رایانش لبه‌ای (Edge Computing) چیست و چه مزایا و مشکلاتی دارد
رایانش یا محاسبات لبه‌ای (Edge Computing) یکی از ساختارهای تکنولوژی اطلاعات (IT) است که به صورت توزیعی عمل می‌کند. براساس این ساختار، داده‌های مشتریان در نزدیکی منبع داده پردازش می‌شود.
اهمیت داده و اطلاعات در جهان کسب‌وکار امروز بر کسی پوشیده نیست. این اطلاعات برای تنظیم فرایند و عملیات‌های شرکتی استفاده می‌شوند و به همین دلیل شرکت‌های مدرن اقیانوسی از اطلاعات را در خود جای می‌دهند و داده‌های زیادی دائما از طریق حسگرها و دستگاه‌های اینترنت اشیاء (IoT) از سراسر جهان برای این شرکت‌ها ارسال می‌شود.
همین جریان اطلاعاتی باعث شده تا شرکت‌ها روند محاسبات و رایانش داده را تغییر دهند. اینترنت معمولی جوابگوی رویکرد قدیمی یا پردازش تمام اطلاعات در یک مرکز داده متمرکز نیست و مشکلاتی مثل پهنای‌باند محدود، سرعت پایین، زمان تاخیر و قطعی باعث شده تا شرکت‌ها به ساختار رایانش لبه‌ای روی آورند.
رایانش لبه‌ای چیست؟
رایانش لبه‌ای یکی از الگوهای جدید محاسباتی است که به استقرار شبکه و دستگاه‌ها در مجاورت یا کنار منبع اطلاعات اشاره می‌کند. رایانش لبه‌ای فرایند پردازش داده را به محل تولیدش نزدیک کرده و درنتیجه با افزایش سرعت و حجم پردازش، نتایج بیشتری را در لحظه تولید می‌کند.
“فناوری هوشمند” رسانه تخصصی انقلاب صنعتی چهارم
رایانش لبه‌ای چطور کار می‌کند؟
مساله اصلی در رایانش لبه‌ای مکان پردازش و رایانش اطلاعات است. در روش‌های قدیمی داده در یک نقطه مثلا توسط کامپیوتر کاربر تولید و سپس از طریق شبکه‌هایی همچون اینترنت یا لن (LAN) برای پردازش به یک شرکت منتقل می‌شود. سپس نتایج این پردازش برای کاربر اولیه ارسال می‌شود. این رویکرد قدیمی همچنان یکی از روش‌های اصلی رایانش برای بیشتر فعالیت‌های معمول شرکتی است
اما با افزایش دستگاه‌های متصل به اینترنت، حجم داده نیز افزازیش یافته است. درنتیجه مراکز داده سنتی دیگر جوابگوی سرعت تولید داده‌ها نیستند. براساس پیش‌بینی گارتنر ۷۵ درصد از داده‌های تجاری تا سال ۲۰۲۵ در خارج از مراکز داده متمرکز تولید می‌شوند. انتقال این حجم از داده از طریق اینترنت، مخصوصا برای فعالیت‌هایی که اهمیت زمانی و حیاتی دارند، منطقی نیست.
درنتیجه مهندسان IT تمرکز خود را روی رایانش لبه‌ای افزایش داده‌اند. در این روش منابع ذخیره‌سازی و رایانش از مراکز داده متمرکز به محل تولید داده یا نزدیکی آن منتقل می‌شوند. روش کار سر راست است: اگر نمی‌توانید داده را به مرکز داده نزدیک‌تر کنید، پس مرکز داده را به محل تولید داده نزدیک کنید. رایانش لبه‌ای مفهوم تازه‌ای نیست و ریشه آن به ایده‌هایی ملث رایانش از راه دور (Remote Computing) برمی‌گردد.
محتوی مرتبط:
- تامین امنیت یکی از مهم‌ترین چالش‌های حوزه «اینترنت اشیا» است
- بازار تراشه‌های اینترنت اشیا تا سال ۲۰۳۰ نزدیک به ۷۰۰ میلیارد دلارخواهد شد
درنتیجه انتقال فضای ذخیره و سرور به نزدیکی محل تولید داده، رایانش لبه‌ای امکان اتصالی کم‌خطر و پرسرعت بین منبع داده و پردازنده را فراهم می‌کند. در بسیاری از ساختار رایانش لبه‌ای، تجهیزات در فضای باز و در شرایط سختی محیطی باید از دما، رطوبت و دیگر چیزها محافظت شوند. در این روش جریان داده با اهداف دستیابی به اطلاعات تجاری پردازش شده و تنها نتایج تحلیل به مراکز داده ارسال می‌شوند.
