We zijn allemaal bekend met cloud computing, die vele functies heeft: Enorme rekenkracht, enorme opslagcapaciteit, door middel van verschillende software tools, kunt u een verscheidenheid aan toepassingen, zijn we met behulp van een heleboel APP, in wezen vertrouwen op een verscheidenheid van cloud computing-technologie, zoals live video-platforms, e-commerce platforms. Edge computing is geboren uit cloud computing, dicht bij het apparaat kant, met snelle reactie mogelijkheden, maar kan niet omgaan met een groot aantal van de verwerking en opslag gelegenheden.
Het concept van edge computing is ten opzichte van cloud computing, cloud computing verwerking is om alle gegevens te uploaden naar de wolk datacenter of server verwerking van de gecentraliseerde computing middelen, elke behoefte aan toegang tot de informatie verzoek moet worden geüpload naar de wolk verwerking. Daarom zijn de nadelen van cloud computing in het gezicht van het tijdperk van de explosie van het volume van de IoT-gegevens geleidelijk naar voren gekomen:
Cloud computing kan niet voldoen aan de explosief groeiende eisen op het gebied van massale gegevensverwerking. Met de integratie van het internet en verschillende industrieën, vooral na de populariteit van het internet der dingen, is de vraag naar computers explosief gestegen. De traditionele cloud computing-architectuur zal niet in staat zijn om aan zo'n enorme vraag naar computers te voldoen.
Cloud computing kan niet voldoen aan de vraag naar real-time gegevensverwerking. Onder de traditionele cloud computing-model, is IoT-gegevens worden verzameld door de terminal te worden doorgegeven aan de cloud computing-centrum, en vervolgens terug naar de resultaten door de cluster computing, die gebonden is aan een langere responstijd verschijnen, maar sommige opkomende toepassing scenario's, zoals onbemand rijden, intelligente mijnbouw, etc., de responstijd heeft extreem hoge eisen, een beroep op cloud computing is niet realistisch.
De opkomst van edge computing kan deze problemen met cloud computing tot op zekere hoogte oplossen. Zoals weergegeven in de onderstaande figuur, hoeven de gegevens die worden gegenereerd door de IOT-terminalapparatuur niet te worden verzonden naar een ver cloud-datacenter verwerking, maar eerder dicht bij de rand kant van het netwerk om de data-analyse en verwerking te voltooien, in vergelijking met cloud computing is efficiënter en veiliger.
Dit gezegd hebbende, vat de voordelen van edge computing samen:
Lage latentie: Rekenkracht wordt ingezet in de buurt van het apparaat kant, real-time reactie op verzoeken van het apparaat, bijvoorbeeld: op het gebied van gezichtsherkenning, is de responstijd teruggebracht van 900ms tot 169ms; spraakherkenning functie als verwerkt door de wolk, krijgen we de output latentie op de terminal kan worden waargenomen, de snelheid is langzamer vanwege de lange afstand transmissie van netwerksignalen. En als gelokaliseerde verwerking wordt uitgevoerd zonder netwerktransmissie, wordt de vertraging sterk verminderd en is de gebruikerservaring beter.
Werking met lage bandbreedte: De mogelijkheid om werk dichter naar de gebruiker of het eindpunt van de gegevensverzameling te migreren kan de impact van bandbreedtebeperkingen op de site verminderen. Dit is vooral waar als de service van de edge node de noodzaak vermindert om grote hoeveelheden verzoeken voor gegevensverwerking naar de hub te sturen.
Lager energieverbruik: Voor een gegeven taak moet worden besloten of het efficiënter is om lokaal te rekenen of om de berekening naar andere knooppunten te sturen. Als het lokale gebied leeg is, dan is het natuurlijk het meest efficiënt om lokaal te rekenen; als het lokale gebied druk is, dan is het beter om de rekentaak naar andere knooppunten te sturen. Het is belangrijk om de energie die wordt verbruikt door berekeningen af te wegen tegen de energie die wordt verbruikt door netwerktransmissie. Over het algemeen, als de middelen die worden verbruikt door netwerktransmissie veel kleiner zijn dan de energie die wordt verbruikt door lokaal rekenen, zullen we overwegen om edge computing te gebruiken om rekentaken te offloaden naar andere niet actieve knooppunten om de load balancing te helpen bereiken en hoge prestaties van elk knooppunt te garanderen.
Privacybescherming: Gegevens worden lokaal verzameld, lokaal geanalyseerd en lokaal verwerkt, waardoor de kans dat gegevens worden blootgesteld aan het openbare netwerk effectief wordt verkleind en de privacy van gegevens wordt beschermd. We zijn bijvoorbeeld bekend met de privacy- en beveiligingsfuncties op mobiele telefoons, die ontgrendeld kunnen worden door middel van vingerafdrukherkenning en gezichtsherkenning, die ook gebruik maken van edge computing. Als deze gegevens naar de cloud worden geüpload, lopen we het risico op gegevenstransparantie, dus is edge computing beter voor gebruikers om hun privacy en veiligheid te beschermen.