آیا محاسبات لبه همان رایانش ابری است یا چیزی کاملاً متفاوت؟
به غیر از لبه برش محاسبات، دقیقاً “محاسبات لبه” چیست؟ ممکن است این اصطلاح را شنیده باشید، اما با هوشمندتر و کوچکتر شدن دستگاه ها و سریعتر شدن اتصالات بی سیم، محاسبات لبه احتمالاً اهمیت بیشتری پیدا می کند.
این مقاله محاسبات لبه‌ای، شباهت‌ها و تفاوت‌های آن با رایانش ابری، و اینکه چه کسی و چگونه از این فناوری استفاده می‌کند را تعریف می‌کند.
Edge Computing چیست؟
اساساً، محاسبات می‌تواند روی دستگاه، مانند ماشین‌حساب، یا از طریق اینترنت، مانند بیشتر کارهایی که در تلفن یا رایانه‌تان انجام می‌دهید، انجام شود.
محاسبات لبه توسعه کدام فناوری است؟
محاسباتی که خارج از دستگاه، از طریق اینترنت انجام می‌شود، معمولاً از طریق محاسبات ابری آشناتر تسهیل می‌شود.
رایانش ابری توسط شبکه ای از سرورهای متصل در یک مرکز داده انجام می شود. شما از طریق یک دستگاه متصل به اینترنت به این شبکه دسترسی پیدا می‌کنید که خود به کار محاسباتی کمک نمی‌کند.
تعریف محاسبات لبه
محاسبات لبه اساساً شکلی از محاسبات ابری است که در آن محاسبات به جای اینکه در یک مکان، روی چیزی که به عنوان “سرور مبدا” شناخته می شود، در بین دستگاه ها توزیع شود. در واقع، محاسبات لبه با استفاده از «سرورهای لبه» یا «میکرو سرورها» به جای سرورهای مبدا، یک سیستم ابر مانند را بازسازی می کند.
در حالی که رایانش لبه بسیار شبیه محاسبات ابری معمولی برای کاربر نهایی کار می کند، دستگاه های لبه وظایف محاسباتی را با سرورها به اشتراک می گذارند.
چرا محاسبات لبه مهم است؟
محاسبات لبه در دستگاه های مدرن و نسل بعدی مهم است زیرا از رایانش ابری قابل اعتمادتر و ایمن تر است. همچنین قدرتمندتر و همه کاره تر از محاسبات دقیق روی دستگاه است.
Edge Computing به دستگاه های کوچکتر و سریعتر اجازه می دهد
بیشتر کاربران تمایل زیادی به دستگاه های کوچکتر و قدرتمندتر دارند. از آنجایی که رایانش ابری شامل شبکه‌های رایانه‌ای می‌شود، همیشه قوی‌تر از هر دستگاهی است که اکثر مردم می‌توانند به طور منطقی مالک آن باشند.
رایانش ابری مشکل اندازه دستگاه را حل می کند. با این حال، ما همچنین می خواهیم محاسبات سریع باشد.
هنگامی که از محاسبات ابری برای پردازش کلمه استفاده می کنید، ممکن است آنی احساس شود. در واقعیت، انتقال داده ها از یک دستگاه به یک ابر و برگشت زمان می برد، اما پردازش کلمه به دلیل فعالیت کم نیاز به داده کمک می کند.
با انجام وظایف محاسبات ابری با نیازهای داده‌ای بالا، مانند پخش بازی‌ها یا تماشای رسانه، به احتمال زیاد متوجه کاهش عملکرد خواهید شد. اگر سرویس ابری در آن زمان تقاضای زیادی داشته باشد، عملکرد را حتی بیشتر کاهش خواهید داد.
اکثر دستگاه های لبه بار محاسباتی را تقسیم می کنند. عناصری که اغلب یا خیلی سریع تغییر نمی کنند در دستگاه پردازش می شوند. عناصری که به سرعت تغییر می کنند و به قدرت پردازش بیشتری نیاز دارند، در فضای ابری پردازش می شوند.
به این ترتیب، بخشی از تقاضای پردازش به جای اینکه همه چیز در فضای ابری اتفاق بیفتد، توسط دستگاه انجام می شود. نیازهای کمتر داده در فضای ابری به معنای پردازش سریعتر در همان اتصال اینترنتی است.
علاوه بر این، با محاسبات لبه ابری، ارائه دهنده خدمات می تواند از تعداد بیشتری از مراکز داده کوچکتر استفاده کند. قبلاً فقط چند مرکز داده بزرگ در سراسر کشور وجود داشت و کاربران دورتر از یکی از این مراکز خدمات ضعیف تری داشتند. با تعداد بیشتری از مراکز داده کوچکتر، همه می توانند خدمات بهتری دریافت کنند.
Edge Computing امنیت را اضافه می کند
هر گونه داده پردازش شده در دستگاه نیازی به ارسال به ابر ندارد. هر داده ای که نیازی به ارسال به فضای ابری نداشته باشد از سارقان احتمالی داده ایمن تر است.
