محاسبات لبه ای (edge computing) چیست و چرا اهمیت دارد؟

ممکن است شما هم مقالات یا مطالبی پیرامون رایانش مرزی شنیده باشید. واژه‌هایی مثل Edge یا کلاد (ابر) از واژه‌های مصطلح هستند. اما وقتی وارد دنیای فناوری می‌شوند یا اینکه پدیده‌ی جدیدی با نام آنها در دنیای فناوری پدیدار می‌شود، باید به‌دنبال معانی جدیدی برای آنها باشیم. اما رایانش مرزی یا محاسبات لبه ای edge computing چیست؟

امروزه حجم داده هایی که توسط حسگر ها، نود ها، برنامه های کاربردی، و … در اینترنت اشیاء تولید می شوند به میزان قابل ملاحظه ای گسترش یافته است. برای کاهش حجم داده های ارسالی، ترافیک شبکه و مسافتی که داده ها باید طی کنند تا به مقصد برسند می توان از مفهومی به نام محاسبات لبه ای یا Edge Computing استفاده کرد.

پردازش داده های اینترنت اشیا معمولا در سیستم رایانش ابری و از طریق منابع محاسبات ابری انجام می شود و به همین علت مواردی مثل پهنای باند شبکه و زمان تاخیر به مشکلات مهمی تبدیل شده اند. به همین علت توصیه می شود که به جای محاسبات ابری، محاسبات لبه ای مورد استفاده قرار بگیرد.

محاسبات ابری چندین دیتاسنتر مختلف را درگیر می کند و پردازش در آن ها انجام می شود، اما در محاسبات لبه ای پردازش تنها در داخل منبع صورت می گیرد. در واقع هدف از طراحی محاسبات لبه ای یا همان Edge Computing این است که پردازش ها اطراف منبع انجام شوند و به دیتاسنتر های مختلف نیازی نداشته باشند.

متخصصان پیش بینی می کنند که ایده ی محاسبات لبه ای در آینده با استقبال خوبی مواجه خواهد شد و طرفداران زیادی پیدا می کند. اپراتور های مرکز داده هم معتقدند که محاسبات لبه ای می توانند به سهولت عملیات بازیابی سرور ها بسیار کمک کنند. محاسبات لبه ای در حال حاضر برای یافتن داده ها و ذخیره و ارسال آن ها مورد استفاده قرار می گیرد و می تواند برای استفاده در سازمان های صنعتی بسیار مفید واقع شود.

خودرو های هوشمند بر اساس محاسبات لبه ای ساخته شده اند و از امنیت و پهنای باند خوبی برخوردار می باشند. در این خودرو ها چندین حسگر قرار گرفته که اطلاعاتی از شرایط فیزیکی محیط اطراف خودرو را به فضای ابری ارسال می کنند و سپس این داده ها تجزیه و تحلیل خواهند شد. اگر به جای محاسبات لبه از محاسبات ابری استفاده می شد به دلیل مشکلات پهنای باند و زمان تاخیر که قبلا گفتیم، تجزیه و تحلیل اطلاعات به موقع انجام نمی گرفت و هر لحظه امکان تصادف خودرو وجود داشت.

یکی دیگر از کاربرد های محاسبات لبه ای در عملیات بانکی است که به منظور کشف و توقف تراکنش های ناموفق به کار برده می شود. بانک ها یا سازمان های مالی اطلاعات خود را به یک دیتاسنتر مرکزی ارسال کرده یا آن را در فضای Cloud آپلود می کنند و سپس این اطلاعات پردازش شده و مورد بررسی و تحلیل قرار می گیرند. در صورتی که در هنگام ارسال اطلاعات مالی وقفه ای ایجاد شود، این اطلاعات ارزش خود را از دست می دهند و احتمال بروز مشکلات زیادی در عملکرد بانک وجود خواهد داشت.

راه حل این مشکل این است که در بانک ها و سازمان های مالی از دیتاسنتر های میکرو استفاده شود. این دیتاسنتر ها پردازش داده ها را در همان لحظه انجام می دهند و در کمترین زمان ممکن پردازش های ناموفق را متوقف می کنند.

چرا محاسبات لبه ای مهم است؟

محاسبات لبه ای روش دستیابی، پردازش و تحویل داده ها از میلیون ها دستگاه را در سراسر جهان را تغییر می دهد. با افزایش تکنولوژی اینترنت اشیاء، محاسبات لبه ای نیز از جایگاه ویژه ای برخوردار شد.

فن آوری های شبکه سریعتر، مانند وایرلس 5G، به سیستم های محاسباتی لبه امکان می دهد تا ایجاد یا پشتیبانی از برنامه های بلادرنگ، مانند پردازش فیلم و تجزیه و تحلیل، اتومبیل های خودران، هوش مصنوعی و روباتیک را تسریع کنند.

