در مدل رایانش ابری سنتی، منابع و خدمات محاسباتی در مراکز داده بزرگ متمرکز می‌شود و کاربر نهایی در سراسر سازمان به این مرکز داده دسترسی می‌یابد. به مرور زمان ایرادات بزرگی مثل شکل‌های جدید تجربیات کاربر نهایی و استفاده از برنامه‌های کاربردی هوشمند مبتنی بر هوش مصنوعی، نیاز به نزدیک‌تر کردن قدرت محاسباتی را به محل دستگاه فیزیکی یا منبع داده یا در واقع «لبه شبکه» بیش از پیش پررنگ کرد.

با قرار دادن سرویس‌های محاسباتی نزدیک‌تر به مکان‌ها یا دستگاه‌های لبه، کاربران از خدمات سریع‌تر و مطمئن‌تر بهره می‌برند. همچنین شرکت‌ها از قدرت بیشتری برای پردازش داده‌ها و پشتیبانی بی‌تاخیر از برنامه‌ها برخوردار خواهند بود.

همراه ما باشید تا مفصل درباره رایانش ابری صحبت کنیم. ببینیم edge computing چیست و چه جزئیاتی دارد.

edge computing چیست؟

رایانش لبه، رایانش مرزی یا edge computing مفهومی است که داده‌ها را تا حد امکان نزدیک به منبع یا کاربر نهایی جمع‌آوری و پردازش می‌کند. این منبع داده معمولا یک حسگر اینترنت اشیا است و پردازش به صورت محلی با قراردادن سرورها یا سایر سخت‌افزارها در نزدیکی محل فیزیکی منبع داده انجام می‌شود. به این ترتیب با توجه به پردازش محلی در مرز شبکه، تاخیر و هزینه انتقال داده به حداقل می‌رسد و امکان بازخورد و تصمیم‌گیری بلادرنگ فراهم خواهد شد. بی‌آنکه پردازش‌ها به یک سرور متمرکز یا فضای ابری منتقل گردند.

بازخورد فوری و همیشه روشنی که محاسبات لبه ارائه می‌کند، به‌ویژه برای برنامه‌هایی که با ایمنی انسان سروکار دارند، یک ویژگی حیاتی است. برای مثال در اتومبیل‌های خودران که صرفه‌جویی در مدت زمان پردازش داده‌ها و سرعت پاسخ‌گویی می‌تواند جلوی خطرات بزرگی مثل تصادف را بگیرد. همچنین در بیمارستان‌ها که نجات جان بیماران به داده‌های دقیق و بلادرنگ وابسته است، این نوع پردازش به‌کار می‌آید.

نحوه عملکرد edge computing چیست؟

اما بپردازیم به اینکه نحوه عملکرد edge computing چیست و چطور کار می‌کند؟

رایانش مرزی داده‌ها، برنامه‌ها و توان محاسباتی را از شبکه متمرکز یا مرکز داده دور نگه می‌دارد. قبل‌تر داده‌هایی که توسط حسگر‌ها تولید می‌شدند، زیر نظر نیروی انسانی بررسی شده و بعد برای پردازش به فضای ابری یا مرکز داده و بعد به دستگاه کاربر ارسال می‌شدند. این بررسی دستی فرایند کلی را به‌شدت ناکارآمد می‌کرد. در حالی که امروز رایانش ابری با فراهم آوردن منابع محلی مسئله تاخیر و پهنای باند را تا حد زیادی حل می‌کند.

زمانی که داده‌ها در لبه شبکه و با شبکه‌های محلی پردازش می‌شوند، پهنای باند افزایش یافته و هزینه‌ها به‌مراتب کاهش می‌یابد. از طرفی تاخیر هم کاهش پیدا می‌کند چون داده‌هایی که حسگرها و دستگاه‌های IoT تولید می‌کنند، برای پردازش نیاز به جابه‌جایی تا یک ابر متمرکز ندارند. نزدیکی منابع تاخیر را کاهش و پهنای باند را افزایش می‌دهد. در نتیجه بینش‌ها سریع‌تر حاصل می‌شوند و سریع‌تر می‌توان با توجه به آنها اقدامات مناسب را انجام داد.

