Vengono proposti molti nuovi modelli di elaborazione, come l'edge computing, poiché con la crescita dell'IoT il cloud computing non è sempre efficiente come dovrebbe. Se possiamo elaborare e analizzare i dati nei nodi periferici della rete, questo modello di elaborazione sarà più efficiente.
Quali esigenze guidano l'Edge Computing
1. I servizi cloud sono alla base di questo fenomeno
I centri cloud hanno potenti prestazioni di elaborazione e sono in grado di gestire enormi quantità di dati. Tuttavia, trasferimento di enormi quantità di dati al centro cloud diventa una sfida. Il collo di bottiglia delle prestazioni del sistema del modello di cloud computing è la limitata larghezza di banda della rete, che richiede una certa quantità di tempo per trasmettere dati massicci e il centro cloud ha bisogno di una certa quantità di tempo per elaborare i dati, il che aumenta il tempo di risposta della richiesta e l'esperienza dell'utente è estremamente scarsa.
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.
Per risolvere gli inconvenienti dell'elevata latenza e della mancanza di capacità di analisi dei dati in tempo reale nei metodi tradizionali di elaborazione dei dati, è emersa la tecnologia dell'edge computing. Tecnologia di edge computing è in prossimità dell'oggetto o della fonte di dati sul lato edge della rete, attraverso l'integrazione delle funzionalità di rete, elaborazione, archiviazione, applicazione di base della piattaforma aperta distribuita, vicino all'edge per fornire servizi intelligenti. In parole povere, l'edge computing consiste nel prendere i dati raccolti dal terminale e analizzarli direttamente e in modo aggressivo nel dispositivo locale o nella rete vicino al luogo in cui i dati sono stati generati, eliminando la necessità di trasmettere i dati a un centro di elaborazione dati basato su cloud.
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.
