ชื่อเดิม: Edge Computing: วิสัยทัศน์และความท้าทาย

ผู้เขียนต้นฉบับ: ศาสตราจารย์ Shi Weisong

คลื่นปัจจุบันของการทำให้เป็นดิจิทัลทั่วโลกกำลังเฟื่องฟู Edge Computing มอบความสามารถหลัก เช่น การประมวลผล เครือข่าย และระบบอัจฉริยะที่อยู่ใกล้เคียง เร่งการเปลี่ยนแปลงและยกระดับเศรษฐกิจเสริมอำนาจ และค่อยๆ กลายเป็นทิศทางใหม่ของระบบคอมพิวเตอร์ ซึ่งเป็นรูปแบบใหม่ใน ฟิลด์ข้อมูลและแพลตฟอร์มใหม่สำหรับการเปลี่ยนแปลงทางอุตสาหกรรมกำลังอยู่ในขั้นตอนของการพัฒนาอย่างรวดเร็ว ความนิยมของแนวคิดของ Edge Computing กำลังเร่งไปสู่การปรับใช้จริง ซึ่งได้รับความสนใจอย่างกว้างขวางจากสถาบันการศึกษาและภาคอุตสาหกรรม

Edge Computing สนับสนุนการประมวลผลข้อมูลที่ส่วนขอบของเครือข่าย ซึ่งช่วยลดเวลาตอบสนองของระบบ ปกป้องความเป็นส่วนตัวและความปลอดภัยของข้อมูล ยืดอายุแบตเตอรี่ และประหยัดแบนด์วิธของเครือข่าย

ชื่อเรื่องรอง

01 Edge Computing คืออะไร

เนื่องจากปริมาณข้อมูลที่สร้างขึ้นที่ขอบของเครือข่ายยังคงเพิ่มขึ้น การประมวลผลข้อมูลโดยตรงที่ขอบของเครือข่ายจะมีประสิทธิภาพมากขึ้น มีการเสนอศูนย์ข้อมูลขนาดเล็ก ไมโครคลาวด์ และการประมวลผลแบบหมอก ในส่วนนี้ เราจะอธิบายว่าการประมวลผลแบบเอดจ์คืออะไรและเหตุใดการประมวลผลแบบเอดจ์จึงมีประสิทธิภาพมากกว่าการประมวลผลแบบคลาวด์สำหรับบริการคอมพิวเตอร์บางอย่าง

การวางงานด้านการประมวลผลทั้งหมดไว้บนคลาวด์เป็นวิธีที่มีประสิทธิภาพ เนื่องจากพลังการประมวลผลของคลาวด์นั้นแข็งแกร่งกว่าอุปกรณ์เอดจ์มาก แม้ว่าความเร็วในการประมวลผลข้อมูลจะเร็ว แต่แบนด์วิธของเครือข่ายก็มีจำกัดมาก เมื่อข้อมูลเพิ่มขึ้นอย่างต่อเนื่อง ความเร็วในการรับส่งข้อมูลจึงกลายเป็นปัญหาคอขวดในการปรับปรุงขีดความสามารถของการประมวลผลแบบคลาวด์ ตัวอย่างเช่น เครื่องบินโดยสารโบอิ้ง 787 สร้างข้อมูล 5G ทุกวินาที แต่แบนด์วิธระหว่างเครื่องบินกับดาวเทียมหรือสถานีฐานไม่สามารถรองรับการรับส่งข้อมูลจำนวนมากเช่นนี้ได้ รถยนต์ไร้คนขับสามารถสร้างข้อมูลได้ 1G ต่อวินาที และจำเป็นต้องประมวลผลข้อมูลแบบเรียลไทม์และดำเนินการให้ถูกต้อง หากข้อมูลทั้งหมดถูกส่งไปยังคลาวด์เพื่อประมวลผล เวลาตอบสนองจะยาวนานมาก และการรองรับรถยนต์หลายคันในพื้นที่หนึ่งให้ทำงานพร้อมกันก็เป็นความท้าทายอย่างมากสำหรับแบนด์วิธและความน่าเชื่อถือของเครือข่ายในปัจจุบัน ดังนั้นจึงต้องมีการประมวลผลข้อมูลโดยตรงบนอุปกรณ์ขอบของเครือข่าย

อุปกรณ์อิเล็กทรอนิกส์เกือบทั้งหมดจะเป็นส่วนหนึ่งของ Internet of Things และจะมีบทบาทเป็นผู้ผลิตข้อมูลและผู้บริโภค เช่น เซ็นเซอร์วัดคุณภาพอากาศ ไฟถนน เตาไมโครเวฟ และอื่นๆ มีอุปกรณ์เหล่านี้จำนวนมากที่สร้างข้อมูลจำนวนมหาศาล ดังนั้นวิธีการประมวลผลแบบคลาวด์แบบดั้งเดิมจะไม่สามารถรองรับข้อมูลจำนวนมากเช่นนี้ได้ ดังนั้น ข้อมูลจำนวนมากที่สร้างโดยอุปกรณ์ IoT จึงไม่สามารถส่งไปยังระบบคลาวด์ได้ทั้งหมด และจำเป็นต้องประมวลผลโดยตรงที่ส่วนขอบของเครือข่าย

แผนภาพด้านบนแสดงโครงสร้างของคลาวด์คอมพิวติ้งแบบดั้งเดิม ผู้ผลิตข้อมูลจะสร้างข้อมูลดิบและส่งไปยังระบบคลาวด์ ส่วนผู้ใช้ข้อมูลจะส่งคำขอไปยังระบบคลาวด์และใช้ข้อมูลดังกล่าว แต่โครงสร้างนี้ไม่สามารถตอบสนองความต้องการของยุค Internet of Things ได้ ประการแรก ปริมาณข้อมูลที่อุปกรณ์สร้างขึ้นมีมากเกินไป ส่งผลให้แบนด์วิธและทรัพยากรสิ้นเปลืองโดยไม่จำเป็น ประการที่สอง ความจำเป็นในการปกป้องความเป็นส่วนตัวยังเป็นอุปสรรคต่อการประยุกต์ใช้คลาวด์คอมพิวติ้ง ประการที่สาม โหนดปลายทาง IoT ส่วนใหญ่เป็นอุปกรณ์ที่มีพลังงานจำกัด ซึ่งอาจใช้พลังงานจากแบตเตอรี่ และโมดูลการสื่อสารไร้สายมักจะใช้พลังงานค่อนข้างมาก ดังนั้นจึงมีประสิทธิภาพมากในการดำเนินการประมวลผลบางอย่างบนโหนดขอบโดยตรง

ในกระบวนทัศน์การประมวลผลแบบคลาวด์ อุปกรณ์ปลายทางบนขอบมักจะมีบทบาทเป็นผู้บริโภคข้อมูล เช่น การดูวิดีโอ YouTube บนสมาร์ทโฟน แต่ปัจจุบันผู้คนยังทำหน้าที่เป็นผู้ผลิตข้อมูล ใช้สมาร์ทโฟนถ่ายรูป ถ่ายวิดีโอ แล้วแชร์บน YouTube, Facebook, Twitter ฯลฯ อย่างไรก็ตาม ปริมาณข้อมูลของรูปภาพและวิดีโอเหล่านี้มีมากเกินไป และหากอัปโหลดไปยังอินเทอร์เน็ตโดยตรง จะใช้แบนด์วิธมาก ดังนั้นจึงสามารถปรับรูปภาพและวิดีโอได้โดยตรงบนเทอร์มินัล จากนั้นอัปโหลดไปยังระบบคลาวด์ อีกตัวอย่างหนึ่งคืออุปกรณ์สุขภาพแบบสวมใส่ข้อมูลที่รวบรวมโดยอุปกรณ์เหล่านี้อาจค่อนข้างเป็นส่วนตัว ดังนั้น การประมวลผลข้อมูลบนอุปกรณ์โดยตรงแทนที่จะอัปโหลดไปยังระบบคลาวด์จะปกป้องความเป็นส่วนตัวของข้อมูลได้ดีกว่า

