Lietu internets (IoT) ir visapkārt mums – ierīces ne­pār­trauk­ti ģenerē datus, kas jāuzglabā, bet kritiskām lie­to­jum­prog­ram­mām – jāizvērtē reālajā laikā. Malas datu apstrāde izvērtē šos datus tieši to avotā, radot pa­ra­dig­mas maiņu mā­koņ­da­to­ša­nas laikmetā.

Kas ir malu datu apstrāde? De­fi­nī­ci­ja

Malas datu apstrāde ir pro­jek­tē­ša­nas pieeja IoT vidēm, kas nodrošina IT resursus, piemēram, datu uz­gla­bā­ša­nas ka­pa­ci­tā­ti un skait­ļo­ša­nas jaudu, pēc iespējas tuvāk ierīcēm un sensoriem, kas ģenerē datus. Malas datu apstrāde ir al­ter­na­tī­va tra­di­cio­nā­la­jiem mā­koņ­pa­kal­po­ju­miem ar cen­trā­la­jiem serveriem.

Termins „malā” norāda uz to, ka šajā pieejā datu apstrāde nenotiek cen­tra­li­zē­ti mākonī, bet gan de­cen­tra­li­zē­ti tīkla malā. Malas datu apstrādes mērķis ir no­dro­ši­nāt to, ko mākonis līdz šim nav spējis piedāvāt: serverus, kas bez kavēšanās spēj izvērtēt liela apjoma datus no viedajām rūpnīcām, piegādes tīkliem vai satiksmes sistēmām, ļaujot tām ne­ka­vē­jo­ties rīkoties incidenta gadījumā.

Pārskats par malu datu apstrādes pamatiem

Malas datu apstrāde izmanto jau labi pa­zīs­ta­mas teh­no­lo­ģi­jas kompakta dizaina ietvaros, tikai ar jaunu nosaukumu. Šeit ir pārskats par sva­rī­gā­ka­jiem terminiem malas datu apstrādē:

  • Malas: IT žargonā „malas” ir tīkla malas. Tomēr tas, kuras sa­stāv­da­ļas tiek uz­ska­tī­tas par tīkla malām, ir atkarīgs no konkrētās si­tuā­ci­jas. Piemēram, te­le­ko­mu­ni­kā­ci­jās tīkla mala var būt mobilais tālrunis; savukārt tīklā savienotu, autonomi braucošu au­to­ma­šī­nu sistēmā – katrs atsevišķs trans­por­tlī­dzek­lis.
  • Malas ierīce: Katra datu ģe­ne­rē­jo­ša ierīce tīkla malā darbojas kā malas ierīce. Ie­spē­ja­mie datu avoti ir sensori, mašīnas, trans­por­tlī­dzek­ļi vai vie­die­rī­ces IoT vidē. Tas var būt, piemēram, veļas mašīnas, uguns­grē­ku detektori, spuldzes vai radiatoru ter­mos­ta­ti.
  • Malas vārteja: Malas vārteja ir dators, kas atrodas divu tīklu pārejas vietā. IoT vidē malas vārtejas tiek iz­man­to­tas kā mezgli starp lietu internetu un galveno tīklu.

Malas datu apstrāde pret miglas datu apstrādi

Vietējo apstrādes sistēmu pie­vie­no­ša­na mākonim nav jauna pieeja. Jau 2014. gadā ASV teh­no­lo­ģi­ju koncerns „Cisco“ ieviesa mārke­tin­ga terminu„miglas aprēķini“ (fog computing). Dati, kas tiek ģenerēti IoT vidē, vairs netiek nosūtīti tieši uz mākoni, bet vispirms tiek apkopoti nelielos datu centros, izvērtēti un atlasīti turp­mā­ka­jiem apstrādes posmiem.

Mūsdienās malu datu apstrāde tiek uzskatīta par daļu no miglas datu apstrādes, kurā tādi IT resursi kā skait­ļo­ša­nas jauda un uz­gla­bā­ša­nas ka­pa­ci­tā­te tiek pār­vie­to­ti vēl tuvāk IoT ter­mi­nā­ļiem tīkla malā. Ir iespējama arī abu kon­cep­ci­ju ap­vie­no­ša­na. Turp­mā­ka­jā attēlā parādīta ar­hi­tek­tū­ra ar mākoņa, miglas un malu slāņiem.

Image: Schematic representation of a cloud architecture with cloud, fog and edge layers
Schematic rep­re­sen­ta­tion of a cloud archi­tectu­re with cloud, fog and edge layers.
Tip

Fog un malu datu apstrādes vidēm pa­re­dzē­tās atsauces ar­hi­tek­tū­ras tiek iz­strā­dā­tas Open Fog Con­sor­tium ietvaros, kas ir atvērts kon­sor­cijs, kurā ap­vie­no­ju­šies nozares pārstāvji un aka­dē­mis­kās aprindas.

Kāpēc iz­vē­lē­ties malu datu apstrādi?

Pašlaik centrālie datu centri apstrādā lielāko daļu interneta radītās datu plūsmas. Tomēr mūsdienās datu avoti bieži vien ir mobilie un atrodas pārāk tālu no centrālā galvenā datora, lai no­dro­ši­nā­tu pieņemamu reakcijas laiku (latentumu). Tas rada īpaši lielas problēmas laika ziņā kritiskām lie­to­jum­prog­ram­mām, piemēram, ma­šīn­mā­cī­bai un pre­ven­tī­va­jai apkopi.

Note

Prog­no­zē­jo­šā apkope ir gatava radīt re­vo­lū­ci­ju nākotnes rūpnīcu apkopes un pār­val­dī­bas jomā. Šī jaunā apkopes kon­cep­ci­ja ir iz­strā­dā­ta, lai, iz­man­to­jot viedās uz­rau­dzī­bas sistēmas, atklātu defektu risku, tādējādi problēmas varētu iden­ti­fi­cēt, pirms faktiski rodas defekts.

