Выберите регион

Санкт-Петербург Ленинградская область Коми республика Архангельская область Вологодская область Мурманская область Новгородская область Псковская область Калининградская область Ненецкий автономный округ Крым республика Севастополь Днепропетровская область Алтайский край Минская область Чеченская республика Ханты-Мансийский автономный округ Карелия республика Марий Эл республика Самарская область Татарстан республика Тыва республика Ульяновская область Ямало-Ненецкий автономный округ Камчатский край город Киев Сахалинская область Еврейская автономная область Алтай республика Одесская область Амурская область Хабаровский край Витебская область Приморский край Саха (Якутия) республика Красноярский край Бурятия республика Брянская область Моголёвская область Дагестан республика Забайкальский край Карагандинская область Новосибирская область Калмыкия республика Астраханская область Кабардино-Балкарская республика Карачаево-Черкесская республика Адыгея республика Ингушетия республика Башкортостан республика Белгородская область Хакасия республика Ивановская область Северная Осетия - Алания республика Костромская область Мордовия республика Курская область Орловская область Смоленская область Калужская область Чувашская республика Челябинская область Иркутская область Поморский регион Кировская область Кемеровская область /Кузбас/ Краснодарский край Липецкая область город Клайпеда Тамбовская область Нижегородская область Омская область Оренбургская область Пензенская область Пермский край Ростовская область Рязанская область Саратовская область Ставропольский край Свердловская область Тюменская область Томская область Тульская область Тверская область Удмуртская республика Волгоградская область Воронежская область Ярославская область Московская область Москва

Фраза дня: периферийные вычисления

8 октября 2021

Периферийные (граничные) вычисления - это архитектура распределенных информационных технологий (ИТ), в которой данные клиентов обрабатываются на периферии сети, как можно ближе к исходному источнику.

Данные - это жизненная сила современного бизнеса, они обеспечивают ценную информацию о бизнесе и поддерживают контроль в реальном времени над критически важными бизнес-процессами и операциями. Сегодняшний бизнес наводнен океаном данных, и огромные объемы данных можно регулярно собирать с датчиков и устройств Интернета вещей, работающих в режиме реального времени из удаленных мест и негостеприимных операционных сред практически из любой точки мира.

Но этот виртуальный поток данных также меняет способ работы компаний с вычислениями. Традиционная вычислительная парадигма, основанная на централизованном центре обработки данных и повседневном Интернете, не очень хорошо подходит для перемещения бесконечно растущих рек реальных данных. Ограничения полосы пропускания, проблемы с задержкой и непредсказуемые сбои в работе сети могут помешать этим усилиям. Компании решают эти проблемы с данными, используя архитектуру периферийных вычислений.

Проще говоря, периферийные вычисления перемещают некоторую часть ресурсов хранения и вычислительных ресурсов из центрального центра обработки данных и ближе к источнику самих данных. Вместо того, чтобы передавать необработанные данные в центральный центр обработки данных для обработки и анализа, эта работа выполняется там, где данные фактически генерируются - будь то розничный магазин, производственный цех, разветвленное коммунальное предприятие или умный город. Только результат этой вычислительной работы на периферии, такой как бизнес-аналитика в реальном времени, прогнозы обслуживания оборудования или другие полезные ответы, отправляется обратно в главный центр обработки данных для проверки и других взаимодействий с людьми.

Таким образом, периферийные вычисления меняют ИТ и бизнес-вычисления. Получите исчерпывающий обзор того, что такое периферийные вычисления, как они работают, влияние облака, варианты использования периферии, компромиссы и особенности реализации.

Как работают периферийные вычисления?
Периферийные вычисления - это все вопрос местоположения. В традиционных корпоративных вычислениях данные производятся на клиентской конечной точке, например на компьютере пользователя. Эти данные перемещаются по глобальной сети, такой как Интернет, через корпоративную локальную сеть, где данные хранятся и обрабатываются корпоративным приложением. Затем результаты этой работы передаются обратно в конечную точку клиента. Это остается проверенным и проверенным временем подходом к вычислениям клиент-сервер для большинства типичных бизнес-приложений.

