رایانش لبه چیست؟
رایانش لبه، فناوری نوینی است که تاثیرات مثبتی در فضای فناوری اطلاعات از خود برجای گذاشت.
اینگونه به نظر می‌رسد که توانایی متحول کردن نحوه ساخت و پردازش اطلاعات را به صورت چشمگیری داشته باشد. رایانش لبه یک الگوریتم محاسباتی توزیع شده است و محاسبات و ذخیره‌سازی اطلاعات و داده ها را به منابع داده نزدیک می‌کند. همچنین انتظار می‌رود این امر زمان پاسخگویی را بهبود بخشد و پهنای باند را ذخیره کند.
رایانش لبه یک معماری هست تا یک تکنولوژی خاص. این یک شکل حساس به مکان از محاسبات توزیع شده است.
Edge Computing یا رایانش لبه یک شبکه Mesh می‌باشد که رکوردهای مهمی را به صورت محلی پردازش یا ذخیره می‌کند.
برخلاف رایانش ابری که برای انجام پردازش داده نیاز به حداقل ده مرکز داده می‌باشد، نیاز به دیتا سنتر های بزرگ نیست.
رایانش لبه تحولی در حوزه ذخیره و پردازش اطلاعات در آن بوجود آورده و همانطور که گفته شد محاسبات ابری چندین دیتاسنتر مختلف را درگیر می‌کند.
پردازش در آن ها انجام می‌شود. ولی در محاسبات لبهای پردازش تنها در داخل منبع صورت می‌گیرد. در واقع هدف از طراحی محاسبات لبهای یا همانEdge Computing ، این است که پردازش ها حول منبع انجام شوند و به دیتاسنترهای مختلف نیازی نداشته باشند.
می‌توان گفت رایانش لبه، یک شبکه متمرکز می‌باشد. این شبکه تا حد امکان بحث تأخیر و استفاده از پهنای باند را کاهش داده است.
تفاوت EDGE COMPUTING با دیگر مدل‌های رایانشی چیست؟
رایانش لبه، مدل جدید پردازش و ذخیره‌سازی داده، مزایای زیادی را نسبت به محاسبات محلی ارائه داد. بطوریکه سرویس‌های ابری در یک مجموعه (Cloud) متمرکز می‌شوند.
به همین دلیل از هر دستگاهی که از اینترنت استفاده می‌کند و یا در بستر اینترنت است، می‌توانیم به این داده ها دسترسی داشته باشیم.
با این حال، Cloud Computing می‌تواند باعث بوجود آمدن Delay (تاخیر)، به دلیل فاصله بین کاربران و مراکز داده‌ای که سرویس‌های ابری در آن میزبانی می‌شوند، بشود.
ولی محاسبات لبه این مشکل را برطرف کرده و پردازش‌ها را به کاربران نهایی نزدیک می‌کند.
به دلیل این که مسافتی را که داده‌ها باید طی کنند.به حداقل برساند، در صورتی که همچنان ماهیت متمرکز رایانش ابری را حفظ می کند.
نحوه کار سرورهای محاسبات فناوری لبه
سرورهای محاسبات لبه با کاهش فاصله جغرافیایی و تأخیر بین تولیدکنندگان و مصرف‌کنندگان داده‌ها کار می‌کنند.
با این حال، در مورد سرورهای محاسبات لبه، تولیدکنندگان داده بیشتر دستگاه‌های اینترنت اشیا و سرورها در حال پردازش داده‌های ایجاد شده هستند. به عنوان مثال، یک سرور محاسبه لبه، بین دستگاه‌های اینترنت اشیا در کارخانه و cloud، یا یک مرکز داده سازمانی قرار گیرد.
تاثیر فناوری لبه در اینترنت اشیا
تکنولوژی اینترنت اشیا به سرعت در حال پیشرفت و تکامل است.
در حال حاضر طیف گسترده‌ای از ذینفعان در حال مطالعه دقیق چگونگی توزیع زیربنای محاسباتی و شبکه‌های رایانش لبه که به وسیله سرویس‌های رایانش ابری (cloud computing) فعال می‌شوند، هستند.
