محاسبات لبه یا edge computing یک فناوری جدید در رایانش ابری

فرشاد مراحم

edge computing یک فناوری پیشرفته و جدید

در مقالات قبلی با مفهوم رایانش ابری کامل آشنا شدیم و متوجه شدیم که برای حل مشکل منابع سخت افزاری نیازی به پرداخت هزینه های کلان جهت ارتقاء سخت افز سیستم نیست و کافی است روش استفاده از این فناوری را بدانیم. ولی دنیای رایانش همچنان در حال پیشرفت است و روز به روز کار ما را آسانتر خواهد کرد.

رایانش لبه یا edge computing فناوری جدیدی است که در سال های اخیر تاثیرات مثبتی در فضای فناوری اطلاعات از خود برجای گذاشته است و به نظر می رسد که توانایی تغییر نحوه ساخت و پردازش اطلاعات را به طرز چشمگیری داشته باشد.

در این مقاله قصد داریم تا محاسبات لبه را به طور کامل بررسی کنیم و اهمیت استفاده از این فناوری را بدانیم و کاربردهای آنرا در زمینه های مختلف بیان کنیم.

edge Computing یک شبکه Mesh می باشد که رکوردهای مهم را به صورت محلی پردازش یا ذخیره می کند و برعکس رایانش ابری که برای پردازش داده نیاز به حداقل ده مرکز داده می باشد، متکی به دیتا سنتر های بزرگ نیست.

رایانش ابری انقلابی در حوزه ذخیره و پردازش داده در رایانش ابری بوجود آورده و همانطور که گفته شد محاسبات ابری چندین دیتاسنتر مختلف را درگیر می کند و پردازش در آن ها انجام می شود، اما در محاسبات لبه ای پردازش تنها در داخل منبع صورت می گیرد. در واقع هدف از طراحی محاسبات لبه ای یا همان edge Computing این است که پردازش ها اطراف منبع انجام شوند و به دیتاسنتر های مختلف نیازی نداشته باشند.

میتوان گفت Edge computing یک شبکه متمرکز می باشد که تا حد امکان بحث تأخیر و استفاده از پهنای باند را کاهش داده است. به عبارت ساده تر ، محاسبه لبه به معنای اجرای فرآیندهای کمتر در cloud و انتقال آن پردازش ها به مکان های محلی ، مانند رایانه کاربر ، سیستم IOT یا سرور edge می باشد.انجام پردازش ها توسط فناوری Edge computing فاصله مکانی بین کلاینت و سرور را به حداقل می رساند.

تفاوت edge computing با دیگر مدل های رایانشی چیست؟

اولین رایانه ها از لحاظ اندازه و حجم ماشین های بزرگی بودند که فقط به طور مستقیم یا از طریق پایانه هایی که اساساً پسوند رایانه داشتند ، قابل دسترسی بودند. با اختراع رایانه های شخصی ، انجام محاسبات به شیوه ای بسیار توزیع شده صورت گرفت. برای مدتی ، محاسبات در کامپیوترهای شخصی مدل غالب بودند. برنامه ها اجرا می شدند و داده ها به صورت محلی در دستگاه کاربر یا بعضی اوقات در یک مرکز داده پیش فرض ذخیره می شدند.

رایانش ابری ، یک مدل جدید پردازش و ذخیره سازی داده ، مزایای زیادی را نسبت به محاسبات محلی ارائه داد. بطوریکه سرویس های ابری در یک "ابر" (یا مجموعه ای از مراکز داده) متمرکز می شوند و  از هر دستگاهی در بستر اینترنت می توانیم به این داده ها دسترسی داشته باشیم.

با این حال ، Cloud Computing می تواند باعث بوجود آمدن Delay به دلیل فاصله بین کاربران و مراکز داده ای که سرویس های ابری در آن میزبانی می شوند بشود. ولی محاسبات لبه این مشکل را حل کرده و پردازش ها را به کاربران نهایی نزدیک می کند تا مسافتی را که داده ها باید طی کنند ، به حداقل برساند ، در حالی که همچنان ماهیت متمرکز رایانش ابری را حفظ می کند.

