Что такое туманные вычисления? Туман против. Объяснение периферийных вычислений

Ключевые выводы

• Туманные вычисления расширяют концепцию периферийных вычислений за счет создания распределенной вычислительной инфраструктуры, охватывающей более широкую географическую территорию.
• Туманные вычисления работают ближе к источнику данных, чем облачные вычисления, но не точно у источника, используя стратегически расположенные туманные узлы по всей сети.
• Туманные вычисления обеспечивают иерархию вычислительных ресурсов: от периферийных устройств до туманных узлов и облака. центров обработки данных, оптимизируя эффективность, сокращая задержки и предлагая структурированную, но гибкую система.

Наше понимание парадигм обработки и хранения данных развивается по мере того, как цифровой мир претерпевает быстрые изменения. Термины «облако», «край» и «туман» — это не просто метеорологические термины; они представляют собой три уникальные вычислительные системы. Периферийные и туманные вычисления появились в ответ на ограничения своего предшественника, но каждый из них имеет свои особенности и преимущества.

Что такое туманные вычисления? Объяснение туманных вычислений

Давайте углубимся в то, что такое туманные вычисления, и объясним, как они работают. Однако прежде чем рассматривать туманные вычисления, полезно понять, что было до них и как мы пришли к туманным вычислениям.

Облачные вычисления возникла как революционная модель управления и обработки данных. Предлагая централизованное хранение и обработку данных в огромных центрах обработки данных, часто расположенных на континентах вдали от источник данных или пользователь — облачные вычисления обеспечивают беспрецедентную масштабируемость, гибкость и стоимость. эффективность.

Пока облачные вычисления дают множество преимуществ, не лишено недостатков. Передача данных на большие расстояния в облачные центры, их обработка и последующая отправка обратно приводит к задержке. Для задач, требующих немедленного реагирования или обработки данных в реальном времени, такая задержка была неприемлема. Кроме того, огромная пропускная способность, необходимая для отправки каждого байта данных на центральные серверы, в сочетании с потенциальной перегрузкой сети, в некоторых случаях чисто облачная модель стала неэффективной. Приложения.

Входить периферийные вычисления и его последующий акт — туманные вычисления.

Что такое периферийные вычисления?

Признавая ограничения облачных вычислений, периферийные вычисления были задуманы для минимизации задержек и оптимизации пропускной способности. Ключевое различие между облачными и периферийными вычислениями — объем данных, подлежащих обработке; облачные вычисления обрабатывают огромные объемы данных, в то время как периферийные вычисления фокусируются на гораздо меньших подмножествах.

Вместо того, чтобы перенаправлять все на централизованные серверы, процессы обработки данных были перенесены ближе к источнику данных — например, к камере видеонаблюдения, носимому устройству или заводскому датчику. Такая близость означает, что данные могут обрабатываться на месте, что повышает возможность создания быстродействующих приложений в реальном времени. Локализованная обработка данных также способствует повышению энергоэффективности и снижению общих затрат на передачу данных.

Но хотя периферийные вычисления решают проблемы задержки и пропускной способности, они также вызывают новые проблемы. Безопасность стала более сложной проблемой, поскольку данные обрабатываются на многочисленных устройствах. Многим небольшим устройствам требовалось больше вычислительных мощностей для выполнения сложных задач. Более того, управление и обслуживание множества периферийных устройств привело к появлению новых сложностей.

Что такое туманные вычисления?

Туманные вычисления вступили в игру, чтобы преодолеть ограничения своих предшественников — облачных и периферийных. Он расширяет концепцию периферийных вычислений, создавая распределенную вычислительную инфраструктуру, охватывающую более широкую географическую область, а не только отдельные устройства.

Вместо обработки данных в источнике (как в случае с периферией) или в удаленных централизованных местах (как в случае с облаком), туманные вычисления работают ближе к источнику, но не точно в источнике. В этой вычислительной модели туманные узлы стратегически расположены по всей сети, в том числе на периферии и внутри сетевой инфраструктуры. Эти узлы обладают большей вычислительной мощностью, чем типичные периферийные устройства, и могут выполнять более сложную обработку и анализ данных.

