Edge Computing vs. Cloud Computing

Wir sind alle vertraut mit Cloud Computing, die viele Funktionen hat: Riesige Rechenleistung, massive Speicherkapazität, durch verschiedene Software-Tools, können Sie eine Vielzahl von Anwendungen zu bauen, sind wir mit einer Menge von APP, im Wesentlichen auf eine Vielzahl von Cloud-Computing-Technologie, wie Live-Video-Plattformen, E-Commerce-Plattformen verlassen. Edge Computing ist aus dem Cloud Computing geboren, in der Nähe der Geräteseite, mit schnellen Reaktionsmöglichkeiten, kann aber nicht mit einer großen Anzahl von Rechen-und Speicher Gelegenheiten zu bewältigen.

Das Konzept des Edge Computing ist relativ zu Cloud Computing, Cloud Computing-Verarbeitung ist es, alle Daten in die Cloud-Rechenzentrum oder Server-Verarbeitung der zentralen Computing-Ressourcen hochladen, jede Notwendigkeit, die Informationen zugreifen Anfrage muss in die Cloud-Verarbeitung hochgeladen werden. Daher sind die Nachteile des Cloud Computing in der Ära der Explosion des Volumens der IoT-Daten allmählich in den Vordergrund treten:

Das Cloud Computing kann die explodierenden Anforderungen an die massive Datenverarbeitung nicht erfüllen. Mit der Integration des Internets und verschiedener Branchen, vor allem nach der Popularität des Internets der Dinge, ist die Nachfrage nach Computern explodiert, und die traditionelle Cloud-Computing-Architektur wird nicht in der Lage sein, eine so große Nachfrage nach Computern zu decken.

Cloud Computing kann den Bedarf an Echtzeit-Datenverarbeitung nicht decken. Im Rahmen des traditionellen Cloud-Computing-Modells werden IoT-Daten vom Endgerät gesammelt und an das Cloud-Computing-Zentrum übertragen. Anschließend werden die Ergebnisse über das Cluster-Computing zurückgegeben, was zwangsläufig zu einer längeren Reaktionszeit führt, aber bei einigen aufkommenden Anwendungsszenarien wie unbemanntes Fahren, intelligenter Bergbau usw. sind die Anforderungen an die Reaktionszeit extrem hoch, so dass es nicht realistisch ist, sich auf Cloud-Computing zu verlassen.

Das Aufkommen des Edge-Computing kann diese Probleme des Cloud-Computing bis zu einem gewissen Grad lösen. Wie in der Abbildung unten dargestellt, müssen die von den IOT-Endgeräten erzeugten Daten nicht an ein weit entferntes Cloud-Rechenzentrum übertragen werden, sondern in der Nähe der Edge-Seite des Netzwerks, um die Datenanalyse und -verarbeitung abzuschließen, was im Vergleich zum Cloud Computing effizienter und sicherer ist.

Fassen Sie anschließend die Vorteile des Edge Computing zusammen:

Niedrige Latenzzeit: Die Rechenleistung wird in der Nähe des Geräts eingesetzt und reagiert in Echtzeit auf die Anfragen des Geräts. Beispiel: Im Bereich der Gesichtserkennung wird die Reaktionszeit von 900 ms auf 169 ms verkürzt; die Spracherkennungsfunktion, wenn sie von der Cloud verarbeitet wird, kann die Latenzzeit am Terminal wahrgenommen werden, die Geschwindigkeit ist aufgrund der Fernübertragung von Netzwerksignalen langsamer. Wenn die lokale Verarbeitung ohne Netzwerkübertragung erfolgt, wird die Verzögerung stark reduziert und die Benutzererfahrung verbessert.

Betrieb mit geringer Bandbreite: Die Möglichkeit, die Arbeit näher an den Benutzer oder den Endpunkt der Datenerfassung zu verlagern, kann die Auswirkungen von Bandbreitenbeschränkungen am Standort verringern. Dies gilt insbesondere dann, wenn der Edge-Node-Dienst die Notwendigkeit verringert, große Mengen von Datenverarbeitungsanforderungen an den Hub zu senden.

Geringerer Energieverbrauch: Für eine bestimmte Aufgabe muss entschieden werden, ob es ressourceneffizienter ist, lokal zu rechnen oder die Berechnung an andere Knoten zu übertragen. Wenn der lokale Bereich nicht ausgelastet ist, ist es natürlich am ressourceneffizientesten, lokal zu rechnen; wenn der lokale Bereich ausgelastet ist, ist es sinnvoller, die Berechnungsaufgabe an andere Knoten zu verteilen. Es ist wichtig, die durch die Berechnung verbrauchte Energie gegen die durch die Netzübertragung verbrauchte Energie abzuwägen. Wenn die durch die Netzwerkübertragung verbrauchten Ressourcen viel kleiner sind als die durch die lokale Berechnung verbrauchte Energie, werden wir in der Regel die Verwendung von Edge Computing in Betracht ziehen, um Berechnungsaufgaben auf andere, nicht ausgelastete Knoten zu verlagern, um einen Lastausgleich zu erreichen und eine hohe Leistung jedes Knotens sicherzustellen.

Schutz der Privatsphäre: Die Daten werden lokal erfasst, lokal analysiert und lokal verarbeitet, wodurch die Gefahr, dass Daten in das öffentliche Netz gelangen, wirksam verringert und die Privatsphäre geschützt wird. Wir kennen zum Beispiel die Datenschutz- und Sicherheitsfunktionen von Mobiltelefonen, die durch Fingerabdruck- und Gesichtserkennung entsperrt werden können, die ebenfalls Edge Computing nutzen. Wenn diese Daten in die Cloud hochgeladen werden, besteht die Gefahr der Datentransparenz, so dass Edge Computing für die Nutzer besser geeignet ist, ihre Privatsphäre und Sicherheit zu schützen.