Но количество устройств, подключенных к Интернету, и объем данных, производимых этими устройствами и используемых предприятиями, растет слишком быстро, чтобы их можно было разместить в традиционных инфраструктурах центров обработки данных. Gartner прогнозирует, что к 2025 году 75% корпоративных данных будут создаваться за пределами централизованных центров обработки данных. Перспектива перемещения такого большого объема данных в ситуациях, которые часто могут зависеть от времени или сбоев, создает невероятную нагрузку на глобальный Интернет, который сам часто подвержен перегрузкам и сбоям.

Таким образом, ИТ-архитекторы сместили акцент с центрального центра обработки данных на логическую границу инфраструктуры - забирая ресурсы хранения и вычислительные ресурсы из центра обработки данных и перемещая эти ресурсы в точку, где генерируются данные. Принцип прост: если вы не можете получить данные ближе к центру обработки данных, переместите центр обработки данных ближе к данным. Концепция периферийных вычислений не нова, и она уходит корнями в давние идеи удаленных вычислений, таких как удаленные офисы и филиалы, где было более надежно и эффективно размещать вычислительные ресурсы в желаемом месте, а не полагаться на единое центральное расположение.

Периферийные вычисления размещают хранилище и серверы там, где хранятся данные, часто требуя немногим больше, чем частичная стойка оборудования для работы в удаленной локальной сети для сбора и обработки данных локально. Во многих случаях вычислительное оборудование размещается в экранированных или закаленных корпусах для защиты оборудования от экстремальных температур, влажности и других условий окружающей среды. Обработка часто включает в себя нормализацию и анализ потока данных для поиска бизнес-аналитики, и только результаты анализа отправляются обратно в основной центр обработки данных.

Идея бизнес-аналитики может сильно различаться. Некоторые примеры включают розничную торговлю, где видеонаблюдение в выставочном зале может быть объединено с фактическими данными о продажах для определения наиболее желательной конфигурации продукта или потребительского спроса. Другие примеры включают прогнозную аналитику, которая может помочь в обслуживании и ремонте оборудования до того, как возникнут реальные дефекты или отказы. Еще другие примеры часто связаны с коммунальными услугами, такими как очистка воды или производство электроэнергии, чтобы гарантировать правильную работу оборудования и поддерживать качество продукции.

Периферийные, облачные и туманные вычисления
Периферийные вычисления тесно связаны с концепциями облачных вычислений и туманных вычислений. Хотя эти концепции частично пересекаются, это не одно и то же, и, как правило, их не следует использовать взаимозаменяемо. Полезно сравнить концепции и понять их различия.

Один из самых простых способов понять разницу между периферийными, облачными и туманными вычислениями - выделить их общую тему: все три концепции относятся к распределенным вычислениям и сосредоточены на физическом развертывании вычислительных ресурсов и ресурсов хранения по отношению к производимым данным. Разница в том, где расположены эти ресурсы.

Периферийные вычисления - это развертывание вычислительных ресурсов и ресурсов хранения в том месте, где производятся данные. В идеале вычислительные ресурсы и хранилище размещаются в той же точке, что и источник данных на границе сети. Например, небольшой корпус с несколькими серверами и некоторым хранилищем может быть установлен поверх ветряной турбины для сбора и обработки данных, производимых датчиками внутри самой турбины. В качестве другого примера железнодорожная станция может разместить на станции небольшое количество вычислений и хранилищ для сбора и обработки бесчисленных данных датчиков железнодорожного и железнодорожного движения. Результаты любой такой обработки затем могут быть отправлены обратно в другой центр обработки данных для анализа, архивирования и объединения с результатами других данных для более широкой аналитики.

