Élszámítás

A felhőalapú számítástechnikával szemben az élszámítás a decentralizált adatfeldolgozást jelenti a hálózat szélén , az ún. A szélső számítástechnika helyett időnként a köd számítás, a helyi felhő vagy a felhő kifejezéseket használják.

leírás

Az élszámítással a számítógépes alkalmazások, adatok és szolgáltatások a központi csomópontoktól ( adatközpontoktól ) távol helyezkednek el. A kifejezés arra a tényre utal, hogy az élszámításban a vonatkozó műveletek a hálózat "szélén", azaz a hálózat perifériáján zajlanak. Ezek a műveletek jelenthetik az adatok gyűjtését, összesítését, előkészítését és elemzését. A számításokat helyben végzik, ahol az adatokat ténylegesen előállítják vagy összegyűjtik.

A cél az, hogy az adatfolyamokat legalább részben a helyszínen (pl. Közvetlenül a végberendezésen vagy gyárban) erőforrás-megtakarítással dolgozzák fel. A közelmúltban a legtöbb számítást adatközpontokban végezték. A fizikai távolság azonban önmagában késlelteti az adatátvitelt, ami megakadályozza a rövid válaszidőt. Például ezredmásodperces tartományban történő adatátvitel esetén az adatközpont nem lehet 100 kilométernél távolabb az adat létrehozásának helyétől. Ha a számítás helyét fizikailag közelebb viszi az adatok eredetéhez, a válaszidők jelentősen csökkenthetők. Ugyanakkor a magasabb szintű, globális eredmények szempontjából releváns adatok előszűrhetők, és csak a ténylegesen szükséges formában továbbíthatók az adatközpontba, ami azt jelenti, hogy a rendelkezésre álló sávszélességet hatékonyabban használják fel. A koncepció él számítási eredete az a tény, hogy az összeg a feldolgozandó adatok exponenciálisan növekszik az alkalmazások az Internet of Things (IoT). Különösen azokban az alkalmazásokban, amelyek valós idejű reakciót igényelnek, egyszerűen már nem kivitelezhető az összes összegyűjtött adatnak az adatközpontban történő feldolgozásra való továbbítása. A szélső számítástechnika megfelel a tárgyak internetének két fő kihívásának, mivel előzetesen kiszűri a továbbítandó adatokat, és számításokat végez közvetlenül a helyszínen, az érzékelők és a hajtóművek fizikai közelében: a sávszélesség-kihasználtság és a valós idejű reakciók.

Ez a megközelítés akkor hasznos, ha olyan erőforrásokat használ, amelyek nem kapcsolódnak tartósan hálózathoz, például vezérlőket , notebookokat , okostelefonokat , táblagépeket és érzékelőket . Az élszámítástechnika számos olyan technológiát tartalmaz, mint az érzékelőhálózatok, a mobil adatgyűjtés, a mobil aláírás- elemzés , a peer-to-peer és az ad-hoc hálózatok. A köd számítástechnika esetében azonban kevésbé a végberendezéseken van a hangsúly, és inkább a felhőalapú erőforrásoknak az alkalmazásokhoz való közelítésén (decentralizáció).

„Az adatgyűjtő eszközök és érzékelők intelligenciája jelentősen megnőtt, és decentralizáltabbá vált. A feldolgozó elemek közelebb kerültek az érzékelőhöz. De nemcsak a mérőeszközök lettek intelligensebbek. Intelligens érzékelők is megjelentek, amelyek az érzékelőelemet, a jelkondicionálást, a beágyazott feldolgozást és a digitális interfészt (a buszrendszert ) rendkívül kicsi formában vagy rendszerben egyesítik. "Rahman Jamal, a National Instruments (NI) globális technológiai és marketing igazgatója

