با محبوبیت محاسبات توزیع شده، اصطلاحاتی مانند محاسبات ابری و محاسبات لبه به طور فزاینده ای رایج می شوند. اینها فقط کلمات بی‌معنی برای برانگیختن علاقه به یک روند نیستند، بلکه فن‌آوری‌های موجود نوآوری را در سراسر صنایع هدایت می‌کنند.

رایانش^(Cloud) ابری و محاسبات لبه از اجزای حیاتی سیستم فناوری اطلاعات مدرن هستند. اما این فناوری‌ها دقیقاً چه چیزی را شامل می‌شوند؟ و چگونه آنها در مقابل یکدیگر قرار می گیرند؟ بیایید دریابیم.

مقدمه ای بر رایانش ابری

همه ما از Dropbox یا OneDrive برای پشتیبان گیری از فایل ها و داده های مهم خود استفاده کرده ایم. گفته می شود که داده ها در "ابر" ذخیره می شوند، اما به چه معناست؟

Cloud^{(The Cloud)} به زبان ساده مجموعه ای از منابع محاسباتی قابل دسترسی از طریق اینترنت است. ایده این است که شما می توانید از سخت افزار در مقیاس صنعتی که در هر نقطه از جهان واقع شده است، ارزان و ایمن استفاده کنید.

به طور سنتی، شرکت ها مجبور به راه اندازی و نگهداری سرورهای بزرگ برای نیازهای محاسباتی داخلی خود بودند. این امر هزینه های زیادی را به همراه دارد، البته به عدم انعطاف پذیری اشاره نمی کنیم. انتقال یک برنامه کاربردی به فضای ابری به یک شرکت اجازه می‌دهد تا پس‌زمینه سخت‌افزاری را انتزاعی کند و هر تعداد منابع را که لازم است درخواست کند.

برای وب‌سایت‌ها و سایر برنامه‌های کاربردی که به طور کامل از فضای ابری ارائه می‌شوند، امری عادی شده است که پشته فناوری را بسیار ساده می‌کند. خدماتی مانند Amazon AWS و Microsoft Azure در این فضا پیشتاز هستند و انواع برنامه‌ها را برای شرکت‌ها در سراسر جهان تامین می‌کنند.

طرفداران^(Pros)

• مقیاس پذیر: خدمات ^{(Scalable: )}ابری^(Cloud) را می توان در صورت نیاز و در صورت نیاز افزایش داد و بدون سرمایه گذاری سخت، انعطاف پذیری را برای برنامه ها فراهم کرد.
• ارزان:^{(Cheap: )} برای یک ارائه‌دهنده خدمات، راه‌اندازی مزارع سرور متمرکز بزرگ نسبت به راه‌اندازی رایانه‌های خود برای هر شرکتی مقرون به صرفه‌تر است. این اجازه می دهد تا خدمات ابری با هزینه بسیار کمتری نسبت به تنظیمات سنتی در دسترس قرار گیرند.
• ساده:^(Simple:) راه اندازی و مدیریت یک پایگاه داده داخلی و باطن API کار آسانی نیست. ^(API)انتزاع سخت افزار و درخواست منابع محاسباتی در صورت نیاز آسان تر است.

منفی^(Cons)

• وابسته به شبکه:^{(Network Dependent: )} مسئله اصلی خدمات ابری، وابستگی کامل به شبکه است. سرویس های ابری^(Cloud) راه حلی برای مناطق دور افتاده با اتصال شبکه ضعیف نیستند.
• آهسته:^{(Slow: )} بسته به موقعیت سرورهای ابری، ارتباط می تواند از چند ثانیه تا چند دقیقه طول بکشد. این تاخیر در برنامه هایی که نیاز به تصمیم گیری فوری دارند (مانند تجهیزات صنعتی) بسیار زیاد است.
• پهنای باند فشرده:^{(Bandwidth Intensive: )} از آنجایی که سرورهای ابری مسئول محاسبات و ذخیره سازی هستند، داده های زیادی باید منتقل شوند. نیاز به پهنای باند در سناریوهایی که اطلاعات گسترده ای تولید می کنند (هوش مصنوعی، ضبط ویدئو و غیره) گران است.

Edge Computing توضیح داده شد

مشکل رایانش ابری وابستگی آن به شبکه است. این مشکلی برای اکثر وظایف نیست، اما برخی از برنامه ها به شدت به زمان حساس هستند. تاخیر در انتقال داده ها، انجام پردازش در فضای ابری و دریافت نتایج، اندک اما محسوس است.

سپس بحث پهنای باند وجود دارد. برنامه‌های کاربردی شامل پردازش ویدیو یا الگوریتم‌های هوش مصنوعی با مقادیر زیادی داده کار می‌کنند که انتقال آن به ابر ممکن است گران تمام شود. اگر جمع‌آوری داده‌ها در یک مکان دور، جایی که اتصال شبکه محدود است، اتفاق بیفتد.

محاسبات لبه^(Edge) پاسخی برای این مشکلات ارائه می دهد. به جای ارسال داده ها به یک سرور در نیمه راه در سراسر جهان، آن ها در محل ذخیره و پردازش می شوند، یا حداقل در یک مکان نزدیک.

این مزیت صرفه جویی در هزینه های انتقال داده و حذف عامل تأخیر شبکه را دارد. محاسبات می تواند بلافاصله انجام شود و نتایج را در زمان واقعی ارائه دهد، که برای بسیاری از برنامه ها حیاتی است.

طرفداران^(Pros)

• بدون تأخیر:^{(No Latency: )} از آنجایی که رایانه لبه در منبع داده قرار دارد، هیچ تأخیر شبکه برای مقابله با آن وجود ندارد. این نتایج فوری می دهد، که برای فرآیندهای بلادرنگ مهم است.
• کاهش انتقال داده:^{(Reduced Data Transmission: )} رایانه لبه می تواند بخش عمده ای از داده ها را در سایت پردازش کند و فقط نتایج را به ابر منتقل کند. این به کاهش حجم انتقال داده مورد نیاز کمک می کند.

منفی^(Cons)

• گرانتر از Cloud:^{(More Expensive than Cloud: )} بر خلاف رایانش ابری، محاسبات لبه به یک سیستم اختصاصی در هر گره لبه نیاز دارد. بسته به تعداد چنین گره هایی در یک سازمان، هزینه ها می تواند بسیار بیشتر از خدمات ابری باشد.
• راه‌اندازی پیچیده:^{(Complex Setup: )} با رایانش ابری، تنها چیزی که نیاز داریم درخواست منابع و ساختن پیشانی برنامه است. سخت‌افزاری که این دستورالعمل‌ها را انجام می‌دهد به ارائه‌دهنده خدمات ابری واگذار می‌شود. با این حال، در محاسبات لبه، شما باید با در نظر گرفتن نیازهای برنامه، Backend را بسازید. در نتیجه، این فرآیند بسیار درگیرتر است.

رایانش ابری در^{(Cloud Computing Vs)} مقابل Edge Computing : کدام یک بهتر است؟

اولین چیزی که باید درک کنید این است که رایانش ابری و محاسبات لبه فناوری های رقیب نیستند. آنها راه حل های متفاوتی برای یک مشکل نیستند، بلکه رویکردهای جداگانه ای هستند که مشکلات مختلف را حل می کنند.

رایانش^(Cloud) ابری برای برنامه‌های مقیاس‌پذیر که نیاز به افزایش یا کاهش بر اساس تقاضا دارند، بهترین است. به عنوان مثال، وب^(Web) سرورها می توانند منابع اضافی را در طول دوره های بارگذاری بالای سرور درخواست کنند و از خدمات یکپارچه بدون متحمل شدن هزینه های سخت افزاری دائمی اطمینان حاصل کنند.

به طور مشابه، محاسبات لبه برای برنامه‌های بلادرنگ که داده‌های زیادی تولید می‌کنند، مناسب است. به عنوان مثال، اینترنت اشیا ( IoT )، با دستگاه های هوشمند^{(smart devices)} متصل به یک شبکه محلی سروکار دارد. این دستگاه‌ها فاقد رایانه‌های قدرتمند هستند و باید برای نیازهای محاسباتی خود به یک رایانه لبه تکیه کنند. انجام همین کار با فضای ابری به دلیل حجم زیاد داده درگیر، بسیار کند و غیرممکن خواهد بود.

به طور خلاصه، محاسبات ابری و لبه هر دو موارد کاربرد خود را دارند و باید بر اساس برنامه مورد نظر انتخاب شوند.

رویکرد ترکیبی

همانطور که قبلاً گفتیم، محاسبات ابری و محاسبات لبه رقیب نیستند، بلکه راه حلی برای مشکلات مختلف هستند. این سوال پیش می آید؛ آیا می توان هر دو را با هم استفاده کرد؟

پاسخ بله است. بسیاری از برنامه ها یک رویکرد ترکیبی دارند و هر دو فناوری را برای کارایی نهایی یکپارچه می کنند. به عنوان مثال، ماشین آلات اتوماسیون صنعتی معمولاً به یک کامپیوتر تعبیه شده در محل متصل می شوند.

