Edge Computing och Cloudlets

Vad är Edge Computing?

dagens IT-värld domineras av cloud computing under de senaste decennierna. Den används för att lagra, komma åt och bearbeta stora mängder data och IT-resurser utanför våra datorer via internet. Men edge computing kan betraktas som en liten skala cloud computing. Här kan en kant betraktas som den punkt från vilken datorenheten eller nätverket som innehåller enheten kommunicerar med internet. Processorn inuti en datorenhet eller routern eller till och med internetleverantören kan betraktas som kanten på nätverket. Så, den viktiga övervägande punkten här är, kanten ligger i närheten av IT-och IoT-enheterna medan molnservrarna ligger miljoner mil bort från dem. Därför kan vi härleda från denna punkt att edge computing är något där lagring, bearbetning och beräkning sker vid kanten av nätverket. Ja, Edge computing är en öppen IT-arkitektur som hjälper till att optimera datorer och bearbetning av internet-enheter och webbapplikationer genom att föra datorn närmare närheten till dataresurserna. Så, edge computing betyder helt enkelt’molnet kommer till dig’.

varför Edge Computing?

tillsammans med den explosiva tillväxten av datorenheter och dataresurser produceras en stor mängd data. Och det här är inte bara för idag och imorgon, men det kommer att ha en enorm tillväxt dag för dag. Med hjälp av cloud computing måste vi skicka massor och massor av dataresurser till molnservern som ligger miljoner mil bort från dataresurserna, vilket medför många problem som bandbreddsproblem, latensproblem, integritetsfrågor och så vidare. Så, snarare än att överföra dataresurser till datacenter som distribueras i moln miljoner mil bort för bearbetning, hjälper edge computing ett effektivt alternativ där data kan bearbetas, analyseras och beräknas i en närhetspunkt vid kanten av enheten eller nätverket. Endast de data som behöver en mer resurs hungriga operationer och beräkningar kan skickas till molnen långt borta och alla andra datorer kan göras vid kanten. Därför hjälper edge computing till att minimera långdistanskommunikationen mellan dataresurserna och molnservrarna, vilket minskar latens, bandbreddsproblem. Tänk till exempel på en resurshungrig operation, ansiktsigenkänning där behandlingen av algoritmen ska göras i molnserver som kommer att konsumera mycket tid, vilket resulterar i latensproblem. Genom att använda edge computing kan behandlingen av ansiktsigenkänningsalgoritmen göras vid kanten av enheten eller nätverket, så kommer det att resultera i snabb bearbetning och minska latens och även bandbreddsproblem. På samma sätt hjälper edge computing mycket för realtidsapplikationer som självkörande fordon där en stor minskning av latens, hjälper mycket i realtidsuppdatering av operationer och beräkningar.

så, vad är Cloudlets?

molnletterna kan betraktas som småskaliga moln, där huvudskillnaden är molnletter ligger i en närhetspunkt till enheterna i nätverket, vid kanten av enhetsnätverket. Det är molnet med i ditt geografiska läge. I likhet med edge computing hjälper cloudlets att göra bearbetning och beräkning för den avlastade processen från enheten i nätverket. Jag måste förklara vad som menas med’avlastning’.

mobilen och andra IT-enheter utvecklas idag inbäddade med ett antal avancerade funktioner som augmented reality, ansiktsigenkänning, naturlig språkbehandling, spel, videobehandling, 3D-modelleringsprogram etc. Dessa applikationer är vanligtvis resurshungande, vilket kräver intensiv beräkning och hög energianvändning. Men de mobila enheterna är resursbegränsningar när det gäller processorkraft och batterilivslängd. Så för att utföra dessa typer av applikationer laddas de resursintensiva applikationerna upp till molnet med hjälp av en mekanism som kallas avlastning där all denna bearbetning kan utföras i molnet med hjälp av resurserna där, och resultaten skickas tillbaka till IT-enheterna i vår hand. Baserat på typen av uppgifter och nödvändiga resurser laddas hela processen eller en del av processen till molnet för bearbetning.

