Добірка корисних інструментів та ресурсів для Edge Computing: прискорте свою подорож у світ периферійних обчислень

Edge Computing (периферійні обчислення) стає все більш важливою технологією в таких областях, як Інтернет речей (IoT), штучний інтелект (AI) та Web3. Він переносить обчислювальні потужності ближче до джерела даних, зменшуючи затримки, підвищуючи ефективність та покращуючи безпеку. У цій статті ми підібрали для вас корисні інструменти та ресурси, які допоможуть вам краще зрозуміти та застосувати периферійні обчислення.

I. Основи Edge Computing та проєктування архітектури

Перш ніж заглиблюватися в інструменти, давайте розглянемо деякі основні концепції периферійних обчислень. Основна ідея Edge Computing полягає в обробці даних поблизу їх джерела, щоб уникнути передачі всіх даних у хмару, що зменшує вимоги до пропускної здатності мережі та затримки. Типова архітектура Edge Computing може включати наступні рівні:

1. Рівень пристроїв: Кінцеві пристрої, такі як датчики, камери, обладнання промислового контролю, які генерують дані.
2. Рівень периферійних вузлів: Периферійні сервери або шлюзи, розташовані поблизу пристроїв, які відповідають за збір, обробку та аналіз даних.
3. Хмарний рівень: Забезпечує централізоване управління, зберігання та аналітичні можливості, зазвичай використовується для обробки складних завдань, які не можуть бути оброблені периферійними вузлами.

Практичні поради:

• Розуміння потреб: Перш ніж проєктувати архітектуру Edge Computing, визначте свій сценарій використання та конкретні потреби. Наприклад, для програм моніторингу в реальному часі, які потребують низької затримки, периферійні вузли повинні мати потужні обчислювальні можливості.
• Безпека: Безпека периферійних вузлів має вирішальне значення. Переконайтеся, що вжито відповідних заходів безпеки, таких як шифрування даних, аутентифікація та контроль доступу.
• Масштабованість: Архітектура Edge Computing повинна бути добре масштабованою, щоб легко додавати нові периферійні вузли в міру зростання бізнесу.

Рекомендовані ресурси:

• Edge Computing Reference Architecture (Intel): @Inteliot поділився інформацією про еталонну архітектуру Edge Computing від Intel. Ця архітектура пропонує модульний підхід до проєктування, який може допомогти компаніям створювати масштабовані та безпечні рішення Edge Computing. Переглянути посилання: http://intel.ly/30n3NNg
• «Чому Edge Computing не є чимось новим»: Стаття, якою поділився @KGlovesLinux, пояснює еволюцію концепції «Edge Computing», що допомагає зрозуміти суть периферійних обчислень. Переглянути посилання: https://bit.ly/4rLYVwe
• Рішення Edge Computing від MiTAC: @embedded_comp згадав, що MiTAC продемонструвала масштабовані промислові рішення Edge Computing. Ви можете звернути увагу на лінійку продуктів MiTAC, щоб дізнатися про їхню практику в промисловій сфері.

II. Платформи та фреймворки Edge Computing

Вибір правильної платформи та фреймворку Edge Computing є ключем до успішного розгортання програм Edge Computing. Ось кілька популярних варіантів:

1. Kubernetes (K8s): Фактичний стандарт оркестрування контейнерів, який можна використовувати для розгортання та керування контейнеризованими програмами на периферійних вузлах. K3s — це полегшена версія Kubernetes, яка краще підходить для периферійних середовищ з обмеженими ресурсами.
2. EdgeX Foundry: Платформа Edge Computing з відкритим кодом, яка надає гнучкий фреймворк, який можна використовувати для підключення та керування різними периферійними пристроями.
3. AWS IoT Greengrass: Дозволяє запускати функції AWS Lambda на локальних пристроях і безпечно взаємодіяти з хмарою.
4. Azure IoT Edge: Дозволяє розгортати та запускати служби Azure, такі як Azure Machine Learning і Azure Stream Analytics, на периферійних пристроях.