Облачные вычисления - это огромное масштабируемое развертывание вычислительных ресурсов и ресурсов хранения в одном из нескольких распределенных глобальных местоположений (регионов). Облачные провайдеры также включают в себя набор готовых сервисов для операций IoT, что делает облако предпочтительной централизованной платформой для развертываний IoT. Но даже несмотря на то, что облачные вычисления предлагают гораздо больше, чем достаточно ресурсов и услуг для решения сложной аналитики, ближайший региональный облачный объект все еще может находиться в сотнях миль от точки сбора данных, а соединения зависят от того же темпераментного подключения к Интернету, которое поддерживает традиционные данные. центры. На практике облачные вычисления являются альтернативой, а иногда и дополнением к традиционным центрам обработки данных. Облако может значительно приблизить централизованные вычисления к источнику данных, но не на границе сети.

Туман. Но выбор развертывания вычислений и хранилищ не ограничивается облаком или периферией. Облачный центр обработки данных может быть слишком далеко, но периферийное развертывание может быть просто слишком ограниченным в ресурсах или физически рассредоточенным или распределенным, чтобы сделать строгие периферийные вычисления практичными. В этом случае может помочь понятие туманных вычислений. Туманные вычисления обычно делают шаг назад и помещают вычислительные ресурсы и ресурсы хранения «в» данные, но не обязательно «в» данные.

Среды туманных вычислений могут производить ошеломляющие объемы данных датчиков или IoT, генерируемых в обширных физических областях, которые слишком велики, чтобы определять границу. Примеры включают умные здания, умные города или даже умные инженерные сети. Рассмотрим умный город, в котором данные можно использовать для отслеживания, анализа и оптимизации системы общественного транспорта, муниципальных служб, городских служб и управления долгосрочным городским планированием. Одного пограничного развертывания просто недостаточно для обработки такой нагрузки, поэтому туманные вычисления могут управлять серией развертываний туманных узлов в рамках среды для сбора, обработки и анализа данных.

Примечание. Важно повторить, что туманные вычисления и периферийные вычисления имеют почти идентичное определение и архитектуру, и эти термины иногда используются взаимозаменяемо даже среди технических экспертов.

Почему важны периферийные вычисления?
Вычислительные задачи требуют подходящей архитектуры, и архитектура, подходящая для одного типа вычислительной задачи, не обязательно подходит для всех типов вычислительных задач. Периферийные вычисления превратились в жизнеспособную и важную архитектуру, которая поддерживает распределенные вычисления для развертывания вычислительных ресурсов и ресурсов хранения ближе, в идеале в том же физическом месте, что и источник данных. В целом, модели распределенных вычислений вряд ли новы, а концепции удаленных офисов, филиалов, размещения центров обработки данных и облачных вычислений имеют долгую и проверенную репутацию.

Но децентрализация может оказаться сложной задачей, требующей высокого уровня мониторинга и контроля, которые легко упустить из виду при отходе от традиционной централизованной модели вычислений. Периферийные вычисления стали актуальными, потому что они предлагают эффективное решение возникающих сетевых проблем, связанных с перемещением огромных объемов данных, которые современные организации производят и потребляют. Это не просто проблема количества. Это тоже вопрос времени; приложения зависят от обработки и ответов, которые становятся все более чувствительными ко времени.

Рассмотрим рост беспилотных автомобилей. Они будут зависеть от интеллектуальных сигналов управления движением. Автомобили и органы управления дорожным движением должны будут производить, анализировать и обмениваться данными в режиме реального времени. Умножьте это требование на огромное количество автономных транспортных средств, и масштаб потенциальных проблем станет яснее. Это требует быстрой и отзывчивой сети. Периферийные и туманные вычисления устраняют три основных ограничения сети: пропускную способность, задержку, перегрузку или надежность.

