Dviejų programų su skaičiavimu briaunomis vadovas

Šiomis dienomis visi kalba apie krašto kompiuterį, tačiau tik nedaugelis supranta, kas tai yra, dar mažiau ką su tuo daryti. Trumpai tariant, kraštų skaičiavimas reiškia apdorojimą arti duomenų šaltinio - jutiklyje arba arti šliuzo. Jei norite sužinoti, kaip IT kaip alternatyva gali geriausiai valdyti krašto kompiuterį, tada pasižiūrėkite „IT poreikiai, norint pradėti galvoti apie 5G ir„ Edge Cloud Computing ““, Wayne Rash, mano kolegos ir „PCMag IT Watch“ bendradarbio, skiltis. Tačiau šio straipsnio tikslais galime pradėti nuo paaiškinimo iš rinkos tyrimų firmos IDC, kuri krašto kompiuterį apibūdina kaip „mikrotyrinių duomenų centrų tinklą“, kurio „pėdsakas yra mažesnis nei 100 kvadratinių pėdų“.

Kaip ir dauguma naujųjų terminų technologijos erdvėje, „kraštų skaičiavimas“ yra plačiai naudojamas ir yra susietas su įvairiomis kitomis „buzzword“ technologijomis, įskaitant „blockchain“, turinio pateikimo tinklus (CDN), tinklų skaičiavimą, tinklų skaičiavimą ir tarpusavio ryšį. kolegų kompiuterija. Įprasta užduotis, neatsižvelgiant į tai, kokia technologija naudojama kartu su kraštinių skaičiavimais, yra pagreitinti bet kokią duomenų analizę ir susijusius veiksmus sutrumpinant atstumą tarp to, kur duomenys tvarkomi ir kur bus galutinis to išvesties rezultatas.

Kai reikia sunkiai laimėtą verslo intelekto (BI) įžvalgą paversti veiksminga įžvalga, tai yra pagrindinis dalykas. Tačiau net jei BI (ypač mažai vėluojanti analizė) ir kraštų skaičiavimas atrodo suderinti technologijų danguje, prieš derinant šiuos dalykus reikia daug ką apsvarstyti.

„Analytics“ „Edge vs Streaming Analytics“

Krašto skaičiavimo reikšmė analitikai yra aiški, kai tik suprasite, kad nėra jokio kito praktinio būdo, kaip perkelti vykstantį daiktų interneto (IoT) duomenis į debesį, nesukeliant ilgalaikio delsos ir vieno tinklo spūsties. Ši delsos problema gali tapti lemtinga daugelyje naujų analizės programų, pavyzdžiui, autonominio vairavimo. Duomenų perteklius perkels jus nuo plačiajuosčio ryšio iki kliūties per trumpesnį laiką, nei reikia pasakyti „Srautas, Scotty“.

Taip, srautinė analizė buvo paminėta tik prieš porą metų kaip pavėluotai jautri panacėja, skirta realiuoju laiku nuskaityti daiktų internetą. Nors srautinė analizė vis dar turi daug trūkumų, ji negalėjo pakeisti fizikos. Didžiulį duomenų perdavimą lėtina daugybė maršrutizatorių, virtualizacijos paketų vėlavimai, nutrūkę ryšiai ir kiti fiziniai apribojimai tinkle. IoT nutolusiose vietose internetinis ryšys iš viso yra puikus sprendimas bet kurią dieną.

Nepadeda ir tai, kad visas šias problemas padidina fizinis atstumas tarp duomenų ir skaičiavimo procesų. Dėl šių ir kitų priežasčių srautinė analizė paprastai vyksta „beveik realiuoju laiku“, o ne realiuoju laiku. Šis delsimas - kad ir koks mažas - yra didžiulė problema, jei, tarkime, reikia laiko išvesties, kad autonominis automobilis galėtų stabdyti ir išvengti susidūrimo. Tai dar didesnė problema, jei norite, kad visi greitkelyje esantys automobiliai stabdytų iškart.