بخش‌های مختلف رایانش لبه‌ای
دستگاه‌های لبه‌ای
دستگاه‌های مختلف از جمله ساعت، گوشی و اسپیکرهای هوشمند، که داده را جمع‌آوری پردازش می‌کنند در دسته دستگاه‌های لبه‌ای جای می‌گیرند. دستگاه‌های اینترنت اشیا (IoT)، سیستم‌های پوز یا نقطه فروش (POS)، ربات‌ها، خودروها و حسگرها نیز اگر قادر به پردازش محلی و ارتباط با ابر باشند، در این دسته قرار می‌گیرند.
شبکه لبه‌ای
از آنجایی رایانش لبه‌ای در نزدیکی منبع داده و یا کنار آن انجام می‌شود، به شبکه‌ای جداگانه نیاز نیست. اما در صورت نیاز به یک شبکه جداگانه یا ارتباط با ابر، تکنولوژی ۵G ابزار مناسبی برای انتقال اطلاعات و اتصال پرسرعت است. برای مثال برای پردازش اطلاعات پهباد‌های بدون سرنشین یا پروژه‌های هوشمندسازی شهری می‌توان از این تکنولوژی برای انتقال داده به محل رایانش لبه‌ای استفاده کرد. رایانش لبه‌ای به ویژه در شرایطی که پردازش در داخل دستگاه هزینه بالایی دارد و در عین حال به سرعت بالا نیاز داریم (و فضای ابری فاصله زیادی دارد) بسیار مفید است.
زیرساخت محلی
این زیرساخت محلی در واقع وظیفه مدیریت سیستم‌های محلی و ارتباط آن با شبکه را در اختیار دارد . این زیرساخت ممکن است سرورها، روترها، کانتینرها، مراکز یا پل‌های شبکه‌ای را شامل شود.
رایانش لبه‌ای چه اهمیتی دارد؟
رایانش و محاسبات همین حالا هم در بسیاری از مکان‌ها از جمله بیمارستان‌ها، کارخانه‌ها و خریده‌فروشی‌ها به صورت لبه‌ای انجام می‌شود و امکان پردازش داده‌ّای حساس و سیستم‌های اساسی را فراهم می‌کند. این مکان‌ها نیازمند راه‌حلی برای تاخیر پایین و بدون نیاز به یک اتصال شبکه هستند.
یکی از ویژگی‌های هیجان انگیزه رایانش لبه‌ای، پتانسیلی است که در متحول کردن صنعت و فعالیت‌های مختلف دارد. این تکنولوژی این قابلیت را دارد که نحوه ارتباط مشتری و بازاریابی یا حتی تولید و عملیات‌های پشت صحنه را متحول کند. در تمامی این موارد، رایانش لبه‌ای به سرعت و انطباق سریع کمک کرده و تجربه بهتری را رقم می‌زند.
رایانش لبه‌ای به کسب‌وکارها اجازه می‌دهد تا جهان دیجیتالی را وارد جهان فیزیکی کنند. این تکنولوژی برای بهبود تجربه فروش، داده‌ها و الگوریتم‌های آنلاین را وارد فروشگاه‌های فیزیکی می‌کند و سیستم‌هایی برای آموزش کارکنان و یادگیری راه‌حل از ماشین را فراهم می‌کند. این تکنولوژی می‌تواند محیط‌های هوشمندی در جهت بهبود امنیت و راحتی طراحی کند.
رایانش لبه‌ای نقطه مشترک تمام ایان مثال‌ها است و شرکت‌ها از طریق آن می‌توانند اپلیکیشن‌های خود را با اعتماد بالا، در لحظه و به وسیله داده‌هایی که مستقیما از محل استخراج می‌شود اداره کنند. در نهایت می‌توان گفت این تکنولوژی امکان نوآوری سریع، ارائه محصولات و خدمات جدید آنهم با سرعت بیشتر را فراهم کرده و فرصت‌های تازه‌ای را برای درآمدزایی ایجاد می‌کند.
