Edge-Computing - Edge computing

Edge Computing ist ein verteiltes Computing- Paradigma, das die Berechnung und Datenspeicherung näher an die Datenquellen bringt . Dadurch sollen die Reaktionszeiten verbessert und Bandbreite eingespart werden . „Ein häufiges Missverständnis ist, dass Edge und IoT synonym sind. Edge Computing ist eine topologie- und standortsensitive Form des verteilten Computings, während IoT eine Anwendungsfall-Instanziierung von Edge Computing ist.“ Der Begriff bezieht sich eher auf eine Architektur als auf eine bestimmte Technologie.

Die Ursprünge des Edge Computing liegen in Content Delivery Networks , die in den späten 1990er Jahren geschaffen wurden, um Web- und Videoinhalte von Edge- Servern bereitzustellen , die in der Nähe von Benutzern bereitgestellt wurden. In den frühen 2000er Jahren entwickelten sich diese Netzwerke zum Hosten von Anwendungen und Anwendungskomponenten auf den Edge-Servern, was zu den ersten kommerziellen Edge-Computing-Diensten führte, die Anwendungen wie Händlersuche, Einkaufswagen, Echtzeit-Datenaggregatoren und Anzeigeneinfügungs-Engines hosteten.

Die Edge-Computing-Infrastruktur

Definition

Eine Definition von Edge Computing ist jede Art von Computerprogramm, das eine geringe Latenz näher an den Anforderungen liefert . Karim Arabi definierte in einer IEEE DAC 2014 Keynote und anschließend in einem eingeladenen Vortrag beim MTL-Seminar des MIT im Jahr 2015 Edge Computing im Allgemeinen als jegliches Computing außerhalb der Cloud, das am Rand des Netzwerks stattfindet, und genauer gesagt in Anwendungen, bei denen Echtzeitverarbeitung von Daten erforderlich. In seiner Definition arbeitet Cloud Computing mit Big Data, während Edge Computing mit "Instant Data" arbeitet, das sind Echtzeitdaten, die von Sensoren oder Benutzern generiert werden.

Der Begriff wird oft synonym mit Fog Computing verwendet.

Laut dem State of the Edge- Bericht konzentriert sich Edge Computing auf Server "in der Nähe des Last-Mile-Netzwerks". Alex Reznik, Vorsitzender des ETSI MEC ISG Standards Committee, definiert den Begriff grob: „Alles, was kein traditionelles Rechenzentrum ist, könnte für jemanden der ‚Rand‘ sein.“

Edge-Knoten, die für das Streaming von Spielen verwendet werden, werden als Gamelets bezeichnet , die normalerweise ein oder zwei Hops vom Client entfernt sind. Per Anand und Edwin sagen: "Der Edge-Knoten ist meistens ein oder zwei Hops vom mobilen Client entfernt, um die Reaktionszeitbeschränkungen für Echtzeitspiele im Cloud-Gaming- Kontext zu erfüllen ."

Edge-Computing kann Virtualisierungstechnologie verwenden, um die Bereitstellung und Ausführung einer breiten Palette von Anwendungen auf Edge-Servern zu vereinfachen.

Konzept

Es wird erwartet, dass die Datenmenge der Welt bis 2025 um 61 % auf 175 Zettabyte anwächst. Die Zunahme von IoT- Geräten am Rand des Netzwerks produziert eine riesige Datenmenge – die Speicherung und Nutzung all dieser Daten in Cloud -Rechenzentren treibt die Anforderungen an die Netzwerkbandbreite auf die Grenze. Trotz der Verbesserungen der Netzwerktechnik können Rechenzentren keine akzeptablen Übertragungsraten und Reaktionszeiten garantieren, was jedoch für viele Anwendungen oft eine kritische Voraussetzung ist. Darüber hinaus verbrauchen Geräte am Edge ständig Daten aus der Cloud, was Unternehmen dazu zwingt, die Datenspeicherung und Servicebereitstellung zu dezentralisieren und die physische Nähe zum Endbenutzer zu nutzen.