انواع مختلف محاسبات لبه چیست؟

یکی از پرسش‌هاس مهم در بحث محاسبات لبه این است که انواع edge computing چیست. سه دسته اصلی رایانش مرزی عبارتند از:

• لبه ارائه دهنده: این مدل رایانش مرزی برای ارائه خدمات توسط شرکت‌های مخابراتی، شرکت‌های رسانه‌ای و اپراتورهای CDN مورد استفاده قرار می‌گیرد و منابع محاسبانی آن از طریق اینترنت قابل دسترسی هستند.
• لبه سازمانی: این مدل محاسبات مرزی از مراکز داده در سایت‌های اداری راه دور، مراکز داده‌های خرد یا حتی قفسه‌های سرور در یک گنجه محاسباتی تشکیل شده و با محدودیت در فضای ذخیره و قدرت رایانش روبه‌رو هستند.
• لبه صنعتی: این مدل رایانش مرزی شامل نمونه‌های محاسباتی کوچک‌ مانند یک یا دو سرور لبه‌ای کوچک و مقاوم یا حتی یک سیستم تعبیه‌شده است که خارج از محیط مرکز داده مستقر شده است و به لبه دور نیز معروف است. از آنجا که این محاسبات خارج از یک مرکز داده معمولی اجرا می‌شوند، چالش‌هایی در زمینه فضای ذخیره، خنک‌سازی، امنیت و مدیریت آنها وجود دارد.

آیا Edge جایگزین ابر است؟

رایانش لبه و تکنولوژی ابر دست به دست هم کار می‌کنند تا راه‌حلی انعطاف‌پذیر بر اساس نیازهای هر سازمان به جمع‌آوری و تجزیه و تحلیل داده‌ها ارائه دهند. رایانش مرزی برای جمع‌کردن داده و تجزیه و تحلیل لحظه‌ای آنها ایده‌آل است؛ در همان زمان ابر می‌تواند یک موقعیت متمرکز عالی برای تجزیه و تحلیل در مقیاس بزرگ فراهم کند. این دو در کنار یکدیگر بینش‌‌های لحظه‌ای و طولانی‌مدت در مورد عملکرد و ابتکارات جدید مثل یادگیری ماشین و مدیریت عملکرد دارایی ارائه می‌کنند.

مقاله آشنایی جامع با انواع سرویس‌های رایانش ابری از دست ندهید.

مزیت‌های مهم رایانش مرزی چیست؟

برای درک محبوبیت رایانش مرزی در صنعت امروزی، باید ببینیم مزیت‌های edge computing چیست و چه فواید منحصربه‌فردی دارد. در این بخش به برخی از مهم‌ترین آنها اشاره می‌کنیم.

• تأخیر کمتر: هنگام محاسبات مرزی تاخیر به‌مراتب کاهش می‌یابد. چون داده‌هایی حسگرها و دستگاه‌های IoT تولید می‌کنند، برای پردازش نیازی به جابه‌جایی تا یک ابر متمرکز ندارند.
• پهنای باند: ارسال داده‌ها به ابر متمرکز از طریق یک شبکه گسترده نیازمند پوشش جهانی و پهنای باند بالاست که می‌تواند هزینه‌بردار باشد. در حالی که رایانش مرزی با پردازش داده‌ها روی لبه شبکه، هزینه‌های مربوط به مصرف پهنای باند را کاهش می‌دهد.
• امنیت داده: محاسبات لبه به سازمان‌ها اجازه می‌دهد همه داده‌های خود را حفظ کرده و در یک مکان مناسب محاسبه کنند. این مسئله خطر بروز حملات سایبری را به‌طرز چشمگیری کم می‌کند.

در دنیای امروز بسیاری از شرکت‌ها به‌دنبال بهره‌مندی از هوش مصنوعی در محاسبات مرزی هستند. یعنی تلفیقی از محاسبات لبه و هوش مصنوعی. چنین سیستمی مزیت‌های زیر را به موارد فوق اضافه می‌کند.

• هوش: برنامه‌های کاربردی هوش مصنوعی نسبت به برنامه‌های معمولی از قدرت و انعطاف‌پذیری بیشتری برخوردارند و می‌توانند تنها به ورودی‌های پیش‌بینی شده پاسخ دهند. این هوشیاری امکان پردازش ورودی‌های متنوع نظیر متن، گفتار و ویدیو را فراهم می‌کند.
• بینش لحظه‌ای: از آنجا که رایانش مرزی داده‌ها را به صورت محلی تجزیه و تحلیل می‌کند، خیلی سریع به نیاز کاربر پاسخ می‌دهد و قادر است در لحظه استنباط‌های درست داشته باشد.
• بهبود مداوم: مدل‌های هوش مصنوعی با آموزش بیشتر دقیق‌تر می‌شوند. هنگامی که یک برنامه هوش مصنوعی مرزی با داده‌ای مواجه شود و نتواند آن را به‌طور دقیق یا مطمئن پردازش کند، آن‌ها را در فضای ابری آپلود می‌کند تا الگوریتم هوش مصنوعی بتواند مجدداً آموزش ببیند و از آن بیاموزد. بنابراین به‌مرور زمان مدل رایانش مرزی هوش مصنوعی دقیق‌تر از قبل می‌شود.

