بشریت از همان روزهای ابتدایی به ابزار وابسته بوده است. همانطور که تکامل یافته ایم، ابزارها به آنچه ما فناوری می نامیم تبدیل شده اند که سیر تکامل خود را دارند. این مورد در مورد رایانش ابری صادق است، زیرا محاسبات لبه گام بعدی به جلو است که ابر را به زندگی روزمره مردم نزدیک می کند. این پیشرفت مستلزم تکامل در خطوط مونتاژ پشتیبانی کننده آن است.قدرت محاسباتی، ما را احاطه کرده است. در حالی که استفاده ما از رایانه گسترش می یابد، تکامل برای امکان عملکرد بیشتر هرگز متوقف نمی شود.
رایانش ابری امکان استفاده از منابع در مراکز داده بزرگ را به روشی انعطاف پذیر و چابک فراهم کرده است. این کاملاً در تضاد با حجم کاری است که روی سخت افزار اختصاصی کار می کردند. حتی بخشهای صنعتی مانند ارتباطات از راه دور آزمایش رایانش ابری را ترجیح دادند و بسیاری از اپراتورها و فروشندگان از این هم فراتر رفتند – نه تنها استفاده از راهکار رایانش ابری ، بلکه انتخاب یک پلتفرم با اجزای اصلی منبع باز در آن.
اگرچه مواردی وجود دارد که نرم افزار Cloud در قسمت پشتی آن کاملاً طبیعی است، اما تعجب آور است وقتی که ارائه دهنده خدمات (SP) شما این جهت را انتخاب می کند به دلیل اصولی از جمله در دسترس بودن زیاد یا پنج مهارت. این نشان دهنده توافق نامه های سطح خدمات (SLA) در مورد در دسترس بودن SP ها برای ارائه خدماتشان است. و با این وجود اپراتورهای مخابراتی اکنون جاده ای را برای نسل بعدی رایانش ابری هموار می کنند که بسیاری از مردم آن را ساده می نامند. بیایید نگاهی دقیق تر بیندازیم.
صحنه لبه
محاسبه لبه به عبارتی آشنا تبدیل شده است، اما درباره اینکه “لبه” در آن دقیقاً به چه چیزی اشاره دارد، اتفاق نظر وجود ندارد. به همان اندازه از افرادی که می پرسید پاسخ خواهید گرفت. تنها وجه اشتراک لبه های مختلف این است که همه آنها در لبه چیزی قرار دارند.محاسبه لبه به الگوی سیستم های توزیع شده بستگی دارد و مقیاس را تا حدی افزایش می دهد که قبلاً در دسترس نبوده است. هدف این است که هم قدرت محاسباتی و هم انعطاف پذیری موجود در مراکز داده های ابری بزرگ به کاربران نزدیک شود، اعم از انسان یا ماشین و یا ترکیبی از این دو.این ما را به لبه دور، لبه دستگاه، سایت لبه بزرگ، مرکز داده لبه کوچک، لبه جمع شده، لبه دسترسی و غیره هدایت می کند. اینها همه اصطلاحات معتبری هستند و به محض قرار دادن آنها در متن معنا پیدا می کنند.
اگر شما می خواهید یک تعریف از لبه خود ارائه دهید، باید متن، مورد استفاده و برخی از مشخصات آن را در آن قرار دهید تا مطمئن شوید که کسانی که از آن استفاده می کنند دید و درک مناسبی دارند. همه این جزئیات ارائه یک توصیف را که در هر شرایطی حفظ می شود، غیرممکن می سازد که باعث می شود هدف و روند ایجاد یک تعریف غیرضروری باشد.یک چیز در همه لبه ها مشترک است، این که همه آنها بخشی از یک سیستم توزیع شده هستند، مقیاس آن بیشتر از هر زمان دیگری است. این امر الزامات جدیدی را برای حل مشکلات بر روی شانه های شما قرار می دهد و نقایص موجود در راه کار های موجود را برجسته می کند.
