مقالات

Cloud Computing چیست و Edge Computing چیست: defiتعاریف و تفاوت ها

ما در دوران زندگی می کنیم محاسبات ابری، بلکه محاسبات لبه sta lentamente diventando sotto i riflettori. Dispositivi perimetrali, servizi perimetrali, rete perimetrale e architettura dell’edge computing: sono tutti collegati allo spostamento dei processi verso l’edge e ne sentiamo parlare sempre più spesso.

اما دلیل افزایش محبوبیت این راه حل ها چیست؟ چه چیزی Edge Computing را مهم می کند؟ محاسبات لبه چگونه کار می کند؟ چه چیزی آن را از رایانش ابری متمایز می کند؟ و آیا محبوبیت روزافزون سیستم‌های محاسبات لبه به این معنی است که رایانش ابری شتاب خود را از دست داده است؟

 
رایانش ابری به طور خلاصه

پردازش ابری سالهاست که در اخبار است. در طول این مدت، زندگی تقریباً همه را متحول کرده است، خواه یک کاربر معمولی اینترنت، صاحب یک تجارت کوچک یا متوسط ​​یا یک مدیر غول پیکر یک شرکت بین المللی.

به طور خلاصه پردازش ابری به معنای ارائه دسترسی بر اساس تقاضا به منابع محاسباتی (مانند سرورهای فیزیکی و مجازی، ابزارهای توسعه، برنامه های کاربردی، ذخیره سازی داده ها و ظرفیت شبکه) از طریق اینترنت است. برای کوتاه‌تر کردن داستان طولانی، رایانش ابری می‌تواند باشد defiبه ارائه خدمات مختلف آنلاین پایان داد.

راه‌حل‌های ابری برای ذخیره، بایگانی، پشتیبان‌گیری، بازیابی و پردازش داده‌ها از تعداد زیادی دستگاه در یک سرور متمرکز هستند. انواع مختلفی از محیط های ابری برای میزبانی داده ها وجود دارد. مهم ترین مدل های استقرار ابری عبارتند از:

  • ابر خصوصی : محیط ابری و منابع محاسباتی که منحصراً برای یک کاربر نهایی مدیریت می شود
  • ابر عمومی - خدمات ابری ارائه شده توسط یک ارائه دهنده خدمات ابر اینترنت عمومی
  • ابر هیبریدی - ترکیبی از ابر عمومی و منابع محاسباتی خصوصی

مزایا و معایب رایانش ابری

نکات برجسته پوشش رایانش ابری:

  • ظرفیت ذخیره سازی نامحدود
  • پشتیبان گیری و بازیابی فعال است
  • دسترسی عالی
  • کارایی هزینه، بدون هیچ گونه سرمایه گذاری اولیه در زیرساخت

در جنبه منفی:

  • برخی از خطرات مرتبط با استفاده از یک ابر عمومی و به اشتراک گذاری داده های حساس با ارائه دهندگان خدمات شخص ثالث وجود دارد
  • کاربران ابری کنترل محدودی بر زیرساخت دارند
  • برای دسترسی به داده ها به یک اتصال اینترنتی خوب نیاز است
  • انتقال داده از یک ارائه دهنده به ارائه دهنده دیگر ممکن است دشوار باشد 
 
محاسبات لبه به طور خلاصه

پردازش داده منبع چیزی است که محاسبات را از سایر راه حل های ذخیره سازی داده و محاسباتی متمایز می کند و آن را از استفاده از ابر متمایز می کند. 

به طور خلاصه محاسبات لبه این به معنای پردازش داده ها (با دستگاه لبه) در زمان واقعی در نزدیکی منبع داده است.

صدها ارائه‌دهنده محاسبات لبه در بازار وجود دارد، از جمله Google Cloud، Dell Technologies، Intel، Huawei، Ericsson، Cisco، Deutsche Telekom، Lenovo، Nokia، Tata Communications و Vodafone. محاسبات لبه AWS آمازون، محاسبات لبه مایکروسافت، و محاسبات لبه IBM Azure برخی از خدمات عمده مورد استفاده در این زمینه هستند.

