Edge Computing bezieht sich auf eine Vielzahl von Technologien, die die Latenzzeit von Cloud-Diensten verringern können. Die geografische Entfernung zwischen dem Endnutzer und dem Server ist der wichtigste Faktor für die Latenzzeit. Alle Edge-Computing-Technologien gehen dieses Problem an, indem sie die Rechenressourcen näher an den Benutzer bringen, wobei sich die einzelnen Edge-Computing-Technologien in den Maßnahmen unterscheiden, die sie zu diesem Zweck ergreifen. Lesen Sie weiter, um mehr über die Unterschiede zwischen Edge-Computing-Technologien, ihre Vorteile und Anwendungen sowie ihr zukünftiges Potenzial zu erfahren.
Das Ziel von Edge Computing
Das Ziel von Edge Computing ist die Bereitstellung von Diensten mit niedriger Latenz. Es verfolgt einen dezentralen Ansatz, bei dem Rechenknoten in der Nähe der Nutzer platziert werden, z. B. in kleineren Rechenzentren, Mobilfunkmasten oder eingebetteten Servern.
Edge Computing ist eine Ergänzung zum zentralisierten Modell des traditionellen Cloud Computing, bei dem sich die Server in großen, zentralen Rechenzentren befinden. Während sich die Cloud auf die Maximierung der reinen Rechenleistung konzentriert, geht es bei Edge um die Minimierung der Latenz.
Wie funktioniert Edge Computing?
Edge Computing funktioniert durch das Hinzufügen von Servern an strategischen Standorten in der Nähe der Endbenutzer. Der wichtigste kontrollierbare Faktor, der sich auf die Latenz auswirkt, ist die Entfernung zwischen dem Client und dem Server. Daher ist die Platzierung von Servern in größerer geografischer Nähe zum Client die einzige Möglichkeit, die Latenz sinnvoll zu verringern.
Die spezifische Methode zur Implementierung von Edge Computing hängt vom Anwendungsfall und der Schicht ab. Werfen wir einen genaueren Blick darauf, um mehr über die Nuancen des Edge Computing zu erfahren.
Die Edge-Computing-Schichten
Lassen Sie uns die verschiedenen Schichten des Edge Computing, ihre spezifischen Kontexte, Standorte und erreichbaren Latenzbereiche untersuchen.
Traditionelle Cloud
Zunächst müssen wir uns das traditionelle Cloud-Modell ansehen, um eine Grundlage zu schaffen. Diese Schicht eignet sich für daten- und rechenintensive Workloads, Backups und Disaster Recovery. Das traditionelle Cloud-Modell ermöglicht die minuten- oder sogar sekundengenaue Anmietung umfangreicher physischer und virtueller Hardwareressourcen, die hohe Arbeitslasten bewältigen und redundante Speicherlösungen bereitstellen, die die meisten Unternehmen nicht unabhängig verwalten können.
Cloud-Anbieter beherbergen Computing-Ressourcen in großen Rechenzentren. Die Latenzzeit kann für Nutzer in der Nähe des Rechenzentrums nur einige Millisekunden betragen, für Nutzer am anderen Ende der Welt kann sie jedoch eine Sekunde überschreiten.
Metro Edge
Die Metro-Edge-Schicht dient in der Regel der Inhaltsbereitstellung, der regionalen Einhaltung von Vorschriften und Smart-City-Anwendungen. Hier befinden sich die Rechenressourcen im selben Ballungsraum wie die Nutzer, wodurch Latenzzeiten im einstelligen bis unteren zweistelligen Millisekundenbereich erreicht werden.
Metro Edge bietet oft die Sicherheit, dass die lokalen Gesetze zur Datensouveränität eingehalten werden, und sorgt für geringere Latenzzeiten. So bietet ein Cloud-Service mit Sitz in Südamerika möglicherweise nicht den DSGVO-Schutz, der in Europa gesetzlich vorgeschrieben ist. Ein Metro-Edge-Anbieter mit Sitz in Paris kann sowohl die DSGVO-Konformität für lokale Clients gewährleisten als auch ihre Latenz erheblich senken.
Far Edge
Der Far Edge ist entscheidend für IoT, autonome Fahrzeuge und Telekommunikation, wo selbst zweistellige Millisekunden-Latenzzeiten zu hoch sind. Auf dieser Schicht werden die Rechenressourcen am Rande des Netzwerks eingesetzt, z. B. in Mobilfunkmasten, was Latenzen von weniger als einer Millisekunde bis hin zum einstelligen Millisekundenbereich ermöglicht.