Edge Computing เป็นเทคโนโลยีที่ช่วยให้สามารถคำนวณข้อมูลอัปลิงค์สำหรับบริการ IoT และข้อมูลดาวน์ลิงก์สำหรับบริการคลาวด์ที่ขอบของเครือข่าย "ขอบ" ในที่นี้หมายถึงการประมวลผลและทรัพยากรเครือข่ายระหว่างแหล่งข้อมูลและศูนย์ข้อมูลระบบคลาวด์ ตัวอย่างเช่น สมาร์ทโฟนเป็น "ขอบ" ระหว่างบุคคลกับคลาวด์ และเกตเวย์ในบ้านอัจฉริยะคือ "ขอบ" ระหว่างอุปกรณ์ในบ้านกับคลาวด์ หลักการพื้นฐานของการคำนวณขอบคือการคำนวณใกล้กับแหล่งข้อมูล จากมุมมองนี้ Edge Computing จะคล้ายกับ Fog Computing แต่ Edge Computing จะมุ่งเน้นไปที่ด้าน "สิ่งของ" มากกว่า ในขณะที่ Fog Computing จะมุ่งเน้นไปที่โครงสร้างพื้นฐานมากกว่า เราคิดว่าเอดจ์คอมพิวติ้งจะส่งผลกระทบอย่างมากต่อสังคมของเราเช่นเดียวกับการประมวลผลแบบคลาวด์

รูปที่ 2 แสดงโฟลว์การประมวลผลแบบสองทิศทางใน Edge Computing ในกระบวนทัศน์ Edge Computing สิ่งต่างๆ ไม่ใช่แค่ผู้ใช้ข้อมูลเท่านั้น แต่ยังรวมถึงผู้ผลิตข้อมูลด้วย ที่ขอบของเครือข่าย สิ่งต่างๆ ไม่เพียงแต่สามารถร้องขอบริการและเนื้อหาจากระบบคลาวด์เท่านั้น แต่ยังทำงานด้านคอมพิวเตอร์ได้อีกด้วย Edge สามารถจัดเก็บ แคช และประมวลผลข้อมูล ในขณะที่ส่งบริการคลาวด์และคำขอไปยังผู้ใช้ ดังนั้นจึงจำเป็นต้องออกแบบขอบของเครือข่ายให้เหมาะสมเพื่อให้เป็นไปตามข้อกำหนดด้านความปลอดภัย ความน่าเชื่อถือ และการปกป้องความเป็นส่วนตัว

ชื่อเรื่องรอง

02กรณีที่เกี่ยวข้อง

ในกระบวนทัศน์การประมวลผลแบบคลาวด์ ซึ่งการประมวลผลส่วนใหญ่เกิดขึ้นในคลาวด์ กระบวนทัศน์การคำนวณนี้อาจนำไปสู่ความล่าช้าของระบบที่ยาวนานซึ่งทำให้ประสบการณ์ของผู้ใช้ลดลง ใน Edge Computing Edge มีทรัพยากรการประมวลผลบางอย่าง ซึ่งสามารถช่วยให้ Cloud แบ่งปันส่วนหนึ่งของงานการประมวลผลได้

ในเครือข่ายการจัดส่งเนื้อหาแบบดั้งเดิม (CDN) เฉพาะข้อมูลเท่านั้นที่ถูกแคชไว้บนเซิร์ฟเวอร์ขอบ เนื่องจากในช่วงไม่กี่ทศวรรษที่ผ่านมา ผู้ให้บริการเนื้อหาได้ให้ข้อมูลโดยตรงบนอินเทอร์เน็ต แต่ในยุค IoT ข้อมูลถูกผลิตและใช้งานที่เอดจ์ ดังนั้นในการประมวลผลแบบเอดจ์ ข้อมูลและการดำเนินการกับข้อมูลจำเป็นต้องแคชไว้บนเอดจ์

ข้อดีอย่างหนึ่งของ Edge Computing สามารถเห็นได้ในบริการช้อปปิ้งออนไลน์ ผู้บริโภคอาจใช้งานตะกร้าสินค้าบ่อยครั้ง ตามค่าเริ่มต้น การดำเนินการบนตะกร้าสินค้าจะเสร็จสมบูรณ์บนคลาวด์ จากนั้นอินเทอร์เฟซตะกร้าสินค้าในฝั่งไคลเอนต์จะได้รับการอัปเดต ขึ้นอยู่กับความเร็วอินเทอร์เน็ตและโหลดของเซิร์ฟเวอร์ กระบวนการนี้อาจใช้เวลานาน และนานกว่านั้นสำหรับอุปกรณ์มือถือ เมื่อมีการจับจ่ายมากขึ้นในไคลเอนต์มือถือ เพื่อปรับปรุงประสบการณ์ผู้ใช้ การดำเนินการอัปเดตตะกร้าสินค้าสามารถย้ายไปยังโหนดขอบได้ ดังที่ได้กล่าวไว้ก่อนหน้านี้ ข้อมูลตะกร้าสินค้าของผู้ใช้และการดำเนินการบนตะกร้าสินค้าสามารถแคชได้ที่โหนดขอบ แน่นอน ในที่สุดข้อมูลตะกร้าสินค้าของผู้ใช้จะถูกซิงโครไนซ์กับคลาวด์ แต่ข้อมูลเหล่านี้สามารถทำงานในพื้นหลังได้

เมื่อผู้ใช้ย้ายจากโหนดขอบหนึ่งไปยังอีกโหนดหนึ่ง สิ่งนี้เกี่ยวข้องกับการทำงานร่วมกันแบบหลายโหนด เราสามารถแคชข้อมูลไปยังโหนดขอบแต่ละโหนดที่ผู้ใช้มาถึงได้ แต่การซิงโครไนซ์ของแต่ละโหนดจำเป็นต้องได้รับการศึกษาเพิ่มเติม ตัวอย่างเช่น: แอปพลิเคชันการนำทางในพื้นที่ขนาดเล็กสามารถย้ายการนำทางหรือบริการค้นหาไปที่ขอบ การกรองเนื้อหาและการรวมสามารถทำได้บนโหนดขอบเพื่อลดจำนวนการส่งข้อมูล แอปพลิเคชันตามเวลาจริง เช่น AR สามารถใช้โหนดขอบเพื่อลด เวลาตอบสนอง. ดังนั้น การใช้ Edge Computing สามารถลดเวลาแฝงของระบบและปรับปรุงประสบการณ์ผู้ใช้ได้อย่างมาก

ความแพร่หลายของโทรศัพท์มือถือและเว็บแคมทำให้การวิเคราะห์วิดีโอกลายเป็นเทคโนโลยีใหม่ การประมวลผลแบบคลาวด์ไม่เหมาะสำหรับการวิเคราะห์วิดีโอเนื่องจากความล่าช้าในการส่งข้อมูลและความเป็นส่วนตัว ในที่นี้ขอกล่าวถึงตัวอย่างการค้นหาเด็กหาย ขณะนี้มีกล้องจำนวนมากในเมือง เมื่อเด็กหลงทาง เขา/เธอมักจะถูกกล้องจับไว้ อย่างไรก็ตาม เนื่องจากปัญหาด้านความเป็นส่วนตัวและค่าใช้จ่ายในการรับส่งข้อมูล โดยปกติแล้วข้อมูลกล้องเหล่านี้ไม่ได้ถูกส่งไปยังระบบคลาวด์ทั้งหมด ดังนั้นจึงเป็นเรื่องยากสำหรับเราที่จะใช้กล้องที่หลากหลายเช่นนี้

