Many new computing models, such as edge computing, are being proposed as we find that with the growth of IoT, cloud computing is not always as efficient as it should be. If we can process and analyse the data at the edge nodes of the network, then this computing model will be more efficient.
Qué necesidades impulsan la computación de proximidad
1. The Cloud Services Are Driving It
Cloud centres have powerful processing performance and are capable of handling huge amounts of data. However, transferring huge amount of data to the cloud centre becomes a challenge. The system performance bottleneck of the cloud computing model is the limited network bandwidth, it takes a certain amount of time to transmit massive data, and the cloud centre needs a certain amount of time to process the data, which increases the request response time and the user experience is extremely poor.
2. Impulsado por la Internet de los objetos (IoT)
El rápido desarrollo de la tecnología IoT hace que cada vez más objetos ordinarios con funciones independientes se interconecten y logren la interconexión de todo. Gracias a las características del Internet de las Cosas, todas las industrias utilizan la tecnología IoT para lograr rápidamente la transformación digital, y cada vez más dispositivos finales de la industria se conectan a través de la red.
Sin embargo, el Internet de las Cosas como un sistema enorme y complejo, diferentes industrias tienen diferentes escenarios de aplicación, de acuerdo con analistas de terceros, en 2025 habrá más de 100 mil millones de dispositivos terminales conectados a la red, el volumen de datos de terminales será de hasta 300ZB, tal volumen de datos a gran escala, de acuerdo con el procesamiento de datos tradicional, todos los datos obtenidos necesitan ser enviados a la plataforma de computación en nube para analizar, la plataforma de computación en nube se enfrentará a la alta latencia de la red, el acceso masivo a los dispositivos, y difícil de procesar grandes cantidades de datos. La plataforma de computación en nube se enfrentará a los retos de alta latencia de red, acceso masivo a equipos, procesamiento masivo de datos, ancho de banda insuficiente y alto consumo de energía.
In order to solve the drawbacks of high latency and lack of real-time data analysis capability in traditional data processing methods, edge computing technology has emerged. Edge computing technology is in close proximity to the object or data source on the edge side of the network, through the integration of network, computing, storage, application core capabilities of the distributed open platform, close to the edge to provide intelligent services. To put it simply, edge computing is to take the data collected from the terminal and analyse it directly and aggressively in the local device or network close to where the data is generated, eliminating the need to transmit the data to a cloud-based data processing centre.
Por ejemplo, las preocupaciones operativas y de seguridad en tiempo real que requieren los coches autoconducidos están desplazando el núcleo informático de la nube al borde de la red. Los vehículos autoconducidos detectan y envían constantemente datos sobre las condiciones de la carretera, la ubicación y los vehículos circundantes. Los coches autoconducidos generan alrededor de 1 GB de datos por segundo, y el ancho de banda y la latencia de procesamiento necesarios hacen inviable enviar siquiera una fracción de un terabyte (TB) de datos a un servidor centralizado para su análisis. Procesar los datos con rapidez es una capacidad crítica, y la computación de borde es clave para hacer posible la conducción autónoma. Para que los vehículos funcionen de forma segura y fiable, cualquier retraso en la velocidad de procesamiento podría ser fatal.
Imagine un coche autoconducido que detecta objetos en la carretera o acciona los frenos o el volante con retrasos debidos a la nube. Cualquier ralentización en el procesamiento de datos se traducirá en una respuesta más lenta del vehículo. Si el vehículo que responde más lentamente es incapaz de reaccionar a tiempo, podría provocar un accidente. En este punto, las vidas pueden verse efectivamente amenazadas.
Por lo tanto, es necesario proporcionar suficiente potencia de cálculo y un consumo de energía razonable para garantizar la seguridad de los vehículos autoconducidos incluso a altas velocidades. Los principales retos a la hora de diseñar un ecosistema de computación de borde para vehículos autoconducidos son proporcionar procesamiento en tiempo real, suficiente potencia de cálculo, fiabilidad, escalabilidad, coste y seguridad para garantizar la seguridad y la calidad de la experiencia del usuario en los vehículos autoconducidos.
