In diesem Paper werden zunächst Edge und Cloud Computing definiert und anschließend die Vor- und Nachteile von Edge im Vergleich zum Cloud Computing erläutert.
Cloud Computing hat unser Leben stark beeinflusst. Plattformen wie YouTube oder Apple iCloud werden von Millionen von Menschen täglich genutzt. Aber das Grundprinzip von Cloud Computing, dass Geräte nur Daten konsumieren, entspricht schon lange nicht mehr der Normalität.
Im Zuge vom Internet der Dinge konsumieren immer mehr elektronische Geräte wie Smartphones, LED-Bars, Lautsprecher und Smartwatches nicht nur Daten, sondern produzieren auch eine große Anzahl, welche sie unter anderem durch Sensoren, Kameras oder Mikrofonen sammeln. Jedes Jahr gibt es immer mehr vernetzte Geräte, welche auch Anwendungen besitzen, welche eine Datenverarbeitung in Echtzeit benötigen. Unter diesen Voraussetzungen wirkt das Prinzip von Cloud Computing veraltet und Edge Computing nimmt eine immer größer werdende Rolle ein, da es genau auf diese Neuerungen ausgerichtet ist.
Doch ist Edge Computing in allen Bereichen dem Cloud Computing überlegen oder besitzt es noch so viele Nachteile, dass es noch gar nicht dazu bereit ist, Cloud Computing Konkurrenz zu machen? Aus all diesen Gründen wir in diesem Paper die Frage behandelt, welche Vor- und Nachteile Edge Computing im Vergleich zum Cloud Computing besitzt.
Inhaltsverzeichnis
I. EINLEITUNG
II. METHODIK
III. WAS IST CLOUD COMPUTING?
IV. COMPUTING IM VERGLEICH ZU CLOUD COMPUTING?
A. Geschwindigkeit der Datenverarbeitung
B. Energieverbrauch
C. Rechenleistung
D. Programmierbarkeit
E. Sicherheit
VI. FAZIT
Zielsetzung & Themen der Arbeit
Die vorliegende Arbeit untersucht die technologische Relevanz von Edge Computing in einer Welt zunehmender Datenmengen und Echtzeitanforderungen, indem sie das Modell systematisch den etablierten Cloud-Computing-Strukturen gegenüberstellt, um Vor- und Nachteile in Kernbereichen wie Performance, Effizienz und Sicherheit zu bewerten.
- Definition und konzeptionelle Abgrenzung von Cloud- und Edge-Computing
- Analyse der Latenz- und Geschwindigkeitsvorteile durch lokale Datenverarbeitung
- Vergleich der Energieeffizienz beider Architekturen
- Herausforderungen bei Programmierbarkeit und Standardisierung
- Sicherheitsaspekte beim Edge-Computing im IoT-Kontext
Auszug aus dem Buch
A. Geschwindigkeit der Datenverarbeitung
Intelligente elektronischer Geräte wie Smartphones, LEDBars, Lautsprecher und Smartwatches nehmen einen immer höheren Stellenwert in unserem Leben ein. Nach [12] wird es bis zum Jahr 2025 mehr als 75 Milliarden vernetzte Geräte geben, welche nicht nur Daten konsumieren, sondern auch zahlreich produzieren. Nach Schätzungen werden laut [11] im Jahr 2025 175 Zettabyte an Daten produziert. Im Vergleich dazu sollen die Rechenzentren bis Ende 2021 einen maximalen IP-Verkehr von 20,6 Zettabyte erreichen [10]. Das entspricht einen Anstieg von 6 Zettabyte seit 2016. Daran kann man sehen, dass die Kapazitäten der Rechenzentren nicht mit der steigenden Datenanzahl mithalten können.
Zusätzlich steigt die Geschwindigkeit der InternetBandbreite nur minimal im Vergleich zu der Datenmenge, was für das Cloud Computing ein großer Nachteil ist. Zum Beispiel generiert eine Boeing 787 etwa 5 GB an Daten jede Sekunde aber die Bandbreite zur einen Satelliten oder einer Basisstation auf der Erde ist nicht groß genug dafür [5].
Für weitere Maschinen und Geräte in unserem Alltag wie Autos spielt die Echtzeitverarbeitung von Daten eine große Rolle. Ein autonom fahrendes Fahrzeug, könnte nicht funktionieren, wenn es seine Daten zu Cloud senden müsste, welche diese anschließend verarbeitet, da die dafür benötigte Zeit, durch die Kombination der niedrigen InternetBandbreite und der hohe Datenmenge, zu hoch wäre. Auch wenn das der Fall wäre, würde die hohe Anzahl der Fahrzeuge die Internet-Bandbreite bis an ihr Limit auslasten [5].