Рекомендовані інструменти:* K3s: Легковаговий Kubernetes, ідеально підходить для розгортання контейнерних додатків на периферійних пристроях з обмеженими ресурсами. bash # Встановлення K3s (приклад) curl -sfL https://get.k3s.io | sh - Порада: Використання K3s може спростити розгортання та керування периферійними вузлами, покращуючи портативність та масштабованість додатків.

• EdgeX Foundry: Платформа для обчислень на периферії з відкритим кодом, підходить для сценаріїв, де потрібно підключати різні пристрої та протоколи. Порада: EdgeX Foundry надає багатий набір API та SDK, що дозволяє легко інтегрувати різні пристрої та додатки.
• Eclipse IoT: Eclipse надає різні IoT та периферійні обчислювальні проєкти, включаючи Kura, Paho та Californium. Ці проєкти можуть допомогти вам швидко створити рішення для обчислень на периферії.

III. Інструменти та стратегії безпеки обчислень на периферії

Розподілена природа обчислень на периферії створює нові виклики для безпеки. Захист периферійних вузлів та даних має вирішальне значення.

Найкращі практики:

• Автентифікація пристроїв: Переконайтеся, що лише авторизовані пристрої можуть підключатися до периферійної мережі.
• Шифрування даних: Шифруйте дані, що передаються та зберігаються на периферійних вузлах.
• Контроль доступу: Впроваджуйте сувору політику контролю доступу, обмежуючи доступ до конфіденційних даних.
• Управління вразливостями: Своєчасно оновлюйте програмне забезпечення та прошивку периферійних вузлів, щоб виправити вразливості безпеки.
• Виявлення вторгнень: Розгорніть систему виявлення вторгнень для моніторингу шкідливої діяльності в периферійній мережі.

Рекомендовані ресурси:

• 6 Edge Computing Security Strategies (TechTarget): @RecipeGrow поділився 6 стратегіями безпеки обчислень на периферії від TechTarget, які охоплюють шифрування даних, контроль доступу, управління пристроями тощо. Переглянути посилання: http://bit.ly/3h7NL1M
• Обговорення Thales DigiSec щодо безпеки 5G SA: @ThalesDigiSec підкреслив важливість використання виділених сегментів, розширеної безпеки та обчислень на периферії в 5G SA, а також згадав про готовність PQC до ідентифікації. Це підкреслює потребу в безпечних обчисленнях на периферії. Переглянути посилання: http://thls.co/w1yC50Y5ZhB

IV. Обчислення на периферії та штучний інтелект

Обчислення на периферії відкривають нові можливості для штучного інтелекту. Завдяки запуску моделей ШІ на периферійних вузлах можна досягти висновків та прийняття рішень у реальному часі без необхідності передавати дані в хмару.

Сценарії застосування:

• Інтелектуальний моніторинг: Запуск моделей розпізнавання облич та виявлення об'єктів на периферійних вузлах для реалізації моніторингу та сигналізації в реальному часі.
• Автономне водіння: Запуск моделей сприйняття та прийняття рішень на транспортних засобах для реалізації функцій автономного водіння.
• Промислова автоматизація: Запуск моделей прогнозування несправностей та оптимізації на виробничих лініях для підвищення ефективності виробництва.

Рекомендовані інструменти:

• TensorFlow Lite: Легковажна версія TensorFlow, яку можна запускати на периферійних пристроях.

  # Приклад коду TensorFlow Lite (спрощено)
  interpreter = tf.lite.Interpreter(model_path="model.tflite")
  interpreter.allocate_tensors()
  