یکی از ویژگی‌های هیجان‌انگیز رایانش لبه‌ای،پتانسیل آن برای متحول کردن نحوه کسب‌وکار در تمام صنایع و ابعاد صنعتی است؛ از نرخ مشارکت مشتری گرفته تا عملیات‌های پشت صحنه و تولید.
رایانش لبه‌ای و ترکیب آن با دیگر تکنولوژی‌ها
رایانش لبه‌ای ساختارهای متمرکز و توزیعی را ترکیب می‌کند. ابر و لبه در کنار هم امکان تجربیات جدید را فراهم می‌کنند. داده در مکان‌های بسیاری تولید و جمع‌آوری شده و سپس برای رایانش متمرکز به ابر منتقل می‌شود. این فرایند با پردازش داده به صورت یکجا و گسترده، قیمت را کاهش و سهولت کار را افزایش می‌دهد. رایانش لبه‌ای برای پاسخ لحظه‌ای و ایجاد تجربیات جدید از داده‌های تولید شده در محل استفاده می‌کند و در عین حال داده‌های حساس را نیز کنترل کرده و هزینه‌های انتقال به ابر را کاهش می‌دهد.
لبه لتنسی، یا همان زمان پاسخ را به دلیل نزدیکی مکانی کاهش می‌دهد و دیگر نیازی به ارسال اطلاعات به ابر و منتظر ماندن برای پاسخ نیست.
تکنولوژی‌های نوینی همچون ۵G، بازدهی رایانش لبه‌ای را افزایش داده و مدیریت آن را ساده‌تر می‌کنند:
- ۵G با تضمین انتقال پیام‌های مهمی که به دستگاه‌ها اجازه تصمیم‌گیری خودکار را می‌دهند، اجرای رایانش لبه‌ای به صورت یکپارچه را ممکن می‌کند. این تکنولوژی لبه را به اینترنت متصل کرده و از وجود پیکربندی درست نرم‌افزاری در دستگاه‌های لبه برای انجام درست کارها اطمینان حاصل می‌کند.
- اینترنت اشیاء و دستگاه‌های متصل (IoT and connected devices) منابع منحصربه‌فرد اطلاعاتی هستند که باید در ابر ثبت و امنیتشان فراهم شود. لبه معمولا به نزدیکی یا محل این دستگاه‌ها منتقل می‌شود.
- کانتینتر‌ها (Containers) محیطی قابل حمل و استاندارد را برای ساخت و نگهداری از دستگاه‌های لبه‌ای فراهم می‌کنند.
- خدمات و داده‌های مش (Service and data mesh) امکان جمع‌آوری و استفاده از داده و خدمات در کانتینرها و پایگاه‌های داده مختلف را در بخش‌های مختلف لبه فراهم می‌کنند. مش (Mesh) امکان ارتباط را خدمات و داده‌ها را فراهم می‌کنند. این تکنولوژی داده را به صورت عمده و از تمام دستگاه‌های لبه جمع‌آوری می‌کند و تمرکز آن بر یک دستگاه خاص نیست.
- شبکه‌سازی نرم‌افزاری (Software-defined networking) امکان پیکربندی پوشش شبکه‌ها را فراهم می‌کند. این تکنولوژی با تسهیل تنظیم مسیر و پهن‌باند، چگونگی اتصال دستگاه‌های لبه به یکدیگر را مشخص می‌کند.
- همزاد دیجیتالی (Digital Twin) راه‌گشای مهم است که ارتباط فیزیکی-به-دیجیتال و ابر-به-لبه را سازماندهی می‌کند. همزاد دیجیتالی امکان پیکربندی داده و اپلیکیشن‌ها را به جای استفاده از جداول و پیام، با استفاده از دامنه دارایی‌ها و خطوط تولید فراهم می‌کند. همزادهای دیجیتالی به متخصصان دامنه (Domain) اجازه می‌دهد تا اپلیکیشن‌ها را برای حس، تفکر و اقدام در لبه پیکربندی کنند و دیگر الزامی بریا حضور مهندسان نرم‌افزار وجود ندارد.
