В течение многих лет потребление данных было связано с отдельными людьми: людьми, которые обмениваются видео, играют в игры и другим образом проводят время в Интернете. Но, несмотря на то, что к 2020 году ожидается ежедневное потребление данных среднего пользователя до 1,5 гигабайт, этот показатель затмевается за счет экспоненциально растущих потребностей в Интернете вещей(IoT). Сегодня существует больше подключенных к Интернету устройств, чем людей в мире, и Gartner прогнозирует, что к 2020 году эти цифры вырастут до 20 миллиардов. Интернет вещей создает новые проблемы в том, как все эти данные будут обработаны, а ответы лежат в граничных вычислениях.

Что, собственно, является граничными вычислениями? Это подход к вычислениям, который берет на себя большую часть обработки от облака, выгружая его на небольшой сервер, физически близкий к пользователю.

Граничное вычисление (edge computing) получает свое название от идеи, что оно подталкивает вычислительную интеллектуальность к границе устройств сети. Актуальность этих локализованных данных становится ясной в тот момент, когда мы видим, как меняется IoT. Рассмотрим, например, ожидаемые потребности в данных беспилотного автомобиля. С потреблением данных в 4 терабайта в день (равным более чем 2600 отдельным пользователям) беспилотный автомобиль - фактически облако на колесах, которое не может позволить себе латентность при принятии решений о жизни или смерти для пассажиров и пешеходов. Любая сеть, независимо от того, насколько быстро, скоро будет перегружена требованиями к обработке парка беспилотных автомобилей.

Но и беспилотный автомобиль далек от самого требовательного варианта использования. Подключенный самолет использует 5 терабайт каждый день. Умной больнице требуется 3 терабайта. А умной фабрики требуется до 3 петабайт данных каждый день - это 3 миллиона гигабайт.

Но использование граничных вычислений в реальном мире не обязательно столь же амбициозно, как описано выше. Скромная цифровая камера наблюдения является прекрасным примером использования, имеющим отношение к типичному предприятию. До граничных вычислений установленные камеры безопасности не могли самостоятельно обрабатывать данные; все данные должны быть отправлены на внешний сервер или облако. Но сегодняшние требования безопасности очень разные. Организации устанавливают гораздо больше камер, и эти камеры теперь могут распознавать лица, номерные знаки и многое другое. Граничные вычисления позволяют выполнять большую часть необходимой обработки внутри самой камеры, тем самым избавляя более отдаленные ресурсы от работы с рабочими нагрузками, которые превышают их ширину полосы.

Граничное вычисление зарекомендовало себя как стандартный подход к обработке требований к данным IoT. Но это также представляет некоторые риски, которые необходимо учитывать и планировать. Ошибки в конфигурации, например, гораздо чаще встречаются, когда организации работают с сотнями или тысячами устройств. Проблемы безопасности теперь станут еще более критическими, поскольку разрастание интеллектуальных устройств предоставляет хакерам значительно расширенный вектор для атаки. Наконец, финансовый план для граничных вычислений должен предусматривать расходы на лицензирование. В примере цифрового наблюдения вы платите не только за камеру; вам также необходимо запланировать расходы на конкретные приложения, будущую поддержку, обновления безопасности и многое другое.

В эпоху IoT пределы централизованного хранилища данных обозначены предельно четко. Сегодняшние данные необходимо обрабатывать быстро и надежно, и лучшее место для этого - граница вашей сети, где генерируются данные.

No Comments