Many new computing models, such as edge computing, are being proposed as we find that with the growth of IoT, cloud computing is not always as efficient as it should be. If we can process and analyse the data at the edge nodes of the network, then this computing model will be more efficient.
Welche Bedürfnisse treiben Edge Computing an?
1. The Cloud Services Are Driving It
Cloud centres have powerful processing performance and are capable of handling huge amounts of data. However, transferring huge amount of data to the cloud centre becomes a challenge. The system performance bottleneck of the cloud computing model is the limited network bandwidth, it takes a certain amount of time to transmit massive data, and the cloud centre needs a certain amount of time to process the data, which increases the request response time and the user experience is extremely poor.
2. Angetrieben durch das Internet der Dinge (IoT)
Die rasante Entwicklung der IoT-Technologie führt dazu, dass immer mehr gewöhnliche Gegenstände mit unabhängigen Funktionen miteinander verbunden werden und alles miteinander vernetzt wird. Dank der Merkmale des Internets der Dinge nutzen alle Branchen die IoT-Technologie, um den digitalen Wandel rasch zu vollziehen, und immer mehr Endgeräte in der Industrie werden über das Netzwerk verbunden.
Allerdings ist das Internet der Dinge als ein riesiges und komplexes System, verschiedene Branchen haben unterschiedliche Anwendungsszenarien, nach Angaben von Drittanbietern Analysten, bis zum Jahr 2025 wird es mehr als 100 Milliarden Endgeräte an das Netzwerk angeschlossen werden, wird das Terminal Datenvolumen bis zu 300ZB, eine solche große Datenmenge, nach der traditionellen Datenverarbeitung, alle gewonnenen Daten müssen an die Cloud-Computing-Plattform zu analysieren, wird die Cloud-Computing-Plattform mit hoher Netzwerk-Latenz, Massen-Zugang zu Geräten konfrontiert werden, und schwierig, große Datenmengen zu verarbeiten. Die Cloud-Computing-Plattform steht vor den Herausforderungen einer hohen Netzwerklatenz, eines massiven Gerätezugriffs, einer massiven Datenverarbeitung, einer unzureichenden Bandbreite und eines hohen Stromverbrauchs.
In order to solve the drawbacks of high latency and lack of real-time data analysis capability in traditional data processing methods, edge computing technology has emerged. Edge computing technology is in close proximity to the object or data source on the edge side of the network, through the integration of network, computing, storage, application core capabilities of the distributed open platform, close to the edge to provide intelligent services. To put it simply, edge computing is to take the data collected from the terminal and analyse it directly and aggressively in the local device or network close to where the data is generated, eliminating the need to transmit the data to a cloud-based data processing centre.
So verlagern beispielsweise die Echtzeit-Betriebs- und Sicherheitsanforderungen für selbstfahrende Autos den Rechenkern aus der Cloud an den Rand des Netzes. Selbstfahrende Fahrzeuge erfassen und senden ständig Daten über den Straßenzustand, den Standort und umliegende Fahrzeuge. Selbstfahrende Autos erzeugen etwa 1 GB an Daten pro Sekunde, und die erforderliche Verarbeitungsbandbreite und Latenz machen es unpraktisch, auch nur einen Bruchteil eines Terabytes (TB) an Daten zur Analyse an einen zentralen Server zu senden. Die schnelle Verarbeitung von Daten ist eine entscheidende Fähigkeit, und Edge Computing ist der Schlüssel zum autonomen Fahren. Für den sicheren und zuverlässigen Betrieb von Fahrzeugen könnte jede Verzögerung bei der Verarbeitungsgeschwindigkeit fatal sein.
Stellen Sie sich vor, ein selbstfahrendes Auto erkennt Objekte auf der Straße oder betätigt die Bremsen oder das Lenkrad mit Verzögerungen aufgrund der Cloud. Jede Verzögerung bei der Datenverarbeitung führt zu einer langsameren Reaktion des Fahrzeugs. Wenn das langsamer reagierende Fahrzeug nicht in der Lage ist, rechtzeitig zu reagieren, kann dies zu einem Unfall führen. An diesem Punkt können Menschenleben tatsächlich bedroht sein.
Daher ist es notwendig, genügend Rechenleistung und einen angemessenen Energieverbrauch bereitzustellen, um die Sicherheit selbstfahrender Fahrzeuge auch bei hohen Geschwindigkeiten zu gewährleisten. Die wichtigsten Herausforderungen bei der Entwicklung eines Edge-Computing-Ökosystems für selbstfahrende Fahrzeuge sind die Bereitstellung von Echtzeitverarbeitung, ausreichender Rechenleistung, Zuverlässigkeit, Skalierbarkeit, Kosten und Sicherheit, um die Sicherheit und Qualität des Nutzererlebnisses in selbstfahrenden Fahrzeugen zu gewährleisten.