  • Пропускная способность. Пропускная способность - это объем данных, который сеть может передавать с течением времени, обычно выражаемый в битах в секунду. Все сети имеют ограниченную полосу пропускания, а для беспроводной связи ограничения более жесткие. Это означает, что существует конечный предел объема данных или количества устройств, которые могут передавать данные по сети. Хотя можно увеличить пропускную способность сети для размещения большего количества устройств и данных, стоимость может быть значительной, все еще существуют (более высокие) конечные ограничения, и это не решает других проблем.
  • Задержка. Задержка - это время, необходимое для отправки данных между двумя точками в сети. Хотя в идеале обмен данными происходит со скоростью света, большие физические расстояния в сочетании с перегрузкой сети или отключениями могут задерживать перемещение данных по сети. Это задерживает любые аналитические процессы и процессы принятия решений и снижает способность системы реагировать в режиме реального времени. Это даже стоило жизни в примере с автономным транспортным средством.
  • Скопление. Интернет - это, по сути, глобальная «сеть сетей». Несмотря на то, что он эволюционировал, чтобы предложить хороший универсальный обмен данными для большинства повседневных вычислительных задач, таких как обмен файлами или базовая потоковая передача, объем данных, связанных с десятками миллиардов устройств, может перегружать Интернет, вызывая высокий уровень перегрузки и принудительная повторная передача данных, требующая много времени. В других случаях сбои в сети могут усугубить перегрузку и даже полностью прервать связь с некоторыми пользователями Интернета, что сделает Интернет бесполезным во время сбоев.

Благодаря развертыванию серверов и хранилищ, в которых генерируются данные, периферийные вычисления могут управлять многими устройствами в гораздо меньшей и более эффективной локальной сети, где широкая полоса пропускания используется исключительно локальными устройствами генерации данных, что практически исключает задержку и перегрузку. Локальное хранилище собирает и защищает необработанные данные, в то время как локальные серверы могут выполнять важную пограничную аналитику - или, по крайней мере, предварительно обрабатывать и сокращать данные - для принятия решений в режиме реального времени перед отправкой результатов или просто важных данных в облако или центральный дата-центр.

Сценарии и примеры использования пограничных вычислений
В принципе, методы граничных вычислений используются для сбора, фильтрации, обработки и анализа данных «на месте» на границе сети или рядом с ней. Это мощное средство использования данных, которые нельзя сначала перенести в централизованное место - обычно потому, что из-за огромного объема данных такие перемещения становятся непомерно дорогостоящими, технологически непрактичными или могут иным образом нарушать нормативные обязательства, такие как суверенитет данных. Это определение породило множество реальных примеров и вариантов использования:

  • Производство. Промышленный производитель развернул периферийные вычисления для мониторинга производства, обеспечивая аналитику в реальном времени и машинное обучение на периферии, чтобы находить производственные ошибки и повышать качество производства продукции. Периферийные вычисления поддерживали добавление датчиков окружающей среды по всему производственному предприятию, обеспечивая понимание того, как каждый компонент продукта собирается и хранится, а также как долго компоненты остаются на складе. Теперь производитель может принимать более быстрые и точные бизнес-решения в отношении производственных мощностей и производственных операций.
  • Сельское хозяйство. Рассмотрим бизнес, который выращивает зерновые в помещении без солнечного света, почвы и пестицидов. Этот процесс сокращает время выращивания более чем на 60%. Использование датчиков позволяет бизнесу отслеживать использование воды, плотность питательных веществ и определять оптимальный урожай. Данные собираются и анализируются для выявления влияния факторов окружающей среды и постоянного улучшения алгоритмов выращивания сельскохозяйственных культур, а также обеспечения уборки урожая в оптимальных условиях.
  • Оптимизация сети. Граничные вычисления могут помочь оптимизировать производительность сети, измеряя производительность для пользователей в Интернете, а затем используя аналитику для определения наиболее надежного сетевого пути с малой задержкой для трафика каждого пользователя. Фактически, граничные вычисления используются для «направления» трафика по сети для обеспечения оптимальной производительности трафика, зависящего от времени.
  • Безопасность на рабочем месте. Периферийные вычисления могут объединять и анализировать данные с локальных камер, устройств безопасности сотрудников и различных других датчиков, чтобы помочь предприятиям контролировать условия на рабочем месте или гарантировать, что сотрудники соблюдают установленные протоколы безопасности, особенно когда рабочее место удалено или необычно опасно, например, на строительных площадках. или нефтяные вышки.
  • Улучшенное здравоохранение. В отрасли здравоохранения значительно увеличился объем данных о пациентах, собираемых с устройств, датчиков и другого медицинского оборудования. Такой огромный объем данных требует, чтобы периферийные вычисления применяли автоматизацию и машинное обучение для доступа к данным, игнорирования «нормальных» данных и выявления проблемных данных, чтобы врачи могли незамедлительно принять меры, чтобы помочь пациентам избежать проблем со здоровьем в режиме реального времени.
  • Транспорт. Автономные транспортные средства требуют и производят от 5 до 20 ТБ в день, собирая информацию о местоположении, скорости, состоянии транспортного средства, дорожных условиях, условиях движения и других транспортных средствах. И данные должны быть агрегированы и проанализированы в режиме реального времени, пока автомобиль находится в движении. Это требует значительных бортовых вычислений - каждое автономное транспортное средство становится «преимуществом». Кроме того, эти данные могут помочь властям и предприятиям управлять автопарком с учетом реальных условий на местности.
  • Розничная торговля. Розничные предприятия также могут производить огромные объемы данных в результате наблюдения, отслеживания запасов, данных о продажах и других данных о бизнесе в режиме реального времени. Периферийные вычисления могут помочь проанализировать эти разнообразные данные и определить бизнес-возможности, такие как эффективный конечный результат или кампанию, спрогнозировать продажи и оптимизировать заказы поставщиков и т. Д. Поскольку предприятия розничной торговли могут сильно отличаться в зависимости от местных условий, периферийные вычисления могут быть эффективным решением для локальной обработки данных в каждом магазине.

