Internet of Things (IoT) har förändrat hur företag fungerar, och branschen har sett en massiv övergång från lokal programvara för att skapa ett nytt system för cloud computing. IoT har spritt sig över flera branscher som tillgodoser konsumenter på global nivå.från smarta röstassistenter till smarta hem, varumärken utökar sitt utbud av tjänster och experimenterar med olika ideer för att förbättra kundupplevelsen. Data om kundbeteende samlas nu in på olika och innovativa sätt.

genom att lagra och bearbeta data med molnteknik har vi befriat oss från det obevekliga problemet med att komma åt data på ett begränsat sätt. Vi kan nu få tillgång till ytterligare funktioner på våra telefoner, datorer, bärbara datorer och IoT – enheter utan att behöva utöka sin datorkraft eller investera i minneskapaciteten-all kredit går till cloud computing.

men idag finns det ett stort behov av minskad latens i specifika applikationer, till exempel smarta hushållsapparater eller självkörande bilar.

en förlängning av cloud Computing-Fog Computing och Edge Computing

med de oupphörliga kraven på bättre och snabbare teknik pressar företag ständigt sina gränser ytterligare för att tillgodose konsumenternas behov. Men på så sätt är organisationer nu skeptiska om cloud ensam kan hålla jämna steg med den höga tillströmningen av data? Är det till och med nödvändigt att skicka allt till molnet? Finns det ett sätt att selektivt lagra data på molnet?

idag har tekniken utvecklats multifold, så mycket att du kan Live Strömma dina videor i 4K till världen. Internet har förvandlats från en ren informationskälla till datamatningsmekanismen som hjälper till med avancerad beräkningskraft. Det går från centraliserade till distribuerade Arkitekturer, med videostreaming, förstärkt & virtuell verklighet, och går utöver det som har aktiverat många avancerade funktioner för slutanvändarna.

smarta applikationer som använder AI eller ML hanterar vanligtvis stora mängder data, vilket blir dyrt att skicka eller lagra i en central molntjänst. Dessutom är det inte ens nödvändigt att varje bit av data som samlas in är användbar för konsumenten eller företaget. Om en del av databehandlingen kan göras i utkanten av nätverket kan endast viktig information skickas till molnservern som skulle bidra till att minska kostnaderna med en betydande marginal.

flytta datorkraft närmare kanten av nätverket kommer att bidra till att minska kostnaderna samt förbättra säkerheten.

termen Edge computing och Fog computing verkar utbytbara, och för ett faktum delar de några viktiga likheter. Både Edge och Fog computing system skiftar bearbetning av data närmare källan till datagenerering. Huvudfokus för att göra det är att minska mängden data som skickas till molnet. Detta hjälper till att minska latensen och därigenom förbättra systemets svarstid, särskilt i fjärrskritiska applikationer.genom att föra databehandlingen närmare källan förbättrar företagen också säkerheten eftersom de inte behöver skicka all data över det offentliga internet.

skillnad mellan moln, dimma och Edge Computing

både Edge computing och Fog computing erbjuder liknande funktioner när det gäller att driva både intelligens och data till närliggande analytiska plattformar som finns antingen på eller nära källan till ursprunget av data, vare sig det är bilar, motorer, högtalare, skärmar, sensorer eller pumpar.

båda teknikerna utnyttjar kraften i datorfunktioner inom ett lokalt nätverk för att utföra beräkningsuppgifter som enkelt kan ha utförts i molnet. De kan hjälpa företag att minska sitt beroende av molnbaserade plattformar för databehandling och lagring, vilket ofta leder till latensproblem och kan generera datadrivna beslut snabbare.

1. Plats för databehandling

den primära skillnaden mellan cloud computing, Fog computing och Edge computing är platsen där databehandling sker.

i cloud computing bearbetas data på en central molnserver, som vanligtvis ligger långt ifrån informationskällan. Det sker på molntjänster som Amazon E2C-instanser.

