エッジコンピューティングとクラウド
エッジコンピューティングとは何ですか？
今日のITの世界は、過去数十年間、クラウドコンピューティングによって支配されています。 これは、インターネットを介して当社のコンピューティングデバイスの外に膨大な量のデータとITリソースを格納、アクセス、処理するために使用されます。 しかし、エッジコンピューティングは、小規模なクラウドコンピューティングと考えることができます。 ここで、エッジは、コンピューティングデバイスまたはデバイスを含むネットワークがインターネットと通信するポイントと考えることができる。 コンピューティングデバイスやルータ、さらにはISP内のプロセッサは、ネットワークのエッジと見なすことができます。 したがって、ここで重要な考慮点は、エッジはITおよびIoTデバイスの近くに位置しているのに対し、クラウドサーバーは100万マイル離れた場所にあります。 したがって、この点から、エッジコンピューティングは、ネットワークのエッジで格納、処理、計算が行われるものであると推論することができます。 はい、エッジコンピューティングは、コンピューティングをデータリソースに近づけることによって、インターネットデバイスやwebアプリケーションのコンピュー だから、エッジコンピューティングは、単に”クラウドがあなたに来ている”ことを意味しています。
なぜエッジコンピューティングなのか？
コンピューティングデバイスやデータリソースの爆発的な増加に伴い、大量のデータが生成されています。 そして、これは今日と明日のためだけではありませんが、それは日々巨大な成長を持っています。 クラウドコンピューティングを使用すると、帯域幅の問題、遅延の問題、プライバシーの問題などの多くの問題が発生するデータリソースから数百万マイル離れたクラウドサーバーに大量のデータリソースを送信する必要があります。 そのため、処理のために数百万マイル離れたクラウドに展開されたデータセンターにデータリソースを送信するのではなく、エッジコンピューティングは、デバ より多くのリソース空腹の操作と計算を必要とするデータのみが遠くの雲に送信することができ、他のすべての計算はエッジで行うことができます。 したがって、エッジコンピューティングは、データリソースとクラウドサーバー間の長距離通信を最小限に抑え、遅延、帯域幅の問題を軽減するのに役立 たとえば、リソースを消費する操作、アルゴリズムの処理がクラウドサーバーで行われるべき顔認識では、多くの時間を消費するため、レイテンシの問題が発生すると考えてみましょう。 エッジコンピューティングを使用することにより、顔認識アルゴリズムの処理は、デバイスまたはネットワークのエッジで行うことができるので、高速処理 これと同様に、エッジコンピューティングは、レイテンシの削減の膨大な量は、操作や計算のリアルタイム更新に多くのことを助け、自己駆動車のようなリアルタイムアプリケーションのために多くのことができます。
では、クラウドレットとは何ですか？
クラウドレットは雲の小さなスケールと考えることができますが、主な違いは、クラウドレットがネットワーク内のデバイスとの近接点、デバイスネッ それはあなたの地理的な場所にある雲です。 エッジコンピューティングと同様に、cloudletsはネットワーク内のデバイスからオフロードされたプロセスの処理とコンピューティングを行うのに役立ちます。 私は’オフロード’が何を意味するのかを説明する必要があります。
モバイルだけでなく、他のITデバイスは、今日では、拡張現実感、顔認識、自然言語処理、ゲーム、ビデオ処理、3Dモデリングソフトウェアなどの高度な機能の数 これらのアプリケーションは通常、リソースを消費し、集中的な計算と高エネルギー使用を必要とします。 しかし、モバイルデバイスは、処理能力とバッテリ寿命の面でリソース制約されています。 そこで、これらのタイプのアプリケーションを実行するために、リソース集約型のアプリケーションは、オフロードと呼ばれるメカニズムを使用してクラウドにアップロードされ、そこにあるリソースを使用してこれらの処理をすべてクラウドで実行でき、結果は手元のITデバイスに送り返されます。 タスクの種類と必要なリソースに基づいて、プロセス全体またはプロセスの一部が処理のためにクラウドにオフロードされます。
