Alla fjärrdatorer är inte molnberäkningar.

Framväxten av cloud computing har öppnat en värld av möjligheter. Det är dock inte den enda formen av fjärrdatorn. Cloud computing har en mindre känd kusin som kallas edge computing. Även om det finns likheter mellan de två begreppen, finns det tydliga skillnader i hur de fungerar och de syften de tjänar.

Men tillsammans förändrar dessa två former av fjärrdator hur vi arbetar, kommunicerar, leker och samhällets landskap i allmänhet. Låt oss dyka in i fjärrdatorns värld när vi jämför och kontrasterar moln- och kantberäkningar.

Viktiga skillnader mellan Edge och Cloud Computing

Dessa är båda former av fjärrdatorn. Så en användbar utgångspunkt är att ange en enkel definition av begreppet fjärrdator. Fjärrdatorn, i sin kärna, hänvisar till praxis att använda datorresurser som inte är fysiskt närvarande på användarens plats.

Enkelheten i denna definition döljer ämnets komplexitet. Till exempel kommer distansarbetare som behöver tillgång till affärssystem att kräva helt andra resurser från en Internet of Things (IoT)-enhet som behöver bearbeta data i realtid. Det är här de viktigaste skillnaderna mellan cloud och edge computing kommer in i bilden.

instagram viewer

Cloud computing är mer lämpad för scenarier som bearbetar stora mängder data. Däremot Edge computing är mer lämpad för att bearbeta mindre data, men i realtid.

Detta är en förenklad beskrivning av skillnaden mellan de två fjärrdatormodellerna. Låt oss dela upp det lite genom att undersöka några av mätvärdena som hjälper till att definiera moln- och kantberäkningar:

Typ av skillnad

Edge Computing

Molntjänster

Datadistribution/lagring

Distribuerar data över flera platser.

Lagrar data på en enda centraliserad plats.

Databehandling

Bearbetar data närmare källan, vilket minimerar latens.

Bearbetar data i molnet, vilket möjliggör skalbar och centraliserad bearbetning.

säkerhet

Kräver hantering av säkerhet på flera platser, vilket ökar komplexiteten.

Förenklar säkerheten genom att ha en centraliserad lagringsplats, även om det skapar en enda felpunkt.

Bandbredd

Minskar behovet av bandbredd genom att bearbeta data lokalt, vilket minimerar dataöverföringskraven.

Kräver betydande bandbredd för dataöverföring till och från molnet, vilket kan vara utmanande i områden med begränsad anslutning.

Kosta

Kan kräva mer initiala investeringar i infrastruktur, men de löpande kostnaderna kan vara lägre jämfört med cloud computing.

Erbjuder kostnadseffektivitet som skalas med användning. Det innebär också färre initiala kostnader, vilket gör det lämpligt för olika budgetöverväganden.

Dessa skillnader definierar fördelarna med varje modell och dikterar deras användningsfall.

Edge och Cloud Computing i aktion

De unika egenskaperna hos varje modell är det som gör dem lämpliga för olika användningsfall. Att förstå scenarierna där varje modell utmärker sig är det enklaste sättet att förstå skillnaden mellan de två metoderna för fjärrdatorn.

Det finns gråzoner där de två metoderna kolliderar. Men i allmänhet tillhandahåller de helt olika tjänster.

Användningsfall för molndatorer

Det finns många fördelar med cloud computing. Det används främst i situationer där stora mängder data lagras, nås och hanteras från en centraliserad plats. Bland scenarierna som dessa attribut gör detta till det korrekta valet är:

