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.
Quali esigenze guidano l'Edge Computing
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. Guidati dall'Internet degli oggetti (IoT)
Il rapido sviluppo della tecnologia IoT fa sì che sempre più oggetti ordinari con funzioni indipendenti si interconnettano e raggiungano l'interconnessione di tutto. Grazie alle caratteristiche dell'Internet degli oggetti, tutti i settori industriali stanno utilizzando la tecnologia IoT per realizzare rapidamente la trasformazione digitale e sempre più dispositivi finali del settore sono collegati in rete.
Tuttavia, l'Internet degli oggetti è un sistema enorme e complesso, i diversi settori hanno diversi scenari applicativi; secondo gli analisti di terze parti, entro il 2025 ci saranno più di 100 miliardi di dispositivi terminali connessi alla rete, il volume di dati dei terminali sarà fino a 300ZB, un tale volume di dati su larga scala, secondo l'elaborazione tradizionale dei dati, tutti i dati ottenuti devono essere inviati alla piattaforma di cloud computing per essere analizzati, la piattaforma di cloud computing si troverà ad affrontare l'elevata latenza di rete, l'accesso massiccio ai dispositivi e la difficoltà di elaborare grandi quantità di dati. La piattaforma di cloud computing dovrà affrontare le sfide dell'elevata latenza di rete, dell'accesso massivo ai dispositivi, dell'elaborazione massiva dei dati, della larghezza di banda insufficiente e dell'elevato consumo energetico.
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.
Ad esempio, i problemi operativi e di sicurezza in tempo reale richiesti dalle auto a guida autonoma stanno spingendo il nucleo di elaborazione dal cloud al bordo della rete. I veicoli a guida autonoma rilevano e inviano costantemente dati sulle condizioni della strada, sulla posizione e sui veicoli circostanti. Le auto a guida autonoma generano circa 1 GB di dati al secondo e la larghezza di banda e la latenza di elaborazione necessarie rendono impraticabile l'invio di una frazione di terabyte (TB) di dati a un server centralizzato per l'analisi. L'elaborazione rapida dei dati è una capacità critica e l'edge computing è fondamentale per consentire la guida autonoma. Affinché i veicoli funzionino in modo sicuro e affidabile, qualsiasi ritardo nella velocità di elaborazione potrebbe essere fatale.
Immaginate un'auto a guida autonoma che rileva gli oggetti sulla strada o aziona i freni o il volante con ritardi dovuti al cloud. Qualsiasi rallentamento nell'elaborazione dei dati si tradurrà in una risposta più lenta da parte del veicolo. Se il veicolo più lento non è in grado di reagire tempestivamente, potrebbe verificarsi un incidente. A questo punto le vite possono essere effettivamente minacciate.
Pertanto, è necessario fornire una potenza di calcolo sufficiente e un consumo energetico ragionevole per garantire la sicurezza dei veicoli a guida autonoma anche a velocità elevate. Le sfide principali nella progettazione di un ecosistema di edge computing per i veicoli a guida autonoma consistono nel fornire elaborazione in tempo reale, potenza di calcolo sufficiente, affidabilità, scalabilità, costi e sicurezza per garantire la sicurezza e la qualità dell'esperienza dell'utente nei veicoli a guida autonoma.