A technológia céljai

A fent említett késés a felhasználás helye és az adatközpont közötti földrajzi távolság miatt jelentős hatással lehet az üzleti és termelési folyamatokra, különösen az iparban. 2014 -ben a Cisco, a 2 tárgyak internete divíziójának vezetője, Guido Jouret kijelentette: „pazaroljuk az időt és a sávszélességet, ha először az IoT -eszközök összes adatát a felhőbe tesszük, majd a válaszokat visszahelyezzük a hálózatba.” az International Data Corporation (IDC) 2018-as tanulmányához a valós idejű adatok aránya 2025-re a feldolgozott adatok 30 százalékára emelkedik. Az IoT terjedésének előrehaladtával a generált adatok mennyisége nő, és „az új adatok valós idejű relevanciája még gyorsabban nő, mint maga az adatmennyiség”. A valós idejű adatok részarányának növekedésével az élszámítás jelentősége is növekszik. Továbbá a Vertiv IT -infrastruktúra -szolgáltató által 2019 -ben végzett felmérés azt mutatta, hogy a felmérésben résztvevők 53% -a, akik már használták az élszámítástechnikát, arra számított, hogy 2025 -ig átlagosan 226% -kal jelentősen megnő a kereslet az élszámítási helyek iránt. Még akkor is, ha az Edge Computing eredeti célja „csak” az adatközponttól való fizikai távolság csökkentése volt, az átviteli költségek csökkentése érdekében, a „tárgyak internetének (IoT) gyors növekedése és az új típusú alkalmazások megjelenése” amelyek valós idejű adatokat igényelnek, meghozzák gyümölcseiket, [...] hozzájárulnak ahhoz, hogy a szélső számítástechnikai rendszerek egyre fontosabbá válnak, és egyre nagyobb az igényük ”. A felmerülő adatmennyiség dimenzióit egy reális példával lehet szemléltetni: A repülési idő mindössze 30 percén belül egyetlen repülőgép -turbina körülbelül 10 terabájtnyi adatot állít elő (ami körülbelül 5000 óra HD videónak felel meg). a helyszínen feldolgozzák a repülés során. A Gartner piackutató intézet jelentése szerint a csatlakoztatott IoT -eszközök becsült száma világszerte 20,4 milliárd körül volt 2020 -ban. Az élszámítástechnika szintén fontos szerepet játszik az Ipar 4.0 termelési rendszereinek információs és kommunikációs technológiával történő összekapcsolásában. Ebben az összefüggésben kell tekinteni a hagyományos programozható logikai vezérlő (PLC) kiterjesztését az élvezérlőre.

Élvezérlő

Az Élvezérlő a programozható logikai vezérlő (PLC) egyik formája, amelyben a feldolgozó elemek közelebb kerülnek az érzékelőhöz, és így adataik gyorsan elemezhetők és szűrhetők. Helyi vezérlőként képes csökkenteni a decentralizált adatközpontok adatmennyiségét. Az Edge Controller főként abban különbözik a hagyományos PLC -től, hogy nagyobb adatfeldolgozási kapacitással rendelkezik, amelyet nagy számítási teljesítményű többmagos processzorok használatával érnek el .

"Az élvezérlők olyan eszközök, amelyek lehetővé teszik a felhőalapú technológiák használatát a termelőcsarnokokban és gépekben." Alexander Bergner, a TTTech Computertechnik ipari IoT termékmenedzsere

előnyei

Az élszámítás legnagyobb előnye az adatgyűjtés és -feldolgozás valós idejű képessége. Mivel egyre több vállalat kínál valós idejű alkalmazásokat, ez az előny gyakran kritikus a sikerük szempontjából. Az adatok előszűrésével és feldolgozásával, hogy kevesebb adat kerüljön ténylegesen az adatközpontba, a meglévő vonalak kevésbé foglaltak. Ennek közvetlen pénzügyi hatása van, mivel a vállalatok költségeket spórolhatnak „sávszélesség, adatmennyiség és felhőtárhely tekintetében”, ha az adatfeldolgozást helyben végzik. Vidéken azonban a hálózati kapcsolat egyszerűen nem elegendő a nagy mennyiségű adat folyamatos feltöltéséhez, így például a felhőalapú számítástechnika egyszerűen nem lehetséges sok vidéki vállalkozás számára. Ezeknek a vállalatoknak nagyon értékes lehet a decentralizált élinfrastruktúra használata a sávszélességük más célokra való megtakarítására. Ez azonban nem jelenti azt, hogy a felhőalapú számítástechnika előnyeit nem lehet kihasználni, például a mesterséges intelligencia összefüggésében: A felhőben létrehozott és betanított modellek továbbra is helyben hajthatók végre. Ezenkívül az adatok helyi feldolgozásának előnye, hogy a bizalmas adatoknak nem kell elhagyniuk a vállalat helyi hálózatát. Ez vonatkozik az érzékeny vállalati belső adatokra, valamint azokra az adatokra és információkra, amelyek jogi vagy szabályozási okokból (például a GDPR vagy a kereskedelmi irányelvek betartása érdekében) nem tárolhatók külföldi szervereken. foglalja össze a következőképpen:

