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.
Welke behoeften zijn de drijvende kracht achter 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. Gedreven door het internet der dingen (IoT)
De snelle ontwikkeling van de IoT-technologie zorgt ervoor dat steeds meer gewone voorwerpen met onafhankelijke functies met elkaar worden verbonden en dat alles met elkaar wordt verbonden. Dankzij de kenmerken van het internet van de dingen gebruiken alle industrieën IoT-technologie om snel een digitale transformatie te bereiken en worden steeds meer eindapparaten in de industrie via het netwerk met elkaar verbonden.
Echter, het internet van de dingen als een enorm en complex systeem, verschillende industrieën hebben verschillende toepassingsscenario's, volgens derden analisten, zal er in 2025 meer dan 100 miljard eindapparaten aangesloten op het netwerk, zal de terminal datavolume worden tot 300ZB, een dergelijke grootschalige datavolume, volgens de traditionele verwerking van gegevens, alle verkregen gegevens moeten worden verzonden naar de cloud computing-platform te analyseren, zal de cloud computing-platform worden geconfronteerd met een hoge netwerklatentie, massale toegang tot apparaten, en moeilijk om grote hoeveelheden gegevens te verwerken. Het cloud computing-platform zal worden geconfronteerd met de uitdagingen van een hoge netwerklatentie, massale toegang tot apparaten, massale gegevensverwerking, onvoldoende bandbreedte en een hoog energieverbruik.
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.
De realtime operationele en veiligheidsproblemen die nodig zijn voor zelfrijdende auto's zorgen er bijvoorbeeld voor dat de rekenkern van de cloud naar de rand van het netwerk wordt verplaatst. Zelfrijdende auto's detecteren en verzenden voortdurend gegevens over de toestand van de weg, de locatie en de omringende voertuigen. Zelfrijdende auto's genereren ongeveer 1 GB aan gegevens per seconde en de benodigde verwerkingsbandbreedte en latentie maken het onpraktisch om zelfs maar een fractie van een terabyte (TB) aan gegevens naar een gecentraliseerde server te sturen voor analyse. Het snel verwerken van gegevens is van cruciaal belang en edge computing is essentieel om autonoom rijden mogelijk te maken. Als voertuigen veilig en betrouwbaar moeten rijden, kan elke vertraging in de verwerkingssnelheid fataal zijn.
Stel je een zelfrijdende auto voor die objecten op de weg detecteert of de remmen of het stuurwiel bedient met vertragingen door de cloud. Elke vertraging in de gegevensverwerking zal resulteren in een tragere reactie van het voertuig. Als het langzamer reagerende voertuig niet in staat is om tijdig te reageren, kan dit leiden tot een ongeluk. Levens kunnen op dit punt in gevaar komen.
Daarom is het noodzakelijk om voldoende rekenkracht en een redelijk energieverbruik te leveren om de veiligheid van zelfrijdende voertuigen te garanderen, zelfs bij hoge snelheden. De belangrijkste uitdagingen bij het ontwerpen van een edge computing ecosysteem voor zelfrijdende voertuigen zijn het bieden van real-time verwerking, voldoende rekenkracht, betrouwbaarheid, schaalbaarheid, kosten en beveiliging om de veiligheid en kwaliteit van de gebruikerservaring in zelfrijdende voertuigen te garanderen.