แม้จะเข้าถึงข้อมูลนี้จากระบบคลาวด์ การถ่ายโอนและค้นหาข้อมูลจำนวนมากเช่นนี้อาจใช้เวลานาน ซึ่งอาจทำให้เด็กหายได้ เราสามารถใช้ประโยชน์จากกระบวนทัศน์การคำนวณขอบเพื่อส่งคำขอค้นหาเด็กที่ขาดหายไปจากระบบคลาวด์ไปยังอุปกรณ์ในพื้นที่เป้าหมาย อุปกรณ์แต่ละชิ้นในพื้นที่เฉพาะ เช่น สมาร์ทโฟน จะค้นหาข้อมูลกล้องในเครื่อง จากนั้นจึงแสดงเฉพาะผลการค้นหา ดังนั้นเวลาในการค้นหาจะลดลงอย่างมาก

Internet of Things ได้ปรับปรุงสภาพแวดล้อมที่บ้านอย่างมาก ผลิตภัณฑ์ที่เกี่ยวข้องบางอย่างได้ปรากฏตัวในตลาด เช่น ไฟอัจฉริยะ สมาร์ททีวี หุ่นยนต์กวาดพื้น และอื่นๆ แต่เพียงแค่เชื่อมต่ออุปกรณ์เข้ากับระบบคลาวด์ผ่านโมดูลการสื่อสารไร้สาย เช่น Wi-Fi ก็ยังห่างไกลจากการเป็นบ้านอัจฉริยะ ในบ้านอัจฉริยะ นอกเหนือจากอุปกรณ์ที่เชื่อมต่อแล้ว ควรติดตั้งเซ็นเซอร์และตัวควบคุมจำนวนมากในห้อง ท่อ พื้น ผนัง ฯลฯ พวกเขาจะสร้างข้อมูลจำนวนมาก แต่เมื่อพิจารณาถึงปัญหาความเป็นส่วนตัวและแรงกดดันในการส่งข้อมูล ข้อมูลเหล่านี้ส่วนใหญ่จำเป็นต้องใช้โดยตรงในเครื่อง สิ่งนี้ทำให้คลาวด์คอมพิวติ้งไม่เหมาะกับบ้านอัจฉริยะอีกต่อไป และจะถูกแทนที่ด้วยเอดจ์คอมพิวติ้ง ด้วยการเรียกใช้ระบบปฏิบัติการขอบ (EdgeOS) บนเกตเวย์ที่บ้าน อุปกรณ์ในบ้านสามารถเชื่อมต่อกับเกตเวย์ แล้วปรับใช้บริการที่เกี่ยวข้องสำหรับการจัดการแบบรวมศูนย์

รูปที่ 3 แสดงโครงสร้าง EdgeOS ในบ้านอัจฉริยะ EdgeOS สามารถรวบรวมข้อมูลต่างๆ ในบ้านผ่าน Wi-Fi, Bluetooth, ZigBee, เครือข่ายเซลลูลาร์ ฯลฯ แหล่งข้อมูลต่างๆ จะถูกหลอมรวมกันที่ชั้นข้อมูลนามธรรม เหนือชั้น data abstraction คือชั้นการจัดการบริการ เลเยอร์นี้ต้องรองรับการสร้างความแตกต่าง การขยาย การแยก และความน่าเชื่อถือ

กระบวนทัศน์ Edge Computing สามารถนำไปใช้ในบ้านอัจฉริยะ ชุมชน และแม้แต่ในเมือง สาเหตุหลักมีดังนี้:

1. ข้อมูลจำนวนมาก: ตามข้อมูลที่เกี่ยวข้อง เมืองที่มีประชากรถาวรหนึ่งล้านคนจะสร้างข้อมูล 180PB ทุกวัน และข้อมูลเหล่านี้มาจากความปลอดภัยสาธารณะ การรักษาพยาบาล การคมนาคม ฯลฯ มันไม่สมจริงที่จะสร้างศูนย์ข้อมูลบนคลาวด์แบบรวมศูนย์เพื่อประมวลผลข้อมูลเหล่านี้ Edge Computing เป็นโซลูชันที่มีประสิทธิภาพ

2. เวลาแฝงต่ำ: สำหรับแอปพลิเคชันที่ต้องการเวลาแฝงที่กำหนดขึ้นและเวลาแฝงต่ำ เช่น อุปกรณ์ทางการแพทย์หรืออุปกรณ์ความปลอดภัยสาธารณะ การประมวลผลที่ขอบยังเป็นกระบวนทัศน์ที่เหมาะสม ซึ่งสามารถประหยัดเวลาในการส่งข้อมูลและทำให้โครงสร้างเครือข่ายง่ายขึ้น เมื่อเทียบกับการประมวลผลบนคลาวด์ การประมวลผลข้อมูลที่ Edge จะทำให้การตัดสินใจมีประสิทธิภาพมากขึ้น

3. การรับรู้ตำแหน่ง: สำหรับแอปพลิเคชันที่อิงตามตำแหน่งทางภูมิศาสตร์ เช่น การจัดการสิ่งอำนวยความสะดวกในการขนส่ง การคำนวณที่ขอบสามารถรับข้อมูลตำแหน่งที่แม่นยำยิ่งขึ้น สามารถรวบรวมและประมวลผลข้อมูลตามสถานที่โดยไม่ต้องส่งไปยังระบบคลาวด์

ในอุตสาหกรรมและสถาบันการศึกษา ระบบคลาวด์อาจกล่าวได้ว่าเป็นแพลตฟอร์มคอมพิวเตอร์มาตรฐานสำหรับการประมวลผลข้อมูลขนาดใหญ่ การประมวลผลแบบคลาวด์จำเป็นต้องถ่ายโอนข้อมูลไปยังระบบคลาวด์เพื่อการประมวลผล แต่ในหลายกรณี ผู้มีส่วนได้ส่วนเสียไม่กี่รายที่เป็นเจ้าของข้อมูลยินดีที่จะแบ่งปันข้อมูลดังกล่าวเนื่องจากข้อกังวลด้านความเป็นส่วนตัวและค่าใช้จ่ายในการถ่ายโอนข้อมูล ดังนั้นโอกาสสำหรับผู้มีส่วนได้ส่วนเสียหลายกลุ่มในการทำงานร่วมกันจึงมีจำกัด Edge เป็นศูนย์ข้อมูลขนาดเล็กที่เชื่อมต่อระบบคลาวด์และผู้ใช้ปลายทาง ขอบที่ทำงานร่วมกันจะเชื่อมต่อขอบต่างๆ การเชื่อมต่อที่เหมือนบ้านนี้ช่วยให้ผู้มีส่วนได้ส่วนเสียต่างๆ สามารถทำงานร่วมกันและแบ่งปันข้อมูลได้

แอปพลิเคชั่นที่มีมูลค่ามากในอนาคตอันใกล้คือแอปพลิเคชั่นด้านการดูแลสุขภาพที่เชื่อมต่อ ดังแสดงในรูปที่ 4 ตัวอย่างเช่น หากมีการระบาดของโรคไข้หวัดใหญ่ ผู้ป่วยจะเดินทางมาที่โรงพยาบาล และเวชระเบียนอิเล็กทรอนิกส์ของผู้ป่วยจะได้รับการอัปเดตพร้อมกัน โรงพยาบาลนับและแบ่งปันข้อมูลเกี่ยวกับการระบาดของไข้หวัดใหญ่ เช่น ค่ารักษาโดยเฉลี่ย อาการ จำนวนผู้ป่วย และอื่นๆ ในทางทฤษฎี ผู้ป่วยจะไปร้านขายยาเพื่อรับยาตามใบสั่งแพทย์ แต่ก็เป็นไปได้ที่ผู้ป่วยไม่ปฏิบัติตามคำแนะนำของแพทย์ในการรักษา แต่โรงพยาบาลไม่ทราบว่าผู้ป่วยไม่ได้รับประทานยา ทางโรงพยาบาลจึงต้องรับผิดชอบในการถอยกลับ ขณะนี้ผ่าน Collaborative Edge ร้านขายยาสามารถจัดทำบันทึกการซื้อของผู้ป่วยให้กับโรงพยาบาลได้ ซึ่งนำความชัดเจนมาสู่ความรับผิดชอบทางการแพทย์