اینکه خود ابر ناامن است، یک افسانه رایج رایانش ابری است. با این حال، هر گونه اتصال به اینترنت یک فرصت بالقوه برای هکرها است. درست مانند سارقان قدیمی بانک غرب وحشی که ممکن است به جای بانک به مربی حمله کنند، اینکه آیا خود ابر ایمن است یا نه لزوماً مشکلی نیست اگر هکرها بتوانند داده‌ها را در حین حرکت از دستگاه به ابر دریافت کنند. این هنوز بخشی از محاسبات لبه است.
محاسبات لبه اجازه می دهد تا داده ها بین دستگاه و ابر تقسیم شود تا سرعت کارها افزایش یابد. اما دستگاه‌های لبه همچنین اجازه می‌دهند پردازش داده‌ها بین دستگاه و ابر تقسیم شود تا اطلاعات حساس هرگز از دستگاه خارج نشوند.
علاوه بر این، در مورد محاسبات لبه، احتمال قطعی برای کاربران کمتر است زیرا تعمیر و نگهداری می تواند انجام شود یا آسیبی به سرورهای میکرو یا سرورهای لبه وارد شود بدون اینکه همه کاربران شبکه تحت تأثیر قرار گیرند. و از آنجایی که رایانش لبه از مراکز داده توزیع‌شده بیشتری استفاده می‌کند، برای ارائه‌دهندگان خدمات آسان‌تر است که تعمیر و نگهداری مرحله‌ای را انجام دهند و پرسنل را سریعتر در محل قرار دهند.
آیا محاسبات لبه دارای معایبی است؟
محاسبات لبه ای جنبه های منفی دارد. برخی از این نکات منفی ناشی از محاسبات لبه ای نیز با استفاده از ابر است. به عنوان مثال، دستگاه های لبه برای حداکثر کاربرد همچنان به اتصال اینترنت نیاز دارند. با این حال، فناوری محاسبات لبه برخی از مشکلات خود را نیز ایجاد می کند.
در حال حاضر، دستگاه های لبه به سخت افزار نسبتاً تخصصی نیاز دارند. در نتیجه، اکثر دستگاه‌های لبه می‌توانند واقعاً محاسبات لبه را برای یک چیز اعمال کنند. آنها لزوما یک بار مصرف نیستند، اما به اندازه دستگاه های کاملاً ابری همه کاره نیستند.
چه کسی از محاسبات لبه استفاده می کند؟
در حال حاضر، موارد استفاده از محاسبات لبه نسبتاً محدود است. این فناوری تنها توسط شرکت‌هایی استفاده می‌شود که دلیل خوبی برای عدم اتکا به محاسبات داخلی یا ابری دارند.
Cellnex Telecom یک اپراتور مخابراتی بی سیم است که به اکثر نقاط اروپا خدمات می دهد. با استفاده از محاسبات ابری لبه، که محاسبات را به جای تکیه بر یک مرکز داده، در چندین مکان توزیع می‌کند، این شرکت خدمات بهتر و مطمئن‌تری را در بازار وسیع و پایگاه کاربر پراکنده خود ارائه می‌کند.
Perceive تراشه‌هایی را برای دستگاه‌های لبه‌ای، عمدتاً دستگاه‌های امنیتی خانه هوشمند ایجاد می‌کند. این تراشه‌ها به دستگاه‌ها اجازه می‌دهند تا تصاویر، ویدیو و صدا را درک کنند و در عین حال حجم داده‌های بالقوه حساسی را که باید به ابر ارسال کنند، محدود می‌کنند. به طور مشابه، شرکت هایی مانند مایکروسافت از محاسبات لبه در دستگاه های IoT استفاده می کنند که کمتر به ابر وابسته هستند.
AT&T وعده می دهد که محاسبات لبه ای بازی های ابری را در آینده سریعتر و در دسترس تر می کند. بازی ها برای پخش جریانی به داده های بیشتری نسبت به سایر اشکال رسانه نیاز دارند، زیرا بازی نیاز به واکنش به ورودی کاربر دارد. پردازش برخی دستورات یا توزیع رندر گرافیکی ممکن است الزامات اتصال و تأخیر را کاهش دهد.
آیا شما در لبه زندگی می کنید؟
بسته به نحوه استفاده شما از دستگاه های متصل، ممکن است در حال حاضر از راه حل های محاسبات لبه در محل کار یا خانه خود استفاده کنید. دستگاه‌های خانه‌های هوشمند به احتمال زیاد برای مدتی با محاسبات لبه‌ای مواجه می‌شوند.
با این حال، از آنجایی که محاسبات لبه دستگاه‌ها را کوچکتر، سریعتر و قدرتمندتر می‌کند، برنامه‌های کاربردی این فناوری احتمالاً در همه جا فراگیرتر می‌شوند.