تکنولوژی‌های دیگری همچون هوش مصنوعی و بلاک‌چین نیز قدرت لبه را افزایش می‌دهند. برای مثال هوش مصنوعی (AI) با پردازش داده در لبه، لزوم وجود یک قدرت محاسباتی متمرکز را از بین میبرد. لبه با ارائه داده‌های مطمئن بدون مداخله انسان، بازدهی استفاده از بلاک‌چین را نیز افزایش می‌دهد. با استفاده از رایانش لبه‌ای، داده را می‌توان مستقیم و در لحظه از ماشین‌ها استخراج و منتقل کرد و درنتیجه استفاده از حسگر و دوربین نیز بازدهی بیشتری دارد. افزون بر این لبه انقلابی در حوزه اتوماسیون (Automation) و خودکار سازی است که فرایند‌های سیستماتیک محیط‌های بسته و کنترل شده‌ای همچون کارخانه و یا فعالیت‌های باز و کنترل نشده همچون کشاورزی، را در مکانی نزدیک انجام می‌دهد.
مزایا و کاربردهای رایانش لبه‌ای
لبه در ترکیب با ابر امکان بازسازی تجربیات را برای کسب‌وکارها فراهم می‌کند. پتانسیل اجرایی لبه فراتر از تولید و اینترنت اشیا است. از این تکنولوژی می‌توان برای تصمیم‌گیری سریع و بهبود تجربیات کاربران استفاده کرد. در حال حاضر لبه با تکیه بر پشتوانه ابری، به ایجاد چشم‌اندازها و تجربیات جدید کمک می‌کند.
برخی از مزایای رایانش لبه‌ای عبارت است از:
پاسخ سریع
انتقال داده فرایندی زمان‌بر است. در برخی موارد (همچون خودروهای خودران یا جراحی از راه دور) به اندازه کافی برای انتقال و بازگشت داده‌ها از ابر زمان نداریم. در چنین شرایطی که به نتایج سریع و لحظه‌ای نیاز است، رایانش لبه‌ای منطقی به نظر می‌رسد.
حجم بالای داده‌ها
با اینکه ابر می‌توان حجم بالایی از داده‌ها را اداره کند، اما هزینه انتقال آن بالا است و شبکه از لحاظ فیزیکی با محدودیت‌ّایی روبرو است. در این شرایط، پردازش داده در لبه منطقی به نظر می‌رسد.
حریم خصوصی
گاهی اوقات کاربر یا سازمان رایانش لبه‌ای را برای حفظ حریم خصوصی داده‌های حساس به ابر ترجیح می‌دهد.
مناطق دور افتاده
در اینجا معیار دور افتادگی دسترسی به اتصال است و منطقه دور افتاده می‌تواند یک مکان واقعا دور افتاده همچون دکل نفتی یا مکانی با ارتباط از راه دور همچون ارتباط موبایلی یا میان راهی باشد.
هزینه
پردازش داده در بخش‌های مختلف زنجیره ابری هزینه‌بر است و می‌توان هزینه کلی را با بهینه‌سازی سیستم کاهش داد.
عملیات‌های خودکار
در جایی که اتصال به ابر ممکن نیست، کاربر برای انجام عملیات‌ها و ادامه کار می‌تواند از پردازش سرتاسری (End-to-End) مبتنی بر رایانش لبه‌ای استفاده کند.
در کل می‌توان گفت که مزیت اصلی رایانش لبه‌ای، بهبود تجربه کاربری است که در نتیجه سنخیت بیشتر خدمات با نیازهای فرد پدید می‌آید. لبه همچنین با بهره‌برداری از داده‌های ارزشمند، امکان استفاده از فرصت‌های تازه و نوآوری را فراهم می‌کند. افزایش تعداد حسگرها به معنی افزایش میزان داده‌ها است و رایانش لبه‌ای پردازش در محل را نیز افزایش می‌دهد که این موضوع سرعت، اعتبار و امنیت را بهبود می‌بخشد. سیستم رایانش لبه‌ای به لطف دانشی که از ابر دریافت می‌کند، پیش‌بینی‌های بهتری انجام داده و اطلاعات مرتبط‌تری را ارائه می‌کند و فرایند بهبود دائما ادامه دارد.