Edge Computing ermöglicht eine schnellere Reaktionszeit als Cloud Computing. Nach [5] haben Forscher eine Gesichtserkennungsanwendung entwickelt und diese von einer Cloud auf die Edge verlagert und die Reaktionszeit gemessen. Durch die Verlagerung dieser Anwendung von Cloud auf Edge Computing, konnte diese von 900 auf 169ms reduziert werden.
Zusammenfassung der Kapitel
I. EINLEITUNG: Die Einleitung beleuchtet den Paradigmenwechsel vom reinen Cloud-Modell hin zum Edge Computing, getrieben durch die steigenden Anforderungen des Internet der Dinge.
II. METHODIK: Dieses Kapitel beschreibt das Vorgehen bei der Literaturrecherche unter Verwendung von wissenschaftlichen Suchmaschinen und Discovery-Systemen.
III. WAS IST CLOUD COMPUTING?: Hier wird der Ursprung und das Betriebsmodell des Cloud Computings als zentrale Infrastruktur und IT-Versorgungsleistung definiert.
IV. COMPUTING IM VERGLEICH ZU CLOUD COMPUTING?: Der Hauptteil analysiert die beiden Konzepte detailliert hinsichtlich Latenz, Energieverbrauch, Rechenkapazitäten, Implementierungshürden und Sicherheitsrisiken.
VI. FAZIT: Das Fazit fasst die Abwägung zwischen den Vorteilen des Edge Computings und den aktuell noch bestehenden entwicklungsbedingten Defiziten zusammen.
Schlüsselwörter
Edge Computing, Cloud Computing, Internet der Dinge, IoT, Datenverarbeitung, Latenz, Energieeffizienz, Echtzeit, Infrastruktur, Datensicherheit, Rechenzentren, Vernetzte Geräte, Frameworks.
Häufig gestellte Fragen
Worum geht es in dieser wissenschaftlichen Arbeit?
Die Arbeit befasst sich mit der vergleichenden Analyse von Edge Computing gegenüber der etablierten Cloud-Computing-Architektur.
Welche zentralen Themenfelder werden bearbeitet?
Die Arbeit fokussiert sich auf die technologischen Unterschiede, die Performance von Echtzeitanwendungen, Energieverbrauch sowie Sicherheitsherausforderungen.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es zu klären, ob und inwieweit Edge Computing eine konkurrenzfähige Alternative zur Cloud darstellt und welche Stärken und Schwächen sich dabei ergeben.
Welche wissenschaftliche Methode wurde gewählt?
Es wurde eine systematische Literaturanalyse durchgeführt, bei der spezifische Suchstrings in Google Scholar und dem Hochschulsystem EDDI genutzt wurden.
Welche Aspekte stehen im Hauptteil im Fokus?
Im Hauptteil werden die Kategorien Geschwindigkeit, Energieverbrauch, Rechenleistung, Programmierbarkeit und Sicherheit detailliert evaluiert.
Welche Schlagworte charakterisieren diese Analyse?
Zentrale Begriffe sind Edge Computing, Cloud Computing, Echtzeitverarbeitung, IoT und Datenmenge.
Warum ist das autonome Fahren ein so wichtiges Beispiel für Edge Computing?
Autonome Fahrzeuge benötigen aufgrund der sicherheitskritischen Anforderungen Latenzzeiten, die eine Verarbeitung in der Cloud aufgrund mangelnder Bandbreite unmöglich machen würde.
Was ist die größte Hürde für die breite Einführung von Edge Computing?
Die Arbeit identifiziert die fehlende Standardisierung, die hohe Komplexität bei der Programmierung und die Notwendigkeit neuer Sicherheits-Frameworks als Haupthindernisse.
Ist Cloud Computing durch Edge Computing obsolet?
Nein, die Arbeit kommt zu dem Schluss, dass beide Technologien koexistieren und verschiedene Anforderungen abdecken, wobei dem Edge Computing eine wachsende Bedeutung zukommt.
- Quote paper
- Anonym (Author), 2020, Edge und Cloud Computing im Vergleich. Vor- und Nachteile, Munich, GRIN Verlag, https://www.hausarbeiten.de/document/1358765