  • A késleltetés minimalizálása
  • A terhelési idő minimalizálása
  • Gyorsítsa az adatátvitelt és a feldolgozást a felhőben
  • Az átviteli késések és a szolgáltatási hibák korlátozása
  • Valós idejű megfigyelés és szolgáltatások engedélyezése
  • A sávszélesség -korlátozások megkerülése
  • A hálózati költségek csökkentése
  • A bizalmas adatok jobb irányíthatósága
  • Skálázhatóság

hátrány

Még akkor is, ha a szélső számítástechnika alapvető előnyökkel jár, amelyek különösen jelentősek az IoT kontextusában, még mindig van néhány kihívás, amelyekkel tisztában kell lenni. Mint említettük, az élszámítás egyik előnye a bizalmas adatok jobb irányíthatósága. A hálózat szélén lévő adatok azonban biztonsági problémát is jelenthetnek. Az adatközpont vagy a felhő által végzett központi feldolgozás révén biztos lehet abban, hogy óvintézkedéseket tettek a legmagasabb biztonsági szabványok biztosítása érdekében, és rendszeresen ellenőrzik a rendszert a gyenge pontok tekintetében, és ennek megfelelően frissítik. A szélső decentralizált feldolgozás esetén, amelybe sokféle eszköz integrálható, az üzemeltető viseli ezt a felelősséget. Mindenesetre „az érintett IT -szakembereknek tisztában kell lenniük az IoT -eszközök lehetséges biztonsági veszélyeivel” ennek megfelelő védelme érdekében. Az élszámítás előnyeinek kihasználása érdekében a csomópontok, azaz. H. a készülékek ráadásul mindig rendelkezésre állnak. Ez azonban nehézséget okozhat olyan eszközöknél, amelyek nem különösebben védettek a meghibásodás vagy a helytelen használat ellen. A perem csomópontjainak állandó rendelkezésre állása mellett is garantálni kell a művelet megbízhatóságát: A rendszernek akkor is folytatnia kell a futást, ha az egyes hálózati csomópontok meghibásodnak, vagy megszakad a kapcsolat az adatközponttal vagy a felhővel. Ez kihívást jelenthet, mivel az IoT -eszközök számítási teljesítménye és csatlakozási követelményei működés közben ingadozhatnak. De még akkor is, ha nincs aktív internetkapcsolat, a rendszernek továbbra is ugyanolyan megbízhatóan kell működnie a zavartalan működés érdekében. Ez egyrészt azt jelenti, hogy a reakcióknak folytatódniuk kell, másrészt az állásidőben összegyűjtött és feldolgozott adatokat automatikusan szinkronizálni kell, amikor a kapcsolat helyreáll, és a működés folytatható. normális esetben. Az élszámítás másik hátránya, amely sok vállalat számára akadályt jelenthet a megvalósításban, az időigényes kezdeti beállítás. Ez összefügg a szakmunkáshiánnyal is. Még egy élszámítási rendszer felállítása után is képzett személyzetre van szükség, aki elvégezheti a karbantartást a helyszínen, és mivel a szélső számítástechnika, mint decentralizált rendszer több helyet használ, mint a központi adatközpontok, ennek megfelelően több szakember áll rendelkezésre az él karbantartására és kezelésére számítástechnikai rendszerre van szükség. Az élszámítás hátrányai és kihívásai a következőkben foglalhatók össze:

  • Biztosítani kell az adatok biztonságát
  • Biztosítani kell a művelet megbízhatóságát, még akkor is, ha a kapcsolat megszakadt
  • Garantálni kell az eszközök állandó rendelkezésre állását
  • A kezdeti beállítások kidolgozása
  • Szakmunkáshiány
  • Szabálytalan számítási vagy memóriaigény