Преимущества периферийных вычислений
Граничные вычисления решают жизненно важные проблемы инфраструктуры, такие как ограничения полосы пропускания, избыточная задержка и перегрузка сети, но есть несколько потенциальных дополнительных преимуществ для граничных вычислений, которые могут сделать этот подход привлекательным в других ситуациях.

Автономность. Граничные вычисления полезны там, где подключение ненадежно или пропускная способность ограничена из-за характеристик окружающей среды сайта. Примеры включают нефтяные вышки, корабли в море, отдаленные фермы или другие удаленные места, такие как тропический лес или пустыня. Граничные вычисления выполняют вычислительную работу на месте - иногда на самом периферийном устройстве - например, датчики качества воды на водоочистителях в удаленных деревнях, и могут сохранять данные для передачи в центральную точку только при наличии возможности подключения. За счет локальной обработки данных объем передаваемых данных может быть значительно уменьшен, что требует гораздо меньшей полосы пропускания или времени подключения, чем могло бы потребоваться в противном случае.

Суверенитет данных. Перемещение огромных объемов данных - это не просто техническая проблема. Перемещение данных через национальные и региональные границы может создать дополнительные проблемы для безопасности данных, конфиденциальности и других юридических вопросов. Пограничные вычисления могут использоваться для хранения данных рядом с их источником и в рамках действующих законов о суверенитете данных, таких как GDPR Европейского Союза, который определяет, как данные должны храниться, обрабатываться и предоставляться. Это может позволить обрабатывать необработанные данные локально, скрывая или защищая любые конфиденциальные данные перед отправкой чего-либо в облако или основной центр обработки данных, которые могут находиться в других юрисдикциях.

Безопасность. Наконец, периферийные вычисления предлагают дополнительную возможность для реализации и обеспечения безопасности данных. Хотя облачные провайдеры имеют услуги IoT и специализируются на комплексном анализе, предприятия по-прежнему обеспокоены безопасностью данных, когда они покидают границу и возвращаются в облако или центр обработки данных. Путем реализации вычислений на периферии любые данные, проходящие по сети обратно в облако или центр обработки данных, могут быть защищены с помощью шифрования, а само периферийное развертывание может быть защищено от хакеров и других злонамеренных действий - даже когда безопасность на устройствах IoT остается ограниченной.