  input_details = interpreter.get_input_details()
  output_details = interpreter.get_output_details()
  ```## Чотири, інструменти та технології периферійних обчислень
  

Існує багато інструментів і технологій, які можна використовувати для розробки та розгортання периферійних обчислювальних додатків.

Технології:

• Контейнеризація: Використання контейнерів, таких як Docker, для пакування та розгортання додатків, що полегшує переміщення додатків між різними периферійними пристроями.
• Оркестрація контейнерів: Використання інструментів оркестрації контейнерів, таких як Kubernetes, для керування та масштабування контейнерів на периферійних пристроях.
• Безсерверні обчислення: Використання безсерверних обчислювальних платформ, таких як AWS Lambda, для запуску коду на периферійних пристроях без необхідності керувати серверами.

Інструменти:

• TensorFlow Lite: Легка версія TensorFlow, розроблена для розгортання моделей машинного навчання на мобільних і вбудованих пристроях.

    # Приклад використання TensorFlow Lite для виведення
    interpreter = tf.lite.Interpreter(model_path='model.tflite')
    interpreter.allocate_tensors()

    input_details = interpreter.get_input_details()
    output_details = interpreter.get_output_details()

    # Вхідні дані повинні бути перетворені в тип даних, що відповідає вхідним даним моделі
    input_data = np.array(np.random.random_sample(input_shape), dtype=np.float32)
    interpreter.set_tensor(input_details[0]['index'], input_data)

    interpreter.invoke()

    output_data = interpreter.get_tensor(output_details[0]['index'])
    print(output_data)
    ```
*   **PyTorch Mobile:** Мобільна версія PyTorch, яку можна використовувати для розгортання моделей PyTorch на периферійних пристроях.
*   **OpenVINO™ Toolkit:** Набір інструментів, розроблений Intel, для оптимізації та розгортання моделей штучного інтелекту, який може отримати найкращу продуктивність на периферійних пристроях Intel.
*   **Інструментарій штучного інтелекту та системи на модулях від Arrow Electronics:** @Arrow_dot_com згадав про свій інструментарій штучного інтелекту та системи на модулях, призначені для прискорення розробки та підвищення ефективності периферійних обчислень. Дізнайтеся більше: [http://arw.li/6018hJZys](http://arw.li/6018hJZys)

**Поради:**

*   **Оптимізація моделі:** Оптимізуйте моделі штучного інтелекту для обмежень ресурсів периферійних пристроїв, зменшуючи розмір моделі та обчислювальну складність.
*   **Квантування моделі:** Перетворіть моделі з плаваючою комою на моделі з цілими числами, щоб зменшити використання пам'яті та обчислювальні витрати.

## П'ять, застосування периферійних обчислень в Інтернеті речей (IoT) та промисловому Інтернеті речей (IIoT)

Поєднання периферійних обчислень з Інтернетом речей та промисловим Інтернетом речей породило багато нових сценаріїв застосування.

**Сценарії застосування:**

*   **Розумне сільське господарство:** Використовуйте датчики для збору даних про вологість ґрунту, температуру тощо, аналізуйте їх через периферійні вузли для досягнення точного зрошення та внесення добрив.
*   **Розумне виробництво:** Використовуйте датчики для моніторингу стану обладнання на виробничій лінії, прогнозуйте несправності та проводьте профілактичне обслуговування через периферійні вузли.
*   **Розумне місто:** Використовуйте датчики для збору даних про транспортний потік, якість повітря тощо, аналізуйте їх через периферійні вузли для оптимізації міського управління та транспортних операцій.

**Рекомендовані інструменти:**

*   **Безпечні промислові IoT-шлюзи від Lantronix:** @lantronix надає промислові IoT-шлюзи для оцифрування розподілених активів з можливістю видимості та контролю в реальному часі. Перегляньте посилання: [https://bit.ly/4teos2j](https://bit.ly/4teos2j) (Америка) та [https://bit.ly/49UV6yy](https://bit.ly/49UV6yy) (Європа, Близький Схід та Африка)