Alkalmazási területek

Az élszámítás alkalmazási területei változatosak. Az élszámítás különösen ígéretes ipari környezetben, például a logisztikában (pl. Flottakezelés vagy automatizált raktár), a termelésben (pl. A prediktív karbantartás és a digitális ikrek használata), a gyári optimalizálás és az épület automatizálása terén. Számos alkalmazási forgatókönyv létezik az iparágon kívüli élszámításhoz is, amelyekben a valós idejű képesség különösen fontos. Ilyen például az autonóm vezetés , a kibővített valóság és az intelligens városok . Önálló vezetés esetén lehetővé kell tenni, hogy a jármű maga végezzen el minden számítást annak érdekében, hogy ne függjön az adatközponttal való stabil kapcsolattól. A rövid reakcióidők is elengedhetetlenek, mert különben balesetek történhetnek. Ennek ellenére a járművet nem lehet elszigetelten nézni, hanem kommunikálni és kölcsönhatásba kell lépni a környezetével. Az önvezető jármű alapvetően „élberendezés”. A kiterjesztett valóság a "valós és digitális világ összeolvadása". Például a valóság megjeleníthető az AR szemüveg viselője számára , de további digitális információkkal borítható. Biztosítani kell, hogy még a hirtelen fejmozgások esetén is „a digitális kép valós időben követhesse a valós tárgyakat”. A késleltetésmentes átvitel itt is alapvető követelmény. A videokamerákon alapuló intelligens forgalomirányítás egy példa arra, hogy a szélső számítástechnika hogyan használható az intelligens városok kontextusában. Például a forgalmas utcákon és kereszteződésekben a jelzőlámpák kapcsolása a forgalom vagy a rendszeres buszok alapján történhet, hogy optimalizálják a tömegközlekedés áramlását, és ezáltal vonzóbbá tegyék a használatát, és ha sürgősségi járművet regisztráltak a ha kék fényt adnak a kamerák, zöld hullám fordulhat elő, amely lehetővé teszi a gyorsabb érkezést. Az elemzés és a kapott reakció szintén itt, a helyszínen történne, anélkül, hogy először el kellene küldenie az adatokat egy adatközpontnak.

Alkalmazási példák a gyakorlatból

Már számos gyakorlati példa létezik az élszámítás használatára. Gyakori példa a jelenlegi okostelefonok arcfelismerése , amelyet az eszköz feloldására használnak. Élszámítás nélkül az eszköznek először el kell küldenie az adatokat egy felhőpéldányra, és várnia kell a válaszra. Ehelyett az algoritmus helyben végrehajtható az eszközön, és az eszköz aktív kapcsolat nélkül is aktiválható. Példa az intelligens városok területéről az önálló vezetésről szóló projekt Ulmban, amelyben többek között a Bosch és az Ulmi Egyetem is részt vesz. Mivel a kereszteződések különösen nehéz helyzeteket jelentenek az autonóm járművek számára, ebben az összefüggésben megvizsgálták, hogy „hogyan segítenek az infrastruktúrában lévő érzékelők és a gyorsan továbbított adatok”. A járművekbe beépített érzékelők gyakran nem elegendőek az összetett közlekedési helyzetek rögzítéséhez, ezért a meglévő forgalmi infrastruktúrát használják az érzékelők telepítésére. Ulmban videó- ​​és lidar -érzékelőket telepítettek az utcai lámpákra egy kísérleti rendszerben, hogy rögzítsék a környezetet. Ily módon a rendszernek fel kell ismernie a rejtett gyalogosokat, kerékpárosokat, akik átkelnek a buszokon és közelednek hozzájuk, és lehetővé kell tenni, hogy az információkat továbbítsák az önállóan vezető vizsgajárműhöz. A valós idejű adatok feldolgozását úgynevezett "Mobile Edge Computing Servers (MEC szerverek)" végezték, amelyek integrálva vannak a mobilhálózatba. A rögzített érzékelőadatokat a járműérzékelők és a HD térképanyag által meghatározott adatokkal kombinálják annak érdekében, hogy létrehozzák a „jelenlegi forgalmi helyzet helyi modelljét”, és elküldjék azokat a járműveknek. Az ipari környezetből származó élszámításokra példa például a Microsoft Azure IoT Edge használata a Schneider Electric előrejelző karbantartási megoldásaihoz. A gáz- és olajszivattyúkkal kapcsolatos problémákat valós időben észleli a prediktív elemzés, és ezeket leállítják, amint a problémát észlelik - még mielőtt a tényleges kár bekövetkezik. Ily módon a gépek védettek és a környezeti károk is megelőzhetők. A General Electric (GE) hasonló alkalmazást mutat be: a hulladékhő -gőzfejlesztők extrém körülményeknek vannak kitéve, így elkerülhetetlenül előfordul az anyag fáradtsága. A GE élvonalbeli technológiákat használ az alkatrészek várható élettartamának becslésére az érzékelők adatai alapján. Az élszámítás a mezőgazdaságban is használható, amint azt a Microsoft FarmBeats projektje is mutatja. A drónok madártávlatból lefényképezik a mezőket, és ezeket a képeket először összeállítják és egyesítik, hogy hőtérképet alkossanak. A talajban lévő érzékelők mérik a nedvességet és a hőmérsékletet is, és a kapott adatokat a képadatokkal együtt gépi tanulási algoritmusok vizsgálják annak érdekében, hogy korai szakaszban azonosítsák a "betegségeket, kártevőket vagy egyéb problémákat, amelyek csökkenthetik a termést". hogy tegyen ellenintézkedéseket. A cél a termelékenység növelése és a költségek csökkentése.

