что такое edge computing
ИТ База знаний
Полезно
— Онлайн генератор устойчивых паролей
— Онлайн калькулятор подсетей
— Руководство администратора FreePBX на русском языке
— Руководство администратора Cisco UCM/CME на русском языке
— Руководство администратора по Linux/Unix
Навигация
Серверные решения
Телефония
FreePBX и Asterisk
Настройка программных телефонов
Корпоративные сети
Протоколы и стандарты
Edge Computing – что это и какой профит?
Или как человечество оказалось «на грани»
Онлайн курс по Кибербезопасности
Изучи хакерский майндсет и научись защищать свою инфраструктуру! Самые важные и актуальные знания, которые помогут не только войти в ИБ, но и понять реальное положение дел в индустрии
Что такое граница сети?
Для устройств, подключенных к сети Интернет, границей будет точка, где это устройства непосредственно подключается к Интернету. Конечно, определение экстремально размытое; к примеру, компьютер пользователя или процессор внутри IoT камеры могут быть теми самыми точками, однако, сетевой маршрутизатор также вполне попадает под это определение. Но важно одно: граница будет гораздо ближе к устройству (с географической точки зрения), нежели к облачным серверам.
Приведем пример edge computing-а
А теперь представьте себе, что сервер, определяющий движение был помещен на границу сети (той самой, в которой находится наше воображаемое здание). Что если каждая камера будет использовать свои собственные вычислительные мощности для запуска там приложения, которое будет определять движение? Очевидно, тогда в облако будет уходить только «полезный» трафик. Кроме того, на облачные сервера ляжет только задача по хранению важной информации, что де-факто означает возможность этого облака поддерживать связь с гораздо большим количеством камер без перегрузки. Вот примерно так и выглядит пример edge computing.
Преимущества концепции edge computing
Как видно в примере выше, данный концепт позволяет минимизировать загрузку Интернет-канала и нагрузку на вычислительные мощности облака. Полоса пропускания и вычислительные мощности, к сожалению, конечны и стоят реальных денег. С каждым зданием и офисом, которые будут оборудованы «умными» камерами, принтерами, термостатами и даже тостерами, аналитики предсказывают, что к 2025 году в мире будет установлено 75 миллиардов IoT устройств. Чтобы все эти устройства корректно работали, большой процент вычислений должен быть перенесен на edge-и.
Также, когда пользователи используют тонны веб-приложений, которые постоянно подключаются к внешним серверам, они могут чувствовать эти самые задержки. Длительность задержек будет зависеть от того, какова их полоса пропускания и где находятся сервера, но этих задержек можно легко избежать. Правильно, если воткнуть все эти сервера на границу этой сети.
Если подытожить, то общие плюсы этого концепта таковы:
Минусы данного подхода
Онлайн курс по Кибербезопасности
Изучи хакерский майндсет и научись защищать свою инфраструктуру! Самые важные и актуальные знания, которые помогут не только войти в ИБ, но и понять реальное положение дел в индустрии
Где и как применяются граничные серверы
При разработке сетевой инфраструктуры обычно рассматривают либо локальные вычисления, либо облачные. Но этих двух вариантов и их комбинаций мало. Например, что делать, если от облачных вычислений отказаться нельзя, а пропускной способности не хватает или трафик стоит слишком дорого?
Добавить промежуточное звено, которое выполнит часть вычислений на границе локальной сети или производственного процесса. Эта периферийная концепция называется Edge Computing — «граничные вычисления». Концепция дополняет текущую облачную модель использования данных, и в этой статье мы рассмотрим необходимое оборудование и примеры задач для него.
Уровни edge computing
Допустим, у вас дома установлена целая куча датчиков: термометр, гигрометр, датчик освещения, протечек и прочее. Логический контроллер обрабатывает поступающую от них информацию, реализует сценарии автоматизации, выдает облачному сервису обработанную телеметрию и получает от него обновленные сценарии автоматизации и свежие прошивки. Таким образом, непосредственно на объекте выполняются локальные вычисления, но оборудование контролируется из узла, объединяющего множество таких устройств.
Это пример очень простой системы граничных вычислений, но на нем уже видны все три уровня edge computing:
Особенности граничных серверов
На уровне периферийных узлов в Edge Computing используют граничные серверы, которые ставят непосредственно там, где производится информация. Обычно это производственные или технические помещения, в которых нельзя установить серверную стойку и обеспечить чистоту. Таким образом, граничные серверы выполняются в компактных пыле- и влагозащищенных корпусах с расширенным температурным диапазоном, их нельзя поставить в стойку. Да, такой сервер спокойно может висеть на двухстороннем скотче анкерах где-нибудь под лестницей или в подсобке.
