محاسبات لبه (edge computing) و سرور لبه (Edge Server) در حال تغییر شکل نحوه پردازش و تحویل داده ها از میلیون ها دستگاه در سراسر جهان است. رشد انفجاری دستگاه های متصل به اینترنت – اینترنت اشیا – همراه با برنامه های جدیدی که به قدرت محاسبات در زمان واقعی نیاز دارند، همچنان سیستم های محاسبات لبه را هدایت می کنند. فناوری های سریع تر شبکه، مانند 5G، به سیستم های محاسبات لبه اجازه می دهد تا ایجاد یا پشتیبانی از برنامه های زمان واقعی، مانند پردازش و تجزیه و تحلیل، اتومبیل های خودران، هوش مصنوعی و رباتیک را تسریع کنند.
در حالی که اهداف اولیه محاسبات لبه کمتر کردن هزینه های پهنای باند برای داده هایی بود که در مسافت های طولانی به دلیل رشد داده های تولید شده از اینترنت اشیا پیموده می شوند، افزایش برنامه های زمان واقعی که نیاز به پردازش در سرور های لبه دارند، این فناوری را پیش می برد.
محاسبات لبه چیست؟
گارتنر سیستم لبه ای را به عنوان “بخشی از توپولوژی محاسباتی توزیع شده که در آن پردازش اطلاعات نزدیک به لبه قرار دارد یا “جایی که چیزها و افراد آن اطلاعات را تولید یا مصرف می کنند” تعریف می کند.
در سطح ابتدایی خود، محاسبات لبه دار به جای اعتماد به مکانی مرکزی که هزاران مایل با آن فاصله دارد، محاسبات و ذخیره داده را به دستگاه هایی که در آن جمع شده اند نزدیکتر می کند. این کار به این دلیل انجام می شود که داده ها، به ویژه داده های زمان واقعی، دچار مشکلات تأخیری نشوند که می تواند بر عملکرد برنامه تأثیر بگذارد. علاوه بر این، شرکت ها می توانند با انجام پردازش به صورت محلی، زمان پس انداز کنند و مقدار داده های مورد نیاز برای پردازش در یک مکان متمرکز یا مبتنی بر ابر را کاهش دهند.
محاسبات لبه به دلیل رشد چشمگیر دستگاه های اینترنت اشیا ساخته شده است که برای دریافت اطلاعات از ابر یا انتقال داده ها به ابر به اینترنت متصل می شوند. و بسیاری از دستگاه های اینترنت اشیا در طول فعالیت خود مقدار زیادی داده تولید می کنند.
چرا محاسبات لبه اهمیت دارد؟
برای بسیاری از شرکت ها، صرفه جویی در هزینه می تواند محرکی برای استفاده از یک معماری محاسباتی باشد. ممکن است شرکت هایی که برای بسیاری از برنامه های خود از ابر استفاده کرده اند، کشف کرده اند که هزینه های پهنای باند بیش از حد انتظار است.
هرچند، به طور فزاینده ای، بزرگترین مزیت محاسبات لبه، توانایی پردازش و ذخیره سریع تر داده ها است، و امکان استفاده از برنامه های کاربردی در زمان واقعی موثر برای شرکت ها را فراهم می کند. قبل از محاسبه لبه، یک گوشی هوشمند که برای شناسایی چهره صورت فرد اسکن می کند، باید الگوریتم تشخیص چهره را از طریق یک سرویس مبتنی بر ابر اجرا کند، که پردازش آن زمان زیادی را می برد. با توجه به افزایش قدرت تلفن های هوشمند، الگوریتم می تواند با استفاده از یک مدل محاسبه لبه، به صورت محلی بر روی سرور یا دروازه لبه یا حتی در خود تلفن هوشمند اجرا شود. برنامه هایی مانند واقعیت مجازی و افزوده، اتومبیل های خودران، شهرهای هوشمند و حتی سیستم های اتوماسیون ساختمان به پردازش و پاسخ سریع نیاز دارند.
سرور های محاسبات لبه
سرور های مساحبات لبه با تأمین منابع محاسبه مورد نیاز برای دستیابی به هدف کاهش تأخیر، نقش مهمی در محاسبات لبه ای دارند. دو نوع مشخص از سرورهای لبه وجود دارد: سرورهای لبه شبکه تحویل محتوا (CDN) و سرورهای محاسبه لبه.
ممکن است علاقه مند شوید:
سرور CDN لبه یک سرور محاسبات لبه است که از نظر استراتژیک بسیار قوی است و نسخه های کش محتوای استاتیک را از سرورهای مبدا در اختیار کاربران قرار می دهد. این به این معنی است که سرورهای CDN لبه محتوایی مانند JavaScript ،HTML و محتوای قابل بارگیری را ارائه می دهند. در نتیجه، سرورهای CDN edge به کاهش حجم کار در سرورهای مبدا و کاهش تأخیر برای کاربران کمک می کنند. این سرورها در نقاط حضور (PoPs) و مکان های لبه در شبکه تحویل محتوا مستقر می شوند.
برخلاف تحویل محتوا، سرور های محاسبات لبه منابع محاسبه را در لبه شبکه فراهم می کنند. مانند سرورهای CDN edge، سرورهای محاسبه لبه نیز برای کاهش تأخیر به طور استراتژیک مستقر می شوند. با این حال، برخلاف سرویس دهی محتوای ثابت وب، سرورهای محاسبه لبه قابلیت هایی مانند پردازش داده ها برای برنامه های اینترنت اشیا (اینترنت اشیا) و شبکه های 5G را فراهم می کنند.
نحوه کار سرور های CDN لبه
حافظه پنهان محتوا سهم زیادی در نحوه کار سرور های CDN لبه دارد. سرورهای CDN لبه نسخه های حافظه پنهان شده از محتوای سرور منبع را ذخیره می کنند و هر زمان درخواستی ارائه می شود آن ها را به مشتریان ارائه می دهند.
