Acest site folosește cookie-uri pentru analiză, conținut personalizat și publicitate. Folosind acest site, confirmați că sunteți de acord. Vezi detalii.OK
Acest site folosește cookie-uri pentru analiză, conținut personalizat și publicitate. Folosind acest site, confirmați că sunteți de acord. Vezi detalii.OK
Ați auzit de Edge Computing? În acest articol vom explica principiile sale de bază, vom analiza avantajele și dezavantajele sale și vom încerca să anticipăm perspectiva acestei ramuri în creștere a tehnologiei informației.
Edge Computing este un concept care presupune primirea și procesarea datelor cât mai aproape de sursa sau utilizatorul final. Un senzor IoT este utilizat în general pentru sursa de date, iar procesarea se face local, datorită plasării serverului sau unui alt hardware în apropierea locației fizice a sursei de date.
O astfel de procesare locală a datelor este dezvoltată cu ideea de a minimiza latența, de a reduce costurile de transmisie și de a permite feedback în timp real.
IT-ul este o industrie în schimbare rapidă, iar rădăcinile Edge Computing-ului încep din anii '90, când au fost utilizate rețelele de livrare a conținutului (CDN), acționând ca centre de distribuție de date. La acea vreme, rolul lor era în principal de a stoca în cache imagini și videoclipuri, fără prea multă încărcare în ceea ce privește volumul de date.
La începutul noului mileniu au început să se folosească și computerele conectate P2P, care puteau partaja resurse fără un sistem centralizat. Cu toate acestea, de la mijlocul primului deceniu al noului mileniu, în principal din cauza nevoilor marilor companii, s-a consolidat sistemul cloud pentru stocarea datelor.
Dar, pe măsură ce industriile tind către economie și eficiență mai mare, se fac din ce în ce mai multe investiții în edge nodes, care au capacitatea de a oferi acces cu latență scăzută la resurse și informații mari de date, situate aproape de sursă, practic „acasă”.
Aceste capabilități sunt construite pe principii CDN, cum ar fi platformele de rețea P2P cu latență scăzută și descentralizate, precum și scalabilitatea și rezistența cloudului.
Colectarea datelor: Dispozitivele IoT, senzorii și alte surse de la marginea rețelei primesc date.
Prelucrarea datelor: Datele colectate sunt procesate de dispozitive edge (edge devices), cum ar fi gateway-uri, noduri de calcul ca instrumente de stocare a datelor sau dispozitive IoT, în loc să trimită datele către un server central pentru procesare. Dispozitivele edge efectuează sarcini precum filtrarea datelor, compresia și agregarea, reducând cantitatea de date care trebuie trimisă în cloud.
Analiza datelor: Dispozitivele edge pot efectua analiza datelor în timp real și pot lua decizii pe baza datelor procesate. De exemplu, un dispozitiv de calcul edge într-o fabrică inteligentă poate analiza datele senzorilor pentru a detecta defecțiunile echipamentelor și pentru a răspunde la acestea „în direct”, reducând timpul de nefuncționare.
Stocarea datelor: Dispozitivele edge pot stoca o parte din datele procesate local, reducând nevoia de a trimite toate datele în cloud.
Transfer de date: Numai datele relevante sau critice sunt trimise către cloud sau un centru de date pentru procesare, analiză și stocare ulterioară.
Toate companiile doresc să aibă un grad ridicat de control asupra datelor lor. În acest sens, Edge Computing are mai multe avantaje.
Întrucât astăzi totul este legat de inteligența artificială, tot mai multe corporații doresc să combine aceste două realizări tehnologice și astfel să-și sporească calitatea muncii.
Inteligență: Aplicațiile AI sunt mai puternice și mai flexibile decât aplicațiile convenționale, care pot reacționa doar la inputuri care sunt prevăzute în mod explicit. O rețea neuronală de inteligență artificială nu este instruită cum să răspundă la o anumită întrebare, ci cum să răspundă la un anumit tip de întrebare, chiar dacă întrebarea este nouă. Acest lucru oferă algoritmului AI inteligența de a procesa diferite intrări, indiferent că este vorba de text, cuvinte rostite sau videoclipuri.
Informații în timp real: Deoarece tehnologia edge analizează datele mai degrabă la nivel local decât într-un cloud îndepărtat, care întârzie din cauza comunicării la distanță, răspunde la nevoile utilizatorilor și poate produce concluzii în timp real.
Îmbunătățire constantă: Modelele AI devin tot mai precise pe măsură ce sunt antrenate pe mai multe date. Când o aplicație AI Edge întâlnește date pe care nu le poate procesa în mod precis sau fiabil, de obicei le încarcă în cloud astfel încât algoritmul AI să poată învăța din nou din acestea.
Experții sunt de acord că Edge Computing are potențialul de a transforma modul în care organizațiile procesează și analizează datele. Cu toate acestea, ca în cazul oricărei tehnologii noi, există provocări care trebuie depășite pentru a asigura adoptarea pe scară largă.
Unele dintre principalele provocări cu care se poate confrunta Edge Computing în viitor sunt nevoia de protocoale și arhitecturi standardizate, noi probleme de securitate și confidențialitate și nevoia de cunoștințe și expertiză specializate pentru a gestiona soluțiile edge. Există, de asemenea, provocările integrării cu infrastructura existentă, deoarece multe organizații investesc deja masiv în cloud și alte tehnologii care stabilesc standarde comune.
Texte legate
Şcoala pentru construirea unei profitabile
de programator. de administrator. de dezvoltator.de expert 3D. de designer. de IT manager.
Doriți un salariu bun?
Noi vă putem ajuta. Vă vom trimite instrucţiuni, invitaţii la seminare gratuite şi noutăţi de la LINK Academy. Introduceţi-vă doar e-mailul şi numele.
Copyright © LINK Academy. Toate drepturile rezervate. Confidenţialitate.
Comentariu