گزینه های معماری و محل یافتن آنها
تکامل رایانش ابری، ابر را از تصویر خارج نمی کند. فقط در موارد خاص آن را بازسازی می کند. در اکثر موارد، متوجه خواهید شد که محاسبات لبه ای مرکز داده ابری را که از قبل در دسترس است گسترش می دهد تا عملکرد بیشتری را به کاربران نهایی برساند. متأسفانه، با این روش جدید در سازماندهی منابع موجود، شرایط محیطی تغییر نخواهد کرد. شما هنوز هم باید به مبارزه با شبکه های غیر قابل اعتماد بپردازید و در مناطق روستایی دارای بار کاری خواهید بود که دستیابی به آنها گاهی سخت و همیشه گران است، اما ما هنوز هم باید زمان تاخیر را به حداقل برسانیم، پهنای باند را به حداکثر برسانیم و از مدیریت چرخه زندگی هم برای زیرساخت ها و هم از برنامه ها مراقبت کنیم.
این سوالات به طور طبیعی مطرح می شوند: چگونه می توان بر همه این چالش ها غلبه کرد؟ و آیا راهکار نهایی وجود دارد؟
هر چقدر هم که تلاش کنید آن را پیدا کنید، هیچ راهکار قطعی برای همه موارد وجود ندارد. دلیل ساده ای که ناشی از داستان فوق در مورد منحصر به فرد بودن لبه شما نیست بلکه فقط به اندازه کافی متفاوت است تا مراحل بعدی را کمی پیچیده تر از آنچه که به نظر می رسد، انجام دهید.
احتمالاً تاکنون می توانید اجزای مربوط به مورد استفاده از لبه خود را در قفسه هر فروشنده ای پیدا کنید، خواه آنها بسته نرم افزاری یا سخت افزاری یا هر دو را بفروشند. اصطلاحات جدید همراه با سوالات بعدی تجارت جدیدی را به جدول آورده است: کدام قطعات را انتخاب می کنیم و چگونه همه آنها را در کنار هم قرار می دهیم؟
در حالی که محاسبات لبه ای در مراحل اولیه خود است، در حال حاضر رد پای قابل توجهی در اکوسیستم منبع باز دارد. همکاری در این زمینه به دلیل تنوع بلوک های ساختمانی که می تواند به روش های مختلفی ترکیب شود تا متناسب با تعداد بی شماری از سناریوها باشد، امری حیاتی است. هوش مصنوعی و برنامه یادگیری ماشین شما می تواند ربات ها را در کف کارخانه یا چرخه زندگی میگوها در یک مزرعه کنترل کند در حالی که به صورت محلی یا از راه دور به زیرساخت ابر متصل هستند.
و هنگامی که ما در مورد اتصال صحبت می کنیم، بلافاصله متوجه می شوید که چالش تاکنون برای همیشه حل نشده از قابلیت همکاری زیر ذره بین است. همراه با استاندارد سازی، روش های توسعه نرم افزار منبع باز با داشتن API ها و رابط های باز تعریف شده و در دسترس برای بررسی و آزمایش، در غلبه بر این مانع کارایی بیشتری دارند. گروه های مختلف همچنین می توانند با هم همکاری کنند تا بسیاری از زیرساخت ها را ادغام کنند، قبل از اینکه هر یک از آزمایش ها به آزمایشگاه های شما برسد.
گروه هایی مانند OSF Edge Computing Group در حال بررسی موارد استفاده و الزامات برای یافتن نقاط مشترک در الزامات و ساخت مدل های معماری هستند که به جوامع توسعه کمک می کند تا پیشرفت کنند و قطعاتی را که برای ایجاد زیرساخت های خود بر اساس ردپای موجود نیاز دارید، آزمایش کنید.
