در هر دو بخش محاسبات لبه و دادهها شاهد نوآوری باورنکردنی هستیم که نحوه عملکرد برنامهها را کاملاً تغییر میدهد.
به گزارش کالاسودا و به نقل از venturebeat، بهجای اینکه یک دستگاه قدرتمند با صدها گیگابایت رم را برای برنامهی خود تهیه کنیم، در فناوری لبه، این نیازها را ندارید.
تصور کنید میخواهید برنامه شما در 500 مکان اجرا شود که همگی نزدیک به کاربران شما هستند. خرید دستگاه به این تعداد به صرفه نخواهد بود.
در اینجا به جای اینکه خودتان یک سرور را میزبانی کنید، فقط یک تابع مینویسید، که در صورت نیاز توسط یک سیستم هوشمند اجرا میشود.
شما دیگر نیازی به نگرانی در مورد یک سرور جداگانه ندارید. شما فقط توابعی را مینویسید که اجرا میشوند و بی نهایت مقیاس میشوند.
بزرگترین مانع برای موفقیت انقلاب لبه، ورود دادهها به لبه است.
اگر اطلاعات شما هنوز در یک مرکز داده دور ذخیره میشود؛ از محاسبات لبه دور هستید.
در حالی که روشهای جدیدی برای تکثیر دادهها در سراسر جهان وجود دارد، مانند Litestream، متأسفانه، به همین راحتی نیست.
تصور کنید 100 ترابایت داده دارید که باید در یک خوشه از چندین ماشین اجرا شود. کپی کردن 500 بار آن دادهها اقتصادی نیست.
روشهایی مورد نیاز است تا بتوان تعداد زیادی از دادهها را در حین رساندن آن به لبه ذخیره کرد.
در چنین شرایطی دو روش وجود دارد که صنعت در حال حاضر از آن استفاده میکند: اشتراکگذاری و ذخیرهسازی.
در اشتراک گذاری، دادههای خود را با معیارهای خاصی به مجموعه دادههای متعدد تقسیم میکنید.
دستیابی به یک چارچوب کلی برای همه برنامهها بسیار چالش برانگیز است.
در چند سال اخیر تحقیقات زیادی در این زمینه انجام شده است. به عنوان مثال، فیس بوک چارچوب اشتراک گذاری خود را به نام Shard Manager ارائه کرد، اما آن فقط در شرایط خاصی کار میکند.
روش دیگر ذخیره سازی است.
به جای اینکه تمام 100 ترابایت پایگاه داده خود را در لبه ذخیره کنم، میتوانم محدودیتی 1 گیگابایت تعیین کنیم و فقط دادههایی را ذخیره کنم که اغلب به آنها دسترسی پیدا میشود.
چرا این کار سخت است؟
شما باید تمام دادههایی را که در حافظه پنهان ذخیره کردهاید پیگیری کنید و پس از تغییر منبع داده اصلی، آنها را باطل یا بهروزرسانی کنید.
گاهی اوقات شما حتی آن منبع داده زیربنایی را کنترل نمیکنید. برای مثال، تصور کنید از یک API خارجی مانند Stripe API استفاده می کنید. شما باید یک راه حل سفارشی بسازید تا آن دادهها را باطل کنید.
ما معتقدم هیچ شرکتی نمیتواند این مشکل دادهها را حل کند، بلکه ما نیاز داریم که کل صنعت روی این موضوع کار کنند.
اکنون نمیتوان پیش بینی کرد که انقلاب تکنولوژیک ما به کجا میرود، و همچنین نمیتوان دانست که کدام محصولات یا شرکتها در این بخش در 25 سال آینده رهبری و پیروز خواهند شد.
با این حال، چند ترند وجود دارد که میتوانیم آنها را پیشبینی کنیم.
شناخت: شناخت اشیا، AKA هوشمندتر کردن. این به محاسبات بیشتر نیاز دارد.
جریان: ما جریانهای بیشتری از اطلاعات لحظه ای خواهیم داشت که مردم به آن وابسته هستند.
غربالگری: چیزهای بیشتری در زندگی ما صفحه نمایش خواهند داشت. از ساعت هوشمند گرفته تا یخچال و حتی ترازوی دیجیتال . با این کار، این دستگاهها اغلب به اینترنت متصل میشوند و نسل جدید لبه را تشکیل میدهند.
اشتراک گذاری: همکاری در مقیاس گسترده اجتناب ناپذیر است. تصور کنید با دوست خود که در همان شهر است روی یک سند کار میکنید. سند در نزدیکی شما ذخیره میشود و نیاز به ارسال به مرکز داده در آن سوی کره زمین نیست.
فیلتر کردن: ما از شخصی سازی برای پیش بینی خواستههای خود استفاده خواهیم کرد. این ممکن است در واقع یکی از بزرگترین محرکها برای محاسبات لبه باشد.
تعامل: با غوطه ور شدن بیشتر در رایانه خود برای به حداکثر رساندن تعامل، این غوطه ور شدن شخصی میشود و مستقیماً یا بسیار نزدیک با دستگاههای کاربر اجرا میشود.
پیگیری:. حسگرهای بیشتر، داده های زیادی را جمع آوری میکند. این دادهها همیشه نمیتوانند به مرکز داده مرکزی منتقل شوند. بنابراین، برنامههای کاربردی در دنیای واقعی نیاز به تصمیم گیری سریع در زمان واقعی دارند.
ما پیش بینی میکنیم که در 25 سال آینده، همه چیز واقعی خواهد شد. به همین دلیل است که میگویم ذخیرهسازی لبه، دنیا را میبلعد.
لینک کوتاه: