Conosciamo tutti il cloud computing, che ha molte caratteristiche: Enorme potenza di calcolo, enorme capacità di archiviazione, attraverso diversi strumenti software, è possibile costruire una varietà di applicazioni, stiamo usando molte APP, essenzialmente basate su una varietà di tecnologie di cloud computing, come le piattaforme di video live, piattaforme di e-commerce. L'edge computing nasce dal cloud computing, vicino al lato del dispositivo, con capacità di risposta rapida, ma non può far fronte a un gran numero di occasioni di calcolo e archiviazione.
Il concetto di edge computing è relativo al cloud computing, l'elaborazione del cloud computing consiste nel caricare tutti i dati sul data center del cloud o sull'elaborazione del server delle risorse informatiche centralizzate, qualsiasi necessità di accedere alla richiesta di informazioni deve essere caricata sull'elaborazione del cloud. Pertanto, gli svantaggi del cloud computing di fronte all'era dell'esplosione del volume dei dati IoT sono gradualmente venuti alla ribalta:
Il cloud computing non è in grado di soddisfare l'esplosione dei requisiti di elaborazione massiva dei dati. Con l'integrazione di Internet e di vari settori industriali, soprattutto dopo la popolarità della tecnologia Internet of Things, la domanda di elaborazione è esplosa, e l'architettura tradizionale del cloud computing non sarà in grado di soddisfare una tale domanda di elaborazione.
Il cloud computing non può soddisfare la domanda di elaborazione dei dati in tempo reale. Secondo il modello tradizionale di cloud computing, i dati IoT vengono raccolti dal terminale per essere trasmessi al centro di cloud computing e quindi restituiti ai risultati attraverso il cluster computing, che è destinato ad apparire più lungo tempo di risposta, ma alcuni scenari applicativi emergenti come la guida senza pilota, l'estrazione mineraria intelligente, ecc, il tempo di risposta ha requisiti estremamente elevati, affidandosi al cloud computing non è realistico.
L'emergere dell'edge computing può, in una certa misura, risolvere questi problemi riscontrati nel cloud computing. Come mostrato nella figura seguente, i dati generati dalle apparecchiature terminali IOT non devono essere trasmessi a un centro dati cloud distante, ma piuttosto vicino al lato edge della rete per completare l'analisi e l'elaborazione dei dati, rispetto al cloud computing è più efficiente e sicuro.
Detto questo, riassumete i vantaggi dell'edge computing:
Bassa latenza: La potenza di calcolo viene distribuita in prossimità del dispositivo, rispondendo in tempo reale alle sue richieste; ad esempio, nel campo del riconoscimento facciale, il tempo di risposta si riduce da 900 ms a 169 ms; la funzione di riconoscimento vocale, se elaborata dal cloud, consente di percepire la latenza di uscita sul terminale, la cui velocità è inferiore a causa della trasmissione a lunga distanza dei segnali di rete. Se invece l'elaborazione localizzata viene effettuata senza trasmissione di rete, il ritardo sarà notevolmente ridotto e l'esperienza dell'utente sarà migliore.
Funzionamento a bassa larghezza di banda: La possibilità di migrare il lavoro più vicino all'utente o all'endpoint di raccolta dei dati può ridurre l'impatto dei vincoli di larghezza di banda del sito. Ciò è particolarmente vero se il servizio di edge node riduce la necessità di inviare grandi quantità di richieste di elaborazione dati all'hub.
Riduzione del consumo energetico: Per un determinato compito, è necessario decidere se è più efficiente dal punto di vista delle risorse calcolare localmente o trasmettere il calcolo ad altri nodi. Se l'area locale è inattiva, è ovviamente più efficiente dal punto di vista delle risorse calcolare localmente; se l'area locale è occupata, è più appropriato distribuire il compito di calcolo ad altri nodi. È importante soppesare l'energia consumata dal calcolo con quella consumata dalla trasmissione in rete. In genere, quando le risorse consumate dalla trasmissione in rete sono molto inferiori all'energia consumata dall'elaborazione locale, si prenderà in considerazione l'uso dell'edge computing per scaricare le attività di calcolo su altri nodi inattivi, in modo da contribuire al bilanciamento del carico e garantire prestazioni elevate di ciascun nodo.
Protezione della privacy: I dati vengono raccolti localmente, analizzati localmente ed elaborati localmente, il che riduce efficacemente le possibilità di esposizione dei dati alla rete pubblica e protegge la privacy dei dati. Ad esempio, conosciamo bene le funzioni di privacy e sicurezza dei telefoni cellulari, che possono essere sbloccati tramite il riconoscimento delle impronte digitali e il riconoscimento facciale, che utilizzano anche l'edge computing. Se questi dati vengono caricati sul cloud, si rischia di incorrere nella trasparenza dei dati, quindi l'edge computing è più adatto agli utenti per proteggere la loro privacy e sicurezza.