Edge Computing چیست؟

Edge Computing چیست؟

Edge Computing یا محاسبه لبه یک تکنولوژی جدید در طراحی و توزیع اطلاعات (IT) است. در Edge Computing داده‌های مشتری یا Client در حاشیه شبکه و تا حد امکان نزدیک به منبع مبدا پردازش می‌شود.

داده‌ها شاهرگ حیاتی در کسب‌وکار مدرن هستند که اطلاعات تجاری ارزشمندی را ارائه و هم‌زمان فرآیندهای تجاری را پشتیبانی می‌کنند. کسب‌وکار مدرن شامل اقیانوسی از داده‌هاست و در هر مکانی می‌توان با کمک دستگاه‌های اینترنت اشیا (IoT)، این اطلاعات را جمع‌آوری کرد.

این سیر مجازی داده‌ها شیوه‌ی مدیریت کسب‌وکار را تغییر داده‌است. الگوهای محاسباتی سنتی برای انتقال این اطلاعات که رشد بی پایانی دارند، مناسب نیست. محدودیت‌های پهنای باند، تاخیر و اختلال شبکه موجب عملکرد پائین یک بیزینس می‌شوند. با کمک تکنولوژی محاسبه لبه، این چالش‌ها را برطرف می‌کنند.

تعریف کلی Edge Computing یا محاسبه لبه

به عبارت ساده، محاسبه لبه یا Edge Computing بخشی از ذخیره‌سازی و منابع محاسباتی را به خارج از مرکز داده (دیتاسنتر) مرکزی و نزدیک‌تر به منبع خود داده‌ها منتقل می‌کند. در واقع به جای این‌که داده‌های خام به یک مرکز داده مرکزی بروند، به جایی که خود داده تولید شده‌است برای پردازش و تحلیل منتقل می‌شوند.

در انتها نتیجه کار محاسباتی لبه برای بررسی و ذخیره سازی به دیتا سنتر اصلی ارسال می‌شود. پیشرفت تکنولوژی محاسبات لبه، دنیای فناوری اطلاعات (IT) و محاسبات تجاری را تغییر خواهد داد.

در ادامه‌ی تعریف Edge Computing، تاثیر شبکه ابری، موارد استفاده از محاسبه لبه و نحوه‌ی اجرای آن را بیشتر بررسی می‌کنیم.

نحوه‌ی عملکرد محاسبه لبه

محاسبه لبه مربوط به مکان جمع آوری و پردازش اطلاعات است. در محاسبات سنتی سازمانی، داده‌هایی که در Node پایانی Client مانند رایانه کاربر، تولید می‌شوند. اطلاعات از طریق یک شبکه WAN مانند اینترنت متصل به LAN، به محل سرور می‌رسند و سپس ذخیره و پردازش می‌شوند.

در ادامه کار Edge Computing نتیجه این پردازش به مشتری می‌رسد. در این‌جا زمان انتقال با توجه به قوانین مشتری-سرور محاسبه می‌شود. تعداد دستگاه‌های متصل به اینترنت و حجم داده‌هایی که توسط آن دستگاه‌ها تولید می‌شوند نسبت به زیرساخت‌های دیتا سنترهای سنتی به سرعت در حال رشد است. بنابراین باید از فناوری‌های جدید برای انتقال اطلاعات استفاده کنیم.

طبق پیش‌بینی Gartner تا سال 2025 حدودا 75% از داده‌های شرکت‌ها، خارج از دیتا سنتر متمرکز تولید و پردازش خواهند شد.

علت استفاده از محاسبات لبه یا Edge Computing

اگر حجم داده‌های انتقالی زیاد باشند به زمان و اختلال در سیستم خیلی وابسته می‌شوند. بنابراین شاهد ازدحام و اختلال در اینترنت جهانی خواهیم بود.