Так как граничные серверы ставятся вне защищенных ЦОД, у них выше требования к физической безопасности. Для них предусматривают защитные контейнеры:
На уровне работы с данными в граничных серверах предусмотрено шифрование дисков и защищенная загрузка. Само шифрование отнимает 2-3% вычислительной мощности, но в граничных серверах обычно используют процессоры Xeon D со встроенным модулем ускорения AES, который минимизирует потери мощности.
Когда применяются граничные серверы
При Edge Computing в дата-центр поступают на обработку лишь те данные, которые невозможно или нерационально обрабатывать по-другому. Таким образом, граничные серверы применяют, когда требуется:
Edge computing для экономии трафика
Датская компания Maersk — один из лидеров морских грузовых перевозок в мире — решила сократить потребление топлива у своих судов и снизить выбросы загрязняющих веществ в атмосферу.
Для решения этой проблемы использовалась технология Siemens EcoMain Suite, датчики на двигателях и основных узлах корабля, а также локальный сервер BullSequana Edge для вычислений «на месте».
Благодаря датчикам система EcoMain Suite постоянно мониторит состояние критических узлов корабля и их отклонение от заранее вычисленной нормы. Это позволяет быстро диагностировать неисправность и локализовать ее вплоть до проблемного узла. Так как телеметрия постоянно передается «в центр», сервисный техник может выполнить анализ удаленно и дать рекомендации бортовой команде. И главный вопрос тут — сколько данных и в каком объеме передавать на центральный ЦОД.
Так как подключить дешевый проводной интернет к морскому контейнеровозу весьма проблематично, передача большого объема сырых данных на центральный сервер получается слишком дорогой. На центральном сервере BullSequana S200 просчитывается общая логическая модель корабля, а обработка данных и непосредственное управление передается локальному серверу. Как результат, внедрение этой системы окупилось за три месяца.
Edge computing для экономии ресурсов
Еще один пример граничных вычислений — это видеоаналитика. Так, у производителя оборудования для технических газов Air Liquide одной из локальных задач производственного цикла является контроль качества окраски газовых баллонов. Он осуществлялся вручную и составлял около 7 минут на один баллон.
Чтобы ускорить этот процесс, человека заменили блоком из 7 видеокамер высокого разрешения. Камеры снимают баллон с нескольких сторон, генерируя около 1 ГБ видео в минуту. Видео отправляется на граничный сервер BullSequana Edge c Nvidia T4 на борту, на котором нейронная сеть, натренированная на поиск дефектов, анализирует стрим в онлайн-режиме. В результате среднее время на осмотр сократилось с нескольких минут до нескольких секунд.
Edge computing в аналитике
Аттракционы в Диснейленде — это не только веселье, но и сложный технический объект. Так, на «Американской горке» установлено порядка 800 различных датчиков. Они постоянно отправляют на сервер данные о работе аттракциона, а локальный сервер обрабатывает эти данные, вычисляет вероятность выхода аттракциона из строя и сигнализирует об этом на центральный ЦОД.
На основе этих данных определяется вероятность технического отказа и запускается превентивный ремонт. Аттракцион продолжает работать до конца рабочего дня, а тем временем уже оформлен наряд на ремонт, и рабочие оперативно чинят аттракцион ночью.
BullSequana Edge
Серверы BullSequana Edge являются частью большой инфраструктуры для работы с «большими данными», они уже протестированы с платформами Microsoft Azure и Siemens MindSphere, VMware WSX и имеют сертификаты NVidia NGC/EGX. Эти серверы разработаны специально для граничных вычислений и выпускаются в корпусах форм-фактора U2 в вариантах для установки в стандартную стойку, на DIN-рейку, на стену и в напольном исполнении.
BullSequana Edge построены на материнской плате собственной разработки и процессоре Intel Xeon D-2187NT. Они поддерживают установку до 512 Гб оперативной памяти, 2 SSD по 960 Гб либо 2 HDD по 8 или 14ТБ. Также в них можно установить 2 GPU Nvidia T4 16 ГБ для работы с видео; Wi-fi, LoRaWAN и 4G модули; до 2-х 10-гигабитных модулей SFP. В самих серверах уже установлен датчик открытия крышки, который подключен к BMC, управляющему модулем IPMI. Его можно настроить на автоматическое отключение питания при срабатывании датчика.