برای بسیاری از شرکت ها، صرفه جویی در هزینه به تنهایی می تواند محرکی برای استقرار یک معماری محاسبات لبه ای باشد.

مزایای محاسبات لبه ای چیست؟

محاسبات لبه ای از به حداقل رساندن استفاده از پهنای باند و منابع سرور کمک می کند. پهنای باند و منابع ابری محدود و هزینه ای هستند. پیش بینی می شود که در آینده نه چندان دور هر خانه و دفتر کاری با دوربین های هوشمند، چاپگرها، ترموستات ها و حتی لوازم برق یخانگی همچون توستر ها و… مجهز می شوند. تا سال 2025 بیش از 75 میلیارد دستگاه IOT در سراسر جهان نصب خواهد شد. برای پشتیبانی از این دستگاه ها، تعداد قابل توجهی از محاسبات باید به لبه منتقل شود.

به طور مثال ممکن است دو همکار در همان دفتر در حال گپ زدن بر روی یک پلت فرم IM باشند. ممکن است تأخیر قابل توجهی را تجربه کنند زیرا هر پیام باید از ساختمان خارج شود، با سرور در جایی در سراسر جهان ارتباط برقرار کند و قبل از ظاهر شدن در صفحه گیرنده مجدداً برگردانده شود.

اگر روتر داخلی شرکت وظیفه انتقال چت های داخل دفتر را داشته باشد، دیگر آن تاخیر وجود نخواهد داشت.  به طور مشابه، هنگامی که کاربران برنامه های وب در فرآیندی قرار می گیرند که باید با یک سرور خارجی ارتباط برقرار کنند، با تاخیر مواجه می شوند. مدت زمان تاخیر این ها بسته به پهنای باند موجود و محل سرور متفاوت خواهد بود، اما با آوردن فرآیندهای بیشتر در لبه شبکه، می توان از این تاخیر ها جلوگیری کرد. علاوه بر این، محاسبات لبه می تواند عملکردهای جدیدی را که قبلاً در دسترس نبودند فراهم کند. به عنوان مثال، یک شرکت می تواند از پردازش لبه برای پردازش و تجزیه و تحلیل داده های خود در لبه استفاده کند، این امر باعث می شود که این کار در زمان واقعی انجام شود.

• تأخیر کاهش یافته است.
• کاهش در پهنای باند و هزینه های مرتبط
• کاهش در منابع سرور و هزینه های مرتبط
• افزایش قابلیت هامثالی از محاسبات لبه ای یا edge computing

مثالی از محاسبات لبه ای یا edge computing:

ساختمانی درنظر بگیرید که دارای ده ها دوربین مدار بسته با کیفیت IOT می باشد. این دوربین ها به صورت بی صدا یک سری سیگنال های ویدیویی خام را تولید می کنند و به طور مداوم این سیگنال ها را به یک سرور ابر منتقل می کنند.

در سرور ابری فقط ویدیو هایی که با برنامه تشخیص حرکت، مشخص می شود که کلیپ ها دارای فعالیت است، در بانک اطلاعاتی ذخیره می شود.

با توجه به اینکه حجم فیلم هایی که منتقل می شوند، زیاد است. پهنای باند قابل توجهی باید وجود داشته باشد که لازم است زیر ساخت های اینترنت ساختمان مناسب باشد. علاوه بر این، بار بسیار سنگینی روی سرور ابر وجود دارد که مجبور است به طور همزمان فیلمبرداری از تمام دوربین ها را پردازش کند.

حال تصور کنید که محاسبات سنسور حرکت به لبه شبکه منتقل شده است. اگر هر دوربین در کامپیوتر داخلی خود، برنامه شناسایی حرکت را اجرا و استفاده کند و سپس تصاویر لازم که مفید هستند را به سرور ابر ارسال کند، چه می شود؟

در این صورت استفاده از پهنای پاند به طور قابل توجهی کاه می یابد، زیرا بسیاری از فیلم ها و تصاویر دوربین ها هرگز نیاز به انتقال به سرور ابر ندارند. علاوه براین در این صورت سرور ابر ها فقط مسئول ذخیره فیلم ها و تصاویر مهم هستند. بنابراین می توانند با دوربین های بیشتری ارتباط برقرار کنند و بار اضافی نداشته باشند.

این مثال در واقع چیزی را نشان می دهد که محاسبات لبه ای انجام می دهد. لبه یک نوع اصطلاح است. به عنوان مثال کامپیوتر کاربر یا پردازنده داخل دوربین IoT را می توان لبه شبکه در نظر گرفت. همچنین روتر کاربر، ISP یا سرور لبه محلی نیز به عنوان لبه در نظر گرفته می شود.