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.
Какие потребности лежат в основе граничных вычислений
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. Под влиянием Интернета вещей (IoT)
Стремительное развитие технологии IoT заставляет все больше обычных объектов с независимыми функциями объединяться и достигать взаимосвязи всего. Благодаря особенностям Интернета вещей все отрасли промышленности используют технологию IoT для быстрого достижения цифровой трансформации, и все больше конечных устройств в промышленности подключаются через сеть.
Однако Интернет вещей как огромная и сложная система, в разных отраслях имеет разные сценарии применения, по данным сторонних аналитиков, к 2025 году к сети будет подключено более 100 миллиардов терминальных устройств, объем данных терминала составит до 300 ЗБ, такой масштабный объем данных, при традиционной обработке данных, все полученные данные необходимо отправить на облачную вычислительную платформу для анализа, облачная вычислительная платформа столкнется с высокой задержкой сети, массовым доступом к устройствам и сложностью обработки больших объемов данных. Облачная вычислительная платформа столкнется с такими проблемами, как высокая задержка в сети, массовый доступ к оборудованию, массовая обработка данных, недостаточная пропускная способность и высокое энергопотребление.
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.
Например, эксплуатация и безопасность в режиме реального времени, необходимые для самоуправляемых автомобилей, заставляют переместить вычислительное ядро из облака на границу сети. Самоуправляемые автомобили постоянно получают и отправляют данные о дорожных условиях, местоположении и окружающих автомобилях. Самоуправляемые автомобили генерируют около 1 ГБ данных в секунду, а требуемая пропускная способность и задержки при обработке делают нецелесообразной отправку даже части терабайта (ТБ) данных на централизованный сервер для анализа. Быстрая обработка данных - важнейшая возможность, а пограничные вычисления - ключ к созданию возможностей для автономного вождения. Для безопасной и надежной работы автомобилей любое отставание в скорости обработки данных может оказаться фатальным.
Представьте себе самодвижущийся автомобиль, обнаруживающий объекты на дороге, управляющий тормозами или рулем с задержкой из-за облака. Любое замедление обработки данных приведет к замедлению реакции автомобиля. Если более медленный автомобиль не сможет своевременно отреагировать, это может привести к аварии. В этот момент жизнь людей может оказаться под реальной угрозой.
Поэтому необходимо обеспечить достаточную вычислительную мощность и разумное энергопотребление для обеспечения безопасности самодвижущихся автомобилей даже на высоких скоростях. Основными задачами при разработке экосистемы граничных вычислений для самоуправляемых автомобилей являются обеспечение обработки в реальном времени, достаточной вычислительной мощности, надежности, масштабируемости, стоимости и безопасности для обеспечения безопасности и качества пользовательского опыта в самоуправляемых автомобилях.