Полностью технические характеристики серверов BullSequana Edge можно найти по ссылке. Если вам интересны подробности, мы будем рады ответить на наши вопросы в комментариях.
Edge-ик в тумане и другие приключения периферийных вычислений
Меня зовут Игорь Хапов. Я руководитель разработки в Научно-техническом центре IBM. И сегодня я хотел бы вам помочь окунуться в мир периферийных вычислений, или edge computing, как его ещё называют. Я расскажу о том, что же такое edge computing и как он может повлиять на наш с вами мир. Также хотелось бы пояснить различия между edge computing и fog computing, какие преимущества даёт этот подход. В статье я также описал референсную архитектуру приложения на edge computing. И под конец немного расскажу о проекте с открытым исходным кодом Open Horizon, который совсем недавно присоединился к Linux Foundation.
Что же такое edge computing
Согласно определению Гартнера, edge computing — это подвид распределенных вычислений, в котором обработка информации происходит в непосредственной близости к месту, где данные были получены и будут потребляться. Это основное отличие edge computing от облачных вычислений, при которых информация собирается и обрабатывается в публичных или частных датацентрах. Основным отличием от локальных вычислений является то, что обычно edge computing — это часть большей системы, которая включает в себя сбор статистики, централизованное управление и удаленное обновление приложений на edge устройствах.
Что же такое edge устройство? Многие считают, что edge computing — это когда приложение работает на Raspberry Pi или других микрокомпьютерах. На самом деле edge computing может быть и на мобильных устройствах, персональных ноутбуках, умных камерах и других устройствах, на которых можно запустить приложение по обработке данных.
Edge computing и IoT
Довольно часто звучит вопрос — «Чем же отличается edge computing от IoT». IoT можно назвать дедушкой edge computing. IoT — это множество устройств, связанных между собой, и способных передавать информацию друг другу. А edge computing это скорее подход к организации вычислений и управлению edge устройствами. Как вы отлично понимаете, любое приложение необходимо обновлять, мониторить и осуществлять прочие обслуживающие функции. В результате edge computing подразумевает использование определенных подходов и фреймворков, о которых я расскажу чуть позже.
edge computing vs fog computing
Когда я однажды рассказал коллеге про edge computing, он ответил — ”так это же fog computing”. Давайте попробуем разобраться, в чём же разница. С одной стороны, edge computing и fog computing часто используются как синонимы, однако fog computing, или «туманные вычисления», все-таки немного отличаются.
И edge computing, и fog computing — это вычисления, которые находятся в непосредственной близости к получаемым данным. Различие заключается в том, что при туманных вычислениях обработка осуществляется на устройствах, которые постоянно подключены к сети. В edge computing вычисления осуществляются как на сенсорах, умных устройствах – без передачи на уровень gateway, так и на уровне gateway и на микрокластерах.
Для меня было открытием, что edge computing может работать в кластерах Kubernetes или OpenShift. Оказывается, что существует достаточно много задач, где кроме оконечных устройств необходимо выполнять обработку информации в локальном кластере и передавать в централизованные дата центры только результирующие данные. И такие вычисления — тоже edge computing.
Преимущества и недостатки edge computing
При выборе технологий для своего проекта я в первую очередь основываюсь на двух критериях — «Что я от этого получу?» и «Какие проблемы я от этого получу?».
Начнём с преимуществ:
Хотя, конечно, проектируя систему с edge computing, не стоит забывать, что как и любую другую технологию её стоит использовать в зависимости от требований к системе, которую вам необходимо реализовать.
Среди недостатков edge computing можно выделить следующие:
С одной стороны, последний пункт является наиболее критичным, но, к счастью, консорциум Linux Foundation Edge (LF EDGE) включает в себя всё больше и больше проектов с открытым исходным кодом, а их зрелость стремительно растет.
Принципы компании IBM при создании платформы edge computing
Компания IBM, являясь одним из лидеров в области гибридных облаков, использует определённые принципы при разработке решений для edge computing:
IBM применяет эти принципы при декомпозиции задачи построения фреймворка edge computing.