Edge computing sker oftast direkt på de enheter som sensorerna är anslutna till eller en gateway-enhet som ligger i närheten av sensorerna.

å andra sidan skiftar Fog computing Edge computing-uppgifterna till processorer som är anslutna till LAN-hårdvaran eller LAN direkt så att de kan vara fysiskt mer avlägsna från ställdon och sensorer.

så, för Edge computing, bearbetas data på sensorn eller enheten själv utan att växla till någon annanstans. Tvärtom, I Fog computing, bearbetas data inom en IoT-gateway eller Fog-noder som finns i LAN-nätverket.

2. Processorkraft och lagringsfunktioner

Cloud computing ger överlägsen och avancerad processteknik. Det kan lagra mycket mer data än Fog computing som har begränsad processorkraft.

på samma sätt är processorkraften och lagringsfunktionerna ännu mindre när det gäller Edge computing, eftersom båda utförs på enheterna / IoT-sensorn själv.

3. Syfte

Cloud computing är bäst lämpad för långsiktig djupgående analys av data. Å andra sidan är dimma och Kantberäkning mer lämpade för den snabba analys som krävs för realtidssvar.

det skulle också vara värt att nämna här att cloud computing kräver 24 oz 7 internetåtkomst, medan de andra två kan fungera även utan internet. Således är de mer lämpliga för användningsfall där IoT-sensorerna kanske inte har sömlös anslutning till internet.

När det gäller säkerhet är dimma och Kant mycket säkra.

i dimma förblir data fördelad mellan noder. Således är det svårt att manipulera data jämfört med den centraliserade strukturen för molnberäkning. I Edge computing förblir data på själva enheten, vilket gör den säkrare av de tre. Så, i de fall där säkerhet är ett stort problem, är dimma och kant att föredra.

igen, eftersom data fördelas mellan noder i dimma computing, är driftstopp minimal jämfört med cloud computing, där allt lagras på ett ställe och om något går fel med det, det tar ner hela systemet. Även om en nod går ner i dimma computing, andra noder förblir i drift, vilket gör det rätt val för de användningsfall som kräver noll driftstopp.

sammanfattning

huvudskillnaden mellan IoT-enheten eller applikationen som kommunicerar med ett moln kontra en nod är att dubbelriktad kommunikation med en molnserver kan ta upp till flera minuter, medan det bara kan ta upp till några millisekunder när man interagerar med ’noder’ placerade nära enheten.

medan cloud computing fortfarande är den första preferensen för lagring, analys och bearbetning av data, går företag gradvis mot Edge och Fog computing för att minska kostnaderna. Den grundläggande tanken att anpassa dessa två arkitekturer är inte att ersätta molnet helt utan att separera viktig information från den generiska.

smarta applikationer och IoT-baserade enheter kräver omedelbara beslutsverktyg, och medan företag lägger till nya, förbättrade, mycket bättre funktioner som hjälper till med snabba beslut, finns det fortfarande en latens eller brist på avgörande natur, vilket kräver implementering av Fog och Edge computing.

både Edge och Fog computing är avsedda att hantera ett problem — optimering av prestanda. Medan Edge computing föredras allmänt av mellanvaruföretag och telekom som arbetar med ryggradsnät och radionätverk, är Fog computing mer önskvärt av databehandlingsföretag och tjänsteleverantörer.

det är inte en lätt uppgift att införliva Fog eller Edge computing system i en organisation som har förlitat sig på cloud computing för sina beräkningsbehov i flera år. Men behovet av att samla in enorma mängder data, särskilt i åldern av 5G-nätverk och konsumenter som tittar på 4K eller åtminstone HD-kvalitetsdata online, kan företag behöva driva sina gränser för att anta dimma eller Kantberäkning.

Läs fler bloggar:

Living on the Edge — allt du behöver veta om Edge Computing

Understanding Software Architecture Frameworks-Microservices, Monoliths, SOA och API: er