امروزه طراحان فناوری اطلاعات تمرکز خود را از دیتا سنتر مرکزی به لبه منطقی زیرساخت تغییر داده‌اند. در Edge Computing منابع ذخیره‌سازی و محاسباتی را از دیتا سنتر می‌گیرد و آن را به نقطه‌ای که داده‌ها تولید می‌شوند منتقل می‌کنند.

اساس این محاسبه بر این اصل استوار است که اگر نمی‌توانید داده‌ها را به دیتا سنتر نزدیک کنید، دیتا سنتر را به داده نزدیک کن

مفهوم پایه محاسبات لبه جدید نیست و در دهه‌های اخیر از آن برای محاسبات از راه دور دفاتر و شعبه‌های مختلف یک دفتر استفاده می‌کردند. Edge Computing، ذخیره ساز و سرور را در جایی قرار می‌دهد که اطلاعات در آن قرار دارند و به تجهیزات کمی برای پردازش اطلاعات در یک شبکه LAN نیاز دارد.

چرخ‌دنده محاسباتی Edge Computing را داخل یک محفظه سخت‌افزاری قرار می‌دهند تا از آن در برابر دمای زیاد، رطوبت و شرایط محیطی نامطلوب محافظت کنند. در این روش، پردازش‌ها در محل تولید داد انجام می‌شوند و در انتها فقط نتیجه پردازش به دیتا سنتر ارسال می‌شود.

محاسبات لبه در مقایسه با ابری و مه (Fog)

محاسبات لبه ارتباط نزدیکی با مفاهیم کلی محاسبات ابری و محاسبات Fog دارد. اگرچه مفاهیم کلی آن‌ها هم‌پوشانی دارند اما ساز و کارشان یکسان نیست و نباید به جای یک‌دیگر استفاده شوند. یک راه ساده برای درک تفاوت‌های میان Edge Computing، محاسبات ابری و مه، مشخص کردن اشتراک در مفاهیم آن‌هاست.

در هر سه، محاسبات پخش می‌شوند و تمرکز روی استقرار فیزیکی منابع محاسباتی و ذخیره‌سازی اطلاعات تولید شده‌است. مهم‌ترین تفاوت آن‌ها در جای قرارگیری منبع است.

Edge Computing یا محاسبات لبه

در این‌جا منابع محاسباتی و ذخیره‌سازی در محل تولید داده/اطلاعات قرار دارند. ایده‌آل‌ترین حالت آن زمانی است که محاسبات و ذخیره‌سازی داده در لبه بین منبع داده و شبکه انجام شود.

مثلا ممکن است در بالای یک توربین بادی چند سرور و ذخیره‌ساز درون یک محفظه کوچک نصب شوند تا داده‌هایی که حسگرهای توربین تولید می‌کنند را جمع‌آوری و پردازش کند. یا در یک ایستگاه راه‌آهن مقداری از محاسبات و ذخیره‌سازی در همان جا انجام می‌شود تا بتوانند اطلاعات ترافیک ریلی را از حسگرها جمع‌آوری و پردازش کنند. در ادامه نتیجه پردازش اطلاعات را به دیتا سنتر مرکزی برای بازبینی، بایگانی و یا ادغام با سایر نتایج می‌فرستند.

Cloud یا فضای ابری

محاسبات ابری در واقع به منابع محاسباتی و ذخیره‌سازی بزرگ و مقیاس‌پذیری اطلاق می‌شود که در یک منطقه گسترده توزیع شده‌اند. ارائه دهندگان سرویس ابری، مجموعه‌ای از خدمات از پیش طراحی شده را برای عملیات IoT ترکیب می‌کنند تا ابر به یک پلتفرم متمرکز ترجیحی برای قرارگرفتن اینترنت اشیا تبدیل شود.

محل پردازش محاسبات ابری نسبت به محاسبات سنتی به مرکز داده نزدیک‌تر است. مراکز ابری می‌توانند مکمل دیتا سنترهای سنتی باشند و محاسبات را به منبع نزدیک‌تر کنند اما در حد Edge Computing نمی‌توانند به لبه نزدیک شوند.