دیگر خصوصیات استفاده از رایانش لبه‌ای عبارتند از:
ماشین‌های هوشمند و افزایش بهره‌وری در لحظه: لبه امکان پردازش سریع داده را برای کاربران فراهم کرده و ربات‌ها و حسگرها می‌توانند با تصمیم‌گیری در کسری از ثانیه، وظایف خود را به شکلی هوشمندانه، سریع و ایمن‌تر انجام دهند. این ویژگی فعالیت‌های مختلف از تابلوهای هوشمند گرفته تا تضمین کیفیت خط تولید را متحول می‌کند.
بهینه‌سازی در محل مصرف: با استفاده از رایانش لبه‌ای، تولید و مصرف محتوای دیجیتالی برای ارائه بهترین تجربه و با کمترین هزینه بهینه‌سازی می‌شود و لبه به همین دلیل گزینه مناسبی برای مکان‌های دور افتاده همچون چاه نفتی دریایی است که دسترسی سختی به شبکه اینترتن و ابر دارند.
واقعیت گسترده: در این موارد می‌توان به‌واسطه رایانش لبه‌ای از همزادهای دیجیتالی برای بیهنه‌سازی تجربیات خدمات درمانی، نیروی کار و سرگرمی با استفاده از خدمات درمان هوشمند و واقعیت ترکیبی استفاده کرد.
حریم خصوصی و امنیت پیش فرض: با پردازش داده‌های حساس در لبه، امنیت و محافظت از حریم خصوصی افزایش می‌یابد. برای مثال می‌توان به دستگاه‌های پوشیدنی و پردازش داده‌های حساس به صورت داخلی اشاره کرد.
همیشه فعال و بدون اخلال: رایانش لبه‌ای امکان تصمیم‌گیری و پردازش اپلیکیشن‌های مهم و ریموت همچون پوز (POS) یا عملیات‌های خودکار را بدون نیاز به اتصال فراهم می‌کند.
مثال‌هایی از رایانش لبه‌ای
بیایید به چند مثال از رایانش لبه‌ای در جهان امروز و بهبود آن به‌واسطه ۵G نگاه کنیم.
خرده‌فروشی: مفهوم فروشگاه فردا (Store of Tomorrow) یک تعریف منعطف با محوریت مشتری است که دید کامپیوتری را با آینده خرده فروشی ترکیب می‌کند. تکنولوژی رایانش لبه‌ای یکی از اجزای اصلی این مفهوم است که در آینده به جز مهمی از تجربیات انسانی تبدیل می‌شود. از جمله کاربردهای لبه می‌توان به پرداخت هزینه بدون تماس در فروشگاه‌ها اشاره کرد. صف‌های طولانی فروشگاه‌ها یکی از مشکلات کسب‌وکارهای موفق است که باعث از دست ۸۶ درصد از مشتریان می‌شود و طبق برآورد‌ها سالانه ۳۷.۷ میلیارد دلار فروش را در ایالات متحده کاهش می‌دهد.
یک شبکه لبه‌ای در فروشگاه داده‌های جمع‌آوری از دوربین‌ها را با استفاده از هوش مصنوعی پردازش کرده و می‌تواند اقلام موجود در فروشگاه را تشخیص دهد و درنتیجه مشتری پس از برداشتن محصول مورد نظر می‌تواند از فروشگاه خارج شود و هزینه بدون نیاز به ایستادن در صف از حساب او کسر می‌شود. این روش از سرقت نیز جلوگیری می‌کند.
درمان: جراحی با کمک ربات کار جراحان را ساده‌تر می‌کند و فرایند جراحی ساده و در زمان کوتاه‌تری انجام می‌شود. رایانش لبه‌ای با یک سری تغییرات ریز تاثیر چشمگیری بر این روند دارد.
مشکلات و فرصت‌های رایانش لبه‌ای
سازمان‌هایی که بهره‌برداری از مزایای رایانش لبه‌ای هستند با موانعی روبر می‌شوند. تشخیص استراتژی مناسب کار دشوار است و برای موفقیت باید دائما به آزمون و خطا ادامه دهید. از جمله مشکلات رایج این مسیر می‌توان به موارد زیر اشاره کرد:
نبود پیکربندی‌های استاندارد و تعامل‌پذیر: برای استفاده از رایانش لبه‌ای به زیرساخت مناسبی نیاز دارید که معمولا از طریق چند شرکت تامین می‌شود و در صورت عدم تعامل تکنولوژی‌های مختلف این شرکت‌ها، عملکرد بهینه لبه به مشکل می‌خورد.