این کامپیوتر لبه ای وظیفه راه اندازی دستگاه و انجام محاسبات پیچیده را بدون تاخیر بر عهده دارد. اما در عین حال، این رایانه همچنین داده های محدودی را به ابر منتقل می کند، که چارچوب دیجیتالی را اجرا می کند که خود کل عملیات را مدیریت می کند.

به این ترتیب، برنامه از نقاط قوت هر دو رویکرد، با تکیه بر محاسبات لبه برای محاسبات بلادرنگ، در حالی که از رایانش ابری برای هر چیز دیگری استفاده می کند، استفاده کامل می کند.

بهترین ^(Best)فناوری محاسبات^{(Computing Technology)} توزیع شده کدام است ؟

رایانش لبه^(Edge) یک نسخه ارتقا یافته از رایانش ابری نیست. این یک رویکرد متفاوت نسبت به محاسبات توزیع شده است که برای برنامه های کاربردی حساس به زمان و داده های فشرده مفید است.

با این حال، رایانش ابری هنوز هم انعطاف پذیرترین و مقرون به صرفه ترین رویکرد برای اکثر برنامه های کاربردی دیگر است. با بارگذاری فضای ذخیره‌سازی و پردازش در یک سرور اختصاصی، شرکت‌ها می‌توانند بدون نگرانی در مورد اجرای Backend بر روی عملیات خود تمرکز کنند.

هر دو ابزار ضروری در کارنامه یک متخصص IT باهوش هستند، و اکثر امکانات پیشرفته، چه اینترنت اشیا^(IoT) و چه موارد دیگر، از ترکیبی از این دو فناوری برای دستیابی به بهترین نتایج استفاده می کنند.

Edge Computing Vs. Cloud Computing and Why It Matters

With dіstributed computing gaining popularity, terms likе cloud computing and edge computing are becoming increasingly common. These aren’t just meaningless buzzwords to spark interest іn a trend, but existing technologies driving innovation across industries.

Cloud computing and edge computing are critical components of the modern IT system. But what exactly do these technologies entail? And how do they stack up against each other? Let’s find out.

An Introduction to Cloud Computing

We have all used Dropbox or OneDrive to backup up our important files and data. The data is said to be stored on the “Cloud,” but what does it mean?

The Cloud, simply put, is a collection of computing resources accessible over the internet. The idea is that you can use industrial-scale hardware located anywhere in the world cheaply and securely.

Traditionally, companies were forced to set up and maintain large servers for their in-house computing needs. This incurs high costs, not to mention the lack of flexibility. Moving an application to the cloud allows a company to abstract away the hardware backend, requesting as many resources as needed.

It has become routine for websites and other applications to be served entirely from the cloud, greatly simplifying the technology stack. Services like Amazon AWS and Microsoft Azure are frontrunners in this space, powering all sorts of applications for companies worldwide.

Pros

• Scalable: Cloud services can be ramped up as and when required, providing flexibility to applications without hard investments.
• Cheap: It is more cost-effective for a service provider to run large centralized server farms than for each firm to set up its own computers. This allows cloud services to be made available at a much lower cost than traditional setups.
• Simple: Setting up and managing an in-house database and API backend is no easy undertaking. It is easier to abstract the hardware away and request computing resources as required.

Cons

• Network Dependent: The main issue with cloud services is complete network dependence. Cloud services are not a solution for remote areas with poor network connectivity.
• Slow: Depending on the location of the cloud servers, communication can take from a few seconds to several minutes. That delay is too much in applications requiring instant decisions (such as industrial equipment).
• Bandwidth Intensive: As the cloud servers are responsible for computation and storage, a lot of data needs to be transmitted. Bandwidth requirements are expensive in scenarios that generate vast information (AI, video recording, etc.).

Edge Computing Explained

A problem with cloud computing is its dependence on the network. This is not a problem for most tasks, but some applications are extremely time-sensitive. The delay in transmitting data, performing the processing on the cloud, and receiving the results is slight but perceptible.

Then there is the issue of the bandwidth. Applications involving video processing or AI algorithms work with large amounts of data, which can be expensive to transmit to the cloud. More so if the data collection occurs in a remote location, where network connectivity is limited.