Это эффективно создает «более близкое облако» или «распределенное облако», которое сочетает в себе лучшее из обоих миров, предлагаемых предыдущими вычислительными моделями. Цель туманных вычислений — обеспечить иерархию вычислительных ресурсов, начиная от периферийных устройств и заканчивая туманными узлами и облачными центрами обработки данных. Это оптимизирует эффективность, уменьшает задержку и предлагает более структурированную, но гибкую систему, чем чисто периферийная или облачная модель.

Облако против. Край. Туманные вычисления: сравнение возможностей

Эта эволюция от облака к периферии и, наконец, к туману рисует яркую картину нашего неустанного стремления оптимизировать данные. обработки, обеспечивая наличие наиболее эффективных, быстро реагирующих и экономичных систем для удовлетворения различных потребностей.

При этом необходимо понимать производительность и эффективность облачных, периферийных или туманных вычислений. на решения могут существенно влиять возможности и особенности локальных устройств вовлеченный. Ограничивающие факторы включают вычислительную мощность устройства, память и возможности хранения данных; соображения местоположения и задержки; пропускная способность передачи данных; а также масштабируемость и общая пригодность для поставленной задачи.

Реальные примеры облачных, периферийных и туманных вычислений

Каждая модель вычислений — облако, периферия и туман — сыграла важную роль в решении конкретных задач в технологической отрасли. Понимание практического применения каждого из них имеет свои преимущества как для потребителей, так и для бизнес-пользователей.

Облачные вычисления

Обширные возможности хранения и обработки облачных вычислений, лежащие в основе бесчисленных современных цифровых услуг, изменили представление о доступности. Сегодня примеры облачных вычислений в действии глубоко укоренились в нашей повседневной жизни, осознаем мы это или нет.

Классическими примерами являются потоковые сервисы, такие как Netflix и Spotify. Вместо того, чтобы пользователи хранили на своих устройствах обширные библиотеки фильмов или музыки, подписчики могут транслировать контент, размещенный в огромных облачных центрах обработки данных.

Например, когда Netflix анонсировал функцию приостановки и возобновления фильмов и телешоу на любом устройстве. в любой комнате дома потоковый сервис использовал и использует преимущества облачных вычислений Ресурсы. Такая централизация означает, что вы можете начать просмотр фильма на одном устройстве, приостановить его и возобновить просмотр контента на другом устройстве, и все это благодаря централизованному характеру данных в облаке.

Периферийные вычисления

По мере того, как устройства становятся все более интеллектуальными и более интегрированными в нашу повседневную жизнь, потребность в возможностях быстрого принятия решений растет в геометрической прогрессии. Например, смартфоны используют периферийные вычисления для распознавания речи, обработки изображений и других задач. Известно, что интеллектуальные камеры и другие устройства для умного дома используют периферийные вычисления.

И наконец, беспилотные автомобили в значительной степени полагаются на периферийные вычисления для принятия решений в режиме реального времени. Датчики и бортовые компьютеры анализируют данные с камер, LiDAR, радаров и других датчиков для навигации и реагирования на окружающую среду без необходимости использования удаленного облачного сервера.

Туманные вычисления

Объединяя лучшие возможности облака и периферии, туманные вычисления отлично подходят для сценариев, требующих скоординированных локальных решений без перегрузки отдельных устройств. Ярким примером являются инициативы «умного города».

Представьте себе интеллектуальную систему дорожного движения в городе: вместо того, чтобы каждый светофор самостоятельно принимал решения (как в случае с краем) или полагался исключительно на отдаленные данные. В центральной системе (как в случае с облаком) светофоры в определенном регионе могут взаимодействовать с местным узлом тумана для принятия более скоординированных решений.

Например, если в одном районе возникает пробка, система может регулировать время освещения в соседних зонах, чтобы уменьшить заторы, не отправляя данные полностью в центральное облако и обратно.

Облачный жаргон демистифицирован

Хотя каждый из них имеет свое место, облачные, периферийные и туманные вычисления играют свою роль в оптимизированной, эффективной и гибкой вычислительной экосистеме. Пользователи и предприятия получают выгоду от демистификации этого жаргона и понимания его практического применения. Поскольку мы продолжаем использовать возможности данных, обеспечение их эффективной, безопасной и быстрой обработки будет оставаться в авангарде технологического прогресса.