Проблемы периферийных вычислений
Хотя периферийные вычисления могут обеспечить убедительные преимущества во множестве сценариев использования, эта технология далеко не надежна. Помимо традиционных проблем сетевых ограничений, есть несколько ключевых факторов, которые могут повлиять на внедрение граничных вычислений:

  • Ограниченные возможности. Отчасти привлекательность, которую облачные вычисления привносят в периферийные (или туманные) вычисления, заключается в разнообразии и масштабе ресурсов и услуг. Развертывание инфраструктуры на периферии может быть эффективным, но объем и цель развертывания на периферии должны быть четко определены - даже обширное развертывание периферийных вычислений служит определенной цели в заранее определенном масштабе с использованием ограниченных ресурсов и небольшого количества услуг.
  • Связь. Граничные вычисления преодолевают типичные сетевые ограничения, но даже для самого щадящего периферийного развертывания потребуется некоторый минимальный уровень подключения. Очень важно спроектировать периферийное развертывание, которое учитывает плохое или неустойчивое подключение, и учитывать, что происходит на периферии при потере подключения. Автономность, искусственный интеллект и изящное планирование отказов после проблем с подключением необходимы для успешных периферийных вычислений.
  • Безопасность. IoT-устройства, как известно, небезопасны, поэтому крайне важно разработать развертывание периферийных вычислений, в котором особое внимание будет уделяться надлежащему управлению устройствами, например принудительному применению конфигурации на основе политик, а также безопасности вычислительных ресурсов и ресурсов хранения, включая такие факторы, как исправление программного обеспечения и обновления. - с особым вниманием к шифрованию данных в состоянии покоя и в полете. Услуги Интернета вещей от крупных облачных провайдеров включают безопасную связь, но это не происходит автоматически при создании периферийного сайта с нуля.
  • Жизненные циклы данных. Неизменная проблема сегодняшнего перенасыщения данными заключается в том, что большая часть этих данных не нужна. Рассмотрим устройство медицинского мониторинга - критически важны только данные о проблемах, и нет смысла хранить обычные данные о пациентах в течение нескольких дней. Большая часть данных, используемых в аналитике в реальном времени, - это краткосрочные данные, которые не хранятся в течение длительного времени. Бизнес должен решить, какие данные хранить, а какие отбросить после проведения анализа. И данные, которые сохраняются, должны быть защищены в соответствии с бизнес-политиками и нормативными требованиями.

Реализация граничных вычислений
Граничные вычисления - это простая идея, которая может показаться легкой на бумаге, но разработка целостной стратегии и внедрение надежного развертывания на границе может оказаться сложной задачей.

Первым жизненно важным элементом любого успешного развертывания технологий является создание значимой стратегии развития бизнеса и технических преимуществ. Такая стратегия не связана с выбором продавцов или снаряжения. Вместо этого пограничная стратегия учитывает необходимость периферийных вычислений. Понимание «почему» требует четкого понимания технических и бизнес-проблем, которые пытается решить организация, таких как преодоление сетевых ограничений и соблюдение суверенитета данных.

Такие стратегии могут начинаться с обсуждения того, что означает преимущество, где оно существует для бизнеса и как оно должно принести пользу организации. Пограничные стратегии также должны согласовываться с существующими бизнес-планами и технологическими дорожными картами. Например, если бизнес стремится уменьшить площадь централизованного центра обработки данных, тогда периферийные и другие распределенные вычислительные технологии могут хорошо согласоваться.

По мере того, как проект приближается к реализации, важно тщательно оценить параметры аппаратного и программного обеспечения. В области периферийных вычислений есть множество поставщиков, включая Adlink Technology, Cisco, Amazon, Dell EMC и HPE. Каждое предложение продукта должно быть оценено на предмет стоимости, производительности, функций, совместимости и поддержки. С точки зрения программного обеспечения инструменты должны обеспечивать полную видимость и контроль над удаленной пограничной средой.

Фактическое развертывание инициативы по периферийным вычислениям может сильно различаться по объему и масштабу, начиная от некоторого локального вычислительного оборудования в защищенном в боях корпусе наверху утилиты до огромного набора датчиков, обеспечивающих сетевое соединение с высокой пропускной способностью и малой задержкой для подключения к сети. публичное облако. Нет двух одинаковых периферийных развертываний. Именно эти вариации делают краевую стратегию и планирование столь важными для успеха краевого проекта.