رایانش ابری بنا به دلایل بسیاری با کمبودهایی برای سرویس‌های اینترنت اشیا (IOT) مواجه است. چون نیازهای آن را پاسخ نمی‌دهد. ازجمله این دلایل می‌توان به موارد زیر اشاره کرد:
1.مقدار داده‌های تولیدشده Device اینترنت اشیا، توسط سرویس‌های متمرکز رایانش ابری پشتیبانی نمی‌شوند.
2.اگر داده‌ها برای پردازش شدن مدت طولانی در مسیر باقی بمانند، برخی از برنامه‌های کاربردی IoT عمل نخواهند کرد.
3.برای اپراتورهای شبکه، هزینه ترافیک برای انتقال این حجم از اطلاعات به رایانش ابری، مقرون‌به‌صرفه نیست.
لبه شامل چه دستگاه‌هایی است؟
لبه، شامل دستگاه‌هایی از اینترنت اشیا است که پردازش داده‌های سنسورهای وسایل نقلیه، تجهیزات تولیدی و دستگاه‌های هوشمند را بر عهده می‌گیرد.
همینطور قابلیت محاسبه، اتصال و تجزیه تحلیل داده‌ها را دارد.
علاوه براین محققان قابلیت تجمع محلی داده‌ها و زیرساخت‌های محاسباتی لبه را نیز در روند عملکرد سیستم‌های اینترنت اشیا، مؤثر می‌دانند.
کمپانی DELL و استفاده از فناوری لبه
محاسبات بازار جهانی نشان می‌دهد که ارزش خدمات رایانش لبه مانند حمل‌ونقل، مراقبت‌های بهداشتی و بخش‌های صنعتی معادل 18 میلیارد دلار خواهد بود.
سرمایه‌گذاری اولیه در این راستا درزمینه سخت‌افزاری و پس‌ازآن اپلیکیشن‌ها و خدمات است که زمینه جدیدی در اینترنت اشیا محسوب می‌شود.کمپانی DELL، اخیراً اعلام کرده است که یک واحد کسب و کار را به IOT، با طرح سرمایه‌گذاری سه‌ساله 1 میلیارد دلاری اختصاص داده است.
DELLهزینه حمل و نقل داده‌ها را با ارزش داده‌های دریافتی از سیستم‌های IOT برابر می‌داند.
درگاه لبه، دستگاه‌های مختلف سیمی و بی‌سیم را به یکدیگر متصل و جمع‌آوری می‌کند. بعد از تجزیه و تحلیل داده‌های ورودی آن‌ها را ارسال می‌نماید.
ازآنجایی‌که درگاه خروجی به دستگاه‌ها و سنسورهای شما نزدیک است، فقط اطلاعات معنی‌دار را به ابر یا مرکز کنترل ارسال می‌کند.
همچنین از ایجاد هزینه و مصرف پهنای باند، جلوگیری می‌نماید.
کنسرسیوم Open Fog که یک گروه غیرانتفاعی است از طریق کارهای گروهی متعدد، یک معماری مرجع را برای تضمین قابلیت همکاری شرکت‌های مختلف ایجاد کرده است.
مزایای فناوری لبهای چیست؟
محاسبات لبه ای از به حداقل رساندن استفاده از پهنای باند و منابع سرور کمک می‌کند.
پهنای باند و منابع ابری محدود و هزینه‌ای هستند. پیش بینی می‌شود که در آینده نه چندان دور هر خانه با دوربین‌های هوشمند، چاپگرها، حتی لوازم برقی خانگی همچون توستر‌ها و… مجهز می‌شوند.
تا سال 2025 بیش از 75 میلیارد دستگاه IOT در سراسر جهان نصب خواهد شد. برای پشتیبانی از این دستگاه‌ها، تعداد قابل توجهی از محاسبات باید به لبه منتقل شود.
امنیت فناوری لبه
امنیت رایانش لبه در دو وجه قابل بررسی است:
1.برخی یقین دارند که امنیت در شرایط محاسباتی لبه به لحاظ تئوری بهتر است. زیرا داده‌ها در یک شبکه حرکت نمی‌کنند و نزدیک به محل ایجاد شده می‌مانند.
2.وجه مهم این است که بعضی از فناوری های لبه از لحاظ ذاتی از امنیت کمتری برخوردارند.
زیرا دستگاه های لبه خود می‌توانند آسیب پذیرتر باشند. بنابراين، در طراحي محاسبات لبه، امنيت بايد اولويت نخست باشد.
رمزنگاری داده، کنترل دسترسی و استفاده از تونل شبکه اختصاصی مجازی، از عوامل مهم در محفاظت از سیستم‌های محاسباتی لبه است.
نحوه خرید و استقرار سیستم‌های محاسباتی فناوری لبه
نحوه خرید یک سیستم لبه می‌تواند متفاوت باشد.
طیف، یک کسب و کار ممکن است که بخواهد بسیاری از فرآیندها را در انتهای خود مدیریت کند.
این شامل انتخاب دستگاه‌های لبه، احتمالاً از فروشنده‌های سخت‌افزاری مانند Dell ، HPE یا IBM است.
طراحی شبکه‌ای متناسب با نیازهای مورد استفاده و خرید نرم‌افزار مدیریت و تحلیل است.
این کار بسیار زیاد و سنگینی است و به مقدار قابل توجهی تخصص داخلی در بخش فناوری اطلاعات نیاز دارد.
اما همچنان می‌تواند گزینه جذابی برای سازمان‌های بزرگی باشد که خواهان استقرار لبه کاملاً سفارشی هستند.
در سوی دیگر، فروشندگان به ویژه بخش‌های عمومی، خدمات لبهای را بازاریابی می‌کنند.
سازمانی که می‌خواهد این مسیر را طی کند، می‌تواند به سادگی از یک فروشنده بخواهد که سخت‌افزار، نرم‌افزار و شبکه خود را نصب کند.
البته این را هم باید در نظر داشت که باید هزینه‌ای را برای استفاده و نگهداری بپردازد.
پیشنهادات IOT از شرکت هایی مانند جنرال الکتریک و زیمنس در این دسته قرار می‌گیرند.
این رویکرد دارای مزیت آسان و نسبتاً بدون دردسر از نظر استقرار است.
اما خدمات مدیریت شده مانند این ممکن است برای هر موردی به آسانی در دسترس نباشد.
محاسبات لبه و هوش مصنوعی(AI)
شرکت‌هایی مانند انویدیا، به توسعه سخت‌افزاری ادامه می‌دهند که نیاز به پردازش بیشتر در لبه را تشخیص می‌دهد.
این توسعه شامل ماژول‌هایی است و دارای عملکردهای هوش مصنوعی می‌باشد.
آخرین محصول این شرکت در این زمینه، کیت توسعه‌دهنده JETSON AGX ORIN است.
یک ابررایانه هوش مصنوعی جمع‌وجور و کم‌مصرف و بهینه که هدف از تولید آن؛ ماشین‌های مستقل، و نسل بعدی سیستم‌های محاسباتی تعبیه‌شده و لبهای است.
Orin تقریبا 275 تریلیون عملیات در ثانیه (TOPS) را ارائه می‌دهد.
همینطور 8 برابر بیشتر از سیستم قبلی این شرکت که Jetson AGX Xavier است.
همچنین شامل به‌روزرسانی‌هایی در یادگیری عمیق است. شتاب بینایی، پهنای باند حافظه و پشتیبانی از حسگر چندوجهی است.
الگوریتم‌های هوش مصنوعی به مقادیر زیادی قدرت پردازشی نیاز دارند که بر روی سرویس‌های مبتنی بر ابر اجرا شوند.
رشد چیپست‌های هوش مصنوعی که می‌توانند کار را در لبه انجام دهند، باعث ایجاد سیستم‌های بیشتری برای انجام این وظایف خواهد شد.
و در آخر
پیش ازاین، برنامه‌های قدرتمند هوش مصنوعی نیاز به یک مرکز داده گسترده و گران‌قیمت داشتند تا بتواند عملکردی مناسبی داشته‌باشد.
اما یک دستگاه رایانش EDGE با قابلیت هوش مصنوعی AI می‌تواند عملاً در هر نقطه و هرجا وجود داشته باشد.
این واقعیت به این معنا نیست که رایانش لبه جایگزینی برای محاسبات ابری خواهد بود.
بااینکه دنیای دیجیتال به هم پیوسته‌تر می‌شود، هوش در زمان واقعی به لبه تغییر می‌کند. غیرقابل انکار است که هوش مصنوعی فرصت‌های بی‌پایانی را ارائه می‌دهد که می‌تواند به مؤسسات کمک کند تا کارایی بیشتری داشته باشند و بهره‌وری را افزایش دهند.