In ähnlicher Weise besteht das Ziel von Edge Computing darin, die Berechnung von Rechenzentren an den Rand des Netzwerks zu verlagern, indem intelligente Objekte , Mobiltelefone oder Netzwerk-Gateways genutzt werden , um Aufgaben auszuführen und Dienste im Namen der Cloud bereitzustellen. Durch die Verlagerung von Diensten an den Edge ist es möglich, Inhalts- Caching , Dienstbereitstellung, persistente Datenspeicherung und IoT-Management bereitzustellen , was zu besseren Reaktionszeiten und Übertragungsraten führt. Gleichzeitig bringt die Verteilung der Logik auf verschiedene Netzwerkknoten neue Probleme und Herausforderungen mit sich.

Privatsphäre und Sicherheit

Die verteilte Natur dieses Paradigmas führt zu einer Verschiebung der Sicherheitsschemata, die beim Cloud Computing verwendet werden . Beim Edge Computing können Daten zwischen verschiedenen verteilten Knoten übertragen werden, die über das Internet verbunden sind und erfordern daher spezielle Verschlüsselungsmechanismen unabhängig von der Cloud. Edge-Knoten können auch ressourcenbeschränkte Geräte sein, was die Auswahl in Bezug auf Sicherheitsmethoden einschränkt. Darüber hinaus ist ein Wechsel von einer zentralisierten Top-Down-Infrastruktur zu einem dezentralisierten Vertrauensmodell erforderlich. Auf der anderen Seite ist es durch die Aufbewahrung und Verarbeitung von Daten am Edge möglich, die Privatsphäre zu erhöhen, indem die Übertragung sensibler Informationen in die Cloud minimiert wird. Darüber hinaus verlagert sich das Eigentum an gesammelten Daten von den Dienstanbietern auf die Endnutzer.

Skalierbarkeit

Die Skalierbarkeit in einem verteilten Netzwerk muss sich verschiedenen Problemen stellen. Erstens muss es die Heterogenität der Geräte mit unterschiedlichen Leistungs- und Energiebeschränkungen, den hochdynamischen Zustand und die Zuverlässigkeit der Verbindungen im Vergleich zu einer robusteren Infrastruktur von Cloud-Rechenzentren berücksichtigen. Darüber hinaus können Sicherheitsanforderungen weitere Latenzzeiten in die Kommunikation zwischen Knoten einführen, was den Skalierungsprozess verlangsamen kann.

Zuverlässigkeit

Das Management von Failovers ist entscheidend, um einen Dienst am Leben zu erhalten. Wenn ein einzelner Knoten ausfällt und nicht erreichbar ist, sollten Benutzer weiterhin ohne Unterbrechungen auf einen Dienst zugreifen können. Darüber hinaus müssen Edge-Computing-Systeme Aktionen zur Wiederherstellung nach einem Fehler und zur Warnung des Benutzers über den Vorfall bereitstellen. Zu diesem Zweck muss jedes Gerät die Netzwerktopologie des gesamten verteilten Systems aufrechterhalten , damit Fehlererkennung und Wiederherstellung leicht möglich sind. Andere Faktoren, die diesen Aspekt beeinflussen können, sind die verwendeten Verbindungstechnologien, die unterschiedliche Zuverlässigkeitsgrade bieten können, und die Genauigkeit der am Rand erzeugten Daten, die aufgrund bestimmter Umgebungsbedingungen unzuverlässig sein können. Als ein Beispiel kann ein Edge-Computing-Gerät, wie etwa ein Sprachassistent, auch während Cloud-Dienst- oder Internet-Ausfällen weiterhin Dienste für lokale Benutzer bereitstellen.

