De gegevens die worden gegenereerd aan de rand van het netwerk nemen geleidelijk toe en als we de gegevens kunnen verwerken en analyseren op de randknooppunten van het netwerk, dan zal dit rekenmodel efficiënter zijn. Er worden veel nieuwe rekenmodellen voorgesteld omdat we merken dat met de groei van het IoT, cloud computing niet altijd zo efficiënt is als het zou moeten zijn.
1. De clouddiensten zijn de drijvende kracht:
Cloudcentra hebben krachtige verwerkingsprestaties en kunnen enorme hoeveelheden gegevens verwerken. Het overbrengen van enorme hoeveelheden gegevens naar het cloudcentrum wordt echter een uitdaging. Het knelpunt in de systeemprestaties van het cloud computing-model is de beperkte netwerkbandbreedte, het duurt een bepaalde tijd om enorme hoeveelheden gegevens over te brengen en het cloudcentrum heeft een bepaalde tijd nodig om de gegevens te verwerken, waardoor de responstijd van de aanvragen toeneemt en de gebruikerservaring zeer slecht is.
2. Gedreven door het internet der dingen (IoT)
De snelle ontwikkeling van de IoT-technologie zorgt ervoor dat steeds meer gewone voorwerpen met onafhankelijke functies met elkaar worden verbonden en dat alles met elkaar wordt verbonden. Dankzij de kenmerken van het internet van de dingen gebruiken alle industrieën IoT-technologie om snel een digitale transformatie te bereiken en worden steeds meer eindapparaten in de industrie via het netwerk met elkaar verbonden.
Echter, het internet van de dingen als een enorm en complex systeem, verschillende industrieën hebben verschillende toepassingsscenario's, volgens derden analisten, zal er in 2025 meer dan 100 miljard eindapparaten aangesloten op het netwerk, zal de terminal datavolume worden tot 300ZB, een dergelijke grootschalige datavolume, volgens de traditionele verwerking van gegevens, alle verkregen gegevens moeten worden verzonden naar de cloud computing-platform te analyseren, zal de cloud computing-platform worden geconfronteerd met een hoge netwerklatentie, massale toegang tot apparaten, en moeilijk om grote hoeveelheden gegevens te verwerken. Het cloud computing-platform zal worden geconfronteerd met de uitdagingen van een hoge netwerklatentie, massale toegang tot apparaten, massale gegevensverwerking, onvoldoende bandbreedte en een hoog energieverbruik.
Met het oog op de nadelen van de hoge latentie en het gebrek aan real-time data-analyse mogelijkheden in de traditionele data processing methoden op te lossen, heeft edge computing-technologie ontstaan. Edge computing-technologie is in de nabijheid van het object of de gegevensbron aan de rand kant van het netwerk, door de integratie van netwerk, computing, opslag, applicatie kern mogelijkheden van de gedistribueerde open platform, dicht bij de rand om intelligente diensten te verlenen. Eenvoudig gezegd is edge computing het verzamelen van gegevens van de terminal en deze direct en op een agressieve manier analyseren in het lokale apparaat of netwerk dicht bij de plek waar de gegevens zijn gegenereerd, waardoor het niet meer nodig is om de gegevens door te sturen naar een gegevensverwerkingscentrum in de cloud.
De realtime operationele en veiligheidsproblemen die nodig zijn voor zelfrijdende auto's zorgen er bijvoorbeeld voor dat de rekenkern van de cloud naar de rand van het netwerk wordt verplaatst. Zelfrijdende auto's detecteren en verzenden voortdurend gegevens over de toestand van de weg, de locatie en de omringende voertuigen. Zelfrijdende auto's genereren ongeveer 1 GB aan gegevens per seconde en de benodigde verwerkingsbandbreedte en latentie maken het onpraktisch om zelfs maar een fractie van een terabyte (TB) aan gegevens naar een gecentraliseerde server te sturen voor analyse. Het snel verwerken van gegevens is van cruciaal belang en edge computing is essentieel om autonoom rijden mogelijk te maken. Als voertuigen veilig en betrouwbaar moeten rijden, kan elke vertraging in de verwerkingssnelheid fataal zijn.
Stel je een zelfrijdende auto voor die objecten op de weg detecteert of de remmen of het stuurwiel bedient met vertragingen door de cloud. Elke vertraging in de gegevensverwerking zal resulteren in een tragere reactie van het voertuig. Als het langzamer reagerende voertuig niet in staat is om tijdig te reageren, kan dit leiden tot een ongeluk. Levens kunnen op dit punt in gevaar komen.
Daarom is het noodzakelijk om voldoende rekenkracht en een redelijk energieverbruik te leveren om de veiligheid van zelfrijdende voertuigen te garanderen, zelfs bij hoge snelheden. De belangrijkste uitdagingen bij het ontwerpen van een edge computing ecosysteem voor zelfrijdende voertuigen zijn het bieden van real-time verwerking, voldoende rekenkracht, betrouwbaarheid, schaalbaarheid, kosten en beveiliging om de veiligheid en kwaliteit van de gebruikerservaring in zelfrijdende voertuigen te garanderen.