Не все удаленные вычисления являются облачными вычислениями.
Рост облачных вычислений открыл целый мир возможностей. Однако это не единственная форма удаленных вычислений. У облачных вычислений есть менее известный двоюродный брат, называемый граничными вычислениями. Несмотря на то, что между этими двумя концепциями есть сходство, существуют явные различия в том, как они работают и в каких целях они служат.
Однако вместе эти две формы удаленных вычислений меняют то, как мы работаем, общаемся, играем и ландшафт общества в целом. Давайте погрузимся в мир удаленных вычислений, сравнив и сопоставив облачные и граничные вычисления.
Ключевые различия между граничными и облачными вычислениями
Это обе формы удаленных вычислений. Итак, хорошей отправной точкой будет дать простое определение концепции удаленных вычислений. Удаленные вычисления, по своей сути, относятся к практике использования вычислительных ресурсов, которые физически не присутствуют в местоположении пользователя.
За простотой этого определения скрывается сложность темы. Например, удаленным работникам, которым требуется доступ к бизнес-системам, потребуются совершенно другие ресурсы, чем устройства Интернета вещей (IoT), которым необходимо обрабатывать данные в режиме реального времени. Именно здесь вступают в игру ключевые различия между облачными и граничными вычислениями.
Облачные вычисления больше подходят для сценариев, обрабатывающих большие объемы данных. Напротив, граничные вычисления больше подходят для обработки меньшего количества данных, но в режиме реального времени.
Это упрощенное описание различий между двумя моделями удаленных вычислений. Давайте немного разберем его, изучив некоторые показатели, которые помогают определить облачные и граничные вычисления:
Тип разницы |
Пограничные вычисления |
Облачные вычисления |
Распространение/хранение данных |
Распределяет данные по нескольким местоположениям. |
Хранит данные в одном централизованном месте. |
Обработка данных |
Обрабатывает данные ближе к источнику, сводя к минимуму задержку. |
Обрабатывает данные в облаке, обеспечивая масштабируемую и централизованную обработку. |
Безопасность |
Требуется управление безопасностью в нескольких местах, что увеличивает сложность. |
Упрощает безопасность благодаря централизованному хранилищу, хотя и создает единую точку отказа. |
Пропускная способность |
Снижает потребность в пропускной способности за счет локальной обработки данных, сводя к минимуму требования к передаче данных. |
Требуется значительная пропускная способность для передачи данных в облако и из облака, что может быть проблематично в районах с ограниченным подключением. |
Расходы |
Может потребоваться больше первоначальных инвестиций в инфраструктуру, но текущие расходы могут быть ниже по сравнению с облачными вычислениями. |
Предлагает экономическую эффективность, которая масштабируется по мере использования. Это также требует меньше первоначальных затрат, что делает его подходящим для различных бюджетных соображений. |
Эти различия определяют преимущества каждой модели и определяют варианты их использования.
Пограничные и облачные вычисления в действии
Уникальные характеристики каждой модели делают их подходящими для различных вариантов использования. Понимание сценариев, в которых каждая модель превосходна, — это самый простой способ понять разницу между двумя подходами к удаленным вычислениям.
Есть серые области, где две методологии сталкиваются. Но в целом они предоставляют совершенно разные услуги.
Варианты использования облачных вычислений
У облачных вычислений много преимуществ. Он в основном используется в ситуациях, когда огромные объемы данных хранятся, доступны и управляются из централизованного места. Среди сценариев, в которых эти атрибуты делают этот выбор правильным, следующие:
- Аналитика данных: Наступил век больших данных, и организации часто полагаются на облачные вычисления для анализа огромных наборов данных.
- Удаленная работа: Облачные сервисы являются важным компонентом перехода к удаленной и гибридной работе. Облако позволяет работникам получать доступ к рабочим ресурсам из любого места, где есть подключение к Интернету. Это может быть базовый доступ к рабочим файлам или удаленный доступ к рабочим компьютерам и удаленным приложениям.
