Debesų kompiuterija tvarko duomenis centralizuotuose nuotoliniuose duomenų centruose, užtikrindama didžiulį mastelio keitimą ir skaičiavimo galią. Perimetro apdorojimas priartina skaičiavimus prie duomenų generavimo vietos, sumažindamas delsą ir pralaidumo naudojimą. Abu metodai tenkina skirtingus šiuolaikinių paskirstytų sistemų poreikius.
Centralizuotas skaičiavimas, kuris vykdo darbo krūvius nuotoliniuose duomenų centruose, pasiekiamuose internetu.
Decentralizuota kompiuterija, kuri apdoroja duomenis šalia įrenginio, iš kurio jie gaunami, arba jame.
| Funkcija | Debesų apdorojimas | Kraštų apdorojimas |
|---|---|---|
| Apdorojimo vieta | Centralizuoti nuotoliniai duomenų centrai | Šalia duomenų šaltinio arba įrenginyje |
| Vėlavimas | Didesnis (įprastas 50–200 ms) | Galimas mažesnis nei 10 ms |
| Mastelio keitimas | Beveik neribotas | Riboja vietinė aparatinė įranga |
| Pralaidumo naudojimas | Aukštas (perduodami neapdoroti duomenys) | Žemas (siunčiami tik rezultatai) |
| Sąnaudų modelis | Mokėjimo pagal poreikį, veiklos išlaidos | Išankstinė aparatinė įranga, mažesnės nuolatinės išlaidos |
| Galimybė dirbti neprisijungus | Reikalingas interneto ryšys | Gali veikti be ryšio |
| Duomenų privatumas | Duomenys palieka vietinę aplinką | Duomenys lieka arčiau šaltinio |
| Geriausiai tinka | Sudėtingoji analizė, dirbtinio intelekto modelių mokymas | Realaus laiko atsakai, daiktų interneto įrenginiai |
Debesų kompiuterija naudoja centralizuotą modelį, kai įrenginiai siunčia neapdorotus duomenis į nuotolinius serverius skaičiavimams, o tada gauna rezultatus. Periferių apdorojimas šį metodą pakeičia, kai duomenys tvarkomi lokaliai šliuzuose, serveriuose arba pačiuose įrenginiuose. Architektūriniai skirtumai lemia viską – nuo tinklo reikalavimų iki to, kaip greitai sistema gali reaguoti į įvykius.
Kai milisekundės yra svarbios, periferinis apdorojimas turi aiškų pranašumą. Debesijos kelionė pirmyn ir atgal gali trukti nuo 50 iki kelių šimtų milisekundžių, priklausomai nuo atstumo ir tinklo sąlygų. Periferinės sistemos gali reaguoti per mažiau nei 10 milisekundžių, todėl jos tinka autonominėms transporto priemonėms, robotų valdymo sistemoms ir papildytos realybės programoms, kur bet koks pastebimas vėlavimas sutrikdytų patirtį.
Debesijos platformos puikiai veikia, kai darbo krūviai auga nenuspėjamai. Reikia tūkstančio GPU savaitei? Debesis gali tai suteikti per kelias minutes. Perimetro įrenginius riboja jų fizinė įranga, todėl mastelio keitimas reiškia daugiau fizinių įrenginių diegimą. Didelių mašininio mokymosi modelių mokymui ar didelių duomenų analizei debesies elastingumas išlieka neprilygstamas.
Debesų kompiuterija kapitalo išlaidas paverčia eksploatavimo išlaidomis, apmokestinant už skaičiavimo valandą, saugomą gigabaitą arba perduotus duomenis. Debesų kompiuterijos periferinis apdorojimas reikalauja išankstinių investicijų į aparatinę įrangą, tačiau gali gerokai sumažinti nuolatines pralaidumo sąskaitas. Gamykla su tūkstančiais jutiklių, transliuojančių vaizdo įrašą į debesį, susidurtų su didžiulėmis perdavimo išlaidomis, o apdorojant tą vaizdo įrašą vietoje siunčiami tik įspėjimai ir santraukos.
Perdangos sistemos toliau veikia nutrūkus interneto ryšiui, o tai svarbu nuotolinėms naftos platformoms, jūroje esantiems laivams ar ypatingos svarbos infrastruktūrai. Jos taip pat saugo jautrius duomenis arčiau namų, taip sumažindamos duomenų perdavimo riziką. Debesijos platformos siūlo įmonės lygio dubliavimą ir saugumą, tačiau joms reikalingas nuolatinis ryšys ir pasitikėjimas teikėjo duomenų tvarkymo praktika.
Dauguma šiuolaikinių sistemų nesirenka tik vieno ar kito. Išmanioji kamera gali vykdyti veido atpažinimą periferijoje, kad gautų momentinius įspėjimus, o tada siųsti nuasmenintus metaduomenis į debesį ilgalaikei analizei. Šis hibridinis modelis išnaudoja abiejų privalumų: periferiją greičiui ir pralaidumo taupymui, debesiją dideliems skaičiavimams ir centralizuotoms įžvalgoms.