مدل های معماری فعلی همه بر اساس مراکز داده ابری ساخته شده اند که به سایت های لبه ای با اندازه های مختلف و قابلیت های مختلف متصل هستند. این اغلب منجر به ایجاد گرافی شبیه به تار عنکبوت می شود. مقیاس این شبکه ها می تواند بسیار بزرگ شود، به خصوص در مواردی که از راه دور از آنها استفاده می کنید، در این موارد باید تعادل بین میزان کارکرد نقاط مختلف را تعیین کنید و در صورت نیاز به مدیریت و نگهداری از آن، برای شما چه هزینه هایی را ممکن است به همراه داشته باشد. این مشاهدات اخیراً منجر به موارد خطای متداولی شده است که ممکن است نیازهای رفتاری خاصی داشته باشد که زیرساخت ها باید تأمین کند، همچنین به شما نکاتی درباره تصمیمات خاص می دهد. رایج ترین سناریو قطع ارتباط بین مرکز داده لبه و ابر مرکزی است. بسته به مورد استفاده شما، استقلال مورد نیاز در سایت های لبه شما متفاوت است.
چالش آسانتری برای غلبه بر داشتن بارهای کاری در حال انجام و در دسترس بودن در سایت قطع شده است، اما اگر شما نیاز به شروع نمونه های جدید یا ارائه قابلیت مدیریت کاربر دارید، به عملکردهای کنترلی موجود در محلی نیاز خواهید داشت. دو گزینه اصلی که می توانید انتخاب کنید، مدل کنترل سطح متمرکز و کنترل سطح توزیع شده است.همانطور که می بینید ، وقتی صحبت از مراکز داده لبه می شود، رد پای دو گزینه کاملاً متفاوت است. همچنین مدیریت و تنظیم کلیه عملکردهای کنترلی که استقلال را در لبه ایجاد می کنند، پیچیده تر است زیرا ممکن است برای حفظ دید یکنواخت نیاز به همگام سازی اطلاعات کاربر و بیت های دیگر داده در سراسر زیرساخت داشته باشید.
شما می توانید چندین نمونه را پیدا کنید تا مدل های فوق را درک کنید. به عنوان مثال، گزینه Distributed Compute Node (DCN) از پروژه Openstack TripleO معماری متمرکز را برای شما به ارمغان می آورد ، یا اگر به تنظیمات توزیع شده ای نیاز دارید StarlingX قابل اجرا است.
یک مثال عملی
بیایید نگاهی دقیق تر به StarlingX بیندازیم ، که یک پروژه منبع باز است و توسط بنیاد OpenStack پشتیبانی می شود.
این پروژه یک نمونه عالی از کار یکپارچه سازی است که برای تهیه یک سیستم عامل لبه انعطاف پذیر و مقاوم مورد نیاز است. همچنین از بلوک های ساختمانی استفاده می کند که به احتمال زیاد قبلاً با آنها آشنایی دارید، مانند لینوکس، OpenStack ،Kubernetes ،Ceph و غیره. این امر با ارائه قطعاتی از یک سیستم عامل رایانش ابری سنتی ضمن ایجاد امکان استقرار سرویسهای انتخابی در سایتهای لبه، جهت دستیابی به عملکرد مورد نیاز، به مسیر تکامل فوق الذکر اشاره می کند.این پروژه با استفاده از کانتینر سازی هم برای خدمات پلتفرم (برای دستیابی به انعطاف پذیری و مدیریت آسان تر) و هم برای بارهای کاری، در مواردی که قابل استفاده است، استفاده می شود.این انجمن بر روی الزاماتی مانند رد پای کوچک و عملکرد بالا تمرکز کرده است که هر دو در بیشتر موارد استفاده از لبه بسیار مهم هستند. با این حال، ارزیابی موفقیت همیشه به مورد استفاده و خواسته های خاص آن بستگی دارد.
بردن آن به لبه
محاسبات لبه با بردن قدرت محاسبات به اتومبیل ها، کارخانه ها، مزارع و خانه شما موانع بین صنایع را از بین می برد. خطوط بین راهکارها نیز ناپدید می شوند و اهداف جدید برای اپراتورها نیاز به انعطاف پذیری، چابکی و توانایی ادغام دارند، زیرا محیط به طور آلی رشد می کند تا همیشه کمی جلوتر برود.با تکامل مدل های تجاری، پیامدهای هزینه نیز روشن تر خواهد شد، که این امر بیشتر بازیکنان صنعت را به شرکت در تلاش های منبع باز تشویق می کند و با هم روی عناصر سازنده کار می کنند.