Internet of Things (IoT) finns överallt omkring oss, med enheter som genererar kontinuerlig data som måste lagras och, för kritiska tillämpningar, utvärderas i realtid. Edge computing utvärderar denna data direkt vid källan, vilket medför ett paradigmskifte i molnberäkningens tidsålder.

Vad är edge computing? En definition

Edge computing är en designmetod för IoT-miljöer som tillhandahåller IT-resurser som lagringskapacitet och datorkraft så nära som möjligt de enheter och sensorer som genererar data. Edge computing är ett alternativ till traditionella molnlösningar med centrala servrar.

Termen “edge” syftar på att databehandlingen i detta tillvägagångssätt inte sker centralt i molnet utan på ett decentraliserat sätt i nätverkets utkant. Edge computing är avsett att tillhandahålla det som molnet hittills inte har kunnat erbjuda: servrar som utan fördröjning kan utvärdera massdata från smarta fabriker, leveransnätverk eller trafiksystem, vilket gör det möjligt att vidta omedelbara åtgärder vid en incident.

Grunderna i edge computing i korthet

Edge computing använder etablerade tekniker i en kompakt design under ett nytt namn. Här är en översikt över de viktigaste termerna inom edge computing:

  • Edge: I IT-jargong är “edge” nätverkets ytterkant. Vilka komponenter som tillhör nätverkets ytterkant beror dock på situationen. Inom telekommunikation kan till exempel en mobiltelefon vara nätverkets ytterkant, medan det i ett system med nätverksanslutna, självkörande bilar är det enskilda fordonet.
  • Edge-enhet: Varje datagenererande enhet i nätverkets kant fungerar som en edge-enhet. Möjliga datakällor är sensorer, maskiner, fordon eller intelligenta enheter i en IoT-miljö. Det kan till exempel vara tvättmaskiner, branddetektorer, glödlampor eller radiatortermostater.
  • Kantgateway: En kantgateway är en dator som är placerad vid övergången mellan två nätverk. I IoT-miljöer används kantgateways som noder mellan sakernas internet och ett kärnnätverk.

Edge computing kontra fog computing

Att lägga till lokala bearbetningsinstanser till molnet är ingen ny metod. Redan 2014 myntade den amerikanska teknikkoncernen Cisco marknadsföringstermen”fog computing”. Data som genereras i IoT-miljöer skickas inte längre direkt till molnet, utan samlas först i små datacenter, utvärderas och väljs ut för vidare bearbetning.

Idag ses edge computing som en del av fog computing, där IT-resurser som datorkraft och lagringskapacitet flyttas ännu närmare IoT-terminalerna i nätverkets ytterkant. En kombination av båda koncepten är också möjlig. Följande bild visar en arkitektur med moln-, fog- och edge-lager.

Bild: Schematic representation of a cloud architecture with cloud, fog and edge layers
Schematic representation of a cloud architecture with cloud, fog and edge layers.
Tips

Referensarkitekturer för fog- och edge computing-miljöer utvecklas som en del av Open Fog Consortium, ett öppet konsortium bestående av representanter från näringslivet och den akademiska världen.

Varför välja edge computing?

För närvarande hanterar centrala datacenter majoriteten av den datamängd som genereras av internet. Idag är dock datakällorna ofta mobila och ligger för långt bort från den centrala stordatorn för att kunna garantera en acceptabel svarstid (latens). Detta är särskilt problematiskt för tidskritiska tillämpningar som maskininlärning och prediktivt underhåll.

Notis

Prediktivt underhåll kommer att revolutionera underhållet och förvaltningen av framtidens fabriker. Det nya underhållskonceptet är utformat för att upptäcka risker för fel med hjälp av intelligenta övervakningssystem, så att problem kan identifieras innan ett faktiskt fel uppstår.

Edge computing ses inte som en ersättning, utan som ett komplement till molnet, som tillhandahåller följande funktioner:

  • Datainsamling och aggregering: Edge computing bygger på datainsamling nära källan, inklusive förbehandling och val av datapool. Uppladdning till molnet sker endast om informationen inte kan utvärderas lokalt, om detaljerade analyser krävs eller om data ska arkiveras.
  • Lokal datalagring: För stora datamängder är det oftast omöjligt att överföra data i realtid från det centrala datacentret i molnet. Detta problem kan kringgås genom att lagra motsvarande data decentraliserat i nätverkets kant. Edge-gateways fungerar som replikservrar i ett innehållsleveransnätverk.
  • AI-stödd övervakning: Edge computing möjliggör kontinuerlig övervakning av de anslutna enheterna. I kombination med maskininlärningsalgoritmer är statusövervakning i realtid möjlig.
  • M2M-kommunikation: Edge computing används ofta i kombination med M2M-kommunikation för att möjliggöra direkt kommunikation mellan nätverksanslutna enheter.

Följande bild illustrerar grundprincipen för en decentraliserad molnarkitektur, där edge-gateways fungerar som mellanhand mellan en central dator i molnet och IoT-enheter i nätverkets ytterkant.

Bild: Schematic representation of an edge computing environment
Schematic representation of an edge computing environment: Edge gateways receive data from the Internet of Things and load it into the public cloud or a private data centre as required.

Hur kan edge computing-arkitekturer användas?

Användningsområden för edge computing har oftast sitt ursprung i IoT-miljön. En viktig tillväxtfaktor för edge computing-tekniken är den ökande efterfrågan på kommunikationssystem med realtidskapacitet. Decentraliserad databehandling klassificeras till exempel som en nyckelteknologi för följande projekt:

  • Kommunikation mellan bilar: Edge computing är viktigt för molnbaserade varningssystem eller autonoma transportmedel.
  • Smarta elnät: Tack vare decentraliserade energihanteringssystem bör elnäten kunna anpassa sig till fluktuationer i elförsörjningen. Data som överförs till generatorer gör det möjligt att reagera på förändringar i förbrukningen i realtid.
  • Smarta fabriker: Självorganiserande produktionsanläggningar och logistiksystem kan implementeras med edge computing.

Vilka är fördelarna med edge computing?

Jämfört med traditionella molnarkitekturer erbjuder edge computing en rad fördelar:

  • Realtidsdatabehandling: Behandlingen sker närmare datakällorna, vilket bidrar till att undvika problem med fördröjningar.
  • Minskad datagenomströmning: Tack vare lokal dataanalys behöver betydligt mindre data överföras över nätverket.
  • Datasäkerhet: Krav på efterlevnad kan implementeras enklare.

Vilka är nackdelarna med edge computing?

Trots de många fördelarna finns det också nackdelar med edge computing som bör beaktas vid implementeringen:

  • Mer komplex nätverksstruktur: Ett distribuerat system är mer komplext än en centraliserad molninfrastruktur.
  • Anskaffningskostnader: Edge computing kräver mycket lokal hårdvara och medför därför enorma anskaffningskostnader.
  • Underhållskostnader: På grund av det stora antalet komponenter kan varken underhålls- eller administrationskostnaderna ignoreras.
Gå till huvudmeny