Perdangos apdorojimas visiškai pakeis debesų kompiuteriją.
Perdangos ir debesijos kompiuterija atlieka vienas kitą papildančius vaidmenis, o ne tiesiogiai konkuruoja. Perdangos kompiuterija tvarko laiko atžvilgiu jautrias užduotis, o debesijos kompiuterija – sudėtingus skaičiavimus, saugyklą ir mokymą. Dauguma įmonių naudoja abu kartu, o ne renkasi vieną iš jų.
Debesų kompiuterija visada yra brangesnė nei periferinė kompiuterija.
Sąnaudų palyginimas visiškai priklauso nuo darbo krūvio. Programoms, generuojančioms didelius duomenų srautus, periferinis apdorojimas gali sutaupyti daug pralaidumo ir sumažinti perdavimo mokesčius. Ir atvirkščiai, nedidelių darbo krūvių vykdymas specialioje periferinėje įrangoje gali būti daug brangesnis nei debesijos talpos nuoma.
Periferiniai įrenginiai yra nesaugūs, nes jie yra fiziškai pasiekiami.
Šiuolaikinės periferinės sistemos naudoja aparatinės įrangos saugumo modulius, užšifruotą saugyklą ir saugius įkrovos procesus. Kai kuriais atvejais duomenų laikymas vietoje iš tikrųjų sumažina atakų paviršių, palyginti su jų perdavimu tinklais į centralizuotus serverius.
Debesų apdorojimas negali palaikyti realaus laiko programų.
Didžiausi debesijos paslaugų teikėjai dabar siūlo specializuotas realaus laiko paslaugas ir į savo tinklus įdiegė periferinius plėtinius. Tokios paslaugos kaip „AWS Wavelength“ ir „Azure Edge Zones“ perkelia skaičiavimo išteklius arčiau vartotojų, taip panaikindamos atotrūkį tarp tradicinių debesijos ir periferinių architektūrų.
Kraštų apdorojimas reiškia, kad įrenginys visą darbą atlieka pats.
Krašto architektūros dažnai apima įrenginių hierarchiją – nuo jutiklių iki vietinių šliuzų ir regioninių mikro duomenų centrų. „Kraštas“ apima visą šį paskirstytą sluoksnį, o ne tik atskirus galinius taškus.
Rinkitės debesijos apdorojimą, kai jums reikia didžiulės skaičiavimo galios, elastingo mastelio keitimo arba centralizuotos duomenų analizės, neinvestuojant į aparatinę įrangą. Rinkitės periferinį apdorojimą, kai delsa, pralaidumo sąnaudos arba veikimas neprisijungus yra kritiniai rūpesčiai. Daugeliui gamybos sistemų naudinga derinti abu šiuos metodus: naudoti periferinį apdorojimą greitiems reagavimo rezultatams ir debesijos apdorojimą gilesnei analizei.
„Kafka“ ir „Flink“ sudaro paskirstytą srautinio apdorojimo ekosistemą realaus laiko duomenų srautams, o apdorojimas atmintyje pagreitina analizę, nes duomenys saugomi tik RAM atmintyje – kiekvienas iš jų tenkina iš esmės skirtingus architektūrinius greičio, mastelio ir tvarumo poreikius.
„Netflix“ vidinė mašininio mokymosi platforma siūlo glaudžiai integruotus, didelio masto įrankius, skirtus transliacijų suasmeninimui, o nepriklausomi mašininio mokymosi įrankiai suteikia mažesnėms komandoms lankstumo ir kontrolės. Pasirinkimas priklauso nuo masto, pritaikymo poreikių ir esamų investicijų į infrastruktūrą.
Adaptyvi infrastruktūra dinamiškai prisitaiko prie kintančių darbo krūvių, naudodama automatizavimą ir mastelio keitimą realiuoju laiku, o statinės infrastruktūros projektavimas remiasi fiksuotais, iš anksto sukonfigūruotais ištekliais. Pasirinkimas priklauso nuo darbo krūvio kintamumo, biudžeto nuspėjamumo ir veikimo brandos jūsų debesijos aplinkoje.
Apkrovos balansavimas mašininio mokymosi sistemose valdo GPU reikalaujančius išvadų ir mokymo darbo krūvius specializuotoje įrangoje, o paprastas API užklausų apdorojimas paskirsto nedidelį HTTP srautą bendrosios paskirties serveriuose. Jie labai skiriasi sudėtingumu, išteklių poreikiu ir maršruto parinkimo išmanumu.
Atsparumas gedimams proaktyviai perkelia darbo krūvius į sveikas sistemas, kol vartotojai nepastebi problemų, o sistemos gedimų atveju iš naujo paleidžiamos sistemos reaktyviai atkuria paslaugas po netikėtų gedimų. Abu metodai siekia palaikyti prieinamumą, tačiau iš esmės skiriasi laiku, architektūros sudėtingumu ir poveikiu vartotojams.
