بهتر است ابتدا ببنیم مفهوم هرکدام از آنها چیست. رایانش ابری یک مفهموم قدیمی‌تر است که به عبارت ساده‌ شامل مراکز داده راه دور، پر از کامپیوترهای متصل به اینترنت است که ارائه دهنده توان محاسباتی هستند و برای همه افراد به ازای پرداخت هزینه به ازای هر واحد در دسترس هستند.

از طرفی محاسبات لبه (edge computing) اخیراً به یک اصطلاح رایج تبدیل شده و بر یک رویکرد مخالف با ابر به ویژه ازدر زمینه اینترنت اشیا (IoT) تاکید داشته است. اساساً ، محاسبات لبه (edge computing) ایده اجرای برنامه های کاربردی و تا حد ممکن از لحاظ فیزیکی نزدیک به جایی است که داده ها تولید می شوند. به عنوان مثال یک وسیله نقلیه را در نظر بگیرید که هزینه سوخت را به طور لحظه ای و بر اساس داده های دریافتی از سنسورهای سرعت و مصرف سوخت محاسبه می‌کند. رایانه ای که این محاسبه را در این وسیله نقلیه انجام می دهد می تواند به درستی به عنوان یک دستگاه محاسبه لبه (edge computing) شناخته شود.

با این حال ، مفهوم محاسبات لبه ایده جدیدی نیست. در حقیقت، شرکت هایی که در فضای اتوماسیون هستند، مدت هاست کنترل و آنالیز را در سطح تجهیزات خود انجام می دهند- که به عنوان محاسبات لبه (edge) شناخته می شود- مانند کارخانه‌ها، معادن، میدان‌ها نفتی و موارد دیگر.

یک نمونه متداول برای محاسبات لبه یک سیستم کنترل توزیع شده شامل شبکه ای از رایانه های ویژه است که در محل پروژه پیاده‌سازی می شود و داده هایی را کنترل می کند که از هزاران سنسور اندازه گیری دما ، فشار و جریان فرآیندها دریافت می کند و اقداماتی را انجام می دهد که بتواند عملیات آنها را ایمن و بهینه نگه دارد.

همان طور که می‌دانید، امروزه استفاده از اینترنت اشیا (IoT) بسیار گسترش یافته است. صنایع مختلف و کارخانه ها سنسورهایی را بر روی تجهیزات خود نصب کرده یا در فرآیندهای خود از آنها استفاده کرده اند -از اتاق ها گرفته تا پارکومترها و چراغ های شهری و حتی برخی آیتم های پوشیدنی مانند لباس ها و کفش ها- و شبکه های cellular برای انتقال داده ها مورد استفاده قرار می گیرند. سوالی که پیش می‌آید این است که شما باید محاسبات را کجا انجام دهید تا داده ها به نگرش ‌های قابل اجرا تبدیل شوند؟ برخی معتقدند همه محاسبات باید در ابر انجام شود. اما اغلب، دلایل خوبی برای انجام محاسبات و آنالیز محلی از طریق محاسبات لبه (edge computing) وجود دارد.

هر دو رویکرد دارای نقاط قوت و ضعف هستند و بررسی آنها با توجه به کاربردی که خواهند داشت می تواند منجر به انتخاب مناسبی شود.
محاسبات لبه ممکن است در شرایط خاصی مانند شرایط زیر گزینه بهتری باشد:

• پهنای باند شبکه کافی یا قابل اطمینان برای ارسال داده به ابر وجود نداشته باشد.
• با وجود اینکه صنعت توجه زیادی به امنیت سایبری دارد، اما ممکن است همچنان نگرانی هایی درباره امنیت و حفظ حریم خصوصی در مورد ارسال اطلاعات از طریق شبکه های عمومی یا ذخیره آن در ابر وجود داشته باشد. با محاسبات لبه، داده ها به صورت محلی حفظ می شوند.
• اتصال شبکه های ارتباطی به ابر به اندازه کافی قوی و قابل اطمینان نیستند.
• برخی برنامه های کاربردی نیاز به نمونه برداری سریع داده دارند یا باید نتایج را با حداقل تأخیر محاسبه کنند.