Fog یا مه

در محاسبات مه، محل قرارگیری ذخیره سازی به ابر یا لبه محدود نیست. محاسبات Fog یک گام جلوتر می‌آید و منابع محاسباتی و ذخیره‌سازی را نه لزوما کنار آن و در لبه شبکه بلکه داخل داده/اطلاعات، قرار می‌دهد.

محیط‌های محاسباتی مه ممکن است مقادیر پیچیده‌ای از داده‌های حسگر یا اینترنت اشیا را تولید کنند. منطقه محاسباتی مه بسیار گسترده‌ است و نمی‌توان آن را به عنوان لبه که یک مرز باریک است در نظر گرفت. از محاسبات مه می‌توان در ردیابی، پردازش و بهینه سازی سیستم حمل‌ونقل عمومی، خدمات شهری و برنامه ریزی بلند مدت استفاده کرد.

در این سیستم‌های پردازش اطلاعاتی بزرگ، یک لبه نازک نمی‌تواند بار اطلاعاتی را تحمل کند بنابراین بهتر است به جای Edge Computing از محاسب مه استفاده کنیم.

محاسبات مه و محاسبات لبه تعاریف و طراحی تقریبا یکسانی دارند و حتی گاهی متخصصان فناوری اطلاعات از نام آن‌ها به جای یک‌دیگر استفاده می‌کنند.

چرا Edge Computing مهم است؟

محاسبه اطلاعات نیازمند یک طراحی مناسب و بهینه است. نیازهای محاسباتی مختلف تعیین می‌کنند که مهندسان از چه طراحی برای پردازش و ذخیره سازی اطلاعات استفاده کنند.

غیر متمرکز بودن پردازش چالش برانگیز است و به سطوح بالایی از نظارت و کنترل نیاز دارد. در برخی موارد زمانی که از محاسبات سنتی دور می‌شویم، امنیت اطلاعات مشکل خواهد شد. محاسبات لبه یا Edge Computing برای حل مشکل امنیت شبکه امروزی و جابجایی حجم عظیمی از داده‌ها در کوتاه‌ترین زمان ممکن مطرح شد.

در نظر بگیرید که با همه گیر شدن استفاده از خودروهای خودران، این خودروها به سیگنال‌های کنترل ترافیک هوشمند لحظه‌ای نیاز دارند به علاوه پردازش و انتقال داده‌ها باید در زمان کوتاهی انجام شود. اکنون با زیاد شدن خودروهای خودران، ترافیک شبکه بالا خواهد رفت و در نتیجه باید شبکه‌ای داشته باشیم که پاسخ را سریع‌تر منتقل کند.

Edge Computing و محاسبات مه سه عامل اصلی محدودیت شبکه را برطرف می‌کنند:

1. پهنای باند
2. زمان انتقال دیتا/تاخیر (وابسطه به تراکم و شلوغی شبکه)
3. امنیت

پهنای باند یا bandwidth یک شبکه چیست؟

پهنای باند مقدار اطلاعاتی است که یک شبکه می‌تواند در طول زمانی مشخص حمل کند. واحد پهنای باند معمولا بر حسب بیت/ثانیه بیان می‌شود. هر شبکه‌ای پهنای باند محدودی دارد و این محدودیت در ارتباطات بی‌سیم بیشتر است.

Latency یا تاخیر در Edge Computing به چه صورت است؟

تاخیر در واقع، اختلاف زمان انتقال اطلاعات بین دو نقطه از شبکه است. اگرچه ارتباطات در حالت ایده‌آل به سرعت نور منتقل می‌شوند، اما فواصل فیزیکی زیاد همراه با شلوغی یا قطعی شبکه می‌تواند حرکت اطلاعات را در سراسر شبکه به تاخیر بیاندازد.