On-Premise Edge
In Bereichen wie der Fertigung, dem Gesundheitswesen und dem Einzelhandel, in denen Latenzen im Mikrosekundenbereich erforderlich sind, ist On-Premise Edge ideal. So ermöglichen Hochgeschwindigkeitskameras, die Hunderte oder sogar Tausende von Objekten pro Sekunde inspizieren können, die Qualitätssicherung in der Fertigung, ohne die Produktion zu verlangsamen.
Wie der Name schon sagt, befinden sich die Rechenressourcen auf dieser Schicht vor Ort, nur wenige Meter von den Nutzern entfernt, was durchweg Latenzen im Mikrosekundenbereich ermöglicht.
Anwendungsfälle für Edge Computing in der Branche
Um mehr darüber zu erfahren, wie Edge Computing je nach Kontext unterschiedlich funktioniert, sollten wir uns einige Anwendungsfälle ansehen. Viele verschiedene Branchen nutzen bereits Edge Computing, um ihre Prozesse zu verbessern.
Einzelhandel
Intelligente Regale melden, welche Produkte sie enthalten und wie viele Artikel noch übrig sind. Dies verwandelt die zeitaufwändige manuelle Inventur, die einige Male im Jahr stattfindet, in einen kontinuierlichen, automatisierten Prozess, der in Echtzeit Einblicke in den Bestand eines Geschäfts bietet.
Edge Computing erleichtert dies, indem es die Verarbeitung von Daten in Echtzeit am Ort der Erfassung, z. B. am intelligenten Regal, ermöglicht, wodurch Latenzzeiten vermieden werden und sofortige Aktualisierungen der Lagerbestände möglich sind. Der Vorteil für den Einzelhändler besteht darin, dass er seine Bestandsverwaltung optimieren, Leerstände reduzieren und die Kundenzufriedenheit verbessern kann, indem er sicherstellt, dass die Produkte immer verfügbar sind, wenn sie benötigt werden.
Generative KI
Im Bereich der generativen KI können KI-Modelle dank Edge Computing mit niedriger Latenz schneller reagieren und den Datenschutz der Eingaben wahren. Edgegesteuerte Chatbots können zum Beispiel Sprache erkennen und schnell Antworten generieren, da sie nicht alle Eingaben an entfernte Datenzentren senden müssen.
Intelligente Städte
Gemeinden erledigen zahlreiche verteilte Aufgaben. Die Bereiche Verkehr und Abfallwirtschaft sind beispielsweise über die ganze Stadt verstreut.
Edge Computing ermöglicht es Geräten wie Ampeln, ihre Zeitsteuerung für einen optimierten Verkehrsfluss zu aktualisieren, indem sie die Daten vor Ort verarbeiten. Das bedeutet, dass die Ampelsensoren in Echtzeit auf Änderungen im Verkehrsverhalten reagieren können, ohne dass die Daten zur Verarbeitung an einen zentralen Server zurückgesendet werden müssen, damit der Verkehr reibungslos fließt. Auch in der Abfallwirtschaft kann Edge Computing mit Sensoren ausgestattete Mülltonnen nutzen, um deren aktuellen Füllstand mitzuteilen. Dadurch können Gemeinden die Routen und Zeitpläne für die Müllabfuhr an den unmittelbaren Bedarf anpassen, was die Effizienz erhöht und unnötige Kosten reduziert.
Automobilindustrie
Selbstfahrende Autos haben zwar viel Aufmerksamkeit erregt, aber sie sind nicht die einzige IT-Anwendung in modernen Autos. Mit On-Premise Edge Computing, bei dem das Fahrzeug selbst der „Ort“ ist, können Autos Wartungsarbeiten vorwegnehmen und potenzielle Probleme erkennen, bevor sie eskalieren, ohne dass eine ständige Online-Verbindung erforderlich ist.
Gesundheitswesen
Anwendungen im Gesundheitswesen, wie z. B. die Bildanalyse zur Erkennung von Hautkrebs und die Echtzeit-Patientenüberwachung in Krankenhäusern, profitieren enorm vom Datenschutz, den Edge Computing bietet, und erhöhen die Sicherheit der Patientendaten. Edge Computing bietet Datenschutz, indem es Daten lokal auf dem Gerät selbst verarbeitet. Dadurch wird die Gefährdung sensibler Daten durch potenzielle Cyberbedrohungen während der Übertragung erheblich reduziert. Edge Computing trägt auch dazu bei, die Einhaltung lokaler Datenschutzbestimmungen zu gewährleisten, da die Daten innerhalb der geografischen Grenzen bleiben können, in denen sie erzeugt wurden. Dies ist besonders wichtig im Gesundheitswesen, wo Patientendaten hochsensibel sind und strengen Datenschutzgesetzen unterliegen, wie z. B. HIPAA in den USA.
Finanzwesen
Beim Hochfrequenzhandel dreht sich alles um niedrige Latenzzeiten. Eine Order nur ein paar Millisekunden früher zu platzieren, kann den Unterschied zwischen Gewinn und Verlust ausmachen. Edge Computing verringert die Entfernung zwischen Rechenressourcen und Finanzbörsen und reduziert so die Latenzzeit.
Die biometrische Authentifizierung an Geldautomaten ist ein weiterer interessanter Anwendungsfall von Edge im Finanzwesen, bei dem die von Edge gestützte Gesichtserkennung Kunden schnell identifizieren kann und Betrüger daran hindert, gestohlene Kreditkarten zu verwenden.
Die Vorteile von Edge Computing
Die Vorteile von Edge Computing sind niedrige Latenzzeiten, Einsparungen bei der Bandbreite und verbesserter Datenschutz.
Niedrige Latenzzeit
Der Hauptvorteil von Edge Computing ist die deutlich geringere Latenzzeit. Latenzzeiten im einstelligen Millisekunden- oder sogar Mikrosekundenbereich ermöglichen Anwendungsfälle, die mit herkömmlichen Cloud-Implementierungen nicht möglich sind. Ein selbstfahrendes Auto kann zum Beispiel nicht an jeder Kreuzung sekundenlang warten, und die Hochfrequenzhandelsmärkte warten nicht auf Ihre nächste Order. Entweder sie werden schnell ausgeführt oder gar nicht!
Einsparungen bei der Bandbreite
Edge Computing spart Bandbreite, indem es die Filterung von Daten ermöglicht, bevor diese an die Hauptserver in einer herkömmlichen Cloud gesendet werden, oder die Komprimierung von Medien auf Abruf, bevor diese an einen Client mit geringer Hardwareausstattung oder einer langsamen Internetverbindung gesendet werden. Durch diese frühzeitige Verarbeitung wird die über das Internet gesendete Datenmenge reduziert, wodurch die nachgelagerten Netzwerke entlastet und die damit verbundenen Kosten gesenkt werden können.
Verbesserter Datenschutz
Es ist möglich, datenschutzoptimiertes Edge Computing auf der lokalen Edge-Schicht zu nutzen, um die Exposition gegenüber öffentlichen Netzwerken zu reduzieren; wie wir im obigen Beispiel aus dem Gesundheitswesen untersucht haben. Der Datenschutz ist jedoch keine Standardeigenschaft von Edge-Computing-Installationen. Der Schutz sensibler Daten zur Einhaltung des regionalen Datenschutzes erfordert ausdrückliche Vorsichtsmaßnahmen, insbesondere wenn Sie mit privaten Daten wie Gesundheitsdaten oder Finanzdaten arbeiten.
Warum ist Edge Computing wichtig?
Edge Computing ist die Antwort auf eine Reihe aktueller Anforderungen im Zusammenhang mit der ständig wachsenden Zahl vernetzter Geräte, den Einschränkungen herkömmlicher zentraler Server in einer global vernetzten Umgebung und den aktuellen Anforderungen an Latenzzeiten und Datenschutz.
Zunahme der Anzahl von Geräten
Die Anzahl der mit dem Internet verbundenen Geräte wächst schneller als die Rechenleistung der zentralen Server. Um diesen Trend zu bewältigen, hat Cloud Computing die Skalierung von einem vertikalen Ansatz (Beschleunigung von Servern zur Verarbeitung von mehr Daten) zu einem horizontalen (Verteilung von Arbeitslasten auf mehrere Server) übernommen. Edge Computing setzt diese Verteilung der Arbeitslast fort und bietet eine Leistung mit geringer Latenz, selbst wenn die Anzahl der Geräte exponentiell ansteigt.
