Todos estamos familiarizados con la computación en nube, que tiene muchas características: Enorme potencia de cálculo, capacidad de almacenamiento masivo, a través de diferentes herramientas de software, se puede construir una variedad de aplicaciones, estamos utilizando una gran cantidad de APP, esencialmente depender de una variedad de tecnología de computación en nube, tales como plataformas de vídeo en directo, plataformas de comercio electrónico. Edge computing nace de la computación en nube, cerca del lado del dispositivo, con capacidad de respuesta rápida, pero no puede hacer frente a un gran número de ocasiones de computación y almacenamiento.
El concepto de edge computing es relativo a la computación en nube, el procesamiento de la computación en nube es subir todos los datos al centro de datos en nube o al servidor de procesamiento de los recursos informáticos centralizados, cualquier necesidad de acceder a la solicitud de información debe ser subida al procesamiento en nube. Por lo tanto, las desventajas de la computación en nube frente a la era de la explosión del volumen de datos de la IO han llegado gradualmente a la palestra:
La computación en nube no puede satisfacer las crecientes necesidades de procesamiento masivo de datos. Con la integración de Internet y diversas industrias, especialmente tras la popularidad de la tecnología del Internet de las Cosas, la demanda de computación se ha disparado, la arquitectura tradicional de computación en nube no podrá satisfacer una demanda de computación tan enorme.
La computación en nube no puede satisfacer la demanda de procesamiento de datos en tiempo real. Bajo el modelo tradicional de computación en nube, los datos IoT son recogidos por el terminal para ser transmitidos al centro de computación en nube, y luego devueltos a los resultados a través de la computación en clúster, lo que está destinado a aparecer un tiempo de respuesta más largo, pero algunos escenarios de aplicación emergentes, como la conducción no tripulada, la minería inteligente, etc., el tiempo de respuesta tiene requisitos extremadamente altos, confiar en la computación en nube no es realista.
La aparición de la computación de borde puede, hasta cierto punto, resolver estos problemas encontrados en la computación en nube. Como se muestra en la siguiente figura, los datos generados por el equipo terminal IOT no necesitan ser transmitidos a un centro de procesamiento de datos en la nube distante, sino más bien cerca del lado del borde de la red para completar el análisis y procesamiento de datos, en comparación con la computación en nube es más eficiente y segura.
Dicho esto, resuma las ventajas del edge computing:
Baja latencia: La potencia de cálculo se despliega cerca del lado del dispositivo, respuesta en tiempo real a las solicitudes del dispositivo; por ejemplo: en el campo del reconocimiento facial, el tiempo de respuesta se reduce de 900 ms a 169 ms; la función de reconocimiento de voz si se procesa por la nube, se obtiene la latencia de salida en el terminal se puede percibir, la velocidad es más lenta debido a la transmisión a larga distancia de señales de red. Y si el procesamiento localizado se realiza sin transmisión de red, el retardo se reducirá considerablemente y la experiencia del usuario será mejor.
Funcionamiento con poco ancho de banda: La capacidad de migrar el trabajo más cerca del usuario o del punto final de recogida de datos puede reducir el impacto de las limitaciones de ancho de banda del sitio. Esto es especialmente cierto si el servicio de nodo de borde reduce la necesidad de enviar grandes cantidades de solicitudes de procesamiento de datos al concentrador.
Reducción del consumo de energía: Para una tarea determinada, hay que decidir si es más eficiente desde el punto de vista de los recursos computar localmente o transmitir el cómputo a otros nodos. Si el área local está inactiva, por supuesto que lo más eficiente desde el punto de vista de los recursos es calcular localmente; si el área local está ocupada, entonces es más apropiado distribuir la tarea de cálculo a otros nodos. Es importante sopesar la energía consumida por el cálculo y la energía consumida por la transmisión en red. Por lo general, cuando los recursos consumidos por la transmisión de red son mucho menores que la energía consumida por la computación local, consideraremos el uso de la computación de borde para descargar tareas de computación a otros nodos ociosos para ayudar a lograr el equilibrio de carga y garantizar un alto rendimiento de cada nodo.
Protección de la intimidad: Los datos se recogen localmente, se analizan localmente y se procesan localmente, lo que reduce eficazmente las posibilidades de que los datos queden expuestos a la red pública y protege la privacidad de los datos. Por ejemplo, estamos familiarizados con las funciones de privacidad y seguridad de los teléfonos móviles, que pueden desbloquearse mediante el reconocimiento de huellas dactilares y el reconocimiento facial, que también utilizan la computación de borde. Si estos datos se suben a la nube, corremos el riesgo de enfrentarnos a la transparencia de los datos, por lo que la computación de borde es mejor para que los usuarios protejan su privacidad y seguridad.