Edge computing: рынок
Применительно к IT, Edge определяет вычислительную модель, которая позволяет обрабатывать данные в месте расположения или относительно близко к источнику данных. Она позволяет отправлять в облачное хранилище данные для долгосрочного хранения, анализа больших данных, исторического анализа данных и для других потребностей. Прогресс в Edge computing обусловлен достижениями в области мобильных вычислений, быстрыми разработками в области интернета вещей (IoT) и снижением стоимости электронных компонентов. Markets and Markets прогнозирует рост размера рынка Edge computing систем с $2,8 млрд в 2019 году до $9,0 млрд к 2024 году при среднегодовом темпе роста (CAGR) в 26,5%. По данным Grand View Research, ожидается, что к 2025 году размер мирового рынка Edge computing достигнет $28,84 млрд, демонстрируя CAGR в размере 54,0%.
По оценкам компании Alliance Markets Research, объем рынка Edge computing систем к 2025 году достигнет отметки $ 16,556.6 миллионов, при этом показатель среднегодового темпа роста CAGR составит 32,8% за период с 2018 до 2025 года.
Приведенная выше статистика свидетельствует о значительном и постоянно растущем внимании к Edge computing технологиям. Далее мы обсудим некоторые принципы работы с Edge и его преимущества для решения задач управления автопарком.
Граница, Туман, Облако ... Дождь?
Ну, как минимум - не Дождь... Пока, по крайней мере. Как граничные (Edge), так и туманные (Fog) вычисления - это технологии, направленные на решение проблем, связанных с облачными (Cloud) вычислениями, такими как ограниченная полоса пропускания, время задержки (сколько времени пакет данных перемещается из одной точки в другую) и задержки в обработке.
Для решения этих проблем компании устанавливают небольшие центры обработки ближе к источникам данных. Промежуточный уровень обработки между облачным уровнем (центры обработки данных) и пограничным уровнем (функциональность на уровне устройств) известен сейчас как Fog Computing (выполняется на серверах, расположенных вне облака). В упрощенном виде информационный поток в этой трехуровневой системе можно описать следующим образом: устройство, содержащее некоторые датчики, запрограммировано таким образом, что оно принимает показания каждый конкретный интервал времени.
Граничные (Edge) вычисления - устройство объединяет показания от различных датчиков в одну точку сбора, из которой данные отправляются каждый раз далее в туман (Fog). В свою очередь, Fog позволяет собирать эти точки ближе к источнику данных и компилировать их в ежедневный отчет, который отправляется в центр обработки. Другими словами, туманные вычисления помогают расширить облачные вычисления, перенося вычисления на границу сети.
Edge computing: архитектура
Edge - одна из основных доступных в настоящее время технологий, которая может помочь раскрыть весь потенциал Интернета вещей, переместив некоторые функции обработки данных ближе к конечному пользователю.
Рассмотрим эталонную архитектуру Edge, представленную на рисунке ниже. Он был предложен Edge Computing Consortium (ECC) и основан на принципах Model-Driven Engineering (MDE). Она содержит открытые интерфейсы на каждом уровне, обеспечивая полную открытость. Вертикально архитектура использует службы данных жизненного цикла, службы безопасности и службы управления для обеспечения всего процесса обслуживания и полного жизненного цикла посредством интеллектуальных процессов. Горизонтально, она содержит следующие четыре характеристики: интеллектуальное обслуживание, сервисная матрица (SF), связность и вычислительная матрица (CCF) и интеллектуальные пограничные вычислительные узлы (ECN). Интеллектуальные сервисы основаны на управляемой модельной унифицированной сервисной структуре. Система служб по разработке и системы служб по развертыванию и эксплуатации позволяют обеспечить интеллектуальную координацию между разработкой и развертыванием служб. Эти платформы обеспечивают непротиворечивые интерфейсы разработки программного обеспечения, а также автоматическое развертывание и эксплуатацию.
И фабрика сервисов, и интеллектуальные сервисы, определяющие поток E2E сервисов, служат для реализации гибкости обслуживания. Целью CCF является обеспечение упрощенной архитектуры и непосредственно упрощение архитектуры распределенной Edge intelligence для служб. Она также поддерживает координацию между службами Edge computing ресурсов. ECN обеспечивают интегрированную аппаратную и программную защиту, поддерживают обработку и реагирование в режиме реального времени и совместимы с широким спектром гетерогенных сетевых соединений. Концепция граничных вычислений охватывает вычислительную, сетевую инфраструктуры и инфраструктуру хранения данных (Edge площадку), а также те приложения, которые фактически работают на ней.