این تاخیر موجب عقب افتادن فرآیند پردازش می‌شود و قدرت سیستم را برای پاسخ‌گویی یا انتقال data کاهش می‌دهد که ممکن است در سیستم‌های اطلاعاتی خودروهای خودران این تاخیر به قیمت جان انسان‌ها تمام شود.

Congestion یا تراکم/شلوغی در شبکه چیست؟

اینترنت اساسا مجموعه‌ای از چند شبکه جهانی است. این سیستم برای انتقال اطلاعات روزمره مانند ارسال فایل‌های اطلاعاتی در حال پیشرفت و تکامل است. حجم داده‌های درگیر با ده‌ها میلیارد دستگاه می‌توانند به دلیل شلوغی، کارآیی اینترنت را کاهش دهند. مواردی مانند:

• ارسال نشدن فایل‌های حجیم
• قطعی شبکه
• هم‌زمانی ارسال اطلاعات

می‌توانند موجب بالا رفتن شلوغی/تراکم شبکه شوند و حتی ارتباط برخی از کاربران اینترنت را محدود یا به طور کامل قطع کند. در این حالت اینترنت اشیا (IoT) عملا کارآیی‌اش را از دست می‌دهد. با قرار گرفتن سرور و ذخیره ساز در جایی که اطلاعات تولید می‌شوند، Edge Computing می‌تواند پردازش اطلاعات دستگاه‌های زیادی را روی یک LAN بسیار کوچک انجام دهد. با کمک محاسبه لبه، پهنای باند منحصرا توسط دستگاه‌های تولیدکننده داده محلی استفاده شده و موجب می‌شود که تاخیر در اثر شلوغی شبکه تقریبا حذف شود.

ذخیره ساز شبکه محلی (LAN) اطلاعات خام را جمع آوری و از آن‌ها محافظت می‌کند. سرورهای محلی می‌توانند با کمک Edge Computing، پیش پردازش و کاهش حجم اطلاعات، زمان تاخیر انتقال اطلاعات را کاهش دهند. در محاسبات لبه فقط داده‌های ضروری یا نتایج نهایی به فضای ابری و دیتا سنتر مرکزی ارسال می‌شوند.

موارد استفاده از Edge Computing

از تکنیک محاسبات لبه برای جمع‌آوری، فیلتر، پردازش و تحلیل اطلاعات در محل یا نزدیک لبه شبکه استفاده می‌شود. این ابزار قدرتمندی برای استفاده از داده‌هایی است که نمی‌توان آن‌ها را ابتدا به مرکز داده فرستاد. در ادامه مزیت استفاده از Edge Computing را برای صنایع مختلف بیان می‌کنیم:

• تولیدکننده‌های صنعتی

محاسبه لبه به مجموعه‌های تولیدکننده کمک می‌کند نظارت تولید، پردازش اطلاعات و ذخیره سازی را در لبه برای پیدا کردن خطاهای تولید و بهبود کیفیت تولید انجام دهند. با کمک Edge Computing می‌توان حسگرهای محیطی را در سراسر کارخانه قرار داد و هم‌چنین می‌توان در مورد نحوه مونتاژ، تعداد محصول و مدت زمان قرارگیری محصول در قسمت‌هایی مانند انبار، اطلاعات خوبی جمع‌آوری کنیم. با کمک این اطلاعات یک تولیدکننده می‌تواند تصمیمات تجاری سریع‌تر و دقیق‌تری اتخاذ کند.

• کشاورزی

در کشاورزی پیشرفته و مدرن، محصولات داخل گل‌خانه یا مکان‌های بدون نور، خاک و آفت‌کش کشت می‌شوند. این کار زمان بهره‌برداری محصول را 60% کاهش می‌دهد. با کمک حسگر در کشاورزی می‌توانیم مصرف آب و تراکم کود را ارزیابی کنیم. به منظور برداشت بهینه، داده‌ها جمع‌آوری و پردازش می‌شوند تا الگوریتم‌های رشد محصول را بتوان بهینه کرد و به بیشترین راندمان برداشت رسید.