Trumpai tariant, „Star Trek“ ir realiojo gyvenimo duomenų pervežėjai turi savo ribas ir IT škotai nieko tokio negali padaryti. Dabartinės dienos tinkluose yra tiesiog per daug IP duomenų, o apimtis vis dar auga nepaprastai greitai. Didelis pasirodymas čia: „Edge Computing“ panaikina informacijos srautą tinkle ir taip pat suteikia greitesnius analizės rezultatus.

Kraštinis debesis ir debesis

Kadangi šie mikroduomenų centrai gali būti ir dažnai būna sujungti bendradarbiaujant, bendraujant ar priklausomai nuo funkcijų, kai kurie žmonės mėgsta vartoti terminą „krašto debesis“.

Pavyzdžiui, šiuolaikiniai automobiliai turi šimtus įterptųjų kompiuterių, kurie skirti valdyti atskiras sistemas, tačiau taip pat yra sujungti vienas su kitu, kad sistemos galėtų susisiekti viena su kita ir pritaikyti pagal poreikį. Kitaip tariant, jie individualiai, kolektyviai ir labai naudoja krašto kompiuterį, kad atliktų įvairias sudėtingas funkcijas.

„Jie ne tik reaguoja į pastebėtas sąlygas, bet ir bėgant laikui išmoksta ir prisitaiko“, - sakė Johnathan Vee Cree, doktorantas, įterptųjų ir belaidžių sistemų mokslininkas / inžinierius JAV Ramiojo vandenyno šiaurės vakarų nacionalinės laboratorijos (PNNL) Energetikos departamente. "Pavyzdžiui, šiuolaikinės degalų įpurškimo sistemos stebės automobilio važiavimo įpročius, kad būtų galima efektyviau naudoti energiją ir naudoti degalus. Dėl šių duomenų realiojo laiko neįmanoma apdoroti niekur kitur, išskyrus kraštą."

Net ir turint omenyje kelių sistemų borto sąvoką, „krašto debesis“ yra labiau linkusi suprasti kitaip, nes yra netiksli.

„Kai kalbame apie internetinius įrenginius, svarstymai yra beveik priešingi debesiui“, - sakė Vee Cree. "Tinklinio intelekto daiktų įrenginiai paprastai turi ribotą saugojimo ir apdorojimo galią, potencialų pertraukiamą ryšį su išoriniu pasauliu ir gali būti maitinami iš akumuliatoriaus. Svarbiausia šių įrenginių vertė yra jų galimybė paversti jiems prieinamas neapdorotas jutiklių vertes reikšmingais duomenimis."

Aukščiau esanti briaunų skaičiavimo įrenginių schema perspausdinta gavus „Technalysis Research“ leidimą.

Tačiau krašto ir kompiuterinis debesų kompiuteris nėra vienas kito nesuderinami. Iš tiesų, jie yra susipynę į sėkmingiausias IP duomenų strategijas. Greičiausiai tai greitai nepasikeis.

"Briaunų ir debesų skaičiavimo derinio pavyzdys yra" Tesla "autopiloto savybės. Autopiloto sistema turi suvokti ir reaguoti į nuolat kintančias vairavimo sąlygas. Tai daroma naudojant mašininio mokymosi algoritmus, kurie sugeba aptikti pavojus ir jų išvengti, o kartu kontroliuojami automobiliai. Nors šie duomenys yra naudojami priimti sprendimus realiu laiku, jie taip pat yra dalijami su debesimis ir naudojami siekiant pagerinti visų vairuotojų autopiloto funkciją “, - aiškino PNNL programinės įrangos inžinierius Williamas Moegleinas.

„Briaunų ir debesų“ derinimas yra įprastas vien todėl, kad jis veikia; Tai pasitelkia geriausius iš abiejų pasaulių, tačiau tai nėra vienintelis žaidimas mieste. Remiantis „Computing on the Edge: Survey Highlands“, prezidento Bobo O'Donnelio ataskaita, 36 proc. Statistinių duomenų yra įmonėje, duomenų centre - 34 proc., O debesyje - 29 proc. ir „TECHnalysis Research“ vyriausiasis analitikas. Tai reiškia, kad yra galimybių, kaip įdiegti krašto analizę. Pasirinkimas visiškai priklauso nuo to, ką bandai padaryti, ir nuo sąlygų, kuriomis bandai pasiekti tą tikslą.