Edge в управлении автопарком
Edge вычисления предоставляют различные возможности владельцам автопарка. Например, Edge Computing может быть полезен в решении задачи прогнозирования поломок (транспортное средство может немедленно сообщить водителю, если какая-либо деталь может вскоре выйти из строя, не дожидаясь примерных прогнозов на основе усредненных данных по автопарку, а основываясь на индивидуальных данных о транспортном средстве, условий вождения и поведения водителя). Edge вычисления могут быть использованы для определения утомления водителя или отвлечения внимания путем анализа данных на видео. Edge также может помочь в предотвращении столкновений в режиме реального времени, предупреждая водителей в случае, если они следуют слишком близко к следующему впереди транспортному средству. Однако Edge computing существует не для того, чтобы заменить традиционные методы обработки данных - вместо этого он предоставляет более индивидуализированную и выверенную информацию владельцам автопарков и водителям на дороге.
На рынке уже доступны решения для управления автопарком, использующие возможности Edge. Например, Dell Edge Gateway 3002 (граничные шлюзы - это устройства, которые собирают данные с различных датчиков и преобразуют потоки данных в потоки стандартизированных IP-данных и передают управляющие команды в нисходящем направлении под контролем Edge серверов), предлагает различные варианты подключения: от шины CAN до Zigbee, Bluetooth и WiFi 3G/4G LTE. Он прост в использовании и "из коробки" оснащен различными датчиками, в том числе: встроенным GPS, акселерометром и датчиком атмосферного давления.
Вполне очевидно, что Edge вычисления могут снизить расходы на автопарк, помогая избежать различных поломок на дорогах и потенциальных столкновений. Но владельцы автопарка, использующие Edge вычислительные системы, также могут сэкономить средства на текущей передаче данных и расходах на хранение. Кроме того, владельцы автопарков могут уменьшить влияние так называемых "мертвых зон", так как не все данные потребуется отправлять обратно в централизованные облачные центры обработки данных.
Чтобы привести пример того, как Edge computing может помочь владельцам автопарка сэкономить средства, рассмотрим случай, приведенный в [13]. Там авторы используют AWS Lambda, AWS Greengrass и DragonBoard 410c в качестве аппаратно-программной комбинации для создания поддержки Greengrass в 410E Qualcomm ® Snapdragon ™ - системе на чипе (SoC), предназначенной для приложений Интернета вещей. Чтобы привести пример оценок затрат, автор демонстрирует, как Edge computing с Greengrass, Lambda и Snapdragon держит большую часть данных и их обработки вне сети. Результаты оценок показаны на рисунке ниже.
Рассмотрим приложение, которое подсчитывает и сообщает количество занятых/незанятых мест в маршрутном автобусе в режиме реального времени, анализируя поток видео.
Стоимость отправки потока в облако, его обработки и последующей отправки результатов обратно на край сети могла приближаться к $1000 в день для автопарка из 20 автобусов. Но когда приложение работает на устройстве с процессором Snapdragon, оно может осуществлять обработку на устройстве (на границе сети) и отправлять в облако только результаты, помогая снизить стоимость данных передаваемых по сотовой связи примерно до $1 в день. Этот пример дает хорошее представление о том, как граничные вычисления могут быть полезны для решения различных задач управления автопарком.
Edge вычисления - это полезная технология, которая может помочь раскрыть весь потенциал Интернета вещей, переместив некоторые функции обработки данных ближе к конечному пользователю. Технология Edge будет модернизироваться вместе с облачными вычислениями благодаря снижению ассоциированных затрат на аппаратное обеспечение и разработку технологий. Применительно к задачам управления автопарком, Edge системы могут сократить расходы, помогая избежать поломок на дорогах и потенциальных столкновений, а также могут уменьшить и иные расходы на текущую передачу и хранение данных.
Используемые источники
- www.grandviewresearch.com
- www.marketsandmarkets.com
- www.alliedmarketresearch.com
- www.power-solutions.com
- https://searchdatacenter.techtarget.com/definition/edge-computing
- https://erpinnews.com/fog-computing-vs-edge-computing
- http://en.ecconsortium.net
- http://blog.relayr.io
- Moving to the Edge-Cloud-of-Things: Recent Advances and Future Research Directions, Bangui, H. et al., Electronics, 2018.
- Cloud, fog and edge: Cooperation for the future? Bierzynski, K. et al, Second International Conference on Fog and Mobile Edge Computing (FMEC), 2017.
- https://www.bloorresearch.com
- https://transportation.trimble.com
- www.developer.qualcomm.com/blog/aws-lambda-greengrass-dragonboard-410c-edge-computing-iot
- https://www.5gaa.org
- https://erpinnews.com/fog-computing-vs-edge-computing
- https://www.openstack.org
- https://innovationatwork.ieee.org/real-life-edge-computing-use-cases
- http://dell.iotdesign.embedded-computing.com/white-papers