سرعت بالای اکوسیستم و گزینه‌های متعدد تکنولوژی: جهان رایانش لبه‌ای مملو از تکنولوژی‌ها و الگوهای مختلف است و انتخاب این الگو و تکنولوژی بسیار مهم است. نوآوری مداوم در بحث شبکه‌هایی همچون رایانش لبه‌ای با چندین نقطه دسترسی (MEC) و ۵G هم بر پیچیدگی این فضا افزوده است.
ارزش تحقق نیافته تجاری در لبه: درک کامل ارزشی که راه‌حل‌های لبه‌ای برای سازمان‌ها ایجاد می‌کند دشوار است. شرکت‌ها باید پای خود را از موارد استفاده ساده و بازدهی سریع فراتر گذاشته و به دنبال رایانش لبه‌ای با ارزش افزوده پایدار باشند.
فرسودگی نوآورانه و گیر کردن در نمونه اولیه: راه‌حل‌های صنعتی و گسترده رایانش لبه‌ای برای ارزش‌آفرینی واقعی به زمان و کار زیادی نیاز دارند و سازمان‌ها معمولا انعطاف کافی برای عبور از اثبات مفهوم و ورود به مرحله اجرا را ندارند.
کمبود استعداد ابری برای درک موارد استفاده رایانش‌لبه و دلیل آن: لبه را نمی‌توان یک جایگزین برای شرکت‌هایی دانست که از ابر استفاده می‌کنند. مساله در اینجا توسعه توانایی‌ها با استفاده از راه‌حل‌های لبه‌ای است. استعداد کافی در حوزه ابری را می‌توان برای اجرای رایانش لبه‌ای نیز به کار گرفت.
مشکلات امنیتی خاص رایانش لبه‌ای: سطح امنیت باید از ابر تا تمام موارد سطوح رایانش لبه‌ای توسعه پیدا کند اما امنیت در حوزه اینترنت اشیا و لبه با IT متفاوت است. در رایانش لبه‌ای، عملیات‌های خودکار، حساس به زمان و حساس به ایمنی بسیاری وجود دارد. با این حال طراحی مدل‌های امنیتی و زیرساخت دستگاه‌های لبه‌ای زمان زیادی میبرد. از سویی این مدل‌ها با سرعت بیشتری در مقایسه با ابر منسوخ می‌شوند و به دلیل موضوعات امنیتی امکان پچ سریع نیز وجود ندارد. بعلاوه دستگاه‌های لبه‌ای بیشتر اوقات در مکانی دور یا نا امن قرار می‌گیرند که نیازمند امنیتی فیزیکی در کنار امنیت سایبری است. پیچیدگی ترکیب سخت‌افزار، نرم‌افزار و شبکه نیز بروزرسانی امنیتی را سخت‌تر می‌کند.
سخن پایانی
توسعه اینترنت اشیا و حجم بالای اطلاعاتی که این دستگاه‌ها تولید می‌کنند باعث افزایش توجه به رایانش لبه‌ای شده است. اما از آنجایی که این تکنولوژی‌ها همچنان در دوران نزوادی خود هستند، روند تکاملی آنها شاید مسیر آینده را تغییر دهد.
بعلاوه سازمان‌ها در صورت استفاده از رایانش لبه‌ای باید استراتژی کامل و چشم‌اندازی بلند مدت را دستور کار خود قرار دهند. از آنجایی که ارزش‌آفرینی رایانش لبه‌ای زمان‌بر و گاهی پر هزینه است، پیشنهاد می‌کنیم پیش از تصمیم‌گیری مزایا و موانعی که در این متن به آنها اشاره شد را بسنجید و پیش از اقدام از آمادگی فنی و علمی سازمان اطمینان حاصل کنید.
منبع: پیوست
” اقتصادالکترونیکی“آخرین و به روزترین محتوی در اقتصاددیجیتال
