رشد روزافزون استفاده از اینترنت اشیاء باعث می‌شود تا کلاود دوباره به همان نقش قبلی خود که یک ذخیره‌ساز دیتا برای ارجاعات بعدی است بازگردد. در این‌حالت، دیگر خبری از پردازش‌های دیتا به‌صورت روزمره نیست.«رودیگر استرا»، قائم مقام و مدیر کل امنیت و ارتباطات برای شرکت "نیمه‌هادی‌های NXP" است. وی در خصوص کلاود عقاید و نظرات جالبی دارد و معتقد است که شتاب اینترنت اشیاء باعث بازگشت کلاود به‌ذخیره‌سازی دیتا می‌شود.
وی می‌گوید در صحبت‌هایی که با رهبران فناوری دنیا از شرکت‌های مختلف مانند کوالکام داشتم متوجه شدم که یک اختلال و نابه‌سامانی جدید در حال رخ دادن است. این اختلالات ناشی از تغییرات اساسی و زیربنایی است که در بخش محاسبات روی می‌دهد. کلاود، اساس پردازش است ولی وقتی محاسبات ابری به‌پایان برسد چه اتفاقی می‌افتد؟ به‌نظر من، با توجه به سرعت روزافزون در مبحث اینترنت اشیاء شاهد بازگشت دوباره کلاود به ذخیره‌سازی دیتا برای ارجاعات بعدی خواهیم بود. یعنی استفاده از کلاود برای پردازش روزمره دیتا خاتمه می‌یابد.
در حال حاضر، خیلی از اپلیکیشن‌های شبکه به سرویس‌های ابری تکیه دارد. اما، با IoT برای نخستین بار شاهد نودها و سنسورهایی هستیم که اطلاعات دنیای واقعی را از محیط‌های خودران اطراف گردآوری می‌کنند و نکته هم آن است که حجم این اطلاعات بسیار زیاد است. پهپادها، دیتاسنترهایی هستند که بال دارند و روبات‌ها، دیتاسنترهایی هستند که بازو دارند.
به‌همین دلیل و با توجه به ماهیت اصلی فناوری‌های IoT، توزیع حجم عظیمی از دیتا توسط کلاود یک تلاش بلند پروازانه است. به‌عنوان مثال، حتی در یک سیستم حمل‌ونقل خیلی هوشمند که فقط هزار خودرو در آن به‌یکدیگر متصل هستند مشکلات و اختلالات زیاد محاسباتی خواهیم داشت. اگر از فناوری 5G هم استفاده کنیم به‌دلیل تأخیراتی که در به‌خدمت گرفتن کلاود رخ می‌دهد، تصمیم‌گیری بلادرنگ با مشکلات زیادی روبرو می‌شود.
در آینده نه‌چندان دور، مدل قبلی که در آن، دیتا در لبه‌ها تولید می‌شد و در مرکز پردازش می‌شد با محدودیت‌های زیادی روبرو می‌شود. پس، محاسبات با سرعت زیادی به‌سمت لبه انتقال پیدا می‌کند. در واقع، IDC پیش‌بینی می‌کند که تا سال 2021، 43 درصد محاسبات IoT در کناره‌ها رخ می‌دهد.
به‌عبارت دیگر، کلاود به مرکز تعلیم، آموزش و آزمایش IoT تبدیل می‌شود. در نتیجه شاهد دستگاه‌های لبه خواهیم بود که مهارت‌های الگوی شناختی خود را توسعه می‌دهند و از طرف دیگر، یادگیری پیشرفته ماشین هم اتفاق خواهد افتاد.
تغییرات پیش رو و فرصت‌های عظیمی که در بخش محاسبات لبه رخ می‌دهد حاکی از یک دوران جدید در بخش فناوری است. به‌همین دلیل، باید خود را آماده پذیرش اتفاقات بعدی بکنیم.
- در خیلی از موارد، پردازش‌های تخصیص یافته موجب کاهش زمان پاسخ و تراکم شبکه می‌شود. خودروهای خودران به‌طور ویژه‌ای به پردازش‌های بلادرنگ متکی هستند تا بتوانند در کسری از ثانیه تصمیمات درست بگیرند.
- پردازش‌های اختصاصی باعث بهبود حریم شخصی کاربر می‌شود زیرا دیتای خام روی کلاود آپلود نمی‌شود.
- با این‌کار هرگونه نیاز به ساخت دیتاسنترهای متمرکز شده غیرکارآمد و بی‌مسئولیت کلاود از بین می‌رود. در نتیجه، دیتایی که به‌طور قابل‌توجه افزایش می‌یابد ساده‌تر مدیریت می‌شود.
- اطمینان‌پذیری پردازش اختصاصی در سطح دستگاه بیشتر است.
از طرف دیگر، نرم‌افزارها و سخت‌افزارهای امنیتی ترکیبی که از دیتای شخصی کاربر محافظت می‌کنند به‌راحتی در سطح لبه در دسترس هستند. به‌این ترتیب، کسب‌وکارهایی که سرویس‌های IoT را فراهم می‌کنند یک علامت اطمینان و اعتماد به میلیاردها کاربر مختلف در سطح جهان می‌فرستند تا آن‌ها از مزایای محاسبات لبه لذت ببرند.
منبع: شبکه