ในเวลาเดียวกัน ร้านขายยาใช้ความได้เปรียบในการทำงานร่วมกันเพื่อให้ได้จำนวนผู้ป่วยจากโรงพยาบาล เพื่อให้ร้านขายยาสามารถตุนไว้ล่วงหน้าและทำให้ได้รับผลกำไรมากขึ้น นอกจากนี้ ร้านขายยายังสามารถขอราคา สถานที่ และสินค้าคงคลังของยาจากบริษัทยาได้อีกด้วย ร้านขายยายังสามารถรับราคาจัดส่งของบริษัทขนส่ง เพื่อกำหนดแผนการใช้ยาที่เหมาะสมยิ่งขึ้น บริษัทยาสามารถกำหนดแผนการผลิตที่เหมาะสมตามข้อมูลยาที่ส่งโดยร้านขายยา ในขณะเดียวกัน ศูนย์ควบคุมและป้องกันโรคของรัฐบาลยังสามารถออกคำเตือนไปยังประชาชนในพื้นที่เฉพาะ โดยการตรวจหาจำนวนผู้ป่วยและดำเนินมาตรการที่เกี่ยวข้องเพื่อควบคุมการแพร่ระบาดของโรคไข้หวัดใหญ่

ชื่อเรื่องรอง

03 โอกาสและความท้าทาย

ในหัวข้อที่แล้ว เราได้แนะนำตัวอย่างการใช้งาน Edge Computing หลายตัวอย่าง ในส่วนนี้ เราจะสรุปความท้าทายของ Edge Computing และเสนอวิธีแก้ปัญหาที่ควรค่าแก่การวิจัยเพิ่มเติม ส่วนใหญ่เกี่ยวข้องกับความสามารถในการโปรแกรม การตั้งชื่อ การแยกข้อมูล การจัดการบริการ ความเป็นส่วนตัวและความปลอดภัย และเมตริกการปรับให้เหมาะสม

1. ความสามารถในการโปรแกรม

ในการประมวลผลแบบคลาวด์ ผู้ใช้เขียนโปรแกรมและปรับใช้ในระบบคลาวด์ ผู้ให้บริการระบบคลาวด์มีหน้าที่รับผิดชอบในการตัดสินใจว่าจะดำเนินการด้านคอมพิวเตอร์ที่ใด ผู้ใช้ไม่รู้ว่าแอปพลิเคชันทำงานอย่างไร ซึ่งเป็นข้อได้เปรียบของคลาวด์คอมพิวติ้ง และโครงสร้างโครงสร้างพื้นฐานของคลาวด์คอมพิวติ้งนั้นโปร่งใสสำหรับผู้ใช้ โดยปกติแล้ว เนื่องจากโปรแกรมทำงานบนคลาวด์เท่านั้น จึงเสร็จสมบูรณ์ด้วยภาษาการเขียนโปรแกรมและคอมไพล์ไปยังแพลตฟอร์มเป้าหมายเฉพาะเพื่อเรียกใช้ แต่ในเอดจ์คอมพิวติ้ง งานคอมพิวเตอร์จะถูกกระจายไปยังเอดจ์โหนดบนแพลตฟอร์มต่างๆ เวลาทำงานของโหนดต่างๆ นั้นแตกต่างกัน และนักพัฒนาโปรแกรมก็ประสบปัญหาอย่างมาก

เพื่อแก้ปัญหาความสามารถในการตั้งโปรแกรมของ Edge Computing เราเสนอแนวคิดของ Flow ของการคำนวณ หมายถึงชุดของการดำเนินการกับข้อมูลบนเส้นทางการส่งข้อมูล การดำเนินการเหล่านี้อาจรวมถึงฟังก์ชันการทำงานของแอปทั้งหมดหรือบางส่วน โฟลว์การประมวลผลคือกระบวนการคำนวณที่กำหนดโดยซอฟต์แวร์ซึ่งสามารถประมวลผลข้อมูลในลักษณะกระจายและมีประสิทธิภาพบนอุปกรณ์สร้างข้อมูล โหนดขอบ และสภาพแวดล้อมระบบคลาวด์

ตามที่นิยามการประมวลผลที่ขอบ การประมวลผลควรทำที่ขอบมากกว่าในระบบคลาวด์ ในกรณีนี้ โฟลว์การคำนวณสามารถช่วยผู้ใช้ในการตัดสินใจว่าต้องดำเนินการใดและควรเผยแพร่ข้อมูลอย่างไร เมตริกสำหรับตำแหน่งที่จะดำเนินการอาจเป็นเวลาแฝง การใช้พลังงาน ข้อจำกัดของฮาร์ดแวร์และซอฟต์แวร์ และอื่นๆ เราเชื่อว่าการประมวลผลข้อมูลควรใกล้เคียงกับแหล่งข้อมูลมากที่สุดเท่าที่จะเป็นไปได้ ซึ่งจะช่วยลดค่าใช้จ่ายในการรับส่งข้อมูล ในโฟลว์การคำนวณ การดำเนินการสามารถแจกจ่ายซ้ำได้ และต้องมีการแจกจ่ายข้อมูลและสถานะที่สอดคล้องกันอีกครั้ง นอกจากนี้ เราต้องแก้ปัญหาการทำงานร่วมกัน เช่น การซิงโครไนซ์ข้อมูล

2. การตั้งชื่อ

ใน Edge Computing สมมติฐานที่สำคัญคือปริมาณของสิ่งต่างๆ นั้นใหญ่มาก มีแอปพลิเคชันจำนวนมากที่ทำงานบนโหนดขอบ และแต่ละแอปพลิเคชันมีโครงสร้างองค์กรบริการของตนเอง เช่นเดียวกับระบบคอมพิวเตอร์อื่นๆ ใน Edge Computing ระบบการตั้งชื่อมีความสำคัญต่อการเขียนโปรแกรม การกำหนดที่อยู่ การจดจำวัตถุ และการสื่อสารข้อมูล อย่างไรก็ตาม ในขั้นตอนนี้ ยังไม่มีการกำหนดกลไกการตั้งชื่อที่มีประสิทธิภาพและเป็นมาตรฐานสำหรับกระบวนทัศน์ Edge Computing ในการสื่อสารกับระบบต่างๆ ที่ต่างกัน นักพัฒนา Edge จำเป็นต้องเรียนรู้โปรโตคอลการสื่อสารเครือข่ายที่หลากหลาย หลักการตั้งชื่อของ Edge Computing จำเป็นต้องระบุถึงความคล่องตัวของอ็อบเจ็กต์ ความแปรปรวนสูงของโทโพโลยีเครือข่าย การปกป้องความเป็นส่วนตัวและความปลอดภัย และความสามารถในการปรับขนาดสำหรับอ็อบเจ็กต์ที่ไม่แน่นอนจำนวนมาก

กลไกการตั้งชื่อแบบดั้งเดิม เช่น DNS และ URI สามารถตอบสนองความต้องการเครือข่ายปัจจุบันส่วนใหญ่ได้ แต่ก็ไม่มีความยืดหยุ่นเพียงพอที่จะให้บริการเครือข่ายขอบแบบไดนามิก เนื่องจากอุปกรณ์บนเอดจ์มีความคล่องตัวสูงและมีทรัพยากรจำกัด สำหรับอุปกรณ์ที่มีทรัพยากรจำกัด ไม่สามารถรองรับหลักการตั้งชื่อตาม IP ได้

