پیش بینی دنیای شبکه برای سال 2019
محاسبات لبه ای یا edge computing چیست؟
مقدار داده های تولید شده توسط سنسورها، نودها و اپلیکیشن ها و دیگر دستگاه ها در اینترنت اشیا (IoT) در چند سال گذشته به شکل چشم گیری افزایش یافته است. محاسبات لبه یا همان Edge Computing به‌طور قابل‌توجهی در کاهش حجم داده‌هایی که باید منتقل شوند، ترافیک ناشی از آن و مسافتی که باید طی شود، تأثیر خواهد داشت.داده های IoT در حال حاضر در سیستم رایانش ابری و عمدتا از طریق منابع محاسباتی واقع شده در مراکز داده ای دوردست، پردازش می شوند. در نتیجه، پهنای باند شبکه و زمان تاخیر ارتباطی به مشکل جدی در این زمینه بدل شده است.
یکی از نوآوری‌های این حوزه استفاده از محاسبات لبه به‌جای محاسبات ابری است.
محاسبات لبه ای یا Edge Computing، به‌جای رایانش ابری که در حدود بیش از ۱۰ مرکز داده انجام می‌شود، در خود منبع داده انجام می‌شود. محاسبات لبه ای یا edge به این معنی این است که پردازش‌ها درست در نزدیکی منبع انجام می‌شوند و دیگر متکی به یکی از چندین دیتا سنتر بزرگ ارسال، نیستند.
شاید پس از به دست آمدن یک مدل تجاری و توجیه مالی این پروژه به بلوغ اصلی خود می رسد. شاید خیلی ها عاشق این ایده باشند. ایده edge computing موضوعی است که در آینده مسلما فراگیر خواهد شد. به طوری که اپراتورهای دیتاسنتر آن را به عنوان یک راه عالی برای سبک سازی بازیابی روی سرورهای مرکزی می بینند. محاسبات لبه یک مفهوم جدید نیست، اما چندین گرایش برای ایجاد یک فرصت برای کمک به سازمان های صنعتی به ارمغان می آورد. نقش محاسبات لبه تا به امروز عمدتا برای به دست آوردن، ذخیره، فیلتر کردن و ارسال داده ها به سیستم های ابری استفاده شده است.
مدیران مشاغل مختلف آن را به عناون یک شانس برای داشتن زمان پاسخ دهی کتر از 10 میلی ثانیه می بینند. وندورهایی مانند Vapor IO و Schneider Electric جهت استفاده و بهره برداری با مدلهای مختلف، در ایستگاه های پایه سر بیرون می آورند و فناوری 5G به کلی منتشر می شود.اما مسئله مهم در این تکنولوژی این است که چه کسی هزینه های توسعه این سیستم را پرداخت می کند. این موضوع هنوز به جمع بندی خاصی نرسیده است. مشخص نیست که این فناوری توسط چه کسی پشتیبانی می شود، سازندگان خودرویی که می خواهند آن را در جهت اتومبیل های هوشمند توسعه دهند یا کسانی دیگر.
خودرو‌های خودران بهترین مثال‌های رایانش لبه هستند. به دلیل برخورداری خودرو‌های خودران از امنیت، تاخیر و پهنای باند مناسب، شما متوجه نمی‌شوید که ده‌ها سنسور نصب شده بر روی خودرو‌ها محیط اطراف را جهت تجزیه و تحلیل به فضای ابری می‌فرستند و منتظر پاسخ آن می‌مانند. اگر آن مشکلات تأخیر و پهنای باند پیشین را داشتیم، به دلیل تأخیر بالای خودرو در پردازش محیط اطراف، شما از سفرتان جان سالم به در نمی‌بردید.
یکی از مهم‌ترین کارکردهای محاسبات لبه Edge computing در شعب بانکی و مالی، یافتن و متوقف کردن تراکنش‌های ناموفق یا ناسازگار است. روندی که در حال حاضر طی می‌شود این است که سازمان‌ها باید داده‌ها و اطلاعات مالی را به یک مرکز داده مرکزی بفرستند یا در یک فضای ابری آپلود کنند تا بتوانند آن‌ها را پردازش و تجزیه‌وتحلیل کنند. ایجاد این وقفه در رفت‌وبرگشت اطلاعات از ارزش داده‌ها می‌کاهد و می‌تواند باعث ایجاد برخی از مشکلات شود. با استفاده از مراکز داده‌های میکرو در شعبه‌های مالی، تجزیه‌وتحلیل‌ها و پردازش اطلاعات به‌صورت آنی انجام می‌شود، به این معنی که تراکنش‌های ناسازگار با سیستم بانکی با سرعت بیشتری شناسایی و متوقف می‌شوند و چنین تغییری می‌تواند تأثیر بسیار مثبتی در روند تحلیل و پردازش داده‌های مالی داشته باشد. به هر حال این ایده گران قیمت در جستجوی یک مالک است.