محاسبات لبه شرکت ها را قادر می سازد تا هزینه های انتقال را کاهش دهند، که این مزیت قابل توجهی در زمان آشفته ای است که در آن زندگی می کنیم. سازمان‌ها می‌توانند به لطف حجم کم داده‌ای که باید جابه‌جا شوند و در نتیجه پهنای باند کاهش یافته، در هزینه‌های خود صرفه‌جویی کنند.

مزایا و معایب محاسبات لبه ای

محاسبات لبه مزایای زیادی دارد. برخی از آنها عبارتند از:

  • کاهش تاخیر شبکه
  • افزایش عملکرد شبکه
  • بهبود زمان خدمات
  • پردازش کامل و به موقع داده ها، با امکان پردازش داده ها در زمان واقعی

با این حال، آنچه ممکن است کمتر سودمند باشد، این است که با محاسبات لبه:

خبرنامه نوآوری
مهم ترین اخبار نوآوری را از دست ندهید. برای دریافت آنها از طریق ایمیل ثبت نام کنید.
  • ظرفیت ذخیره سازی بیشتری مورد نیاز است
  • سرمایه گذاری اولیه می تواند قابل توجه باشد
  • یک زیرساخت پیشرفته با سخت افزار محلی مورد نیاز است
  • قدرت پردازش کم است 
 
لبه در مقابل محاسبات ابری

محاسبات لبه و ابری هر دو مزایا و معایب، موارد استفاده خاص و خطرات خاص خود را دارند. در برخی موارد، محاسبات لبه ای را می توان امن تر از رایانش ابری در نظر گرفت، زیرا اتصال به اینترنت همیشه در مورد آن مورد نیاز نیست. و از آنجایی که محاسبات لبه می‌تواند وابستگی شبکه را کاهش دهد، نگرانی‌ها در مورد کیفیت یا تداوم خدمات، که نمونه‌ای از محاسبات ابری است، کاهش می‌یابد. 

با این حال، همه چیز به این سادگی نیست، و محاسبات لبه می تواند باشد defi"شمشیر دو لبه برای حفظ حریم خصوصی" را با امکان داده های شخصی را بیشتر در معرض دید بگذارید . به نوبه خود، رایانش ابری، به ویژه ابر خصوصی، می تواند سطح قابل توجه و کافی کنترل بر خطرات امنیتی را فراهم کند.

تفاوت های اضافی بین محاسبات لبه و رایانش ابری:

پردازش ابریمحاسبات لبه
سیستمیک نقطه ذخیره سازیتوزیع شده است
پوششجهانیمحل
حریم خصوصیخوب محافظت شدهافزایش نگرانی ها
انبارداریampioمحدود
قدرت پردازشصدای اوجکسی که با صدای بم اواز میخواند
موارد استفاده کنیدآرشیو فایل ها و داده هابارهای کاری را خودکار کنید
محاسبات بدون سرورمراقبت های بهداشتی و برنامه های پزشکی (نظارت بر بیمار)
پلتفرم های پخش ویدئومدیریت ترافیک
پردازش داده هاتشخیص تقلب مالی
فایل پشتیبانی اطلاعاتبهبود ایمنی محل کار
آرشیو داده هاماشین خودران
بهبودی اورژانسینظارت بر فرآیندهای صنعتی
دسکتاپ های مجازیواقعیت مجازی و افزوده
تجزیه و تحلیل داده های بزرگبهینه سازی جریان ویدئو
توسعه و تست نرم افزاراعلان‌های فشاری بهبود یافته: می‌توان با حداقل تاخیر برای کاربران خاص سفارشی‌سازی کرد
شبکه اجتماعی
پهنای باند شبکه مورد نیازمقدار زیادیمقدار کم یا هیچ

به طور خلاصه، در مدل محاسبات لبه، داده ها بیشتر محلی و نزدیک به تجهیزات پردازش و ذخیره می شوند. به نوبه خود، رایانش ابری رویکردی متضاد با محاسبات لبه دارد و امکان ذخیره سازی داده ها را به روشی متمرکزتر فراهم می کند.

