Co to jest obliczanie mgły? Mgła vs. Wyjaśnienie przetwarzania brzegowego

Kluczowe dania na wynos

• Fog Computing rozszerza koncepcję przetwarzania brzegowego, tworząc rozproszoną infrastrukturę obliczeniową obejmującą szerszy obszar geograficzny.
• Przetwarzanie mgły działa bliżej źródła danych niż przetwarzanie w chmurze, ale nie dokładnie u źródła, wykorzystując strategicznie rozmieszczone węzły mgły w całej sieci.
• Przetwarzanie mgły zapewnia hierarchię zasobów obliczeniowych, od urządzeń brzegowych, przez węzły mgły, po chmurę centra danych, optymalizując wydajność, redukując opóźnienia i oferując ustrukturyzowane, a jednocześnie elastyczne rozwiązanie system.

Nasze rozumienie paradygmatów przetwarzania i przechowywania danych ewoluuje wraz z szybkimi transformacjami świata cyfrowego. Terminy „chmura”, „krawędź” i „mgła” to nie tylko terminy meteorologiczne; reprezentują trzy unikalne systemy obliczeniowe. Przetwarzanie brzegowe i mgła pojawiły się w odpowiedzi na ograniczenia swojego poprzednika, ale każdy z nich ma inne funkcje i zalety.

Co to jest obliczanie mgły? Wyjaśnienie obliczeń mgły

Zagłębmy się w to, czym jest mgła obliczeniowa i wyjaśnijmy, jak działa. Zanim jednak przyjrzymy się przetwarzaniu mgły, warto zrozumieć, co było wcześniej i jak dotarliśmy do obliczeń mgły.

Chmura obliczeniowa wyłonił się jako rewolucyjny model zarządzania i przetwarzania danych. Oferujemy scentralizowane przechowywanie i przetwarzanie danych w rozległych centrach danych — często oddalonych od siebie kontynentach źródło danych lub użytkownik — przetwarzanie w chmurze umożliwiło niezrównaną skalowalność, elastyczność i koszt efektywność.

Chwila przetwarzanie w chmurze niesie ze sobą wiele korzyści, nie jest pozbawione wad. Przesyłanie danych na duże odległości do centrów w chmurze, przetwarzanie ich, a następnie wysyłanie z powrotem wiąże się z opóźnieniami. W przypadku zadań wymagających natychmiastowej reakcji lub przetwarzania danych w czasie rzeczywistym opóźnienie to było nie do zaakceptowania. Dodatkowo, w połączeniu z ogromną przepustowością wymaganą do wysłania każdego bajtu danych do serwerów centralnych z potencjalnym przeciążeniem sieci, z pewnością sprawiło, że model oparty wyłącznie na chmurze był nieefektywny Aplikacje.

Wchodzić przetwarzanie brzegowe i jego kontynuacja, obliczanie mgły.

Co to jest przetwarzanie brzegowe?

Mając na uwadze ograniczenia przetwarzania w chmurze, opracowano rozwiązania brzegowe, aby zminimalizować opóźnienia i zoptymalizować przepustowość. The kluczowa różnica między przetwarzaniem w chmurze a przetwarzaniem brzegowym to ilość danych do przetworzenia; przetwarzanie w chmurze obsługuje ogromne ilości danych, podczas gdy przetwarzanie brzegowe koncentruje się na znacznie mniejszych podzbiorach.

Zamiast kierować wszystko do scentralizowanych serwerów, procesy danych zostały przesunięte bliżej źródła danych — być może kamery monitorującej, urządzenia do noszenia lub czujnika fabrycznego. Ta bliskość oznacza, że ​​dane można przetwarzać na miejscu, co zwiększa możliwość tworzenia responsywnych aplikacji działających w czasie rzeczywistym. Zlokalizowane przetwarzanie danych dobrze wróży również efektywności energetycznej i obniża ogólne koszty transmisji danych.

Chociaż przetwarzanie brzegowe rozwiązało problemy związane z opóźnieniami i przepustowością, wzbudziło także nowe obawy. Bezpieczeństwo stało się bardziej złożonym problemem, ponieważ dane są przetwarzane na wielu urządzeniach. Wiele małych urządzeń potrzebowało większej mocy obliczeniowej, aby wykonać rygorystyczne zadania. Co więcej, zarządzanie i konserwacja niezliczonych urządzeń brzegowych wprowadziło nowe złożoności.

Co to jest obliczanie mgły?

Fog Computing wkroczyła do akcji, aby pokonać ograniczenia swoich poprzedników obliczeniowych, chmury i urządzeń brzegowych. Rozszerza koncepcję przetwarzania brzegowego, tworząc rozproszoną infrastrukturę obliczeniową obejmującą szerszy obszar geograficzny, a nie tylko pojedyncze urządzenia.

Zamiast przetwarzać dane u źródła (jak w przypadku rozwiązań brzegowych) lub w odległych, scentralizowanych lokalizacjach (jak w przypadku chmury), przetwarzanie mgły działa bliżej źródła, ale nie dokładnie u źródła. W tym modelu obliczeniowym węzły mgły są strategicznie rozmieszczone w całej sieci, w tym na jej obrzeżach i w obrębie infrastruktury sieciowej. Węzły te mają większą moc obliczeniową niż typowe urządzenia brzegowe i mogą wykonywać bardziej złożone przetwarzanie i analizę danych.