یک مثال ساده برای درک بهتر مفهوم Edge computing

ساختمانی را در نظر بگیرید که با ده ها دوربین مدار بسته فیلمبرداری با کیفیت عالی امن شده است. اینها دوربین هایی هستند که به سادگی یک سیگنال تصویری خام را تولید می کنند و به طور مداوم آن سیگنال را به یک سرور ابر انتقال می دهند. 

معماری به این گونه می باشد که درون سرور ابری ، یک برنامه تشخیص حرکت برای اطمینان از اینکه فقط کلیپ های دارای فعالیت در پایگاه داده سرور ذخیره شوند وجود دارد و تمامی فیلم ها از این طریق و بعد از ردشدن از فیلتر ذخیره می شوند.

این بدان معنی است که زیرساخت اینترنت ساختمان به طور مداوم و قابل توجهی تحت فشار قرار می گیرد ، زیرا پهنای باند قابل توجهی جهت انتقال حجم بالای فیلم های ویدئویی مورد استفاده قرار میگیرد. علاوه بر این ، بار بسیار سنگینی بر روی سرور Cloud وجود دارد که باید تصاویر ویدئویی را از همه دوربین ها به طور همزمان پردازش کند.

حال تصور کنید که برنامه تشخیص حرکت به شبکه محاسبه لبه منتقل شود. اگر هر دوربین از رایانه داخلی خود برای اجرای برنامه تشخیص حرکت استفاده کند و سپس فیلم را به سرور ابری در صورت لزوم ارسال کند ، چه اتفاقی رخ می دهد؟ این امر منجر به کاهش قابل توجهی در استفاده از پهنای باند می شود ، زیرا بسیاری از تصاویر دوربین هرگز مجبور به رفتن به سرور ابری نیستند. علاوه بر این ، سرور Cloud  فقط وظیفه ذخیره تصاویر مهم را بر عهده دارد ، به این معنی که سرور می تواند با تعداد بیشتری دوربین بدون بارگیری زیاد ارتباط برقرار کند. این همان چیزی است که محاسبات لبه ای انجام میدهد.

کاربرد Edge computing در زمینه های مختلف 

محاسبات لبه را می توان در طیف گسترده ای از برنامه ها ، محصولات و خدمات گنجانید. چند زمینه را به عنوان مثال بیان میکنیم:

نظارت بر سیستم امنیتی : همانطور که در بالا توضیح داده شد.

اتومبیل های خودران : وسایل نقلیه برای انجام واکنش در زمان واقعی و مورد نیاز نباید منتظر دستورالعمل های سرور باشند ، بنابراین از کاربردهای محاسبات لبه باید استفاده شود و از منابع خود خودرو دستورالعمل ها باید ارسال شوند.

ذخیره کارآمدتر : با اجرای کد در شبکه CDN edge ، یک برنامه کاربردی می تواند نحوه ذخیره سازی محتوا را برای ارائه کارآمدتر محتوا به کاربران تنظیم کند.

دستگاه های نظارت پزشکی : برای دستگاه های پزشکی بسیار مهم است که در زمان واقعی پاسخ دهند و مانند خودروهای اتوماتیک بدون اینکه منتظر پاسخ از یک سرور ابری باشند.

کنفرانس ویدیویی : برای داشتن یک ویدیو کنفرانس Real Time با کیفیت بالا که پهنای باند کمی اشغال کند محاسبات لبه کاربرد بسیار زیادی دارد و موجب کاهش Delay می شود.