"Kompensacija tarp skaičiavimo galios ir energijos suvartojimo gali būti ribojantis veiksnys, kai įrenginiai veikia iš akumuliatoriaus. Tais atvejais, kai energijos suvartojimas yra svarbus, sprendimai gali būti priimami remiantis mažais duomenų pavyzdžiais, nepaisant galimybės naudotis nuolatiniais jutiklio rodmenimis", - sakė jis. PNNL „Moeglein“.

„Kraštų skaičiavimas įgalina grįžtamąjį ryšį apie įrenginius toje srityje, kur ryšiai nėra garantuojami, yra vienpusiai arba yra riboti“, - tęsė Moegleinas. "Tais atvejais, kai tikimasi, kad sistemos metus ar dešimtmečius veiks su akumuliatoriais, kraštų skaičiavimas gali būti naudojamas siekiant užtikrinti ilgesnį įrenginio tarnavimo laiką sumažinant perduodamų duomenų kiekį."

Aukščiau pateiktas rūko skaičiavimo grafikas, perspausdintas gavus „ Cisco Systems, Inc.“ leidimą.

Panaikins krašto briaunos debesį

Greitai paskui sekė automatizavimas valdyti ir optimizuoti, kur ir kaip atliekama analizė, ir taip atsirado „rūko skaičiavimo“ sąvoka - terminas, kurį sukūrė IT ir tinklų pardavėjas „Cisco Systems“. Šioje strategijoje, kaip aiškina „Cisco“ baltojoje knygoje, „kūrėjai arba perkelia, arba rašo IoT aplikacijas rūko mazgams prie tinklo krašto. Arčiausiai tinklo krašto esantys rūko mazgai praranda duomenis iš Io įrenginių. Tada - ir tai yra labai svarbu - rūko IoT programa nukreipia skirtingų tipų duomenis į optimaliausią analizės vietą “. Kaip pavaizduota aukščiau esančiame paveikslėlyje, „Cisco“ nuomone, rūko skaičiavimas išplečia debesį arčiau tikrųjų duomenų rinkimo prietaisų. „Cisco“, priartindama rūko mazgus prie IoT įrenginių, siekia pagreitinti analizę, sumažindama delsą.

Kai kurie sako, kad lengviau tai galvoti apie debesų kompiuteriją, nukreiptą į kraštą - kitaip tariant, decentralizuotą, o ne kraštinį kompiuterį, kuris skaičiuojamas tinklo krašte, dažnai faktiškai IoT įrenginyje. Be abejo, labai niuansuotas skirtumas.

Dažnai žmonės naudoja „krašto kompiuterį“ ir „rūko skaičiavimą“ pakaitomis, nes abi sąvokos yra labai panašios. Tai rūko skaičiavimo galimybė rūšiuoti ir nukreipti duomenis į įvairias vietas analizei išskiria juos. Tai ir rūko skaičiavimas dažniausiai yra „artimas kraštas“ (ty vartai), o ne iš tikrųjų ant krašto, pavyzdžiui, internetiniame įrenginyje.

Trumpai tariant, nėra bendro sutarimo, kas tiksliai yra krašto kompiuterija, tačiau daugybė žmonių, teigiančių, kad problemos naikinimas, niekuo nepadeda. Remiantis minėta „TECHnalysis Research“ ataskaita, „daugiau žmonių mano, kad kraštų skaičiavimas yra pagamintas iš galinių taškų (29, 8 proc.) Nei šliuzų (13, 2 proc.), Tačiau 44 proc. Mano, kad tai abu“.

Bet kokiu atveju, „galutinio vartojimo programa galiausiai nukreipia sistemos poreikius ir siekia rasti pusiausvyrą tarp duomenų tvarkymo krašte ar debesyje pranašumų“, - teigė PNNL „Vee Cree“.

Čia galioja tik viena nykščio taisyklė: jei jums reikia sprendimo beveik ar realiuoju laiku, tada tvarkykite kuo arčiau duomenų šaltinio. Kraštų skaičiavimas yra pasirinkimas, norint pašalinti vėlavimą, sumažinti energijos sąnaudas ir sumažinti tinklo srautą.