• بهینه سازی شبکه

محاسبات لبه، عملکرد کاربران را در سراسر اینترنت اندازه‌گیری و پردازش می‌کند و سپس با انتخاب مطمئن‌ترین و کم تاخیرترین مسیر شبکه برای ترافیک هر کاربر، به بهینه‌سازی عملکرد شبکه کمک می‌کند. در واقع Edge Computing، هدایت ترافیک را در سراسر شبکه نسبت به زمان بر عهده دارد.

• امنیت افراد محیط‌های اداری

محاسبات لبه می‌تواند، داده‌های دوربین‌های امنیتی، دستگاه‌های ایمنی و حسگرهای دیگر را ترکیب و پردازش کند تا بتوان بر شرایط محیط کار نظارت کافی داشت. با نظارت درست می‌توان دید که کارکنان پروتکل‌های ایمنی را رعایت می‌کنند یا خیر. این قابلیت برای محیط‌هایی که ناظر دور از محل کار و یا شرایط کاری بسیار خطرناک است کاربرد بالایی دارد (مانند ساخت‌وساز یا سکوهای نفتی).

• رعایت موارد بهداشتی

برای کنترل بهداشت، میزان داده‌های جمع‌آوری شده بیماران از دستگاه‌ها، حسگرها و تجهیزات پزشکی، رو به افزایش است. این حجم عظیم از داده، نیازمند Edge Computing برای اعمال اتوماسیون، دسترسی به اطلاعات، حذف داده‌های روتین و شناسایی داده‌های خطرناک است. با کمک این اطلاعات، پزشکان می‌توانند اقدامات فوری برای جلوگیری از حوادث جانی بیماران انجام دهند.

• استفاده از Edge Computing در

  صنعت حمل‌ونقل

وسایل نقلیه خودران در روز 5 تا 20 ترابایت اطلاعات تولید می‌کنند. این اطلاعات شامل موقعیت مکانی، سرعت ماشین، وضعیت خودرو، شرایط جاده، شرایط ترافیکی و موقعیت خودروهای مجاور است. داده‌ها باید در بهینه‌ترین زمان جمع‌آوری و پردازش شوند تا در حرکت وسیله نقلیه اختلالی ایجاد نشود. پردازش این اطلاعات به محاسبات داخلی قابل توجهی نیاز دارد. در Edge Computing صنعت حمل‌ونقل، هر وسیله نقلیه به یک لبه تبدیل می‌شود تا به ناوگان وسایل وسایل برای کنترل شرایط محیطی کمک کنند.

• فروشگاه‌ها

بیزینس‌هایی که فروش محصول دارند باید حجم عظیمی از داده‌ها را برای نظارت، ردیابی و فاکتور کردن محصول تولید کنند. Edge Computing کمک می‌کند یک فروشگاه با پردازش به موقع اطلاعات، سیساست فروش را برای راه‌اندازی یا پایان دادن به یک کمپین و همچنین پیش‌بینی میزان فروش، بهینه‌سازی کند. چون Edge Computing در شبکه‌های محلی اطلاعات را پردازش می‌کند، می‌تواند اطلاعات مفیدی در اختیار یک بیزینس وابسته به فروش بگذارد.

مزایای استفاده از Edge Computing

محاسبات لبه کمک می‌کند تا چالش‌های حیاتی شبکه و سیستم‌های وابسته به انتقال اطلاعات برطرف شوند. محدودیت‌های پهنای باند، تاخیر زیاد و ازدحام شبکه با Edge Computing تا حد ممکن کمتر می‌شوند. اما مزیت‌های استفاده از محاسبات لبه فقط به این سه مورد محدود نیست. در ادامه برخی دیگر از قابلیت‌هایی که فناوری محاسبات لبه برای بهبود عملکرد شبکه فراهم می‌کند را ذکر می‌کنیم:

• امنیت: Edge Computing در مواردی که شبکه امن نباشد یا پهنای باند به دلیل استفاده از یک وبسایت خاص محدود باشد، بسیار مفید است. در سکوهای نفتی، کشتی‌ها، مزارع و مکان‌های دور افتاده محاسبات لبه به امنیت انتقال اطلاعات کمک می‌کند.