しかし、上記のエッジコンピューティングセクションで述べたように、データリソースから数マイル離れたクラウドにデータを送信するには、レイテンシと帯域幅の問題があります。 また、インターネットサービスプロバイダがデバイスとクラウドサーバー間の接続を節約できなかった状況がある場合、遅延、パケット損失、ユーザーエクスペリエンスの中断が発生します。 そこで、これらの問題を回避し、軽減するために、Cloudletの概念が導入されました。 Cloudletの標準的な定義は、”Cloudletは、インターネットの端に位置するモビリティ強化された小規模なクラウドデータセンターです”です。 したがって、cloudletsを使用することにより、リソース集約型のタスクを処理のためにオフロードすることができ、遅延、帯域幅を削減し、多くの時間を節約できま Cloudletsのレイテンシと帯域幅の利点は、リアルタイム制御と事故回避のために検討されている車両間のアプローチを補完するために、自動車の文脈で特に 障害が発生した場合、クラウドレットはクラウドのプロキシとして機能し、その重要なサービスを実行できます。 障害が修復されると、調整のためにクラウドレットに暫定的にコミットされたアクションをクラウドに伝播する必要がある場合があります。 これらを含めて、cloudletsを使用するもう一つの利点は、プライバシーとセキュリティの保全です。 処理にクラウドを使用している間、安全なデータは数マイル離れたクラウドサーバーに移動する必要があるため、データのセキュリティが問題になります。 したがって、cloudletsを使用することにより、すべてのプライベートデータは、デバイスの端で処理され、データのセキュリティとプライバシーの保全に役立ちます。
Satyanarayananによってモデル化されたcloudletアーキテクチャでは、三つの主な機能が強調されています。
ソフト状態:最も重要な属性の一つです。 Cloudletがインストールされると、その完全に自己管理し、任意の専門的な支援を必要としません。
強力でインターネットに十分に接続されている：それはリソースが豊富なコンピュータまたはインターネットに十分に接続され、近くのデバイスで使用で 同様に、cloudletsは、通常、有線接続を介してインターネットへの効率的かつ信頼性の高い接続を持っています。
近くのモバイルデバイスで使用可能：論理的にはデバイスの近くにあり、ローカルエリアネットワーク（LAN）内のモバイルデバイスは、クラウドへのレイテンシが低く、データ転送に利用可能な帯域幅が高いことを意味します。
Satyanarayananによると、cloudletsの近接性は、次の点で大きな助けになりました。
応答性の高いクラウドサービス：Itデバイスへの物理的な近接性cloudletにより、低エンドツーエンドのレイテンシと高帯域幅を実現することが容易になります。 これは、計算をクラウドにオフロードするARや仮想現実などのアプリケーションにとって価値があります。
: ビデオカメラなどの大規模な高帯域幅IoTセンサーからクラウドへの累積的な入力帯域幅需要は、生データをcloudletで分析するとかなり低くなります。 抽出された（はるかに小さい）情報とメタデータのみをクラウドに送信する必要があります。
Privacy-policy enforcement:クラウドレットは、IoTセンサーデータのインフラストラクチャの最初の連絡先として機能することにより、データをクラウドにリリースする前に、所有者のプライバシーポリシーを強制することができます
クラウドの停止をマスキングする: ネットワーク障害、クラウド障害、またはサービス拒否攻撃のためにクラウドサービスが使用できなくなった場合、近くのクラウドレット上のフォールバッ
研究によると、エッジコンピューティングは、オープンなクラウドレットエコシステムの創造を育成することによって、より速い成功への道を得ることができます。 したがって、全体的なポイントとして、エッジコンピューティングとcloudletsの両方が、このクラウド集約型時代の破壊的な技術であり、エネルギーに富んだハイエンドコンピューティングをITデバイス特別にモバイルデバイスの単一のワイヤレスホップ内にもたらし、レイテンシ、帯域幅、プライバシー関連の問題を軽減するのに役立ち、それ故に高集約型アプリケーションを持つ時代への道を引きます。
M.Satyanarayanan,”The Emergence of Edge Computing,”In Computer,vol. 50,no.1,pp.30-39,Jan. 2017.
Usman Shaukat,Ejaz Ahmed,Zahid Anwar,Feng Xia,”ローカル無線ネットワークにおけるCloudletの展開: Motivation,Architectures,Applications,And Open Challenges”,in Journal of Network and Computer Applications,December2015
IEEE Innovation at Work. 2020. エッジコンピューティングのための実際のユースケース-IEEE Innovation At Work. で利用可能: <https://innovationatwork.ieee.org/real-life-edge-computing-use-cases/>