Lásd még

web Linkek

Egyéni bizonyíték

  1. ↑ a b c d Jakob Schreiner: Mit jelent az Edge Computing? Letöltve: 2021. június 17 .
  2. ↑ a b c Melanie Krauß: Így működik az élszámítás a gyártócsarnokban. Letöltve: 2021. június 17 .
  3. ↑ a b c d e f g h i j Hogyan működik az élszámítás? Letöltve: 2021. június 17 .
  4. ↑ a b c Deutsche Telekom AG: Egyszerűen megmagyarázva: Edge Computing. Letöltve: 2021. június 17 .
  5. ↑ Edge Computing - Mi az Edge Computing? - Németország | IBM. Letöltve: 2021. június 17. (németül).
  6. ↑ a b c d Sebastian Human: Az Edge Computing kezelhetővé teszi az IIoT -hegyeket. Letöltve: 2021. június 17 .
  7. ^ Élszámítás vs köd számítás. General Electric, hozzáférés: 2018. június 4 .
  8. ↑ Andreas Knoll: Élvezérlő PLC helyett? Markt & Technik, 2016. november 3., hozzáférés 2017. június 21 .
  9. ↑ a b Harald Jungbäck: Nincs élszámítás száloptika nélkül. Letöltve: 2021. június 17 .
  10. ↑ a b c d e f Edge Computing és IoT: A köd számítástechnika a felhő végét jelenti? Letöltve: 2021. június 17 .
  11. ↑ Lisa Marie Waschbusch: A valós idejű adatok aránya 2025-re 30 százalékra nő. Letöltve: 2021. június 17 .
  12. ↑ a b c Sebastian Human: Edge Computing: hamarosan már nem marginális jelenség? Letöltve: 2021. június 17 .
  13. ^ Keith Shaw: Mi az élszámítás és miért számít? 2019. november 13., megtekintve 2021. június 17 -én .
  14. ↑ a b Kuther Margit: Az Edge Computing fejlesztése hardver- és szoftvermegoldások segítségével. Letöltve: 2021. június 17 .
  15. ↑ Andreas Knoll: Az élvezérlő helyettesíti a PLC -t? computer-automation.de, 2016. november 23., hozzáférés: 2017. június 21 .
  16. ↑ IoT Edge | Microsoft Azure. Letöltve: 2021. június 17 .
  17. ↑ a b c d Hat fontos kérdés az Edge Computing Provider | GE Digital. Hozzáférés: 2021. június 17 .
  18. ↑ Chris Kelly: A Sap és a Microsoft új megállapodást kötött az élvonalbeli és felhőalapú számítástechnika növelésére az ellátási láncban. Hozzáférés: 2020. december 14 .
  19. ↑ Autonóm vezetés és intelligens járműrendszerek . Ulmi Egyetem. Letöltve: 2021. június 20.
  20. ↑ a b c heise online: Mobile Edge Computing: Az utcai lámpák vezetik az autonóm autókat. Letöltve: 2021. június 17 .
  21. ↑ a b Az Azure IoT Edge általánosan elérhető: A Microsoft bezárja a szélső számítási rést. Letöltve: 2021. június 17 .
  22. ↑ a b Hogyan forradalmasítja a Microsoft Azure az élszámítást. | Azure blog és frissítések | Microsoft Azure. Letöltve: 2021. június 17 .
  23. ↑ Farm Beats: AI, Edge & IoT for Agriculture. In: Microsoft Research. Letöltve: 2021. június 17. (amerikai angol).