با محاسبات لبه اطلاعات و نتایج می‌توانند در صورت قطعی شبکه روی یک ذخیره‌ساز نگه‌داری شوند و پس از وصل شدن شبکه به دیتا سنتر مرکزی ارسال شوند. با پردازش اطلاعات در محل تولید داده‌ها نیز حجم داده‌های ارسالی بسیار کمتر می‌شود. بنابراین در این صورت به پهنای باند و زمان اتصال کم‌تری از شبکه برای انتقال اطلاعات نیاز داریم.

محاسبات لبه در IoT

دستگاه‌هایی که از محاسبات لبه استفاده می‌کنند شامل طیف وسیعی از دستگاه‌ها، حسگرها و درگاه عبوری اینترنت اشیا (IoT) هستند. در انتقال داده‌ها با حجم زیاد علاوه بر مشکلات سرعت با مسئله امنیت اطلاعات نیز مواجه هستیم. در Edge Computing چون داده‌ها نزدیک به منبع نگه‌داری می‌شوند، می‌توان امنیت و قوانین خاصی را برای انتقال اطلاعات در یک شبکه محلی اعمال کرد.

محاسبه لبه فرصت بیشتری برای امنیت اطلاعات در پردازش و انتقال فراهم می‌کند. اگرچه فضاهای ابری به اینترنت اشیا (IoT) خدمات ارائه می‌دهند و در پردازش‌های پیچیده نیز متخصص اند، اما سازمان‌ها همیشه نگران امنیت داده‌ها پس از خروه از لبه و بازگشت به ابر یا مرکز داده هستند. با اجرای Edge Computing، هر داده‌ای که بخواهد از شبکه فضای ابری یا دیتا سنتر برسد، می‌تواند با کمک رمزگذاری ایمن شوند. خود لبه نیز کار هکرها و فعالیت‌های مخرب را برای دسترسی به اطلاعات سخت می‌کند.

چالش‌های Edge Computing

گرچه محاسبات لبه پتانسیل و مزایای فوق‌العاده‌ای در بسیاری از موارد دارد. اما این بدان معنا نیست که فناوری محاسبات لبه خطا ندارد. علاوه بر مشکلات قدیمی محدودیت‌های شبکه چند مورد نیز در کیفیت محاسبه لبه تاثیر دارد. شکل زیر رشد استفاده از Edge Computing در مناطق مختلف جهات به صورت نمودار نشان می‌دهد:

پیش‌بینی رشد Edge Computing در سال‌های آتی

تحقیقات نشان می‌دهد که حرکت به سمت محاسبات لبه در چند سال آینده افزایش چشمگیری خواهد داشت.