  • Dataanalys: Big data-åldern är över oss och organisationer förlitar sig ofta på cloud computing för att analysera enorma datamängder.
  • Fjärrarbete: Molnbaserade tjänster är en kritisk komponent i övergången till fjärr- och hybridarbete. Molnet tillåter arbetare att komma åt arbetsresurser från var som helst med en internetanslutning. Detta kan vara i form av grundläggande åtkomst till arbetsfiler, eller det kan vara i form av fjärråtkomst till arbetsdatorer och fjärrappar.
  • Mjukvara som en service(SaaS): Framväxten av SaaS-modellen för att köpa och använda programvara underlättas till stor del av datormoln.
  • Katastrofåterställning och säkerhetskopior: Molnsystem används ofta som backup- och katastrofåterställningslösningar. Ett exempel som de flesta känner till är bilderna som finns lagrade på din telefon. Dessa säkerhetskopieras på ett molnbaserat system som säkerställer att de är säkra om du skulle tappa eller byta telefon.

Den röda tråden som går genom dessa användningar är kravet på att hantera och bearbeta stora mängder data. Även om detta kan ske i realtid, är detta inte en central egenskap hos cloud computing.

Användningsfall för Edge Computing

Edge computing är mer lämpad för realtidsbehandling av mindre mängder data. Det är inriktat på scenarier där latensen behöver minimeras och omedelbara åtgärder krävs.

Bland vanliga användningsområden för edge computing är:

  • Internet of Things (IoT): IoT-enheter blir allt vanligare. Allt från smarta hem till smarta städer är beroende av IoT-enheter. Dessa kräver i sin tur ofta databehandling i realtid, och edge computing ger detta.
  • Spelande: Varje spelare har någon gång upplevt frustrationen av fördröjning i spelet. Edge computing med sin låga latens, "edge"-bearbetning och realtidsdatabehandling gör den till det perfekta valet för att lindra frustrationen av fördröjning. Ett utmärkt exempel på där edge computing kommer till sin rätt inom spel är i spel som Pokemón Go där spelardata i realtid är en integrerad komponent i spelet.
  • Strömmande innehåll: Detta är ett annat fält där edge computing används för att underlätta buffring och eftersläpningsproblem.
  • Augmenterad och virtuell verklighet: Applikationer som använder förstärkt eller virtuell verklighet kräver tillgång till realtidsbearbetning av data för att leverera uppslukande upplevelser smidigt.

Edge computing är den föredragna lösningen där tillgång till data med låg latens krävs.

Framtiden för Cloud och Edge Computing

Att förutsäga den exakta framtiden för dessa är svårt. Det snabba införandet av arbetsmetoder på distans, IoT och AI, kommer alla att spela en nyckelroll i att diktera framtiden för dessa former av fjärrdatorer.

Dessa ger dock några ledtrådar om hur vi kan förvänta oss att dessa ska utvecklas. Det finns tre huvudaspekter att tänka på när man diskuterar framtiden:

  • Molntjänster: När fler organisationer går över till mer distansarbete och utnyttjar fördelarna med "big data" kommer molnbaserad datoranvändning att fortsätta att växa.
  • Edge computing: Framväxten av IoT och behovet av databehandling i realtid driver fram tillväxten av edge computing. När fler enheter blir internet-aktiverade och genererar data, kommer behovet av edge computing för att bearbeta dessa data snabbt och effektivt bara att öka.
  • Hybridmodeller: I slutändan kommer gränserna mellan dessa teknologier att suddas ut och hybridmodeller som kan dra nytta av båda kommer sannolikt att bli vanliga.

Att skildra framtiden är alltid en hit-and-miss-affär. Det råder dock ingen tvekan om att båda dessa tekniker kommer att fortsätta att utvecklas snabbt.

Head in the Clouds eller Life on the Edge

Framväxten av fjärrdatorer i alla dess former innebär att dessa tekniker är här för det långa loppet. Både moln och edge computing har styrkor och svagheter som till stor del dikterar scenarierna som använder dem.

Men framtiden ligger sannolikt i hybridmodeller som kombinerar styrkorna hos båda modellerna. Dessa nätverk kommer att kombinera skalbarheten och databearbetningskapaciteten hos cloud computing med låg latens- och realtidsbehandlingskapacitet hos edge computing.