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.
Quels sont les besoins qui motivent l'informatique de pointe ?
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. Sous l'impulsion de l'internet des objets (IdO)
Le développement rapide de la technologie de l'IdO fait que de plus en plus d'objets ordinaires dotés de fonctions indépendantes s'interconnectent et réalisent l'interconnexion de tout. Grâce aux caractéristiques de l'internet des objets, toutes les industries utilisent la technologie de l'IdO pour réaliser rapidement la transformation numérique, et de plus en plus d'appareils finaux dans l'industrie sont connectés par le réseau.
Toutefois, l'internet des objets étant un système énorme et complexe, les différentes industries ont des scénarios d'application différents. Selon des analystes tiers, d'ici 2025, il y aura plus de 100 milliards de terminaux connectés au réseau, le volume de données des terminaux atteindra 300 ZB, un volume de données à si grande échelle, selon le traitement traditionnel des données, toutes les données obtenues doivent être envoyées à la plateforme d'informatique en nuage pour être analysées, la plateforme d'informatique en nuage sera confrontée à une latence élevée du réseau, à un accès massif aux équipements et à la difficulté de traiter de grandes quantités de données. La plateforme d'informatique en nuage sera confrontée aux défis suivants : latence élevée du réseau, accès massif aux équipements, traitement massif des données, largeur de bande insuffisante et consommation d'énergie élevée.
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.
Par exemple, les préoccupations opérationnelles et de sécurité en temps réel requises pour les voitures auto-conduites poussent le cœur informatique du nuage vers la périphérie du réseau. Les véhicules auto-conduits détectent et envoient en permanence des données sur l'état de la route, l'emplacement et les véhicules environnants. Les voitures auto-conduites génèrent environ 1 Go de données par seconde, et la bande passante de traitement et le temps de latence requis font qu'il n'est pas pratique d'envoyer ne serait-ce qu'une fraction d'un téraoctet (To) de données à un serveur centralisé pour analyse. Le traitement rapide des données est une capacité critique, et l'informatique de pointe est essentielle pour permettre la conduite autonome. Pour que les véhicules fonctionnent de manière sûre et fiable, tout retard dans la vitesse de traitement peut être fatal.
Imaginez une voiture auto-conduite détectant des objets sur la route ou actionnant les freins ou le volant avec des retards dus au nuage. Tout ralentissement dans le traitement des données se traduira par une réponse plus lente du véhicule. Si ce dernier n'est pas en mesure de réagir à temps, un accident peut survenir. À ce stade, des vies peuvent être menacées.
Il est donc nécessaire de fournir une puissance de calcul suffisante et une consommation d'énergie raisonnable pour garantir la sécurité des véhicules autonomes, même à grande vitesse. Les principaux défis liés à la conception d'un écosystème informatique périphérique pour les véhicules autonomes consistent à fournir un traitement en temps réel, une puissance de calcul suffisante, la fiabilité, l'évolutivité, le coût et la sécurité afin de garantir la sécurité et la qualité de l'expérience de l'utilisateur dans les véhicules autonomes.