چالش‌های رایانش مرزی

از مزیت‌های محاسبات مرزی بگذریم و ببینیم چالش‌های مهم edge computing چیست؟

محاسبات لبه موفق نیازمند یک معماری و پیاده‌سازی متفکرانه است که اجرای آن بدون داشتن تخصص کافی چالش‌انگیز است. مدیریت، پیکربندی و نظارت بر تعداد زیادی از سایت‌هایی که داده‌ها را جمع‌آوری و تجزیه و تحلیل می‌کنند، پیچیدگی کار را بیشتر می‌کنند. هرچه کمتر حواستان به این مسائل باشد، امکان از دست رفتن داده‌های حیاتی وجود دارد.

از طرفی حضور نیروی کار فنی در مکان‌های غیرمتمرکز طبیعتا کمتر است. این یعنی هربار برای عیب‌یابی باید از یک تیم مجرب کمک خواست و هزینه آن را پرداخت کرد. اینها مهم‌ترین چالش‌های رایانش مرزی محسوب می‌شوند که می‌توان با یکپارچه‌سازی سیستم‌ها و استفاده از فناوری مناسب تا حدودی آنها را برطرف نمود.

امنیت در محاسبات لبه

رایانش مرزی کاملا توزیع شده است و میزان خطرات امنیتی آن در مقایسه با یک محیط متمرکز بیشتر است. کنترل‌های امنیتی موجود در مراکز داده خصوصی یا ابرهای عمومی مانند فایروال‌ها یا ابزارهای آنتی ویروس به‌طور خودکار در سراسر پلتفرم لبه قابل اجرا نیستند. از این رو کارشناسان روش‌های ساده‌تر مثل سفت‌و‌سخت‌کردن دسترسی به هر میزبان، نظارت لحظه‌ای بر شبکه، رمزگذاری داده‌ها و اضافه‌کردن اقدامات امنیتی فیزیکی را پیشنهاد می‌کنند.

آینده edge computing چیست؟

بر اساس راهنمای هزینه‌های محاسباتی Edge شرکت تحقیقات بازار IDC، هزینه‌های لبه جهانی در سال ۲۰۲۵ به ۲۷۴ میلیارد دلار افزایش می‌یابد و انتظار می‌رود هر سال با نرخ رشد ترکیبی ۱۵.۶ درصدی سالانه به رشد خود ادامه دهد.

تکامل هوش مصنوعی، اینترنت اشیا و 5G پذیرش رایانش لبه در سراسر جهان را سرعت می‌بخشد و موارد استفاده و بارهای کاری مستقر روی لبه به‌وضوح افزایش می‌یابد.

پیشنهاد می شود مطالعه مقاله رایانش مه چیست از دست ندهید.

در دنیای امروز بیشتری کاربر محاسبات لبه حول محور هوش مصنوعی و بینایی کامپیوتر می‌چرخد. با این حال، زمینه‌های دیگری همچون پردازش زبان طبیعی، سیستم‌های توصیه‌گر و رباتیک در این زمینه به‌سرعت در حال رشد هستند.

کلام آخر

هدفمان از نوشتن این مقاله این بود که ببینیم edge computing چیست، چطور کار می‌کند و چه مزیت‌هایی دارد. اکنون می‌دانیم در این مدل محاسباتی برای برنامه‌های حساس به تأخیر یا جمع‌آوری و پردازش داده‌ها از دستگاه‌های IoT محلی استفاده می‌شود تا تجربه کاربری بهبود یابد و تصمیمات مبتنی بر داده‌ها سریع‌تر از همیشه اتخاذ شوند. فراموش نکنید که در دنیای امروز تلفیق هوش مصنوعی و رایانش لبه به ویژه برای بهبود اتوماسیون، بهره‌وری، نگهداری و ایمنی داده‌ها ارزشمند و برای اکثر سازمان‌ها در زمینه‌های کاری مختلف مفید است.

شما درباره اج کامپیوتینگ چه نظری دارید؟ به نظرتان چه آینده‌ای در انتظار این تکنولوژی است؟ نظرات‌تان را با ما و همراهان تسکا در میان بگذارید.