Data science

ข้อดีและข้อเสียของการบูรณาการ Edge Computing เข้ากับสถาปัตยกรรมคลาวด์

Edge Computing ด้วยสถาปัตยกรรมคลาวด์คือทั้งหมดที่คุณต้องการ Edge Computing คือเทคโนโลยีการคำนวณแบบกระจายซึ่งระบบอัจฉริยะจะรวมเข้ากับอุปกรณ์ Edge หรือที่เรียกว่าโหนดขอบ ทำให้ข้อมูลสามารถประมวลผลและวิเคราะห์ในแบบเรียลไทม์ใกล้กับแหล่งข้อมูล ข้อมูลไม่จำเป็นต้องอัปโหลดไปยังคลาวด์หรือระบบประมวลผลข้อมูลแบบรวมศูนย์เมื่อใช้ Edge Computing ทำไมต้องใช้ Edge Computing? ธุรกิจส่วนใหญ่จัดเก็บ จัดการ และวิเคราะห์ข้อมูลในระบบจัดเก็บข้อมูลแบบรวมศูนย์ ซึ่งมักจะเป็นคลาวด์สาธารณะหรือคลาวด์ส่วนตัว ในทางกลับกัน โครงสร้างพื้นฐานมาตรฐานและการประมวลผลแบบคลาวด์ไม่สามารถตอบสนองความต้องการของแอปพลิเคชันในโลกแห่งความเป็นจริงได้อีกต่อไป ในบริบทของ Internet of Things (IoT) และ Internet of Everything (IoE) เครือข่ายที่มีความยืดหยุ่นสูงที่มีความหน่วงแฝงต่ำ จำเป็นต่อการจัดการข้อมูลปริมาณมหาศาลแบบเรียลไทม์ ซึ่งไม่สามารถทำได้ใน IT มาตรฐาน โครงสร้างพื้นฐาน ประโยชน์ของ Edge Computing ชัดเจนยิ่งขึ้นในสถานการณ์นี้ Edge Computing Advantage Edge Computing ขจัดความจำเป็นในการขนส่งข้อมูลไปยังคลาวด์เพื่อการประมวลผลและการวิเคราะห์ เนื่องจากข้อมูลจะได้รับการประมวลผลใกล้กับจุดรวบรวมข้อมูล วิธีนี้ช่วยลดความเครียดทั้งบนเครือข่ายและเซิร์ฟเวอร์ Edge Computing มีประโยชน์อย่างมากในด้าน IoT โดยเฉพาะอย่างยิ่ง IoT เชิงอุตสาหกรรม เนื่องจากความสามารถในการจัดการข้อมูลในแบบเรียลไทม์และเวลาตอบสนองที่รวดเร็ว เทคโนโลยี Edge Computing นำเสนอความก้าวหน้าเพิ่มเติม เช่น AI และ MI นอกเหนือจากการทำให้เป็นดิจิทัลเร็วขึ้นสำหรับธุรกิจอุตสาหกรรมและการผลิต ข้อจำกัดของ Edge Computing พิจารณาว่าควรสนับสนุน Edge บางรุ่นหรือไม่ก่อนที่จะย้ายงานไปที่ Edge ข้อจำกัดเหล่านี้อาจทำให้คุณต้องกลับไปใช้การออกแบบระบบคลาวด์แบบเดิม การรักษาความปลอดภัยบน Edge ด้วยการลดระยะเวลาที่ข้อมูลใช้ในการถ่ายโอนข้อมูล Edge Computing ช่วยลดความกังวลด้านความปลอดภัยบางอย่าง แต่ยังเพิ่มปัญหาด้านความปลอดภัยที่ซับซ้อนมากขึ้น หากคุณโฮสต์หรือประมวลผลข้อมูลบนเครื่องปลายทางที่คุณไม่ได้จัดการ ตัวอย่างเช่น