به عنوان مثال بیاید کاربردی که محاسبات لبه می تواند در صنعت نفت و گاز داشته باشد با هم بررسی کنیم. در محل پروژه، ارتباطات چاه‌های نفت می تواند بی سیم، متناوب یا به صورت ناپیوسته باشند. رایانه های تخصصی به نام واحدهای ترمینال راه دور (RTU) برای دریافت داده های سنسورها و پیاده‌سازی عملکردهای کنترلی محلی روی چاه ها استفاده می شوند. هنگامی که ارتباطات قطع می شود آنها معمولاً داده های چاه ها را ذخیره می کنند و هنگام بازگشت ارتباطات، داده ها را برای گزارش و تجزیه و تحلیل به سیستم های راه دور (فضای ابری) ارسال می کنند.

در مقابل، فضای ابری ممکن است به دلیل عوامل زیر گزینه بهتری باشد:

• همان طور که می‌دانید قدرت پردازش ابری تقریباً بدون محدودیت است. هر ابزاری و در هر زمانی می تواند برای تجزیه و تحلیل مورد استفاده قرار گیرد.
• محدودیت های محیطی برخی از برنامه های کاربردی می تواند هزینه محاسبات لبه (edge computing) را افزایش داده و رایانش ابری را مقرون به صرفه تر سازد.
• مجموعه داده ممکن است بزرگ باشد. تعداد زیاد برنامه های کاربردی موجود در ابر و در دسترس بودن سایر داده ها می توانند به برنامه های کاربردی کمک کنند تا خودآموزی (self-learning) را شروع کنند – که می‌ تواند منجر به نتایج بهتری شود.
• نتایج ممکن است نیاز به توزیع گسترده و مشاهده بر روی سیستم عامل های مختلف داشته باشد. از چند نقطه و از چندین دستگاه می توان به فضای ابری دسترسی داشت.

حال می‌خواهیم مکمل بودن این دو روش را بررسی کنیم.

به عنوان مثال کنترل وسایل نقلیه باید بسیار مطمئن، ایمن و واکنش پذیر باشند، بنابراین در” لبه” (edge) یا داخل وسیله نقلیه انجام می شود. با این حال، یک برنامه مانیتوریگ برای ناوگان حمل و نقل که داده های عملکردی را به منظور برنامه ریزی پیمایش، نگهداری و محاسبه مسیرها جمع‌آوری می کند، باید در فضای ابری (cloud) اجرا شود. جایی که تعداد زیادی از داده های دریافتی از چندین وسیله نقلیه قابل دسترسی و تجزیه و تحلیل هستند.

به طور مشابه، در صنعت نفت و گاز، برخی از داده های ارسال شده از طریق RTU در مورد عملکرد چاه یا اطلاعات مربوط به سلامتی تجهیزات ممکن است در RTU استفاده نشود. اما برنامه های کاربردی موجود در مراکز داده ابری یا راه دور می توانند از داده ها در مواردی استفاده کنند که کل میدان نفتی را الگوبرداری کرده و اقدامات لازم را برای استخراج حداکثر نفت از میدان انجام دهند.

با توجه به آنچه گفته شد، محاسبات لبه و رایانش ابری هردو همچنان نقش مهمی در آینده خواهند داشت و تلاش‌های تحقیقاتی و مطالعات در زمینه توسعه نرم افزارها این دو را به صورت یکپارچه‌تر با هم مرتبط می سازند.

آر اند ام (R&M)، توسعه دهنده و ارائه دهنده سیستم‌های کابل‌کشی برای زیرساخت‌های شبکه‌ با کیفیت بالا، واقع در Wetzikon سوئیس، در حال ساخت یک مرکز داده (دیتا سنتر) میکروی آماده برای اتصال (Ready-for-connection micro data center) است. این سیستم EdgeGo  نامیده می‌شود و به زودی به عنوان یک پلتفرم برای تامین زیرساخت‌های Edge Computing (محاسبات لبه) استفاده می‌شود.

در قسمت مطالب مرتبط می توانید با راهکار EdgeGO از شرکت آر اند ام (R&M) بیشتر آشنا شوید.

بخوانید: کاربردهای رایانش ابری در پنج حوزه‌ حیاتی