API, programos ir ekosistemos

Apskritai programomis, naudojamomis kartu su krašto kompiuteriu, siekiama greičio ir efektyvumo. Čia mažiau tikėtina, kad rasite atskiras verslo žvalgybos (BI) programas, o veikiau - įdėtas BI funkcijas ir, žinoma, programų programavimo sąsajas (API), kad sujungtumėte IoT duomenis prie esamų BI programų ir schemų debesyje.

"Kompiuterio briaunų koncepcija padeda įmonėms išnaudoti debesų kompiuterijos pranašumus net ir scenarijuose, kai problema yra vėlavimas ir sujungiamumas. Kai kurios programos yra susijusios su duomenų dydžiu ar greičio reikalavimais, draudžiančiais skriejimą į debesis ir tokiais atvejais„ Tableau “. vietinėse programose įdėta analizė greitai suteikia įžvalgos “, - teigė Markas Jewettas, „ Tableau Software “produktų rinkodaros viceprezidentas.

"Kitais atvejais kraštų skaičiavimas suteikia galimybę susidoroti su scenarijais, kai ryšys nėra patikimas arba yra brangus ar periodiškas. Pavyzdžiai, pavyzdžiui, judantys dalykai, tokie kaip laivai, nutolę daiktai, tokie kaip naftos platformos ar šachtos, ar net situacijos kur geras sujungiamumas, tačiau neverta rizikuoti dėl pertraukimų, pavyzdžiui, gamyklų sistemose, kur prastovos yra labai brangios.Analitikai ir kiti šios srities vartotojai, kurie galbūt neturi prieigos prie visos darbo vietos, vis tiek nori tos pačios analizės galios, kaip ir jie. susipažinome “.

„Tableau“ nėra vienintelis BI tiekėjas, dirbantis su duomenimis ar jų gale. „Microsoft“ kaip pavyzdį atkreipė dėmesį į „Schneider Electric“, vieną iš jos klientų. „Schneider Electric“ turi krašto programą, kuri vykdo numatomą alyvos strypo priežiūrą, naudodama „Azure Machine Learning“ ir „Azure IoT Edge“, kad padidintų saugą ir sumažintų incidentus atokiose vietose, - teigė „Microsoft“ atstovas. Duomenys apdorojami įrenginyje. Tai pasiekiama pateikiant debesų žvalgybą - ML modelius, kuriuos jie treniravo debesyje - į patį krašto įrenginį. Tai leidžia greičiau nustatyti anomalijas, remiantis dideliu treniruočių duomenų rinkiniu.

Tuo tarpu „IBM Watson“ praneša apie daugybę naudojimo atvejų, įskaitant aplinkos ir įrenginių balso ir pokalbių analizę, drono atvaizdų ir vaizdo analizę bei priežiūros ir saugos akustinę analizę.

„Visais šiais atvejais kraštutinė analizė įgalina pagerinti našumą, kainą ir privatumą, veikiant įrenginiuose vietoje“, - sakė Bret Greenstein, „IBM Watson IoT“ viceprezidentas, teikiantis paslaugas vartotojams. „Augimas yra įdomus, nes auga kompiuterio galia, o ML bręsta ir sukuria labiau specializuoto naudojimo atvejus.

„Įrenginiai gali„ suprasti “tai, ką mato ir girdi, ir panaudoti tą supratimą teikdami geresnes paslaugas ir priimdami geresnius pasirinkimus. Tai vyksta realiu laiku. Kadangi faktinius duomenis galima paversti įžvalgomis kraštiniame įrenginyje, galite ne turi siųsti duomenis į debesį, o tai padidina sąnaudas ir padeda įgalinti naujas privatumo apsaugos formas “.

Naujų privatumo apsaugos lygių pridėjimas gali nuveikti nemažą žingsnį mažinant įmonės įsipareigojimus, tuo pačiu teikiant duomenis, kuriuos įmonės turi klestėti.

Kraštų skaičiavimo programos pagal skaičius

Turint omenyje, kad kraštų skaičiavimas yra tik pradinėje stadijoje, nenuostabu, kad tik kraštų skaičiavimo programos yra naujos (39 procentai). Didžioji dalis (61 proc.) Yra perkeltos debesies programos. Tai reiškia, kad aukščiausias skaičiavimo programas yra šios:

Operacijų analizė (44 proc.)