กลไกการตั้งชื่อใหม่ เช่น Named Data Network (NDN) และ MobilityFirst สามารถนำไปใช้กับ Edge Computing ได้ NDN จัดเตรียมโครงสร้างการตั้งชื่อแบบลำดับชั้น ซึ่งมีความสามารถในการปรับขนาดที่ดี อ่านง่าย และอำนวยความสะดวกในการจัดการบริการ อย่างไรก็ตาม เพื่อให้เหมาะกับโปรโตคอลการสื่อสารอื่นๆ เช่น Bluetooth, Zigbee เป็นต้น จำเป็นต้องเพิ่มเอเจนต์เพิ่มเติมเข้าไป ปัญหาอีกประการหนึ่งของ NDN คือความปลอดภัย เนื่องจากเป็นการยากที่จะแยกข้อมูลฮาร์ดแวร์ของอุปกรณ์ออกจากผู้ให้บริการ เพื่อให้การสนับสนุนมือถือที่ดียิ่งขึ้น MobilityFirst สามารถแยกชื่อออกจากที่อยู่เครือข่ายได้ แต่ต้องใช้ตัวระบุที่ไม่ซ้ำกันทั่วโลก (GUID) ข้อเสียอีกประการหนึ่งของ MobilityFirst คือไม่สะดวกในการจัดการบริการ เนื่องจาก GUID ไม่สามารถอ่านได้มากนัก

สำหรับขอบตายตัวที่มีขนาดค่อนข้างเล็ก เช่น สภาพแวดล้อมที่บ้าน EdgeOS สามารถกำหนดที่อยู่เครือข่ายให้กับอุปกรณ์แต่ละเครื่องได้ ในระบบ อุปกรณ์แต่ละชิ้นจะมีชื่อเฉพาะที่มนุษย์อ่านได้ ซึ่งอธิบายข้อมูลต่อไปนี้: ตำแหน่ง บทบาท คำอธิบายข้อมูล ตัวอย่างเช่น "ครัว.ไมโครเวฟ.อุณหภูมิ"

ดังแสดงในรูปที่ 5 EdgeOS จะกำหนดตัวระบุและที่อยู่ที่เกี่ยวข้องให้กับมัน วัตถุแต่ละชิ้นมีชื่อที่มนุษย์อ่านได้ไม่ซ้ำกัน ซึ่งอำนวยความสะดวกในการจัดการบริการ การระบุวัตถุ และการเปลี่ยนชิ้นส่วน กลไกการตั้งชื่อนี้สะดวกมากสำหรับทั้งผู้ใช้และผู้ให้บริการ ตัวอย่างเช่น ผู้ใช้จะได้รับข้อมูลจาก EdgeOS เช่น "ไฟบนเพดานห้องนอนเสีย" เพื่อให้ผู้ใช้สามารถเปลี่ยนหลอดไฟได้โดยตรงโดยไม่ต้องค้นหารหัสข้อผิดพลาดหรือกำหนดค่าที่อยู่เครือข่ายสำหรับหลอดไฟใหม่ กลไกการตั้งชื่อนี้ทำให้ผู้ให้บริการสามารถตั้งโปรแกรมได้ดีขึ้น ปกป้องข้อมูลฮาร์ดแวร์ และปกป้องความเป็นส่วนตัวและความปลอดภัยของข้อมูลได้ดียิ่งขึ้น ตัวระบุเฉพาะและที่อยู่เครือข่ายสามารถจับคู่แบบหนึ่งต่อหนึ่งด้วยชื่อที่มนุษย์อ่านได้ EdgeOS ใช้ตัวระบุสำหรับการจัดการวัตถุ ที่อยู่เครือข่าย เช่น ที่อยู่ IP หรือที่อยู่ MAC สามารถใช้เพื่อรองรับโปรโตคอลการสื่อสารต่างๆ เช่น Bluetooth, WIFI, Zigbee เป็นต้น

3. นามธรรมข้อมูล

แอปพลิเคชันต่างๆ ที่ทำงานบน EdgeOS และแต่ละแอปพลิเคชันให้บริการเฉพาะผ่าน API ชั้นการจัดการบริการ ปัญหาของการเป็นนามธรรมของข้อมูลได้รับการศึกษาอย่างเข้มข้นในเครือข่ายเซ็นเซอร์ไร้สายและกระบวนทัศน์การประมวลผลแบบคลาวด์ แต่ในเอดจ์คอมพิวติ้ง ปัญหานี้กลายเป็นเรื่องที่ท้าทายมากขึ้น ในยุคของ Internet of Things มีอุปกรณ์สร้างข้อมูลจำนวนมากในเครือข่าย ในที่นี้เราจะยกตัวอย่างบ้านอัจฉริยะ ในสภาพแวดล้อม บ้านอัจฉริยะ อุปกรณ์เกือบทั้งหมดจะส่งข้อมูลไปยัง EdgeOS แต่อุปกรณ์ส่วนใหญ่ที่อยู่ชายขอบของเครือข่ายจะส่งข้อมูลไปยังเกตเวย์เป็นระยะเท่านั้น ตัวอย่างเช่น เทอร์โมมิเตอร์ส่งข้อมูลทุกนาที แต่ผู้ใช้จริงจะใช้ข้อมูลนี้เพียงไม่กี่ครั้งในหนึ่งวันเท่านั้น อีกตัวอย่างหนึ่งคือกล้องรักษาความปลอดภัยภายในบ้าน มันบันทึกข้อมูลและส่งไปยังเกตเวย์ได้ตลอดเวลา แต่ข้อมูลนี้จะอยู่ในฐานข้อมูลชั่วขณะหนึ่ง ไม่มีใครใช้ และในที่สุดก็ถูกแทนที่ด้วยข้อมูลใหม่

จากข้อมูลข้างต้น เราเชื่อว่าควรลดการแทรกแซงของมนุษย์ให้มากที่สุดเท่าที่จะเป็นไปได้ในการประมวลผลที่ขอบ และโหนดที่ขอบควรใช้/ประมวลผลข้อมูลทั้งหมดและโต้ตอบกับผู้ใช้ในลักษณะเชิงรุก ในกรณีนี้ เกตเวย์จำเป็นต้องประมวลผลข้อมูลล่วงหน้า เช่น การกำจัดเสียงรบกวน การตรวจจับเหตุการณ์ และการปกป้องความเป็นส่วนตัว ข้อมูลที่ประมวลผลจะถูกส่งไปยังชั้นบนเพื่อให้บริการที่เหมาะสม กระบวนการนี้เผชิญกับความท้าทายหลายประการ

อันดับแรก ดังแสดงในรูปที่ 6 รูปแบบข้อมูลที่ส่งจากอุปกรณ์ต่างๆ จะแตกต่างกัน เมื่อพิจารณาถึงปัญหาความเป็นส่วนตัวและความปลอดภัยแล้ว แอปพลิเคชันบนเกตเวย์ไม่ควรได้รับข้อมูลดิบ แต่จำเป็นต้องได้รับเนื้อหาที่น่าสนใจจากตารางข้อมูลทั้งหมดเท่านั้น รูปแบบของตารางข้อมูลสามารถเป็น ID, เวลา, ชื่อ, ข้อมูล (เช่น 0000,12:34:56 น. 01/01/2022, kitchen.oven2.temperature3, 78) แต่ข้อมูลเซ็นเซอร์ถูกซ่อน ดังนั้นความพร้อมใช้งานของข้อมูลอาจได้รับผลกระทบ ประการที่สอง บางครั้งก็ยากที่จะตัดสินใจระดับของข้อมูลที่เป็นนามธรรม แอพหรือบริการบางอย่างอาจได้รับข้อมูลไม่เพียงพอหากมีการกรองข้อมูลดิบมากเกินไป แต่การจัดเก็บข้อมูลก็อาจเป็นเรื่องยุ่งยากหากคุณเก็บข้อมูลดิบมากเกินไป บางครั้งเนื่องจากความแม่นยำของเซ็นเซอร์ต่ำ สภาพแวดล้อมที่ไม่เสถียรหรือการสื่อสารที่ผิดปกติ ข้อมูลข้อมูลบนอุปกรณ์ Edge อาจไม่น่าเชื่อถือ ดังนั้นวิธีการแยกข้อมูลที่เป็นประโยชน์ออกจากข้อมูลที่ไม่น่าเชื่อถือจึงเป็นสิ่งที่ท้าทายเช่นกัน

การรวบรวมข้อมูลมีไว้สำหรับแอปพลิเคชัน เพื่อดำเนินการบริการเฉพาะให้เสร็จสมบูรณ์ แอปพลิเคชันจำเป็นต้องควบคุมออบเจกต์ เช่น การอ่านและเขียนข้อมูล ชั้นข้อมูลนามธรรมรวมวิธีการนำเสนอข้อมูลและการดำเนินการที่เกี่ยวข้อง และจัดเตรียมอินเทอร์เฟซทั่วไป นอกจากนี้ เนื่องจากความหลากหลายของอุปกรณ์ วิธีการนำเสนอข้อมูลและการดำเนินการที่เกี่ยวข้องจึงแตกต่างกัน ดังนั้นจึงไม่ง่ายที่จะหาวิธีแยกข้อมูลทั่วไป

4. การจัดการบริการ

สำหรับการจัดการบริการที่ส่วนขอบของเครือข่าย เพื่อให้มั่นใจในความเสถียรของระบบ เราเชื่อว่าระบบจำเป็นต้องมีคุณสมบัติดังต่อไปนี้: ความสามารถในการแยกแยะ ความสามารถในการปรับขนาด การแยก และความน่าเชื่อถือ

ความสามารถในการสร้างความแตกต่าง: ด้วยการพัฒนาอย่างรวดเร็วของ IoT บริการต่างๆ จะถูกปรับใช้บนขอบของเครือข่าย บริการต่างๆ ควรมีลำดับความสำคัญต่างกัน และบริการหลัก เช่น การพิจารณาวัตถุและสัญญาณเตือนความล้มเหลวควรดำเนินการก่อนบริการทั่วไปอื่นๆ สำหรับบริการที่เกี่ยวข้องกับสุขภาพ การตรวจจับการเต้นของหัวใจควรมีความสำคัญสูงสุด

ความสามารถในการปรับขนาด: ความสามารถในการปรับขนาดเป็นความท้าทายที่ยิ่งใหญ่สำหรับขอบเครือข่าย อุปกรณ์ใน IoT มีไดนามิกมากกว่าระบบมือถือ อุปกรณ์ใหม่ที่ผู้ใช้ซื้อสามารถเชื่อมต่อกับระบบเดิมได้หรือไม่จะเป็นปัญหาที่ต้องแก้ไขก่อน ปัญหาเหล่านี้สามารถแก้ไขได้ด้วยการออกแบบเลเยอร์การจัดการบริการที่ยืดหยุ่นและปรับขนาดได้

การแยก: การแยกเป็นอีกปัญหาหนึ่งที่ต้องได้รับการแก้ไขที่ขอบของเครือข่าย ในระบบมือถือ หากแอปพลิเคชันขัดข้อง ระบบทั้งหมดจะเริ่มต้นใหม่ ในระบบแบบกระจาย ทรัพยากรที่ใช้ร่วมกันสามารถจัดการได้ผ่านกลไกการซิงโครไนซ์ที่แตกต่างกัน เช่น การล็อกหรือโทเค็นริง แต่ใน EdgeOS ปัญหานั้นซับซ้อนกว่า

แอปพลิเคชั่นหลายตัวจะใช้ทรัพยากรเดียวกันร่วมกัน เช่น การควบคุมแสงไฟ หากแอปหยุดทำงานหรือไม่ตอบสนอง ผู้ใช้ควรจะยังคงสามารถควบคุมไฟได้โดยไม่ทำลาย EdgeOS ทั้งหมด หลังจากที่ผู้ใช้ลบแอพที่ควบคุมไฟออกจากระบบ ไฟจะยังคงต้องเชื่อมต่อกับ EdgeOS เราสามารถแก้ปัญหานี้ได้โดยการปรับใช้/ยกเลิกการปรับใช้เฟรมเวิร์ก หากตรวจพบข้อขัดแย้งก่อนที่จะติดตั้งแอป ระบบจะส่งคำเตือนไปยังผู้ใช้เพื่อหลีกเลี่ยงปัญหาการเข้าถึงที่อาจเกิดขึ้น อีกประเด็นหนึ่งคือวิธีการแยกข้อมูลส่วนบุคคลของผู้ใช้ออกจากแอปพลิเคชันของบุคคลที่สาม ตัวอย่างเช่น แอปติดตามกิจกรรมของคุณไม่สามารถเข้าถึงข้อมูลการใช้แบตเตอรี่ของคุณได้ เพื่อแก้ปัญหานี้ เราสามารถเพิ่มกลไกการควบคุมการเข้าถึงในชั้นการจัดการบริการของ EdgeOS

ความน่าเชื่อถือ: ความน่าเชื่อถือเป็นประเด็นสำคัญเช่นกัน จากมุมมองของบริการ บางครั้งเป็นการยากที่จะระบุว่าเหตุใดบริการจึงล้มเหลว ตัวอย่างเช่น หากเครื่องปรับอากาศไม่ทำงาน สาเหตุที่เป็นไปได้ ได้แก่ ไฟดับ คอมเพรสเซอร์ขัดข้อง หรือแม้แต่แบตเตอรี่เทอร์โมสตัทหมด โหนดเซนเซอร์อาจขาดการเชื่อมต่อกับระบบเนื่องจากแบตเตอรี่หมด สภาพการเชื่อมต่อไม่ดี หรือส่วนประกอบที่สึกหรอ คงจะดีไม่น้อยหาก EdgeOS สามารถแจ้งเตือนผู้ใช้ว่าส่วนใดที่ไม่ตอบสนอง หรือเตือนผู้ใช้ล่วงหน้าว่าส่วนใดของระบบที่เสี่ยงต่อความเสียหาย จากมุมมองของระบบ การรักษาประเภทของโทโพโลยีเครือข่ายของระบบทั้งหมดเป็นสิ่งสำคัญมาก และแต่ละส่วนประกอบในระบบสามารถส่งข้อมูลสถานะ/การวินิจฉัยไปยัง EdgeOS ทำให้ง่ายต่อการปรับใช้บริการต่างๆ เช่น การตรวจจับข้อผิดพลาด การเปลี่ยนอุปกรณ์ และการตรวจสอบคุณภาพข้อมูล

จากมุมมองของข้อมูล ความท้าทายด้านความน่าเชื่อถือส่วนใหญ่มาจากส่วนข้อมูลเซ็นเซอร์และการสื่อสาร ตามที่มีการวิจัยและกล่าวถึงก่อนหน้านี้ ขอบของเครือข่ายสามารถล้มเหลวได้จากหลายสาเหตุ ส่งข้อมูลที่ไม่น่าเชื่อถือ นอกจากนี้ เรายังกล่าวถึงโปรโตคอลการสื่อสารใหม่จำนวนมากสำหรับการรวบรวมข้อมูล IoT ซึ่งสามารถรองรับโหนดเซ็นเซอร์จำนวนมากและสภาวะเครือข่ายแบบไดนามิก แต่ความน่าเชื่อถือในการเชื่อมต่อนั้นไม่ดีเท่าบลูทูธหรือไวไฟ การให้บริการที่เชื่อถือได้จะเป็นสิ่งที่ท้าทายหากข้อมูลและการสื่อสารไม่น่าเชื่อถือ