*   **EdgeEssentials від 4C Analytics:** @4CAnalytics рекомендує EdgeEssentials, який забезпечує стан кожної операції та машини в реальному часі на заводі, допомагаючи виявити приховану продуктивність. Дізнайтеся більше: [https://bit.ly/4m0Qbif](https://bit.ly/4m0Qbif)
*   **Рішення для периферійних обчислень, рекомендовані IoTBreakthrough:** @IoTBreakthrough поділився 7 найкращими рішеннями для периферійних обчислень для пристроїв IoT. Перегляньте посилання: [https://iottechnews.com/news/7-top-edg](https://iottechnews.com/news/7-top-edg)

**Поради:**

*   **Попередня обробка даних:** Попередньо обробляйте дані датчиків на периферійних вузлах, наприклад, фільтруйте шум, коригуйте відхилення тощо, щоб покращити якість даних.
*   **Аналіз в реальному часі:** Проводьте аналіз в реальному часі на периферійних вузлах, наприклад, виявляйте аномалії, прогнозуйте тенденції тощо, щоб вчасно виявляти проблеми та вживати заходів.

## Шість, Web3 та периферійні обчисленняОбчислення на периферії може забезпечити швидшу швидкість, меншу затримку та вищу безпеку для Web3-застосунків.

**Сценарії застосування:**

*   **Децентралізоване зберігання:** Зберігання даних на периферійних вузлах для реалізації децентралізованого зберігання, підвищення доступності та безпеки даних. <!-- Зберігання даних на периферійних вузлах для реалізації децентралізованого зберігання, підвищення доступності та безпеки даних. -->
*   **Децентралізовані обчислення:** Розподіл обчислювальних завдань між периферійними вузлами для реалізації децентралізованих обчислень, підвищення ефективності обчислень і масштабованості. <!-- Розподіл обчислювальних завдань між периферійними вузлами для реалізації децентралізованих обчислень, підвищення ефективності обчислень і масштабованості. -->
*   **Edge AI + Web3:** Наприклад, @GaySimonej згадав про використання AI для розпізнавання візерунків на чашках кави для латте-арту, що демонструє інноваційне застосування Edge AI в середовищі Web3. <!-- Наприклад, @GaySimonej згадав про використання AI для розпізнавання візерунків на чашках кави для латте-арту, що демонструє інноваційне застосування Edge AI в середовищі Web3. -->

**Застереження:**

*   Наразі поєднання Web3 + обчислення на периферії знаходиться на ранній стадії, тому вибір відповідної платформи та стеку технологій є надзвичайно важливим. <!-- Наразі поєднання Web3 + обчислення на периферії знаходиться на ранній стадії, тому вибір відповідної платформи та стеку технологій є надзвичайно важливим. -->
*   Необхідно звернути увагу на такі технології, як децентралізована ідентифікація (DID), щоб забезпечити автентифікацію користувачів і захист конфіденційності даних в середовищі обчислень на периферії. @its_EveWeb3 згадав про важливість ідентичності, інтелекту та ліквідності в Web3, що тісно пов'язано з обчисленнями на периферії. <!-- Необхідно звернути увагу на такі технології, як децентралізована ідентифікація (DID), щоб забезпечити автентифікацію користувачів і захист конфіденційності даних в середовищі обчислень на периферії. @its_EveWeb3 згадав про важливість ідентичності, інтелекту та ліквідності в Web3, що тісно пов'язано з обчисленнями на периферії. -->

## 7. Підсумок

Обчислення на периферії - це швидкозростаюча сфера, повна можливостей і викликів. Вибравши відповідні інструменти та ресурси, а також поєднавши їх з практичними сценаріями застосування, ви можете створити ефективні, безпечні та масштабовані рішення для обчислень на периферії. Сподіваюся, ця стаття надала вам корисну інформацію та настанови, і бажаю вам успіхів на шляху до обчислень на периферії! <!-- Обчислення на периферії - це швидкозростаюча сфера, повна можливостей і викликів. Вибравши відповідні інструменти та ресурси, а також поєднавши їх з практичними сценаріями застосування, ви можете створити ефективні, безпечні та масштабовані рішення для обчислень на периферії. Сподіваюся, ця стаття надала вам корисну інформацію та настанови, і бажаю вам успіхів на шляху до обчислень на периферії! -->Пам'ятайте, постійне навчання та практика є ключем до опанування технологій периферійних обчислень. Удачі!