men som jag nämnde ovan i edge computing sektionen, skicka data från dataresurser till moln som är miles away har latens och bandbredd frågor. Och om det finns en situation där Internetleverantören misslyckades med att spara anslutningen mellan enheten och molnservern, kommer det att bli förseningar, paketförlust och avbryta användarupplevelsen. Så för att undvika och minska dessa problem introducerades Cloudlet-konceptet. En standarddefinition för cloudlet är ‘Cloudlets är mobilitetsförbättrade småskaliga molndatacenter som ligger vid kanten av Internet’. Så, genom att använda cloudlets, kan resursintensiva uppgifter avlastas till den för bearbetning därmed kommer att minska latens, bandbredd och spara mycket tid. Cloudlets latens-och bandbreddsfördelar är särskilt relevanta i samband med bilar, för att komplettera fordon-till-fordon-metoder som utforskas för realtidskontroll och olycksundvikande. Under fel kan en cloudlet fungera som en proxy för molnet och utföra sina kritiska tjänster. Vid reparation av felet kan åtgärder som preliminärt var engagerade i cloudlet behöva spridas till molnet för försoning. Inklusive dessa är en annan fördel med att använda cloudlets integritet och säkerhetsskydd. När vi använder moln för bearbetning måste våra säkra data resa till molnservrar mil bort, varför säkerheten för data kommer att ifrågasättas. Därför, genom att använda cloudlets, kommer alla privata data att behandlas vid kanten av enheter och hjälpa till att bevara säkerheten och integriteten för data.

tre huvudfunktioner markeras i cloudlet-arkitekturen som modellerades av Satyanarayanan:

Soft-state: En av de viktigaste attributen. När cloudlet är installerat, är det helt självhanterande och kräver ingen professionell hjälp.

kraftfull och väl ansluten till Internet: Det är en resursrik dator eller ett kluster av datorer som är väl anslutna till Internet och tillgängliga för användning av närliggande enheter. På samma sätt har cloudlets effektiv och pålitlig anslutning till Internet vanligtvis via en trådbunden anslutning.

tillgänglig för användning av närliggande mobila enheter: det är logiskt nära enheter, det betyder att alla mobila enheter i det lokala nätverket (LAN) har låg latens till cloudlet och hög bandbredd tillgänglig för överföring av data.

enligt Satyanarayanan, närheten till cloudlets banade en stor hjälp på följande sätt:

mycket lyhörda molntjänster: fysisk närhet cloudlet till en IT-enhet gör det lättare att uppnå låg end-to-end latens och hög bandbredd. Detta är värdefullt för applikationer som AR och virtuell verklighet som avlastar beräkningen till cloudlet.

skalbarhet via edge analytics: Den kumulativa efterfrågan på bandbredd i molnet från en stor samling IoT-sensorer med hög bandbredd, till exempel videokameror, är betydligt lägre om rådata analyseras på moln. Endast den (mycket mindre) extraherade informationen och metadata måste överföras till molnet.

Privacy-policy enforcement: en cloudlet kan genomdriva integritetspolicyn för sin ägare innan data släpps till molnet genom att fungera som den första kontaktpunkten i infrastrukturen för IoT-sensordata

maskering av molnavbrott: Om en molntjänst blir otillgänglig på grund av nätverksfel, molnfel eller en överbelastningsattack kan en reservtjänst på en närliggande cloudlet tillfälligt maskera felet.

enligt undersökningarna kan Edge computing få en snabbare väg till framgång genom att vårda skapandet av ett öppet cloudlet-ekosystem. Så som en övergripande punkt är både edge computing och cloudlets en störande teknik för denna molnintensiva era, som ger energirika high end computing inom en enda trådlös hop av IT-enheter speciellt mobila enheter, hjälper till att minska latens, bandbredd och integritetsrelaterade problem och därmed dra vägen till en era med höga intensiva applikationer framåt.

M. Satyanarayanan, “framväxten av Edge Computing,” i dator, vol. 50, nr 1, s. 30-39, Jan. 2017.

Usman Shaukat, Ejaz Ahmed, Zahid Anwar, Feng Xia ,” Cloudlet-distribution i lokala trådlösa nätverk: Motivation, arkitekturer, applikationer och öppna utmaningar”, i Journal of Network and Computer Applications, December 2015

IEEE Innovation på jobbet. 2020. Verkliga användningsfall för Edge Computing-IEEE Innovation på jobbet. Finns på: <https://innovationatwork.ieee.org/real-life-edge-computing-use-cases/>