Edge computing delivers an answer to these problems. Instead of sending the data to a server halfway across the world, it’s stored and processed on-site, or at least at a nearby location.

This has the advantage of saving data transmission costs and removing the factor of network latency. The computation can take place immediately, giving the results in real-time, which is vital for many applications.

Pros

• No Latency: As the edge computer is located at the source of data, there is no network latency to contend with. This gives immediate results, which is important for real-time processes.
• Reduced Data Transmission: The edge computer can process the bulk of the data at the site, transmitting only the results to the cloud. This helps reduce the volume of data transfer required.

Cons

• More Expensive than Cloud: Unlike cloud computing, edge computing requires a dedicated system at each edge node. Depending on the number of such nodes in an organization, the costs can be much higher than cloud services.
• Complex Setup: With cloud computing, all we need is to request resources and build the application frontend. The nitty-gritty of the hardware carrying out those instructions is left to the cloud service provider. In edge computing, however, you need to build the backend, taking into account the application’s needs. As a result, it is a much more involved process.

Cloud Computing Vs. Edge Computing: Which One Is Better?

The first thing that you must understand is that cloud computing and edge computing are not competing technologies. They are not different solutions to the same problem but separate approaches altogether, solving different problems.

Cloud computing is best for scalable applications that need to be ramped up or wound down according to demand. Web servers, for example, can request extra resources during periods of high server load, ensuring seamless service without incurring any permanent hardware costs.

Similarly, edge computing is suitable for real-time applications that generate a lot of data. Internet-of-Things (IoT), for example, deals with smart devices connected to a local network. These devices lack powerful computers and must rely on an edge computer for their computational needs. Doing the same thing with the cloud would be too slow and unfeasible owing to the large amounts of data involved.

In short, both cloud and edge computing have their use-cases and must be chosen according to the application in question.

The Hybrid Approach

As we have said earlier, cloud computing and edge computing are not competitors, but solutions to different problems. That begs the question; can they both be used together?

The answer is yes. Many applications take a hybrid approach, integrating both technologies for ultimate efficiency. For example, industrial automation machinery is usually connected to an on-site embedded computer.

This edge computer is responsible for operating the device and performing complex calculations without delay. But at the same time, this computer also transmits limited data to the cloud, which runs the digital framework managing the entire operation itself.

In this way, the application makes full use of the strengths of both approaches, relying on edge computing for real-time computation while using cloud computing for everything else.

Which Is the Best Distributed Computing Technology?

Edge computing is not an upgraded version of cloud computing. It is a different approach toward distributed computing that comes in handy for time-sensitive and data-intensive applications.

However, cloud computing is still the most flexible and cost-efficient approach for most other applications. By offloading storage and processing to a dedicated server, companies can focus on their operations without worrying about backend implementation.

Both are essential tools in the repertoire of a savvy IT professional, and most cutting-edge facilities, whether IoT or otherwise, leverage a combination of the two technologies to get the best results.

Related posts

• Cloud Computing interview سوالات و پاسخ ها

• Cloud and Cloud Computing چیست؟ مقدمه برای مبتدیان!

• خطرات امنیتی رایانش ابری چیست؟

• 10 نوع رایانش ابری که باید درباره آنها بدانید

• ابر چیست و چگونه می توان بیشترین بهره را از آن برد

• نمی توانم به Xbox Live متصل باشم Fix Xbox Live Networking issue در Windows 10

• ویندوز 7 را مجبور به استفاده از اتصال سیمی از طریق بی سیم کنید

• HDG توضیح می دهد: پورت کامپیوتر چیست و برای چه مواردی استفاده می شود؟

• Cloud Computing Jobs and Skill requirements

• چگونه یک اتصال آهسته اینترنت را برای آزمایش شبیه سازی کنیم

• Peer به Peer Networking (P2P) و File Sharing توضیح داد

• نحوه راه اندازی NAS (ذخیره سازی متصل به شبکه)

• بالا 10 بهترین ابر Computing خدمات

• نحوه رفع "شما مجوز ارسال به این گیرنده را ندارید"

• نحوه رفع "نمی توان آدرس IP را تجدید کرد" در ویندوز

• بهترین رمزگذاری WiFi برای سرعت و چرا

• با یک روتر قدیمی چه کنیم: 8 ایده عالی

• 8 پروژه آسان Raspberry Pi برای مبتدیان

• Wireless Networking Tools رایگان برای Windows 10

• چگونه بهترین کانال Wi-Fi را در ویندوز، مک و لینوکس پیدا کنیم