یکی دیگر از کاربردهای مهم محاسبات لبه در بخش اقتصادی می باشد. یکی از مهم‌ترین کارکرد‌های edge computing ، در یافتن و جلوگیری از ذخیره سازی تراکنش‌های ناموفق می باشد. پروسه ای که در حال حاضر طی می‌شود این است که سازمان‌ها باید داده‌ها و اطلاعات مالی را به یک دیتا سنتر مرکزی ارسال کنند یا در یک فضای ابری آپلود کنند تا توانایی  پردازش و تجزیه‌ و تحلیل داده ها را داشته باشند. ایجاد این Delay در رفت‌ و برگشت اطلاعات از ارزش داده‌ها می‌کاهد و می‌تواند باعث ایجاد برخی از مشکلات شود. با استفاده از مراکز داده‌هایی که مجهز به سیستم Edge computing هستند تجزیه‌وتحلیل‌ها و پردازش اطلاعات به‌ صورت آنی انجام می‌شود، به این معنی که تراکنش‌های ناسازگار با سیستم بانکی با سرعت بیشتری شناسایی و متوقف می‌شوند و چنین تغییری می‌تواند تأثیر بسیار مثبتی در روند تحلیل و پردازش داده‌های مالی داشته باشد.

محاسبه لبه چه مزایایی دارد؟

صرفه جویی در هزینه : محاسبه لبه در به حداقل رساندن استفاده از پهنای باند و منابع سرور کمک می کند. همانطور که میدانید پهنای باند و منابع ابری محدود و هزینه بر هستند.طبق پیش بینی هایی که شده با تجهیز هر خانه و اداره به دوربین های هوشمند ، چاپگرها و ترموستات ها  تا سال 2025 بیش از 75 میلیارد دستگاه  وارد اینترنت اشیا در سراسر جهان خواهد شد. برای پشتیبانی از همه این دستگاه ها ، مقدار قابل توجهی از محاسبات باید به لبه منتقل شوند تا هزینه ها کمتر شود.

کارایی : یکی دیگر از مزایای قابل توجه انتقال فرآیندها به محاسبات لبه کاهش تأخیر است. هر بار که دستگاهی نیاز به برقراری ارتباط با سرور دوردست دارد ، تأخیری ایجاد می کند. به عنوان مثال ، دو همکار در یک شرکت و در اتاق های مختلف از طریق چت در حال گفتگو هستند این دو نفر تاخیر قابل توجهی را تجربه میکنند زیرا هر پیام باید از ساختمان خارج شود و با یک سرور در مکانی نامشخص و دور ارتباط برقرار کند و منتظر در یافت پاسخ از آن سرور باشد.انجام این مراحل برای هر در خواست تاخیر قابل توجهی ایجاد خواهد کرد. اگر روتر داخلی شرکت انتقال چت های داخل دفتر را بر عهده داشته باشد ، موجب کاهش Delay خواهد شد.

به همین ترتیب ، وقتی کاربران از انواع برنامه های وب با فرایندهایی روبرو می شوند که باید با یک سرور خارجی ارتباط برقرار کنند ، با تأخیر روبرو می شوند. مدت زمان این تأخیرها بر اساس پهنای باند موجود و موقعیت سرور متفاوت خواهد بود ، اما با آوردن فرایندهای بیشتر به لبه شبکه می توان به طور کلی از این تاخیرها جلوگیری کرد.

معایب محاسبه لبه 

حملات سایبری : یک مشکل مهم در محاسبات لبه بالا بودن آمار حملات سایبری می باشد. زیرا دستگاه های "هوشمند" بیشتری مانند سرورهای لبه ای و دستگاه های اینترنت اشیا که دارای کامپیوترهای داخلی قوی هستند به شبکه اضافه می شوند و فرصت های جدیدی برای مهاجمان مخرب برای به خطر انداختن این دستگاه ها ایجاد می شود.

منابع سخت افزاری قدرتمند: در محاسبات لبه نیاز به منابع سخت افزار محلی بیشتر می باشد. به عنوان مثال ، یک دوربین IoT برای ارسال داده های ویدئویی خام خود به یک وب سرور به یک کامپیوتر داخلی احتیاج دارد تا بتواند الگوریتم های تشخیص حرکت را پیاده سازی کند. بنابراین به یک کامپیوتر بسیار پیشرفته تر با قدرت پردازش بیشتر نیاز دارد. اما کاهش هزینه های سخت افزار ، ساخت دستگاه های هوشمند را ارزان می کند.