- Программное обеспечение как сервис(SaaS): Росту модели покупки и использования программного обеспечения SaaS в значительной степени способствуют облачные вычисления.
- Аварийное восстановление и резервное копирование: облачные системы часто используются в качестве решений для резервного копирования и аварийного восстановления. Одним из примеров, о котором знает большинство людей, являются изображения, хранящиеся на вашем телефоне. Они резервируются в облачной системе, которая обеспечивает их безопасность, если вы потеряете или поменяете свой телефон.
Общая нить, которая проходит через эти виды использования, — это необходимость управления и обработки больших объемов данных. Хотя это может происходить в режиме реального времени, это не является основной характеристикой облачных вычислений.
Варианты использования граничных вычислений
Пограничные вычисления больше подходят для обработки небольших объемов данных в реальном времени. Он предназначен для сценариев, в которых необходимо свести к минимуму задержку и требуются немедленные действия.
Среди распространенных применений граничных вычислений:
- Интернет вещей (IoT): Устройства IoT становятся все более распространенными. Все от умные дома к умным городам зависит от устройств IoT. В свою очередь, они часто требуют обработки данных в реальном времени, и граничные вычисления обеспечивают это.
- Игры: каждый геймер в тот или иной момент сталкивался с лагом в игре. Пограничные вычисления с малой задержкой, «пограничной» обработкой и обработкой данных в реальном времени делают их идеальным выбором для уменьшения разочарования от задержек. Одним из ярких примеров того, как периферийные вычисления вступают в свои права в играх, являются такие игры, как Pokemon Go, где данные игрока в реальном времени являются неотъемлемым компонентом игры.
- Потоковое содержимое: это еще одна область, в которой граничные вычисления используются для решения проблем с буферизацией и отставанием.
- Дополненная и виртуальная реальность: приложения, использующие дополненная или виртуальная реальность требуется доступ к обработке данных в режиме реального времени для беспрепятственного предоставления иммерсивного опыта.
Пограничные вычисления являются предпочтительным решением, когда требуется доступ к данным с малой задержкой.
Будущее облачных и граничных вычислений
Предсказать их точное будущее сложно. Быстрое внедрение методов удаленной работы, Интернета вещей и искусственного интеллекта сыграет ключевую роль в определении будущего этих форм удаленных вычислений.
Тем не менее, они дают некоторые подсказки относительно того, как мы можем ожидать, что они будут развиваться. При обсуждении будущего необходимо учитывать три основных аспекта:
- Облачные вычисления: по мере того, как все больше организаций переходят на методы удаленной работы и используют преимущества облачных вычислений «больших данных», они будут продолжать расти.
- Пограничные вычисления: Развитие Интернета вещей и потребность в обработке данных в реальном времени стимулируют рост периферийных вычислений. По мере того, как все больше устройств подключаются к Интернету и генерируют данные, потребность в периферийных вычислениях для быстрой и эффективной обработки этих данных будет только возрастать.
- Гибридные модели: В конечном счете, границы между этими технологиями стираются, и гибридные модели, которые могут использовать преимущества обеих технологий, скорее всего, станут преобладающими.
Изображение будущего — это всегда случайность. Однако мало кто сомневается, что обе эти технологии продолжат быстро развиваться.
Голова в облаках или жизнь на грани
Рост удаленных вычислений во всех их формах означает, что эти технологии будут существовать в долгосрочной перспективе. Как облачные, так и граничные вычисления имеют сильные и слабые стороны, которые во многом определяют сценарии их использования.
Однако будущее, скорее всего, за гибридными моделями, сочетающими в себе сильные стороны обеих моделей. Эти сети будут сочетать масштабируемость и возможности обработки данных облачных вычислений с возможностями обработки данных в режиме реального времени и малой задержкой граничных вычислений.