5. ความเป็นส่วนตัวและความปลอดภัย

ที่ขอบของเครือข่าย ความเป็นส่วนตัวของข้อมูลและการป้องกันความปลอดภัยเป็นบริการที่สำคัญ หากมีการปรับใช้แอปพลิเคชัน IoT ในบ้าน ข้อมูลส่วนตัวของผู้ใช้จำนวนมากจะถูกรวบรวม เช่น เราสามารถตัดสินได้ว่ามีคนอยู่ในบ้านหรือไม่โดยการอ่านข้อมูลการใช้ไฟฟ้าและน้ำ ดังนั้นวิธีการให้บริการโดยไม่เกี่ยวข้องกับความเป็นส่วนตัวก็เป็นปัญหาเช่นกัน ข้อมูลส่วนตัวบางอย่างสามารถลบออกได้ก่อนที่จะประมวลผลข้อมูล เช่น การปิดบังใบหน้าในวิดีโอ เราคิดว่าการประมวลผลบนแหล่งข้อมูลเอดจ์ ซึ่งก็คือที่บ้าน อาจเป็นวิธีที่ดีในการปกป้องความเป็นส่วนตัวและความปลอดภัยของข้อมูล

เราต้องการสร้างความตระหนักเกี่ยวกับความเป็นส่วนตัวและความปลอดภัยของข้อมูล ยกตัวอย่างเครือข่าย WIFI จากการเชื่อมต่อเครือข่ายในบ้าน 439 ล้านครั้ง เครือข่าย WIFI 49% ไม่ปลอดภัย และเราเตอร์ในบ้าน 80% ใช้รหัสผ่านเริ่มต้น 89% ของฮอตสปอต Wi-Fi สาธารณะไม่ปลอดภัย ผู้มีส่วนได้ส่วนเสียทั้งหมดรวมถึงผู้ให้บริการ ผู้พัฒนาระบบและแอปพลิเคชัน และผู้ใช้ต้องตระหนักว่าความเป็นส่วนตัวของผู้ใช้อาจถูกละเมิด กล้อง เครื่องวัดสุขภาพ และแม้แต่ของเล่น WIFI สามารถเชื่อมต่อกับผู้อื่นได้หากไม่มีการป้องกัน

ประเด็นที่สองที่ต้องพูดถึงคือความเป็นเจ้าของข้อมูล ในแอปพลิเคชันมือถือ ผู้ให้บริการจะจัดเก็บและวิเคราะห์ข้อมูลผู้ใช้ปลายทาง แต่การปล่อยให้ข้อมูลอยู่ในตำแหน่งที่ถูกสร้างขึ้น และการปล่อยให้ผู้ใช้เป็นเจ้าของข้อมูลสามารถปกป้องความเป็นส่วนตัวได้ดีกว่า คล้ายกับข้อมูลด้านสุขภาพ ข้อมูลผู้ใช้ที่รวบรวมที่ Edge ควรเก็บไว้ที่ Edge และขึ้นอยู่กับผู้ใช้ในการตัดสินใจว่าจะให้ข้อมูลดังกล่าวแก่ผู้ให้บริการหรือไม่

ปัญหาที่สามคือมีเครื่องมือที่มีประสิทธิภาพน้อยเกินไปในการปกป้องความเป็นส่วนตัวและความปลอดภัยของข้อมูลที่ส่วนขอบของเครือข่าย อุปกรณ์บางอย่างมีทรัพยากรจำกัด และวิธีการป้องกันความปลอดภัยบางวิธีในปัจจุบันไม่สามารถนำมาใช้กับอุปกรณ์เหล่านั้นได้ ยิ่งไปกว่านั้น สภาพแวดล้อมที่ขอบของเครือข่ายสามารถเปลี่ยนแปลงได้ ดังนั้นจึงเสี่ยงต่อการถูกโจมตีและป้องกันได้ยาก เพื่อปกป้องความเป็นส่วนตัว บางแพลตฟอร์ม เช่น mHealth ได้เสนอมาตรฐานการจัดเก็บข้อมูลสุขภาพแบบรวม แต่สำหรับ Edge Computing ยังขาดเครื่องมือสำหรับการประมวลผลข้อมูลทุกประเภท

6. ตัวบ่งชี้การเพิ่มประสิทธิภาพ

ใน Edge Computing มีหลายเลเยอร์ที่มีพลังการประมวลผล แล้วควรกระจายภาระงานอย่างไร? เราสามารถพิจารณากลยุทธ์การกระจายดังต่อไปนี้ เช่น การกระจายโหลดให้เท่าๆ กันในแต่ละชั้น หรือทำงานให้เสร็จในแต่ละชั้นให้ได้มากที่สุด กรณีที่รุนแรงกำลังดำเนินการทั้งหมดบนจุดสิ้นสุดหรือทั้งหมดในระบบคลาวด์ เพื่อเลือกกลยุทธ์การจัดสรรที่ดีที่สุด ในส่วนนี้เราจะพูดถึงเมตริกการปรับให้เหมาะสมต่างๆ รวมถึงเวลาแฝง แบนด์วิธ การใช้พลังงาน และต้นทุน

เวลาแฝง: เวลาแฝงเป็นหนึ่งในเมตริกที่สำคัญที่สุดสำหรับการวัดประสิทธิภาพ โดยเฉพาะอย่างยิ่งในแอปพลิเคชันหรือบริการแบบโต้ตอบ เซิร์ฟเวอร์ในการประมวลผลแบบคลาวด์สามารถให้ความสามารถในการประมวลผลที่ทรงพลัง พวกเขาสามารถจัดการงานที่ซับซ้อนมาก เช่น การประมวลผลภาพ การรู้จำเสียง และอื่นๆ อีกมากมายได้ในเวลาอันสั้น แต่เวลาแฝงไม่ได้ถูกกำหนดโดยเวลาในการคำนวณ เวลาแฝงของเครือข่ายที่ยาวสามารถมีผลกระทบอย่างมากต่อพฤติกรรมของแอปพลิเคชันแบบเรียลไทม์/เชิงโต้ตอบ เพื่อลดเวลาแฝง วิธีที่ดีที่สุดคือทำงานที่เลเยอร์ทางกายภาพที่ใกล้เคียงที่สุด

ตัวอย่างเช่น ในกรณีเมืองอัจฉริยะ เราสามารถใช้โทรศัพท์มือถือในการประมวลผลภาพถ่ายในพื้นที่ก่อน จากนั้นเพียงส่งข้อมูลเกี่ยวกับเด็กหายไปยังระบบคลาวด์ แทนที่จะอัปโหลดภาพถ่ายทั้งหมด วิธีนี้จึงเร็วกว่า แต่การทำงานกับชั้นฟิสิคัลที่ใกล้ที่สุดไม่ใช่วิธีที่ดีที่สุดเสมอไป เราจำเป็นต้องพิจารณาการใช้ทรัพยากรและหลีกเลี่ยงเวลารอที่ไม่จำเป็น เพื่อให้เราสามารถสร้างลำดับชั้นลอจิกที่เหมาะสมที่สุด ตัวอย่างเช่น เมื่อผู้ใช้เล่นเกม เนื่องจากทรัพยากรคอมพิวเตอร์ของโทรศัพท์มือถือถูกครอบครอง จึงควรถ่ายโอนภาพถ่ายไปยังเกตเวย์ที่ใกล้ที่สุดหรือไมโครเซ็นเตอร์เพื่อประมวลผล