Einschränkungen der traditionellen zentralen Server
Wenn es um die Datenverarbeitung geht, kann der herkömmliche Einsatz von zentralen Hochleistungsservern erhebliche Herausforderungen mit sich bringen. Diese leistungsstarken Server sind nicht nur teuer in der Installation und Wartung, sondern auch logistisch kompliziert in der Bereitstellung an allen erforderlichen Standorten. Da Edge Computing die Datenverarbeitung dezentralisiert, muss jeder Server nur einen lokal begrenzten Satz von Daten verwalten, was die Gesamtlast reduziert und den Einsatz kleinerer, weniger anspruchsvoller und billigerer Server ermöglicht. Es ist daher möglich, Server in einem viel größeren geografischen Bereich zu positionieren. Auf diese Weise löst Edge Computing das teure Problem der Serverbereitstellung und -wartung und macht die Datenverarbeitung effizienter und zugänglicher.
Das herkömmliche Cloud Computing ist nicht verschwunden. Hochleistungsserver sind für viele Anwendungsfälle nach wie vor unverzichtbar, aber das Edge Computing entlastet Sie und macht Ressourcen für andere Aufgaben frei.
Heutige Anforderungen an Latenzzeiten und Datenschutz
Nicht zuletzt stellt die moderne Technologie neue Anforderungen an die Latenzzeit und den Datenschutz, die nicht durch eine bloße Erhöhung der Rechenleistung in größeren Rechenzentren erfüllt werden können. Autonome Autos benötigen Reaktionszeiten von weniger als 20 Millisekunden, und Krankenhäuser müssen den Schutz von Patientendaten gewährleisten, die bei der Übertragung über das Internet gefährdet sind. Edge Computing ist in der Lage, diese Anforderungen zu erfüllen, während traditionelle Cloud-Modelle dies einfach nicht durchgängig können.
Die Zukunft von Edge Computing
Edge Computing bietet neue Möglichkeiten für die Automatisierung von Aufgaben in verschiedenen Branchen. Der Markt für Edge Computing wird im nächsten Jahrzehnt auf einen Wert von über 157 Milliarden Dollar anwachsen, mit einem erwarteten Wachstum von 80 % im Segment der Großunternehmen. Wir können davon ausgehen, dass es viele neue Edge-Computing-Anwendungen geben wird und dass Unternehmen ihre Arbeitslasten an die Edge verlagern werden, um von den Vorteilen zu profitieren.
Verbesserungen bei der Größe und Effizienz der Geräte werden es dem Edge Computing ermöglichen, neue Arbeitslasten zu bewältigen, die heute noch nicht möglich sind, und gleichzeitig bestehende Arbeitslasten zwischen verschiedenen Edge-Computing-Schichten zu verschieben, was noch schnellere Reaktionszeiten ermöglicht.
Fazit
Edge Computing ist eine Erweiterung des traditionellen Cloud Computing. Es sorgt für niedrige Latenzzeiten, indem es Rechenressourcen näher an die Nutzer bringt, die sie benötigen. Viele moderne Lösungen, wie selbstfahrende Autos, Echtzeit-Verkehrsmanagement oder Hochfrequenzhandel, erfordern Edge Computing und wären mit der traditionellen Cloud allein nicht möglich. Edge Computing ist jedoch nicht der evolutionäre Nachfolger des Cloud Computing. Auch wenn es Latenz und Datenschutz weitestgehend verbessert, sind Arbeitslasten, die rohe Rechenleistung erfordern, in einer traditionellen Cloud immer noch gut aufgehoben. Edge Computing ist eine strategische Ergänzung, die die Lücken in der Latenzzeit von Cloud-Computing-Implementierungen schließen und zentrale Server von Lasten entlasten kann, die besser auf verteilte Weise gehandhabt werden.
Das Edge-Netzwerk von Gcore umfasst ein leistungsfähiges CDN, das eine durchschnittliche globale Latenz von nur 30 ms liefert. Mit mehr als 150 Präsenzpunkten, die sich strategisch in mehr als 75 Ländern auf sechs Kontinenten befinden, kommen Ihre Endbenutzer in den Genuss der Vorteile von Edge Computing, egal wo auf der Welt sie sich befinden. Anfang 2024 bringen wir außerdem AI Inference as a Service auf den Markt, einen Edge-KI-Dienst. Wir halten Sie auf dem Laufenden.