Proceso stebėjimas (35 proc.)

Darbuotojų stebėjimas (32 proc.)

Nuotolinis turto stebėjimas (28 proc.)

Atitiktis darbo vietai (24 proc.)

Numatomas išlaikymas (22 proc.)

Fizinio turto stebėjimas vietoje (20 procentų)

Remiantis ta pačia „TECHnalysis Research“ ataskaita, penkios pagrindinės debesų programų perkėlimo į kraštus priežastys yra pagerinti saugumą, sumažinti išlaidas, sumažinti delsą, pagerinti vietos valdymą ir sumažinti tinklo srautą.

Per BI objektyvą efektyvumas ir galimybės padidinami skaičiuojant kraštus. Todėl prasminga pirmiausia perkelti debesies programas arba įterpti analizę į esamas internetines programas, kurios leidžia jums būti geriausioje vietoje greičiausiai. Pvz., Užuot srautizavę ir analizavę visus duomenis iš robotikos įrenginio, esančio gamyklos aukšte, galite sunaikinti „flotsam“, kuris, atrodo, yra begalinis pasikartojančios informacijos kiekis, kurį sukuria jutiklis.

Vietoj to, kraštų skaičiavimas gali būti naudojamas norint pažymėti ir analizuoti tik „duomenų pakeitimą“, reiškiantį duomenis, kurie tam tikru būdu skiriasi nuo kitų duomenų srautų iš to paties šaltinio. Pvz., Įsivaizduokite vėjo malūną, esantį poliariniame apskritime, pranešiantį: "Aš gerai. Man viskas gerai. Aš gerai. Ašmenys įstrigo dvi sekundes. Aš gerai. Aš gerai. Aš gerai. Aš gerai". Truputį apie ašmenų prilipimą būtų duomenys apie pakeitimą. Taip būtų „vėjo perėjimas“, kuris gali paskatinti mašiną pasisukti ir surinkti daugiau energijos. Pakeitimo duomenys yra svarbiausi duomenų taškai būtent todėl, kad jie pažymi pakeitimą.

Tokiais atvejais kraštinės programos veikia tik su atitinkamais duomenimis; kai kurie tai vadintų „intelektualiaisiais duomenimis“. Kodėl verda jūra, kai nesunkiai matomos svarbios detalės? Išmaniosios duomenų programos leidžia duomenis naudoti rinkimo taške ir taip pat gali nuspręsti, kuriuos duomenis nusiųsti į debesį, kad būtų galima toliau maišyti ir analizuoti tradicinėse BI programose. Tokiu būdu duomenų gavyba optimizuojama siekiant maksimalaus verslo efekto.

4 patarimai jūsų BI ir kraštinių kompiuterijos strategijai

Gana lengva pereiti prie kraštinių skaičiavimo tendencijų ir nuspręsti pradėti nuo programų perkėlimo iš debesies. Tačiau pradėti strategiją be strategijos būtų rimta klaida. Prisimeni pirmas daiktines internetines dienas, kai atsitiktiniai dalykai, pavyzdžiui, skrudintuvai, buvo greitai prijungiami prie interneto ir paskui išdidžiai rodomi kitame CES?

Net intelektualūs duomenys negali jums padėti, jei jūsų strategija yra nesąmoninga arba jos trūksta. Taigi, čia yra keturi aspektai, kuriuos reikėtų atsiminti formuojant savo BI ir krašto strategiją.

1. Iš naujo įvertinkite dabartinį internetinį žaidimą, kad gautumėte papildomų duomenų gavybos galimybių. Pvz., Bakalėjos gamintojas ar gamintojas gali norėti naudoti duomenis iš savo tiekimo grandinės, pavyzdžiui, šaldymo ir gabenimo jutiklius, kad nustatytų ar patvirtintų žaliavų šaltinį. Tokia tvarumo pagrindinė grandinė papildoma informacija gali būti naudojama rinkodaroje, siekiant pritraukti aplinką tausojančius vartotojus.

