Co to jest przetwarzanie brzegowe?

Zarządzanie wielkością danych brzegowych i problemami z przepustowością

Wiele danych pochodzących z krawędzi wskazuje po prostu, że wszystko działa sprawnie - powszechnie znane jako 'dane pulsu'. Przykładem może być pompa lub silnik pracujące z tą samą prędkością obrotową przez 99,999% czasu. Gromadzenie milionów identycznych odczytów danych w miarę upływu miesięcy może mieć minimalną wartość. Jeśli jednak pojawią się dane odstające od normy, należy je rozpoznać i jak najszybciej podjąć działania, aby uniknąć potencjalnej katastrofy. Jest to sytuacja, w której przetwarzanie brzegowe jest nieocenione.

W większości przypadków najbardziej wydajne jest wykonywanie zadań obliczeniowych na brzegu sieci, w pobliżu zachodzących zdarzeń i procesów. Jak powiedział jeden z obserwatorów z branży, odnosząc się do odwiecznego porzekadła o trudności w znalezieniu igły w stogu siana, przetwarzanie brzegowe pozwala nam zmniejszyć 'stogi danych', a tym samym zwiększa prawdopodobieństwo znalezienia przydatnych informacji.

Na szczęście inteligencja urządzeń i ich moc obliczeniowa rosną, a inteligentne urządzenia mają teraz większą funkcjonalność w zakresie obsługi procesów, które wcześniej wymagały pomocy tradycyjnego stosu obliczeniowego. Na przykład inteligentne urządzenia brzegowe można zaprogramować za pomocą inteligencji, aby rozszyfrować dane wymagające w innym przypadku interwencji człowieka, a następnie wysłać je dalej do następnego odbiorcy.

Rosnąca ilość danych nie jest jedynym wyzwaniem napędzającym rozwój przetwarzania brzegowego. W miarę mnożenia się aplikacji IoT zawsze dostępna jest ograniczona przepustowość. Przetwarzanie brzegowe pozwala urządzeniom na samodzielne podejmowanie decyzji, pomagając wchłonąć rosnącą ilość informacji, które niezmiennie trzeba wykorzystać i nimi zarządzać.

Zalety przetwarzania brzegowego

Oto kilka kluczowych korzyści, które sprawiają, że przetwarzanie brzegowe jest atrakcyjne w wielu zastosowaniach:

• Zmniejszone opóźnienia: przetwarzanie brzegowe umożliwia szybszą reakcję na zdarzenia lokalne, ponieważ dane nie muszą podróżować tam i z powrotem od brzegu do chmury. Dzięki przetwarzaniu brzegowemu opóźnienie można zmniejszyć prawie do zera.
• Niższy koszt: zmniejszony przepływ danych w sieci skutkuje niższymi kosztami sieci, zwłaszcza w przypadku bezprzewodowych połączeń komórkowych.
• Większe bezpieczeństwo i prywatność: dzięki przetwarzaniu brzegowemu poufne dane, takie jak obrazy medyczne, nie muszą opuszczać urządzenia. A aplikacja może ustanowić reguły i szyfrowanie, aby identyfikować i bezpiecznie przesyłać tylko określone, wymagane dane.
• Możliwość pracy w trybie offline: urządzenie do obliczeń brzegowych może samodzielnie gromadzić, przechowywać i przetwarzać dane. Nie jest wymagane stałe połączenie z siecią. Oprócz obsługi mniejszych opóźnień, korzyści mogą obejmować zarządzanie baterią dla urządzeń brzegowych, a także bezpieczeństwo.
• Programowalność: Urządzenia programowalne wydłużają żywotność sprzętu, ponieważ mogą ewoluować w miarę ewolucji sprzętu, w którym są osadzone, odzwierciedlając nowe aplikacje, nową funkcjonalność i zaawansowane możliwości bezpieczeństwa.

Przypadki użycia Edge Computing

Z technicznego punktu widzenia przetwarzanie brzegowe jest już używane wszędzie wokół nas, od czytników linii papilarnych na smartfonach po monitorowanie ruchu w czasie rzeczywistym na skrzyżowaniach. Poniższe przypadki użycia stanowią tylko próbkę rosnącego spektrum możliwych zastosowań przetwarzania brzegowego.

• Diagnostyka adaptacyjna: można wydłużyć czas pracy maszyn i urządzeń, obniżając koszty serwisu i obniżając koszty gwarancji. Kody błędów generowane przez obliczenia na krawędzi w połączeniu z historycznymi informacjami o naprawach mogą również zapewnić kontekst dla techników, skracając czas potrzebny do rozwiązania problemów i zakończenia naprawy.
• Morskie platformy wiertnicze: w oparciu o wartości danych, urządzenia brzegowe mogą wykonywać monitorowanie bezpieczeństwa i automatycznie wyłączać sprzęt po przekroczeniu ustalonych limitów.
• Produkcja: czujniki przemysłowe monitorują wyposażenie fabryki w celu utrzymania ustawień wydajności, zwiększenia wydajności i przewidywania potrzeb w zakresie napraw.
• Inteligentne miasta: kamery drogowe i sygnalizatory poprawiają bezpieczeństwo i płynność ruchu. Budynki publiczne można monitorować pod kątem większej sprawności oświetlenia, ogrzewania i nie tylko.
• Opieka medyczna: urządzenia do noszenia przechowują informacje, takie jak tętno i temperatura oraz przypominają o lekach. Inne medyczne akcesoria do noszenia przesyłają określone dane do lekarza pacjenta w celu analizy lub wysyłają ostrzeżenia w przypadku upadku pacjenta.
• Rolnictwo: rolnicy używają czujników do śledzenia poziomu wilgotności w glebie i innych warunków polowych, a następnie zlecają aplikacji uruchomienie zautomatyzowanych procesów i przesłanie wszelkich krytycznych danych do interfejsu zarządzania, takiego jak Digi Remote Manager® w celu dalszej analizy.

Najbardziej dramatyczny przykład przetwarzania brzegowego w czasie rzeczywistym pojawi się wraz z rozpowszechnieniem się połączonych pojazdów i pojazdów autonomicznych, w których krytyczne znaczenie ma prawie zerowe opóźnienie. Podejmowanie decyzji w czasie rzeczywistym jest niezbędną zdolnością w tym środowisku, w którym opóźnienia nawet milisekundowe mogą być sprawą życia lub śmierci. Z drugiej strony, samochody autonomiczne będą również rejestrować informacje i regularnie łączyć się z chmurą, aby przesyłać dane dotyczące osiągów i pobierać aktualizacje oprogramowania.