در سطح بالا، روند کار به شرح زیر است:
- یک مشتری با مرور در یک URI مشخص درخواست یک منبع وب با محتوای ثابت (به عنوان مثال یک ویدیو) را ارائه می دهد.
- درخواست مشتری به CDN وب سایت ارسال می شود.
- CDN از Anycast DNS برای تعیین اینکه کدام سرور CDN لبه از لحاظ جغرافیایی نزدیکترین است استفاده می کند و درخواست را به آنجا هدایت می کند.
- اگر سرور CDN لبه از قبل یک کپی از مطالب داشته باشد، مستقیماً به درخواست پاسخ می دهد. نتیجه تأخیر به میزان قابل توجهی کمتر از درخواست است که باید به سرور مبدا هدایت شود.
- اگر سرور CDN لبه نسخه ای از محتوا را نداشته باشد، آن را از سرور مبدا درخواست می کند، برای مشتری پروکسی می کند و برای درخواست های بعدی آن را در حافظه پنهان ذخیره می کند.
در سناریوی فوق، سه مزیت اصلی وجود دارد:
کاهش تأخیر برای کلاینت ها: به محض اینکه محتوا در حافظه پنهان ذخیره شد، مشتریان عملکرد بهتر و زمان بارگذاری سریع تری را تجربه می کنند زیرا از دارایی های سرور نزدیکتر درخواست دارایی می کنند. البته، ستون فقرات شبکه اصلی نیز می تواند تأخیر را تحت تأثیر قرار دهد. به عنوان مثال، درخواست هایی که به طور کامل از طریق اینترنت عمومی ارسال می شوند اغلب کندتر از درخواست هایی هستند که از طریق ستون فقرات خصوصی StackPath ارسال می شوند.
کاهش حجم کار در سرور مبدا: افزایش ترافیک می تواند باعث خرابی عملکرد سرور مبدا شود. با بارگیری اکثر درخواست ها در سرورهای لبه edge، سرورهای مبدا در صورت بروز سنبله ها، افت عملکرد را کاهش می دهند.
افزایش امنیت برای سرور مبدا: همانطور که CDN سرور مبدا و درخواست های پروکسی از کلاینت ها را پنهان می کند، می تواند از قرار گرفتن در معرض سرور مبدا در برابر حملات DDoS و سایر تهدیدات جلوگیری کند.
نحوه کار سرور های محاسبات لبه
سرورهای محاسبات لبه همچنین با کاهش فاصله جغرافیایی و به نوبه خود تأخیر بین تولید کنندگان و مصرف کنندگان داده ها کار می کنند. با این حال ، در مورد سرورهای محاسبه لبه ، تولید کنندگان داده اغلب دستگاه های اینترنت اشیا هستند و سرورها در حال پردازش داده های ایجاد شده هستند. به عنوان مثال ، یک سرور محاسبه لبه ممکن است بین دستگاه های اینترنت اشیا در کف کارخانه و cloud یا یک مرکز داده سازمانی قرار گیرد.
در این حالت، داده ها به این صورت جریان می یابند:
- دستگاه ها و محصولات اینترنت اشیا (دوربین ها، حسگرها) در طبقه کارخانه داده ها را به یک سرور محاسبه لبه (به عنوان مثال gateway edge) ارسال می کنند.
- سرور محاسبات لبه پردازش، ذخیره سازی و تجزیه و تحلیل محلی داده ها را از دستگاه های اینترنت اشیا فراهم می کند.
- سرورمحاسبات لبه اطلاعات پردازش شده مربوطه را برای پردازش بیشتر به cloud یا یک مرکز داده شرکتی ارسال می کند.
در این حالت، مزایای سرور لبه شامل پهنای باند بسیار کاهش یافته به مرکز داده های ابری یا ابری و کاهش تأخیر است. بدون وجود سرور محاسبات لبه، داده های پردازش نشده به طور قابل توجهی مستقیماً به فضای ابری یا مرکز داده منتقل می شوند که منجر به کاهش زمان پردازش و تأخیر کافی برای ایجاد مانع در روند کار پردازش داده در زمان واقعی می شود.
نمونه هایی از سرور های محاسبات لبه
استفاده TeamSpeak از StackPath’s CDN برای بهبود 68 درصدی سرعت بارگیری، نمونه بارزی از نحوه کار سرورهای CDN edge در دنیای واقعی است. در ابتدا، TeamSpeak، شرکتی که مشتریان گپ را برای eSports فراهم می کند، از کاربران می خواست نصب و وصله ها را از آینه های آلمان بارگیری کنند. با توجه به ماهیت جهانی مخاطبان TeamSpeak، این روش اغلب منجر به مشکلات عملکردی می شود که تجربه کاربر را تحت تأثیر قرار می دهد.
TeamSpeak متوجه شد که استفاده از CDN سرعت بارگیری را بسیار افزایش می دهد و با استفاده از پلتفرم خود برای گیمرها تجربه بهتری ایجاد می کند. StackPath CDN بر خلاف داشتن یک بارگیری جهانی کاربر از طریق سرورهای مستقر در آلمان، سرورهای لبه ای را در سراسر جهان ارائه می دهد که بارگیری های نزدیک به کاربران را ذخیره و ارائه می دهند.
همانطور که برای سرورهای محاسبات لبه این آموزش سرورهای محاسبات لبه را نشان می دهد که بارهای کانتینر در آتلانتا، دالاس، آمستردام و فرانکفورت را برای اهداف پردازش داده اینترنت اشیا در مقابل یک سرور ابری واحد اجرا می کنند.
دیدگاهی بنویسید