 
لبه و رایانش ابری: چشم انداز آینده

محاسبات لبه نباید به عنوان مرحله بعدی در تاریخ محاسبات در نظر گرفته شود، بلکه باید به عنوان چیزی در نظر گرفته شود. مکمل به آنچه ابر ارائه می دهد، یکی از پیشرفت ها یا روندهای کلیدی در این زمینه است. که در defiاین دو سیستم را می توان در موارد استفاده مختلف، با داده های متمرکز (راه حل های ابری) یا داده های غیرمتمرکز (محاسبات ابری) استفاده کرد.

به لطف تطبیق پذیری و مفید بودن، آینده برای محاسبات لبه روشن به نظر می رسد. در همه جا، در تعداد زیادی از موارد استفاده و صنایع استفاده می شود. خانه های هوشمند که به شدت به دستگاه های اینترنت اشیا متکی هستند، تنها یکی از نمونه های پیشرو و روزمره در اینجا هستند. اما مطمئناً ابر نیز اینجاست که می‌ماند: ما نمی‌توانیم دنیای امروز را بدون دسترسی به منابع ابری، ذخیره فایل‌ها در داخل آن، و بازیابی آن در صورت نیاز، و همچنین پلتفرم‌های شبکه‌های اجتماعی که به شدت به خدمات ابری متکی هستند، تصور کنیم.

Ercole Palmeri: معتاد به نوآوری

خبرنامه نوآوری
مهم ترین اخبار نوآوری را از دست ندهید. برای دریافت آنها از طریق ایمیل ثبت نام کنید.

مقالات اخیر

نحوه ادغام داده ها در اکسل

هر عملیات تجاری، داده های زیادی را تولید می کند، حتی به اشکال مختلف. این داده ها را به صورت دستی از یک برگه اکسل وارد کنید تا…

14 می 2024

تجزیه و تحلیل فصلی Cisco Talos: ایمیل های شرکتی که توسط مجرمان هدف قرار می گیرند، بخش های تولید، آموزش و بهداشت و درمان بیشترین آسیب را دیده اند.

به خطر افتادن ایمیل های شرکت در سه ماهه اول سال 2024 نسبت به سه ماهه آخر سال بیش از دو برابر افزایش یافته است.

14 می 2024

اصل جداسازی رابط (ISP)، اصل چهارم SOLID

اصل تفکیک رابط یکی از پنج اصل SOLID طراحی شی گرا است. یک کلاس باید…

14 می 2024

نحوه سازماندهی بهترین داده ها و فرمول ها در اکسل، برای تجزیه و تحلیل خوب

مایکروسافت اکسل ابزار مرجع برای تجزیه و تحلیل داده ها است، زیرا ویژگی های بسیاری را برای سازماندهی مجموعه داده ها ارائه می دهد.

14 می 2024

نتیجه‌گیری مثبت برای دو پروژه مهم Walliance Equity Crowdfunding: Jesolo Wave Island و Milano Via Ravenna

Walliance، سیم‌کارت و پلتفرم در میان پیشتازان اروپا در زمینه سرمایه‌گذاری جمعی املاک و مستغلات از سال 2017، تکمیل…

13 می 2024

فیلامنت چیست و چگونه از فیلامنت لاراول استفاده کنیم

Filament یک چارچوب توسعه لاراول "شتاب یافته" است که چندین مولفه تمام پشته را ارائه می دهد. طراحی شده است تا فرآیند…

13 می 2024

تحت کنترل هوش مصنوعی

من باید برگردم تا تکامل خود را کامل کنم: خودم را در کامپیوتر فرافکنی می کنم و به انرژی خالص تبدیل می شوم. پس از استقرار در…

10 می 2024

هوش مصنوعی جدید گوگل می‌تواند DNA، RNA و "تمام مولکول‌های حیات" را مدل‌سازی کند.

Google DeepMind نسخه بهبودیافته ای از مدل هوش مصنوعی خود را معرفی می کند. مدل جدید بهبود یافته نه تنها…

9 می 2024

نوآوری را به زبان خود بخوانید

خبرنامه نوآوری
مهم ترین اخبار نوآوری را از دست ندهید. برای دریافت آنها از طریق ایمیل ثبت نام کنید.

ما را دنبال کنید