• توانایی اعمال محدودیت در دسترسی کاربران: با کمک Edge Computing، لبه یا مه می‌توانیم میزان، نوع منابع و خدمات شبکه را برای Clientهای مختلف تعریف کنیم. در محاسبه لبه، دامنه و هدف از استقرار لبه باید به خوبی تعریف شود.
• اتصال: Edge Computing بر محدودیت‌های معمولی شبکه غلبه می‌کند اما برای استقرار لبه به حداقل سطح اتصال نیاز داریم و باید این مشخص شود که در صورت اتصال ضعیف یا نامنظم و از بین رفتن شبکه، در لبه چه اتفاقی خواهد افتاد. هوش مصنوعی و برنامه‌نویسی‌های پیشرفته برای پیدا کردن مشکلات اتصال Edge Computing کمک‌های شایانی کرده‌است.
• امنیت: دستگاه‌های اینترنت اشیا امنیت بالایی ندارند، بنابراین با کمک Edge Computing می‌توان مدیریت خوبی بر دستگاه داشت که در واقع با ایجاد یک چهارچوب مشخص و افزایش امنیت در منابع محاسباتی و ذخیره‌سازی Edge Computing مدیریت دستگاه را آسان می‌کند.
• چرخه عمر داده‌ها: مشکل همیشگی افزایش داده‌های امروزی این است که بسیاری از این داده‌ها غیر ضروری هستند. یک دستگاه مانیتورینگ پزشکی را در نظر بگیرید، در این شبکه فقط داده‌هایی که خطر دارند برای پزشک و پرستار بسیار مهم هستند و نگه‌داشتن اطلاعات عادی بیمار به مدت طولانی ضروری نیست. بیشتر داده‌های پردازش سریع نیازی ندارند که به مدت طولانی نگه‌داری شوند. صاحب بیزینس مشخص می‌کند که کدام داده‌ها را ذخیره کند و چه چیزی را پس از پردازش پاک کند. در انتها داده‌هایی که ذخیره می شوند باید مطابق با رویکردهای تجاری و نظارتی محافظت شوند.

اجرای محاسبات لبه

Edge Computing یک ایده ساده است که ممکن است روی کاغذ آسان به نظر برسد، اما توسعه یک استراتژی منسجم و اجرای یک استقرار صدا در لبه می تواند چالش برانگیز باشد.

 

اولین عنصر حیاتی هر استقرار موفقی در فناوری، داشتن یک استراتژی تجاری و فنی معنادار است که چنین استراتژی شبیه به انتخاب فروشنده یا تجهیزات نیست. در عوض، یک استراتژی لبه نیاز بهEdge Computing را در نظر می‌گیرد و کمک می‌کند تا درک روشنی از مشکلات فنی و تجاری بدست آید. بنابراین مسائلی مانند از بین بردن محدودیت‌های شبکه و ایجاد سلسه‌بندی برای دسترسی به داده‌ها که سازمان‌ها در تلاش برای حل آن‌ها هستند، به راحتی برطرف می‌شوند.

Edge Computing باید با تعیین ساختار لبه به منظور افزایش راندمان یک بیزینس اجرا شود. استراتژی‌های لبه نیز باید با طرح‌های تجاری موجود و سازوکار فناوری‌های جدید همسو باشند. مثلا، اگر کسب‌وکاری دوست دارد اطلاعات دیتا سنتر مرکزی خود را کاهش دهد، باید لبه و سایر فناوری‌های محاسباتی اشتراکی به خوبی هماهنگ شوند.

برای اجرای پروژه باید سخت‌افزارها و نرم‌افزارهای مورد استفاده در آن به خوبی ارزیابی شوند. هر محصولی که بکار می‌رود باید از نظر هزینه، عمل‌کرد، امکانات، به‌روز شدن و پشتیبانی ارزیابی شود. نرم افزارها نیز تجهیزات باید دید و کنترل جامعی بر لبه‌های دور شبکه داشته باشند.

اجرای فناوری Edge Computing می‌تواند از نظر وسعت و مقیاس متفاوت باشد. مشخصات لبه برای هر پروژه‌ای متفاوت با دیگری است و اجرای آن باید با دقت بالایی انجام شود.

موارد مهم در اجرای محاسبات لبه

به یاد داشته باشید که دسترسی تکنسین‌های فناوری اطلاعات به سایت لبه فیزیکی ممکن است دشوار یا حتی غیرممکن باشد، بنابراین محل قرارگیری لبه‌ها باید به گونه‌ای طراحی شوند که انعطاف‌پذیری، تحمل خطا و قابلیت‌های خود داشته باشند. ابزارهای مانیتورینگ باید نمای کلی روشنی از راه‌اندازی از راه دور ارائه دهند، تدارک و پیکربندی آسان را فراهم کنند، هشدار و گزارش جامع ارائه دهند و امنیت نصب و داده‌های آن را حفظ کنند. مانیتورینگ لبه اغلب شامل مجموعه‌ای از معیارها و KPIها، مانند در دسترس بودن سایت یا زمان آپدیت، کارایی شبکه، ظرفیت ذخیره‌سازی، ظرفیت استفاده و منابع محاسباتی است.

