Auch hier bezieht sich Edge Computing auf die Lokalisierung und Ausführung von Anwendungs-Workloads so nah wie möglich an dem Ort, an dem Daten erzeugt werden – zum Beispiel dort, wo Benutzer mit Geräten wie Mobiltelefonen oder Barcode-Scannern interagieren oder wo IoT-Geräte wie Sicherheitskameras oder Maschinensensoren Daten sammeln und erzeugen.
Einfach ausgedrückt: Edge Computing ermöglicht es Ihnen, „die Mathematik zu den Daten zu bringen“ – die Berechnungen dort durchzuführen, wo die Daten entstehen, anstatt die Daten zur Verarbeitung in ein zentrales Cloud-Rechenzentrum zu verschieben und dann dorthin zurückzukehren, wo die Antworten für die Entscheidungsunterstützung oder Prozessautomatisierung benötigt werden. Infolgedessen wird Edge Computing zunehmend als unverzichtbar für Anwendungen angesehen, die große Datenmengen mit hoher Geschwindigkeit oder in Echtzeit verarbeiten, wenn eine geringe Latenzzeit entscheidend ist.
Sie können Edge Computing auch ohne eine verteilte Cloud-Architektur implementieren. Aber eine verteilte Cloud macht die Bereitstellung und Verwaltung von Edge-Anwendungen viel einfacher.
Stellen Sie sich vor, Sie betreiben mehrere Produktionsanlagen, jede mit einem eigenen Edge-Server, der von verschiedenen Cloud-Service-Anbietern gehostet wird und Daten verarbeitet, die von Tausenden von Sensoren erzeugt werden. Mit einer verteilten Cloud können Sie alles – z. B. die Bereitstellung und Verwaltung von Kubernetes-Clustern, die Durchführung von Sicherheitsupdates und die Überwachung der Leistung – von einer einzigen Steuerungsebene, einem Dashboard und einem Satz von Tools aus einer einzigen Cloud heraus steuern und verwalten. Ohne verteilte Cloud könnten sich diese Aufgaben und Tools je nach Standort des Edge-Servers unterscheiden.