Пограничное развертывание требует всестороннего мониторинга. Помните, что может быть сложно - или даже невозможно - привлечь ИТ-персонал к физическому периферийному сайту, поэтому периферийные развертывания должны быть спроектированы таким образом, чтобы обеспечить отказоустойчивость, отказоустойчивость и возможности самовосстановления. Инструменты мониторинга должны предлагать четкий обзор удаленного развертывания, обеспечивать простую инициализацию и настройку, предлагать комплексные предупреждения и отчеты, а также поддерживать безопасность установки и ее данных. Пограничный мониторинг часто включает в себя набор показателей и ключевых показателей эффективности, таких как доступность или время безотказной работы сайта, производительность сети, емкость и использование хранилища, а также вычислительные ресурсы.

И никакая реализация грани не будет полной без тщательного рассмотрения обслуживания :

  • Безопасность. Меры физической и логической безопасности имеют жизненно важное значение и должны включать инструменты, делающие упор на управление уязвимостями, а также на обнаружение и предотвращение вторжений. Безопасность должна распространяться на сенсоры и устройства IoT, поскольку каждое устройство является сетевым элементом, к которому можно получить доступ или взломать, что представляет собой ошеломляющее количество возможных поверхностей для атак.
  • Связь. Другой проблемой является возможность подключения, и необходимо предусмотреть доступ к управлению и отчетности, даже если подключение к фактическим данным недоступно. Некоторые периферийные развертывания используют вторичное соединение для резервного подключения и управления.
  • Управление. Удаленные и часто негостеприимные местоположения периферийных развертываний делают удаленное обеспечение и управление важными. ИТ-менеджеры должны иметь возможность видеть, что происходит на периферии, и при необходимости контролировать развертывание.
  • Физическое обслуживание. Нельзя упускать из виду требования к физическому обслуживанию. Устройства Интернета вещей часто имеют ограниченный срок службы из-за регулярной замены батарей и устройств. Механизм выходит из строя и в конечном итоге требует обслуживания и замены. Практическая логистика на объекте должна быть включена в техническое обслуживание.

Граничные вычисления, возможности Интернета вещей и 5G
Периферийные вычисления продолжают развиваться, используя новые технологии и методы для улучшения своих возможностей и производительности. Возможно, наиболее примечательной тенденцией является доступность периферии, и ожидается, что пограничные услуги станут доступны во всем мире к 2028 году. В то время как периферийные вычисления сегодня часто зависят от конкретной ситуации, ожидается, что технология станет более повсеместной и изменит способ использования Интернета, в результате чего больше абстракции и потенциальных вариантов использования периферийных технологий.

Это можно увидеть в быстром увеличении количества продуктов для вычислений, хранения и сетевых устройств, специально разработанных для периферийных вычислений. Расширение партнерских отношений с несколькими поставщиками обеспечит лучшую совместимость продуктов и гибкость на периферии. Примером может служить партнерство между AWS и Verizon для улучшения связи на периферии.

Технологии беспроводной связи, такие как 5G и Wi-Fi 6, также повлияют на развертывание и использование периферийных устройств в ближайшие годы, обеспечивая возможности виртуализации и автоматизации, которые еще предстоит изучить, такие как улучшенная автономность транспортных средств и миграция рабочих нагрузок на периферию, в то время как делая беспроводные сети более гибкими и экономичными.

Граничные вычисления стали заметны с развитием Интернета вещей и внезапным избытком данных, производимых такими устройствами. Но поскольку технологии Интернета вещей все еще находятся в зачаточном состоянии, развитие устройств Интернета вещей также окажет влияние на будущее развитие периферийных вычислений. Одним из примеров таких будущих альтернатив является развитие микромодульных центров обработки данных (MMDC). MMDC - это, по сути, центр обработки данных в коробке, который помещает полный центр обработки данных в небольшую мобильную систему, которую можно развернуть ближе к данным - например, в городе или регионе - чтобы сделать вычисления намного ближе к данным, не помещая край на самих данных.