Как вы можете видеть, всё решение разбито на 4 сегмента использования:
Помимо основных принципов и подходов, IBM разработала референсную архитектуру для решений, основанных на edge computing. Референсная архитектура — это шаблон, показывающий основные элементы системы и детализированный настолько, чтобы иметь возможность адаптировать его под конкретное решение для заказчика. Давайте рассмотрим такую архитектуру более подробно.
Референсная архитектура edge computing
Edge devices
В первую очередь, у нас есть какое-либо встроенное или дискретное edge-устройство, к которому подключены сенсоры, датчики или управляющие механизмы, например, для координации движения роборуки. Из сервисов/данных на таком устройстве могут находиться:
Hybrid multicloud
Если мы говорим об использовании ML-модели, которая будет запускаться на десятках или тысячах устройств, то нам необходимо облако, которое сможет отвечать за обучение такой модели, обработку статистики, отображение сводной информации (правая часть архитектуры).
Edge server and Edge micro data center
Как мы уже говорили, можно встретить промежуточные (близкие) кластеры обработки данных на уровне шлюзов или микро-датацентров с установленной поддержкой кластерных технологий.
Edge framework
Когда мы осознаем, что есть необходимость в управлении большим количеством сервисов на тысячах устройств и сотнями приложений в разных кластерах, наступает понимание, что надо бы использовать какой-то фреймворк для управления всем этим зоопарком и синхронизации между устройствами.
Именно наличие данного фреймворка раскрывает преимущества edge computing перед разнородными разнесёнными вычислениями.
Как мы видим, кроме центральной части по управлению сервисами и моделями в данном фреймворке присутствуют агенты, обеспечивающие контроль за управлением жизненным циклом сервисов на устройствах/кластерах на каждом из уровней использования.
Open Horizon и IBM Edge Application Manager
Именно для решения задач в области edge computing IBM разработала и выложила в open-source проект Open Horizon. Если вы помните, один из принципов, которые IBM заложила в edge computing – все компоненты должны быть основаны на open source технологиях. В мае 2020 года проект Open Horizon вошел в Linux Foundation Edge — Международный фонд open-source технологий для созданий edge-решений. Также Open Horizon является ядром нового продукта от RedHat и IBM — IBM Edge Application Manager, решения для управления приложениями на всех устройствах edge computing: от Raspberry Pi до промежуточных кластеров обработки данных.
Несмотря на то, что проект Open Horizon вошел в консорциум только в мае, он уже достаточно давно развивается как open-source проект. И мы в Научно-техническом центре IBM не только успели его попробовать, но и довести свое решение до промышленного использования. О том, как мы разрабатывали проект с использованием edge computing, и что у нас получилось — будет отдельная статья, которая выйдет в ближайшие несколько недель.
Сценарии использования
С одной стороны, edge computing framework — это специализированное решение для определённого круга задач, но оно нашло применение во многих индустриях.
В своё время, когда я изучал работу московских камер “Стрелка”, я понял, что это в чистом виде edge computing, с вычислениями «прямо на столбе» и промежуточной обработкой данных в раздельных вычислительных кластерах у различных ведомств.
Сценарии нашлись в финансовом секторе, в продажах при самообслуживании, в медицине и секторе страхования, торговле и конечно при производстве. Именно в создании решения для автоматизации и оценки качества произведённого оборудования, основанного на edge computing, мне с коллегами из Научно-технического центра IBM и посчастливилось принять участие. И на своем опыте попробовать, как создаются решения edge computing.
Если Вас заинтересовала данная тематика, следите за обновлениями в хабраблоге компании IBM и смотрите видео в разделе Ссылки. Наши зарубежные коллеги к настоящему моменту уже осветили многие технические вопросы и описали, какие сценарии уже работают и применяются в различных отраслях.
Облачные, туманные и граничные вычисления: отличия и перспективы развития технологий
Облачными вычислениями уже никого не удивишь — они стабильно развиваются и завоевывают российский рынок. Но туманные и граничные технологии только приходят в нашу страну, и у них есть своя ценность для бизнеса.
Разберемся, чем отличаются виды вычислений, в чём их преимущества и недостатки, а также в каких индустриях они наиболее актуальны.
Облачные вычисления (Cloud computing)
Облачные вычисления — это технология, которая позволяет хранить и обрабатывать данные удаленно в «облаке». Для этого используются центры обработки данных (ЦОДы). Компании, применяющей облачные технологии, не обязательно создавать свою IT-инфраструктуру — все необходимое ей может предоставить провайдер. Нужен только доступ в интернет, чтобы открыть сайт или приложение.