Mažmenininkas parduotuvėje gali naudoti kompiuterinį matymą ir kompiuterio briaunų skaičiavimą, kad nuskaitytų vartotojus vietoje, kad vietoje 3D būtų parodyta, kaip drabužiai, į kuriuos pirkėjas žiūri, iš tikrųjų tiks jiems. Tai galėtų pagerinti pardavimą ir panaikinti persirengimo kambarių poreikį bei susijusias saugumo ir privatumo problemas. Bet duomenys taip pat gali būti siunčiami į debesį, kad būtų galima maišyti su kitais vartotojų duomenimis, kad būtų galima informuoti apie didesnę įmonės strategiją.

Ieškokite galimybių labiau išnaudoti turimą IP. Ką dar galite padaryti su jo generuojamais duomenimis? Kokius kitus duomenis galite naudoti rinkdami ir tvarkydami?

2. Nuspręskite, kurių programų jums reikia krašte. Gali reikėti perkelti programą, įterpti analizę ar net parašyti pasirinktinę programą; viskas priklauso nuo to, ką bandai padaryti. Tegul jūsų verslo tikslai nukreipia jus renkantis programas.

Tinkama vieta sužinoti daugiau apie „kraštų“ programų kūrimą yra „OpenDev“ konferencija, kurią organizuoja „OpenStack“ fondas. „OpenStack“ yra atvirojo kodo debesų kompiuterijos projektas, ir taip nutinka, kad kraštų skaičiavimas yra karšta tema. Taip pat atsitinka, kad atvirojo kodo technologija yra karšta, kaip ir beveik visuose kompiuteriuose. Taip pat galite apsvarstyti programas, kurias siūlo krašto kompiuterių tiekėjai, ir įterptąją analizę, kurią teikia BI programų tiekėjai.

3. Pasirinkite naują techniką, kurią norite naudoti. Galite paprašyti pardavėjų pateikti jums demonstracinę versiją, kad galėtumėte pajusti, kokią techniką norite naudoti, kokias programas galite įsigyti, ir keletą patarimų, kaip kurti programas. Pvz., „Amazon Web Service“ (AWS) ir AWS Greengrass, „Microsoft Azure IoT Edge“, „Cisco“ ir „IBM Watson IoT“ siūlo įvairių technologijų, taip pat analizės ir programų, skirtų IoT krašto kompiuteriams, derinį.

Taip pat galite patikrinti daugybę įvairių „blockchain“, CDN, „peer-to-peer“ ir kitų gryno grojimo pardavėjų. Tačiau nepamirškite tokių technologijų milžinų, kaip „Dell Inc.“, „IBM Corp.“ ir „Hewlett Packard Enterprise“ (HPE), kurie visi ėmėsi savo įrangai pridėti papildomų saugojimo ir skaičiavimo bei analizės galimybių, kad paversti juos kraštutiniais įrenginiais.

Prieš pradėdami rimtai vertinti pardavėjus, pasidomėkite savo galimybėmis. Be to, prieš pradėdami kalbėtis su pardavėjais, apžvelkite IoT technikos rūšis, kurias šiuo metu naudoja jūsų įmonė, ir tipus, kuriuos ji norėtų pridėti. Tokiu būdu labiau tikėtina, kad eisite kelyje.

4. Evoliucijos planas. Kelyje į brandą yra modelis, kurio laikosi visos nesubrendusios technologijos ir tendencijos. Tikėtis, kad tokia pati raida įvyks ir su BI, ir su kraštais. Taigi, taip, greičiausiai bus pardavėjų konsolidacija. turėk tai omenyje.

Taip pat ieškokite, kaip atsieti debesų technologijas nuo tinkamo debesies, kad jas būtų galima naudoti ir krašte. Norėsite pamatyti tokį atsiejimą, nes tai suteiks maksimalų lankstumą naudojant debesis ar kraštą. Greičiausiai sumažės išlaidos ir padidės efektyvumas naudojant intelektualesnes programas iš įvairios ekosistemos, o ne iš vieno pardavėjo. Padarykite savo planą trumpalaikį ir ilgalaikį, kad užtikrintumėte, jog prisitaikysite prie numatomų pokyčių be didelių ankstesnių investicijų praradimo.