W ten sposób skutecznie tworzy się „bliższa chmura” lub „chmura rozproszona”, która zapewnia to, co najlepsze z obu światów, jakie oferują poprzednie modele obliczeniowe. Celem mgły obliczeniowej jest zapewnienie hierarchii zasobów obliczeniowych, począwszy od urządzeń brzegowych, przez węzły mgły, aż po centra danych w chmurze. Optymalizuje to wydajność, zmniejsza opóźnienia i zapewnia bardziej ustrukturyzowany, a jednocześnie elastyczny system niż model czysto brzegowy lub chmurowy.

Chmura kontra. Krawędź. Obliczanie mgły: porównanie funkcji

Ta ewolucja od chmury do krawędzi i wreszcie do mgły ukazuje żywy obraz naszego nieustannego dążenia do optymalizacji danych przetwarzania, zapewniając najbardziej wydajne, responsywne i opłacalne systemy, aby sprostać zmiennym wymaganiom.

Biorąc to pod uwagę, należy zrozumieć wydajność i skuteczność przetwarzania w chmurze, na krawędzi lub mgle Na rozwiązania mogą w znaczący sposób wpływać możliwości i cechy urządzeń lokalnych zaangażowany. Czynniki ograniczające obejmują moc obliczeniową urządzenia, pamięć i możliwości przechowywania; kwestie związane z lokalizacją i opóźnieniem; zdolność przesyłania danych; oraz skalowalność i ogólną przydatność do danego zadania.

Rzeczywiste przykłady przetwarzania w chmurze, na krawędzi i we mgle

Każdy model obliczeniowy — chmura, brzeg i mgła — ma wpływ na rozwiązywanie konkretnych wyzwań w branży technologicznej. Zrozumienie praktycznych zastosowań każdego z nich ma swoje zalety zarówno dla użytkowników indywidualnych, jak i biznesowych.

Chmura obliczeniowa

Szkielet niezliczonych nowoczesnych usług cyfrowych, rozległe możliwości przechowywania i przetwarzania w chmurze obliczeniowej, na nowo zdefiniowały dostępność. Obecnie przykłady wykorzystania chmury obliczeniowej w działaniu są głęboko zakorzenione w naszym codziennym życiu, niezależnie od tego, czy zdajemy sobie z tego sprawę, czy nie.

Klasycznymi przykładami są usługi przesyłania strumieniowego, takie jak Netflix i Spotify. Zamiast przechowywać na swoich urządzeniach obszerne biblioteki filmów i muzyki, subskrybenci mogą przesyłać strumieniowo treści przechowywane w ogromnych centrach danych w chmurze.

Na przykład, gdy Netflix ogłosił funkcję wstrzymywania i wznawiania filmów i programów telewizyjnych na dowolnym urządzeniu w dowolnym pomieszczeniu w domu usługa przesyłania strumieniowego korzystała i nadal wykorzystuje technologię chmury obliczeniowej zasoby. Ta centralizacja oznacza, że ​​możesz rozpocząć oglądanie filmu na jednym urządzeniu, wstrzymać go i wznowić oglądanie treści na innym urządzeniu, a wszystko dzięki scentralizowanemu charakterowi danych w chmurze.

Przetwarzanie brzegowe

W miarę jak urządzenia stają się inteligentniejsze i bardziej zintegrowane z naszą codzienną rutyną, zapotrzebowanie na możliwości szybkiego podejmowania decyzji rośnie wykładniczo. Na przykład smartfony wykorzystują przetwarzanie brzegowe do rozpoznawania mowy, przetwarzania obrazu i innych zadań. Wiadomo również, że inteligentne kamery i inne inteligentne urządzenia domowe wykorzystują przetwarzanie brzegowe.

I w końcu, samochody autonomiczne w dużym stopniu polegają na przetwarzaniu brzegowym przy podejmowaniu decyzji w czasie rzeczywistym. Czujniki i komputery pokładowe analizują dane z kamer, LiDAR, radarów i innych czujników, aby nawigować i reagować na otoczenie bez konieczności korzystania z odległego serwera w chmurze.

Obliczenia mgły

Łącząc najlepsze cechy chmury i urządzeń brzegowych, mgła obliczeniowa sprawdza się w scenariuszach wymagających skoordynowanych, lokalnych decyzji bez obciążania poszczególnych urządzeń. Doskonałym przykładem są inicjatywy inteligentnego miasta.

Wyobraź sobie inteligentny system ruchu w mieście: zamiast podejmowania decyzji przez każdą sygnalizację świetlną niezależnie (jak w przypadku Edge) lub polegania wyłącznie na odległych systemie centralnym (jak w przypadku chmury), sygnalizacja świetlna w danym regionie może komunikować się z lokalnym węzłem mgły w celu podejmowania bardziej skoordynowanych decyzji.

Na przykład, jeśli w jednym obszarze pojawi się korek, system może dostosować czas świecenia w sąsiadujących strefach, aby zmniejszyć natężenie ruchu bez konieczności przesyłania danych do centralnej chmury i z powrotem.

Wyjaśnienie żargonu chmurowego

Chociaż każdy ma swoje miejsce, przetwarzanie w chmurze, na krawędzi i mgle odgrywa rolę w zoptymalizowanym, wydajnym i responsywnym ekosystemie obliczeniowym. Użytkownicy i firmy odnoszą korzyści, wyjaśniając żargon i rozumiejąc jego praktyczne zastosowania. W miarę dalszego wykorzystywania mocy danych, zapewnienie ich wydajnego, bezpiecznego i szybkiego przetwarzania pozostanie w czołówce postępu technologicznego.