgt, können sensible Informationen in die Cloud übertragen werden, ohne das Netzwerk zu durchlaufen, wodurch Datenlecks während des Übertragungsvorgangs effektiv vermieden werden, und ein Teil der Informationen wird auch angemessen geschützt, wenn die Cloud angegriffen wird.
Edge Computing sollte sich auf die Entwicklung des Cloud Computing stützen
Internet der Dinge in das Gerät erzeugt eine große Menge an Daten, Daten in die Wolke für die Verarbeitung hochgeladen werden, wird enormen Druck auf die Wolke verursachen, so separate Verarbeitung. Zu diesem Zeitpunkt wird die Edge-Computing in jedem Knoten verteilt für ihre eigenen Bereich der Datenverarbeitung und Speicherung Arbeit verantwortlich sein. Für Anwendungsszenarien ist dies nicht genug.
Nehmen wir das automatische Fahren als Beispiel: Das künftige Computermodell ist eine Kombination aus Edge Computing und Cloud Computing. Die Edge-Seite des speziellen Chips für das automatische Fahren wird die Sensordaten erfassen und sofort verarbeiten, um Entscheidungen zu treffen; gleichzeitig werden diese Daten nach der Verarbeitung aber auch in der Cloud-Konvergenz, der Big-Data-Analyse, der Modellerstellung und -bearbeitung, während der groß angelegten Simulation, der eingehenden Analyse und des maschinellen Lernens und der Edge-Side-Ausrüstung für die Aktualisierung und Aufrüstung genutzt. Die Edge-Side-Geräte werden aktualisiert und aufgerüstet, um die Edge-Side-Geräte intelligenter zu machen. Algorithmus + Chip + Cloud Computingsind die drei Dreh- und Angelpunkte für die Zukunft des automatischen Fahrens.
Es zeigt sich, dass die Verarbeitungsleistung von Edge-Geräten bei der Verarbeitung großer Datenmengen, der Speicherung großer Datenmengen, der Anwendungsentwicklung, dem maschinellen Lernen und der künstlichen Intelligenz nicht mit derjenigen der Cloud verglichen werden kann. Gleichzeitig sind Anwendungsdesign, -entwicklung, -test, -bereitstellung, -verwaltung und andere Funktionen in der Cloud der Schlüssel zur Entwicklung von Edge-Anwendungen.
Das Cloud Computing kann nicht durch das Edge Computing ersetzt werden, und beide ergänzen sich und wirken synergetisch zusammen.
Aus den obigen Beispielen wird ersichtlich, dass die Geräte, die Edge-Computing-Funktionen bereitstellen, hauptsächlich im Front-End angesiedelt sind und für die Erfassung, Berechnung und Verarbeitung von Echtzeitdaten zuständig sind.
Bei den meisten Daten handelt es sich jedoch nicht um Wegwerfdaten, und die verarbeiteten Daten müssen für das Algorithmustraining, die Datenvalidierung und andere Zwecke im System gespeichert werden. Dies erfordert einen "Container" mit großer Kapazität, der beim Edge Computing nicht verfügbar ist.
In diesem "Container" werden die Daten für Big Data Mining, Algorithmustraining, Nutzerpersonalisierung usw. gespeichert - allesamt Anforderungen, die nicht in Echtzeit erfüllt werden müssen -, und die Daten werden nach Abschluss dieser Vorgänge an die Endgeräte übermittelt, wodurch die Dienstqualität weiter verbessert wird.
Dieser "Container" ist Cloud Computing, Cloud Computing zu tun, Big Data Analyse und Mining, Daten-Sharing, während der Algorithmus Modell Ausbildung und Aktualisierung, aktualisierte Algorithmen an das vordere Ende geschoben, so dass die Front-End-Geräte Updates und Upgrades, um den geschlossenen Kreislauf des unabhängigen Lernens zu vervollständigen. Zur gleichen Zeit, diese Daten haben auch die Notwendigkeit für die Sicherung, wenn der Rand des Computing-Prozess im Falle eines Unfalls, die Daten in der Wolke gespeichert werden nicht verloren gehen.
Insgesamt gesehen kann Edge Computing das Cloud Computing nicht ersetzen, aber es kann auch nicht davon getrennt werden. In Zukunft wird das Cloud Computing eine komplementäre, synergetische Beziehung mit dem Edge Computing eingehen. Das Edge Computing muss eng mit dem Cloud Computing zusammenarbeiten, um den Anforderungen verschiedener Anwendungsszenarien besser gerecht zu werden.
Edge Computing wird vor allem für die Echtzeit, Kurz-Zyklus Datenverarbeitung, verantwortlich für die lokalen Unternehmen Echtzeit-Verarbeitung und Ausführung, um hochwertige Daten für die Wolke bieten; Cloud Computing durch Big Data-Analyse, verantwortlich für Nicht-Echtzeit-, Lang-Zyklus Datenverarbeitung, Optimierung der Ausgabe der Geschäftsregeln oder Modelle, bis zum Rand Seite, so dass der Rand des Edge Computing auf die Bedürfnisse der lokalen Gemeinschaft zu erfüllen, und zur gleichen Zeit, um die Anwendung des gesamten Lebenszyklus-Management abzuschließen.