แบนด์วิดท์: จากมุมมองของเวลาแฝง แบนด์วิดธ์สูงช่วยลดเวลาการถ่ายโอน สำหรับการส่งข้อมูลระยะสั้น เราสามารถสร้างแบนด์วิธสูงเพื่อส่งข้อมูลไปยังขอบ ในแง่หนึ่ง หากสามารถประมวลผลข้อมูลที่ Edge ได้ เวลาแฝงของระบบจะลดลงอย่างมาก และแบนด์วิธที่ Edge และคลาวด์ก็สามารถบันทึกได้เช่นกัน ตัวอย่างเช่น ในกรณีของสมาร์ทโฮม ผ่าน WIFI หรือวิธีการส่งข้อมูลความเร็วสูงอื่นๆ ข้อมูลเกือบทั้งหมดสามารถประมวลผลที่เกตเวย์ได้ นอกจากนี้ ความน่าเชื่อถือของการส่งสัญญาณยังดีขึ้น เนื่องจากระยะการส่งข้อมูลค่อนข้างสั้น ในทางกลับกัน แม้ว่า Edge จะไม่สามารถทำงานทั้งหมดและลดระยะการส่งข้อมูลได้ แต่อย่างน้อยก็สามารถลดปริมาณข้อมูลที่อัปโหลดได้อย่างมากโดยการประมวลผลข้อมูลล่วงหน้า

การใช้พลังงาน: แบตเตอรี่เป็นทรัพยากรที่มีค่าที่สุดสำหรับอุปกรณ์ที่อยู่ชายขอบของเครือข่าย สำหรับเลเยอร์จุดสิ้นสุด การทำงานบางอย่างที่ขอบจะช่วยประหยัดพลังงาน แต่กุญแจสำคัญคือการแลกเปลี่ยนระหว่างการใช้พลังงานจากการคำนวณและการใช้พลังงานในการส่ง โดยทั่วไป เราจะพิจารณาลักษณะการใช้พลังงานของปริมาณงานเป็นอันดับแรก ปริมาณการคำนวณมากหรือไม่? จะใช้ทรัพยากรจำนวนเท่าใด นอกจากความแรงของสัญญาณเครือข่ายแล้ว ขนาดข้อมูลและแบนด์วิธที่มีอยู่ยังส่งผลต่อการใช้พลังงานในการส่งอีกด้วย หากค่าโสหุ้ยการส่งข้อมูลน้อยกว่าค่าโสหุ้ยของการประมวลผลภายในเครื่อง ควรใช้การประมวลผลขอบ

แต่ถ้าเรามุ่งเน้นไปที่กระบวนการประมวลผลขอบทั้งหมด ไม่ใช่แค่จุดสิ้นสุด การใช้พลังงานทั้งหมดควรเป็นผลรวมของการใช้พลังงานของแต่ละเลเยอร์ เช่นเดียวกับเลเยอร์จุดสิ้นสุด การใช้พลังงานของแต่ละเลเยอร์นั้นรวมถึงการใช้พลังงานในการคำนวณเฉพาะที่และการใช้พลังงานในการส่ง ดังนั้นกลยุทธ์การจัดสรรงานที่ดีที่สุดอาจเปลี่ยนแปลงได้ ตัวอย่างเช่น หากศูนย์ข้อมูลในพื้นที่ไม่ว่าง ควรอัปโหลดงานไปยังเลเยอร์ด้านบนเพื่อให้เสร็จสิ้น เมื่อเปรียบเทียบกับการประมวลผลที่ปลายทาง การส่งข้อมูลแบบมัลติฮอปจะเพิ่มค่าใช้จ่ายของระบบอย่างมาก และทำให้การใช้พลังงานเพิ่มขึ้น

ค่าใช้จ่าย: จากมุมมองของผู้ให้บริการ เช่น YouTube, Amazon เป็นต้น Edge Computing ช่วยให้มีเวลาแฝงและการใช้พลังงานน้อยลง ซึ่งจะเป็นการเพิ่มทรูพุตข้อมูลและปรับปรุงประสบการณ์ของผู้ใช้ ดังนั้นจึงสามารถทำกำไรได้มากขึ้นในขณะที่ประมวลผลปริมาณงานเท่าเดิม ตัวอย่างเช่น ตามความสนใจของผู้อยู่อาศัยส่วนใหญ่ เราสามารถวางวิดีโอยอดนิยมบางรายการไว้ที่ขอบของเลเยอร์อาคาร เพื่อให้ขอบของเลเยอร์เมืองสามารถจัดการงานที่ซับซ้อนมากขึ้นและปรับปรุงการรับส่งข้อมูลโดยรวมได้ ข้อมูลของผู้ให้บริการคือค่าใช้จ่ายในการสร้างและบำรุงรักษาแต่ละเลเยอร์ เพื่อใช้ประโยชน์จากข้อมูลท้องถิ่นในแต่ละเลเยอร์ได้อย่างเต็มที่ ผู้ให้บริการสามารถเรียกเก็บเงินจากผู้ใช้ตามตำแหน่งของข้อมูล และจำเป็นต้องพัฒนารูปแบบค่าใช้จ่ายใหม่เพื่อให้แน่ใจว่าผู้ให้บริการจะได้รับผลกำไรและผู้ใช้ยอมรับได้

ชื่อเรื่องรอง

04 สรุป

เมื่อมีคนพูดถึงการเริ่มต้นธุรกิจบนอินเทอร์เน็ตเป็นครั้งแรก ผู้คนคิดว่ามันเป็นเรื่องตลก สำหรับ Edge Computing นั้น มีข้อสงสัยมากมายในตอนเริ่มต้น พื้นที่โรงงานสามารถมองได้ว่าเป็นพื้นที่ที่สำคัญที่สุดของการพัฒนาด้านไอที และการเปลี่ยนแปลงแบบเดียวกันนี้จะเกิดขึ้นในอุตสาหกรรม เช่นเดียวกับที่เกิดในการสื่อสารโทรคมนาคมเมื่อ 25 ปีที่แล้ว คอมพิวเตอร์ที่ใช้งานทั่วไปในโหมดเสมือน คอมพิวเตอร์เสมือน จะเปลี่ยนทั้งหมดนั้น มันเกิดขึ้นเพราะมูลค่าทางเศรษฐกิจนั้นน่าดึงดูดใจจนเกินต้านทาน

ขณะนี้ เนื่องจากการประมวลผลข้อมูลที่ Edge สามารถรับประกันเวลาตอบสนองที่สั้นลงและความน่าเชื่อถือที่ดีขึ้น บริการจำนวนมากขึ้นเรื่อยๆ จึงถูกย้ายจากคลาวด์ไปยัง Edge ของเครือข่าย หากคุณประมวลผลข้อมูลจำนวนมากที่ Edge คุณสามารถหลีกเลี่ยงการส่ง ข้อมูลไปยังคลาวด์ ทำให้ประหยัดแบนด์วิธ ความนิยมของ Internet of Things และอุปกรณ์พกพาได้เปลี่ยนบทบาทของ Edge ในกระบวนทัศน์ของคอมพิวเตอร์ Edge กำลังเปลี่ยนจากผู้บริโภคข้อมูลบริสุทธิ์เป็นผู้ผลิตข้อมูลและผู้บริโภค การประมวลผลข้อมูลที่ขอบของเครือข่ายมีประสิทธิภาพมากกว่า

สรุปคุณค่าของ Edge Computing อีกครั้ง: ในฐานะที่เป็นส่วนเสริมของ Cloud Computing Edge Computing จะขยายขีดความสามารถด้านบริการของ Cloud Computing ไปสู่ ​​Edge ที่ใกล้ชิดกับผู้ใช้มากขึ้น ซึ่งช่วยให้แอปพลิเคชันมอบประสบการณ์ทางธุรกิจที่มีเวลาแฝงต่ำ เราหวังว่าการประมวลผลแบบเอดจ์จะทำให้การประมวลผลข้อมูลมีประสิทธิภาพมากขึ้นและมีชีวิตที่ดีขึ้นในอนาคต

บทความนี้เป็นเพียงการนำเสนอมุมมองของผู้เขียนเท่านั้น และไม่ถือเป็นคำแนะนำในการลงทุนใดๆ