Преимущества и недостатки
Сфера применения
Облачные технологии применяются повсеместно: в госсекторе, производстве, ритейле, IT-компаниях, финансовой сфере и телекоммуникациях. Сложно представить современную жизнь без электронной почты, Google Docs, магазинов приложений и публичных облаков вроде Dropbox, Google Drive или «Яндекс.Диска».
«Cloud Computing наиболее динамично развивается последнее десятилетие, уровень проникновения технологии в развитых странах превышает 90%. Компании-операторы облаков и дата-центров обладают значительной экспертизой в этой области и могут предоставить пользователю наиболее совершенные технологические решения в области IT-инфраструктуры on-demand».
Облака важны для сбора, хранения и обработки больших объемов информации — например, там, где применяются технологии Big Data и искусственный интеллект.
Туманные вычисления (Fog computing)
Туманные вычисления — это технология, благодаря которой хранение и обработка данных происходят в локальной сети между конечным устройством и ЦОД. «Туман», в отличие от «облака», находится ближе к пользователям. Это децентрализованная система, которая фильтрует информацию, поступающую в дата-центр.
Преимущества и недостатки
Расскажи, как цифровая трансформация изменила твой бизнес
Сфера применения
Туманные вычисления применяются для связи устройств интернета вещей (IoT). С помощью «тумана» данные передаются и анализируются почти без задержек, что критично для некоторых IoT-устройств — например, датчиков в беспилотных автомобилях.
«Проще говоря, туманные вычисления заточены под межмашинное взаимодействие и применяться могут в любой отрасли, где оно используется — в производстве, здравоохранении, энергетике, финансовой сфере и других».
Межмашинное взаимодействие (Machine-to-Machine, M2M) — технология, связанная с интернетом вещей. Она позволяет передавать данные с устройства на устройство без взаимодействия с человеком. Для этого используют сотовую связь, поэтому мобильные операторы предлагают свои услуги в сфере M2M.
Технологию применяют для передачи данных из банкоматов и торговых автоматов, мониторинга состояния пациентов, в системах сигнализации и видеонаблюдения, в датчиках топлива, счетчиках электроэнергии и воды, для отслеживания транспорта и грузов. Туманные вычисления позволят машинам общаться быстрее и эффективнее.
Граничные вычисления (Edge computing)
Граничные вычисления — это технология обработки и хранения данных на конечном устройстве. Они находятся еще ближе к пользователю, чем «облако» и «туман».
Преимущества и недостатки
Сфера применения
Сферы применения граничных и туманных технологий во многом пересекаются. Главное их преимущество — скорость передачи и анализа данных. Поэтому эти технологии используются там, где важна обработка информации в реальном времени — например, в сферах IoT и VR/AR.
На производстве граничные вычисления нужны для своевременного обслуживания оборудования, в нефтяной индустрии они помогут обнаружить неисправности и протечки, а в банковской сфере технология позволит быстро принять решение по кредиту или обнаружить мошенничество. Во всех примерах граничные вычисления помогают действовать без задержек.
«Edge нашел широкое применение на промышленных предприятиях. Облачные вычисления демонстрируют гибкость и эффективность, но распространение IIoT и мобильных вычислений привело к ограничению диапазона частот для обработки. Также нюанс заключается в том, что “умное” оборудование на предприятиях не всегда требует подключения к cloud для выполнения расчетов. В таких случаях проектировщики сетей делают ставку на периферию и повышают эффективность обработки данных».
Источник: CB Insights
Перспективы развития облаков
Популярнее всех оказались публичные облака — затраты на них составили 85% расходов. Остальное потратили на частные облака. По прогнозам цифры будут расти: в 2019 году расходы увеличатся на 23,6%, а среднегодовые темпы роста рынка до 2023 года будут составлять 14,6%.
Государство тоже заинтересовано в облачных технологиях. Минкомсвязи вместе с «Ростелекомом» давно разрабатывает идею «Гособлака». А в конце августа 2019 года была утверждена концепция единой государственной облачной платформы. Госструктуры будут выбирать между частными провайдерами облачных услуг.
Развитие edge/fog computing
В мире
Уже сейчас компании начинают применять граничные и туманные вычисления наряду с облаками. Конечно, на Западе эти технологии более развиты — их используют и крупные корпорации, и стартапы.