เป็นไปไม่ได้ที่จะตรวจสอบให้แน่ใจว่าอุปกรณ์ดังกล่าวปราศจากข้อบกพร่องที่ผู้โจมตีอาจใช้ประโยชน์ได้ แม้ว่าคุณจะใช้สถาปัตยกรรมขอบคลาวด์ที่ให้คุณสั่งการโครงสร้างพื้นฐานขอบได้ การมีโครงสร้างพื้นฐานเพิ่มเติมเพื่อรักษาจะขยายพื้นผิวการโจมตีของคุณ ดังนั้น Edge Computing จึงไม่เหมาะสมสำหรับแอปพลิเคชันที่มีข้อกำหนดด้านความปลอดภัยที่เข้มงวด หากคุณกำลังทำงานกับข้อมูลที่ละเอียดอ่อนหรือมีความต้องการการปฏิบัติตามข้อกำหนดเฉพาะ แนวทางการประมวลผลแบบคลาวด์ทั่วไปที่มีเซิร์ฟเวอร์แบบรวมศูนย์อาจมีอันตรายน้อยกว่า ข้อกำหนดด้านเวลาแฝง เนื่องจากข้อมูลไม่จำเป็นต้องเดินทางไปมาระหว่างศูนย์ข้อมูลบนระบบคลาวด์เพื่อวิเคราะห์ การประมวลผลแบบขอบจึงปรับปรุงความเร็วและการตอบสนองของแอปพลิเคชัน สำหรับงานที่ต้องการกระแสข้อมูลการสื่อสารในทันทีจริง ๆ นี่เป็นประโยชน์ที่สำคัญ บริษัทระบบคลาวด์ยังคงขยายพื้นที่ศูนย์ข้อมูลของตนต่อไป แต่สิ่งอำนวยความสะดวกขนาดใหญ่เหล่านี้มักตั้งอยู่ในพื้นที่ชนบทห่างไกลจากศูนย์ประชากรหลัก ปริมาณงานส่วนใหญ่มีข้อกำหนดเวลาแฝงน้อยกว่า เครือข่ายขอบอาจปรับปรุงการตอบสนองของเครือข่ายได้เพียงไม่กี่มิลลิวินาทีเมื่อเปรียบเทียบกับการออกแบบระบบคลาวด์ทั่วไป ความไร้ประสิทธิภาพที่มาพร้อมกับการออกแบบแบบดั้งเดิมนั้นสามารถทนต่อการใช้งานทั่วไปได้ ตรวจสอบเพื่อดูว่าผลประโยชน์ของเวลาแฝงนั้นคุ้มค่ากับการประนีประนอมหรือไม่ โดยเฉพาะอย่างยิ่งเมื่อคุณพิจารณาค่าใช้จ่ายเพิ่มเติมและภาระการดูแล ปริมาณข้อมูล กำหนดว่าการดำเนินการของคุณจะจัดการข้อมูลได้มากเพียงใด และโครงสร้างพื้นฐานขอบของคุณสามารถจัดการได้หรือไม่ หากงานของคุณสร้างข้อมูลจำนวนมหาศาล คุณจะต้องการโครงสร้างพื้นฐานขนาดใหญ่เพื่อประเมินและจัดเก็บ การย้ายข้อมูลไปยังศูนย์ข้อมูลคลาวด์สาธารณะนั้นมีแนวโน้มว่าจะถูกกว่าและง่ายกว่าจากมุมมองด้านการจัดการ ปริมาณงานที่ไร้สัญชาติโดยพื้นฐานแล้วและไม่ต้องการข้อมูลจำนวนมาก อย่างไรก็ตาม เป็นตัวเลือกในอุดมคติสำหรับ Edge Computing ตัวอย่าง Edge Computing ต่อไปนี้คือตัวอย่างบางส่วนเมื่อ Edge Computing เหมาะสมและไม่ตรงกันเพื่อแสดงให้เห็นถึงการประนีประนอมดังกล่าว ต่อไปนี้คือตัวอย่างที่ดีของ Edge Computing: ยานยนต์ไร้คนขับ รถยนต์ที่ขับด้วยตนเองได้รับข้อมูลจำนวนมากและต้องตัดสินใจอย่างรวดเร็วเพื่อให้ผู้โดยสารและคนอื่นๆ บนเส้นทางปลอดภัย ปัญหาเวลาแฝงอาจส่งผลให้เกิดความล่าช้าในระดับนาโนวินาทีในเวลาตอบสนองของยานพาหนะ ซึ่งอาจส่งผลร้ายแรง ตัวควบคุมอุณหภูมิอัจฉริยะ อุปกรณ์เหล่านี้สร้างข้อมูลจำนวนเล็กน้อย นอกจากนี้ ข้อมูลบางส่วนที่พวกเขารวบรวม เช่น เมื่อบุคคลกลับถึงบ้านและปรับอุณหภูมิ อาจมีปัญหาด้านความเป็นส่วนตัว การเก็บข้อมูลไว้ที่ขอบจะเป็นประโยชน์มากกว่า และสามารถช่วยแก้ปัญหาด้านความปลอดภัยได้ สัญญาณไฟจราจร คุณสมบัติสามประการของสัญญาณไฟจราจรทำให้เป็นตัวเลือกที่เหมาะสมสำหรับการคำนวณแบบขอบ: ข้อกำหนดในการตอบสนองต่อการเปลี่ยนแปลงในแบบเรียลไทม์ การผลิตข้อมูลที่จำกัด และสัญญาณอินเตอร์เน็ตขัดข้องในบางโอกาส ต่อไปนี้คือบางสถานการณ์ที่ Edge Computing ทำงานได้ไม่ดี: แอปพลิเคชันทั่วไป: เป็นการยากที่จะจินตนาการถึงแอปพลิเคชันแบบเดิมที่ต้องการประสิทธิภาพหรือการตอบสนองของโครงสร้างพื้นฐาน Edge อาจลดเวลาที่ใช้ในการโหลดหรือตอบคำถามของแอปได้สองสามมิลลิวินาที แต่ผลประโยชน์ไม่ค่อยคุ้มกับเงินที่จ่ายไป ระบบกล้องวิดีโอ: วิดีโอสร้างข้อมูลจำนวนมาก การประมวลผลและจัดเก็บข้อมูลดังกล่าวไม่สามารถทำได้ที่ขอบ เนื่องจากจำเป็นต้องมีโครงสร้างพื้นฐานขนาดใหญ่และเฉพาะทาง การจัดเก็บข้อมูลในระบบคลาวด์แบบรวมศูนย์จะมีราคาไม่แพงและง่ายกว่ามาก ระบบไฟอัจฉริยะ: ระบบควบคุมไฟส่องสว่างที่ทำงานผ่านอินเทอร์เน็ตในบ้านหรือธุรกิจไม่ได้สร้างข้อมูลจำนวนมาก อย่างไรก็ตาม หลอดไฟ แม้แต่หลอดไฟอัจฉริยะก็มีกำลังในการประมวลผลที่จำกัด ระบบไฟส่องสว่างไม่มีข้อกำหนดการหน่วงเวลาต่ำมาก ดังนั้นอาจไม่ใช่ปัญหาใหญ่หากไฟของคุณใช้เวลาเพียงเสี้ยววินาทีในการเปิด คุณสามารถสร้างโครงสร้างพื้นฐานของเอดจ์เพื่อจัดการระบบเหล่านี้ได้ แต่ในกรณีส่วนใหญ่ มันไม่คุ้มกับเงินที่จ่ายไป บทสรุป การประมวลผลแบบเอาท์ซอร์สไปยังอุปกรณ์ของลูกค้าปลายทางทำให้ Edge Computing สามารถลดความล่าช้าในการส่งข้อมูล ลดการเข้าถึงข้อมูลไปยังเครือข่าย และลดค่าใช้จ่ายในบางกรณี เนื่องจากข้อดี สถาปนิกระบบคลาวด์อาจพยายามย้ายปริมาณงานไปยัง Edge ให้ได้มากที่สุด อย่างไรก็ตาม ก่อนดำเนินการดังกล่าว พวกเขาควรคำนึงถึงโครงสร้างของแต่ละแอปพลิเคชัน ความต้องการด้านประสิทธิภาพ และข้อกังวลด้านความปลอดภัย และอื่นๆ

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button