Malas datu apstrāde netiek uzskatīta par mā­koņ­pa­kal­po­ju­mu aiz­stā­jē­ju, bet gan par to pa­pil­di­nā­ju­mu, kas nodrošina šādas funkcijas:

  • Datu vākšana un ap­ko­po­ša­na: Malas datu apstrāde balstās uz datu vākšanu tuvu avotam, ieskaitot datu priekš­aps­trā­di un datu kopu atlasi. Aug­šu­pie­lā­de uz mākoni notiek tikai tad, ja in­for­mā­ci­ju nevar izvērtēt lokāli, ir ne­pie­cie­ša­ma de­ta­li­zē­ta analīze vai dati ir jāarhivē.
  • Datu uz­gla­bā­ša­na lokāli: ja datu apjoms ir liels, reāllaika pārraide no galvenā datu centra mākonī parasti nav iespējama. Šo problēmu var atrisināt, at­tie­cī­gos datus uz­gla­bā­jot de­cen­tra­li­zē­ti tīkla malā. Edge vārtejas darbojas kā repliku serveri satura piegādes tīklā.
  • AI at­bal­stī­ta uz­rau­dzī­ba: Edge computing ļauj ne­pār­trauk­ti uzraudzīt sa­vie­no­tās ierīces. Kom­bi­nē­jot ar ma­šīn­mā­cī­ša­nās al­go­rit­miem, ir iespējama statusa uz­rau­dzī­ba reālajā laikā.
  • M2M ko­mu­ni­kā­ci­ja: Malas datu apstrāde bieži tiek izmantota kopā ar M2M ko­mu­ni­kā­ci­ju, lai no­dro­ši­nā­tu tiešu ko­mu­ni­kā­ci­ju starp tīklā sa­vie­no­ta­jām ierīcēm.

Šajā attēlā ir parādīts de­cen­tra­li­zē­tas mā­ko­ņar­hi­tek­tū­ras darbības princips, kurā malu vārtejas darbojas kā star­pnie­ki starp centrālo datoru mākonī un IoT ierīcēm tīkla malā.

Image: Schematic representation of an edge computing environment
Schematic rep­re­sen­ta­tion of an edge computing en­vi­ron­ment: Edge gateways receive data from the Internet of Things and load it into the public cloud or a private data centre as required.

Kā var izmantot malu datu apstrādes ar­hi­tek­tū­ras?

Malas datu apstrādes pie­lie­to­ju­mi parasti izriet no IoT vides. Svarīgs malas datu apstrādes teh­no­lo­ģi­jas izaugsmes dzi­nēj­spēks ir pie­au­go­šais pie­pra­sī­jums pēc ko­mu­ni­kā­ci­jas sistēmām, kas spēj darboties reāllaikā. De­cen­tra­li­zē­ta datu apstrāde, piemēram, tiek uzskatīta par galveno teh­no­lo­ģi­ju šādos projektos:

  • Saziņa starp au­to­ma­šī­nām: malu datu apstrāde ir svarīga mā­koņbal­stī­tām agrīnās brī­di­nā­ša­nas sistēmām vai au­to­no­miem trans­por­tlī­dzek­ļiem.
  • Viedie tīkli: pa­tei­co­ties de­cen­tra­li­zē­tām enerģijas pār­val­dī­bas sistēmām, elek­tro­tīk­liem vajadzētu spēt pie­lā­go­ties strāvas svār­stī­bām. Dati, kas tiek nosūtīti ģe­ne­ra­to­riem, ļauj reaģēt uz patēriņa izmaiņām reālajā laikā.
  • Viedās rūpnīcas: ar malu datu apstrādes palīdzību var ieviest pa­šor­ga­ni­zē­jo­šās ražotnes un lo­ģis­ti­kas sistēmas.

Kādas ir malu datu apstrādes priekš­ro­cī­bas?

Sa­lī­dzi­nā­ju­mā ar tra­di­cio­nā­la­jām mā­koņ­da­to­ša­nas ar­hi­tek­tū­rām malu datu apstrāde piedāvā virkni priekš­ro­cī­bu:

  • Datu apstrāde reālajā laikā: apstrāde notiek tuvāk datu avotiem, tādējādi palīdzot novērst kavēšanās problēmas.
  • Sa­ma­zi­nā­ta datu caur­laidspē­ja: pa­tei­co­ties vietējai datu analīzei, tīklā ir jā­pār­rai­da ie­vē­ro­ja­mi mazāk datu.
  • Datu drošība: at­bil­stī­bas prasības var īstenot vieglāk.

Kādi ir malu datu apstrādes trūkumi?

Ne­ska­to­ties uz daudzajām priekš­ro­cī­bām, malu datu apstrādei ir arī trūkumi, kas jāņem vērā tās ie­vie­ša­nas laikā:

  • Sa­rež­ģī­tā­ka tīkla struktūra: iz­klie­dē­tā sistēma ir sa­rež­ģī­tā­ka nekā cen­tra­li­zē­ta mā­ko­ņin­fras­truk­tū­ra.
  • Iegādes izmaksas: malu datu apstrādei ne­pie­cie­šams daudz vietējās ap­ara­tū­ras, tādēļ tai ir milzīgas iegādes izmaksas.
  • Uz­tu­rē­ša­nas izmaksas: ņemot vērā lielo kom­po­nen­tu skaitu, nevar ignorēt ne uz­tu­rē­ša­nas, ne ad­mi­nis­trē­ša­nas izmaksas.
Go to Main Menu