Большие компании, которые продают облачные услуги, расширяют ассортимент. Microsoft предлагает не только облако, но и решения с граничными технологиями. Например, систему, которая позволяет перенести часть вычислений на IoT-устройства, или пограничный сервер для обработки данных с искусственным интеллектом. Amazon тоже не отстает и предлагает свой сервис для интернета вещей с граничными вычислениями. При этом компании не забывают про основной продукт — данные не только обрабатываются на периферии, но и передаются в облако.
Новые технологические услуги помогают в обработке данных на производстве, где задержки — серьёзная помеха в работе.
«В первую очередь это, конечно же, машиностроение и автомобилестроение, так как в этих отраслях производятся технически сложные изделия, а производственные линии генерируют большой объём данных. Но технологии периферийных и облачных вычислений внедряются в самые разнообразные отрасли промышленности, включая нефтегазовую, пищевую, химическую промышленность, производство батарей, в инфраструктурные объекты, распределение электроэнергии, водоснабжение, аэропорты и железнодорожный транспорт».
Появляются стартапы, которые фокусируются на применении граничных и туманных вычислений. Например, FogHorn и Pixeom предлагают услуги для компаний в энергетике, телекоме, производстве, ритейле, финансах, безопасности и других сферах. SimShine разрабатывает граничные технологии для камер видеонаблюдения. Компаний, которые предоставляют услуги производству и простым пользователям, становится все больше.
«Таких компаний и решений на самом деле много. В качестве актуального наглядного примера можно привести компании, которые сейчас внедряют решения по видеоаналитике. При отсутствии объектов или событий видео не передаётся на центральный сервер и не загружает каналы связи. При этом в ЦОД передаётся только информация о тревожных событиях и инцидентах».
В России
Но и в России туманные и граничные вычисления уже не новые понятия.
Пока государственные организации экспериментируют со связью, стартапы внедряют практические решения. С туманными вычислениями работает SONM — предлагает платформу с технологией блокчейна. Идея состоит в том, чтобы создать децентрализованный суперкомпьютер. Пользователи могут сдать мощность своего компьютера в аренду и присоединиться к распределенной сети. Компании в свою очередь покупают возможности туманной платформы для своих вычислений.
С граничными технологиями также связан стартап Facemetric. Он предоставляет клиентам камеры видеонаблюдения и ЦОД с нейросетями, чтобы искать образы в видео — лица, автомобильные номера, ценники и многое другое. Но хранить и обрабатывать большой видеопоток в облаке тяжело и не всегда целесообразно.
Поэтому компания решила использовать граничные вычисления. «В данном случае мы используем более высокопроизводительные вычислители, которые дублируют в себе функционал распознавания, хранят оперативный слепок базы данных и могут работать автономно при потере связи с облачным сервисом. Такой подход повышает требования к производительности вычислителей, их стоимость, но обеспечивает стабильную работу при потере связи с центральным узлом», — рассказывает Юрий Годына, основатель Facemetric.
В России новые технологии будут развиваться и дальше. Как отмечает Юрий Годына, они уже вошли в нашу жизнь:
«В настоящее время появилось множество вариантов реализации проектов в области интернета вещей и граничных вычислений — сбор показаний счетчиков, умные автобусные остановки, системы контроля за водителями общественного транспорта и так далее. Еще пару лет назад на конференциях и круглых столах можно было услышать мнения о раздутости пузыря интернета вещей, умного дома, неподъемной стоимости решений. А сейчас мы видим реализацию этих технологий, они постепенно приходят в нашу жизнь и делают ее комфортнее».
Конечно, туманные и граничные вычисления не вытеснят облако. Технологии будут развиваться вместе и дополнять друг друга. Там, где нужны надежные мощные ЦОДы и экономия IT-ресурсов, облако останется в приоритете. А там, где важна скорость принятия решений, будут развиваться edge и fog computing — при этом облако будет хранить важные данные.
Татьяна Бочарникова, глава представительства NetApp в России и СНГ:
«Бытует мнение, что Edge и Fog computing в конечном итоге полностью заменят собой уже ставшие привычными облачные решения. Но это вовсе не так. Да, бывает, что периферийные технологии обеспечивают более серьезные преимущества, чем полностью централизованные облачные платформы, особенно с точки зрения хранения данных. Но всегда ядром корпоративной ИТ-инфраструктуры остается гибридная и мультиоблачная концепция. Иначе говоря, периферийные и туманные вычисления не заменят облачные, так как, по сути, и являются не чем иным, как “расширением” и “продолжением” облака».