Geschwindigkeit

Edge Computing bringt analytische Rechenressourcen in die Nähe der Endbenutzer und kann daher die Reaktionsfähigkeit und den Durchsatz von Anwendungen erhöhen. Eine gut gestaltete Edge-Plattform würde ein herkömmliches Cloud-basiertes System deutlich übertreffen. Einige Anwendungen sind auf kurze Reaktionszeiten angewiesen, was Edge Computing zu einer wesentlich praktikableren Option als Cloud Computing macht. Beispiele reichen von IoT bis hin zu autonomem Fahren, alles, was für die Gesundheit oder die menschliche / öffentliche Sicherheit relevant ist, oder die menschliche Wahrnehmung wie die Gesichtserkennung, für die ein Mensch normalerweise zwischen 370 und 620 ms benötigt. Edge-Computing ist eher in der Lage, die gleiche Wahrnehmungsgeschwindigkeit wie Menschen nachzuahmen, was in Anwendungen wie Augmented Reality nützlich ist, wo das Headset vorzugsweise gleichzeitig mit dem Träger erkennen sollte, wer eine Person ist.

Effizienz

Aufgrund der Nähe der Analyseressourcen zu den Endbenutzern können ausgereifte Analysetools und Tools der künstlichen Intelligenz am Rand des Systems laufen. Diese Platzierung am Rand trägt zur Steigerung der Betriebseffizienz bei und ist für viele Vorteile des Systems verantwortlich.

Darüber hinaus führt die Nutzung von Edge Computing als Zwischenstufe zwischen Client-Geräten und dem breiteren Internet zu Effizienzeinsparungen, die im folgenden Beispiel demonstriert werden können: Ein Client-Gerät erfordert eine rechenintensive Verarbeitung von Videodateien auf externen Servern. Durch die Verwendung von Servern, die sich in einem lokalen Edge-Netzwerk befinden, um diese Berechnungen durchzuführen, müssen die Videodateien nur im lokalen Netzwerk übertragen werden. Die Vermeidung einer Übertragung über das Internet führt zu erheblichen Bandbreiteneinsparungen und erhöht somit die Effizienz. Ein weiteres Beispiel ist die Spracherkennung . Wenn die Erkennung lokal erfolgt, ist es möglich, den erkannten Text anstelle von Audioaufzeichnungen in die Cloud zu senden, wodurch die erforderliche Bandbreite erheblich reduziert wird.

Anwendungen

Edge-Anwendungsdienste reduzieren das Datenvolumen, das verschoben werden muss, den daraus resultierenden Datenverkehr und die Entfernung, die die Daten zurücklegen müssen. Das sorgt für eine geringere Latenz und reduziert die Übertragungskosten. Das Computing Offloading für Echtzeitanwendungen wie Gesichtserkennungsalgorithmen zeigte erhebliche Verbesserungen der Reaktionszeiten, wie in frühen Forschungen gezeigt wurde. Weitere Untersuchungen zeigten, dass die Verwendung von ressourcenreichen Maschinen, sogenannten Cloudlets, in der Nähe von mobilen Benutzern, die Dienste anbieten, die normalerweise in der Cloud zu finden sind, die Ausführungszeit verbessert, wenn einige der Aufgaben auf den Edge-Knoten ausgelagert werden. Andererseits kann das Auslagern jeder Aufgabe aufgrund von Übertragungszeiten zwischen Gerät und Knoten zu einer Verlangsamung führen, sodass je nach Auslastung eine optimale Konfiguration definiert werden kann.

Eine weitere Verwendung der Architektur ist Cloud-Gaming, bei dem einige Aspekte eines Spiels in der Cloud ausgeführt werden könnten, während das gerenderte Video an leichte Clients übertragen wird, die auf Geräten wie Mobiltelefonen, VR-Brillen usw. ausgeführt werden. Diese Art des Streamings ist auch bekannt als Pixelstreaming .

Andere bemerkenswerte Anwendungen sind vernetzte Autos , autonome Autos , Smart Cities , Industrie 4.0 (Smart Industry) und Heimautomatisierungssysteme .

Siehe auch

Verweise