چگونه از لبه حفاظت می‌کنند

اجرای Edge Computing بدون در نظر گرفتن حفاظت لبه کامل نمی‌شود:

• امنیت: اقدامات امنیتی فیزیکی و اطلاعاتی حیاتی است و باید شامل ابزارهایی باشد که آسیب‌پذیری، تشخیص نفوذ و پیشگیری از آن را به خوبی مدیریت کند. حسگرها و تجهیزات اینترنت اشیا باید امنیت داشته باشند، زیرا هر دستگاه یک عنصری از شبکه است که می‌توان به آن دسترسی داشت یا هک کرد بنابراین باید امنیت آن‌ها حفظ شود.
• قابلیت اتصال: باید در اجرای Edge Computing تمهیداتی برای دسترسی به کنترل و گزارش‌دهی حتی زمانی که اتصال برای داده‌های واقعی در دسترس نیست، در نظر بگیرند. برخی از لبه‌ها از یک اتصال ثانویه برای اتصال به شبکه و کنترل پشتیبان استفاده می‌کنند.
• مدیریت: مدیریت از راه دور برای لبه‌هایی که در مکان‌های دور و نامناسب قرار دارند، ضروری است. مدیران فناوری اطلاعات باید بتوانند آن‌چه را که در لبه اتفاق می‌افتد ببینند و در صورت نیاز آن را کنترل کنند.
• نگه‌داری فیزیکی: الزامات نگه‌داری فیزیکی را نباید نادیده گرفت. دستگاه‌های اینترنت اشیا به دلیل نیاز به تعویض باتری و قطعات، طول عمر محدودی دارند. مثلا چرخ‌دنده از کار می‌افتد و در نهایت نیاز به تعمیر، نگه‌داری و تعویض خواهند داشت. لجستیک سایت را باید همراه با تعمیر و نگه‌داری در نظر بگیرند.

Edge Computing، اینترنت اشیا و امکانات 5G

محاسبات لبه با کمک فناوری‌ها و راه‌کارهای جدید به منظور افزایش قابلیت‌ها و عمل‌کرد خود در حال تکامل است. مهم‌ترین هدف در دسترس بودن لبه است. پیش‌بینی می‌شود Edge Computing تا سال 2028 در سرتاسر جهان در دسترس قرار گیرد و روش استفاده از اینترنت را تغییر دهد.

این پیشرفت‌ها را می‌توان در طراحی‌های جدید تجهیزات محاسباتی، ذخیره‌سازی و شبکه مختص بهEdge Computing دید. فناوری‌های ارتباط بی‌سیم، مانند 5G و Wi-Fi 6، با اجرا و استفاده از لبه در سال‌های آینده انعطاف پذیرتر و مقرون به صرفه تر خواهند شد.

Edge Computing با افزایش استفاده از اینترنت اشیا و بالا رفتن حجم داده‌هایی که این دستگاه‌ها تولید می‌کنند مورد توجه قرار گرفت. با توجه به اینکه فناوری‌های اینترنت اشیا هنوز در مراحل اولیه هستند، تکامل دستگاه‌های اینترنت اشیا بر توسعه محاسبات لبه تأثیر خواهد داشت. مثلا استفاده از مراکز داده میکرو مدولار (MMDCs) در آینده توسعه خواهد یافت. MMDC یک مرکز داده درون یک محفظه است. در واقع یک مرکز داده کامل را داخل یک تلفن همراه قرار می‌دهد تا نزدیک‌تر به داده‌ها باشد با این کار می‌توانید بدون اینکه لبه‌ای روی داده‌ها قرار دهید محاسبات را بسیار به داده‌ها نزدیک‌تر کنید.

تیر 28, 1401