بنیاد لینوکس معتقد است که محاسبات اج بهتر از رایانش ابری عمل می کنند

بنیاد لینوکس

بنیاد لینوکس در حال سازماندهی است این هفته در آنتورپ ، بلژیک ، اجلاس شبکه باز (ONS) ، رویدادی متمرکز بر شبکه های صنعت ، و عمدتا برای بحث در مورد آینده شبکه های منبع باز است.

این رویداد از چند روز پیش آغاز شده و تا 25 سپتامبر ادامه خواهد داشت. در سخنرانی اصلی خود در نشست شبکه باز روز دوشنبه ، 23 سپتامبر ، آرپیت جوشیپورا، مدیر کل شبکه های بنیاد لینوکس ، وی گفت: محاسبات لبه ای به سرعت در حال رشد است و تا سال 2025 از رایانش ابری پیشی خواهد گرفت.

Edge computing چیست؟

محاسبات لبه، همچنین محاسبه لبه یا محاسبات لبه ای نامیده می شود ، واز روش بهینه سازی استفاده شده است در رایانش ابری که شامل پردازش داده ها در حاشیه شبکه ، نزدیک لبه شبکه است.

بنابراین ، پهنای باند مورد نیاز بین سنسورها و مراکز داده به حداقل می رسد با انجام تجزیه و تحلیل تا حد ممکن به منابع داده. این رویکرد به بسیج منابعی (لپ تاپ ، تلفن هوشمند ، تبلت یا حسگر) نیاز دارد که ممکن است به طور دائم به شبکه متصل نباشند.

به عبارت دیگر ، محاسبات لبه شامل پردازش داده ها در نزدیکی لبه شبکه ای است که برای تولید داده استفاده می شود و نه در یک انبار داده متمرکز مانند مرکز داده.

محاسبات لبه همچنین توجه شرکت های بزرگ را به خود جلب می کند و سازمانهایی مانند بنیاد لینوکس. در ژانویه 2019 ، بنیاد لینوکس ابتکار LF Edge را برای ایجاد چارچوبی باز و قابل همکاری آغاز کرد.

LF Edge با جهشی رشد می کند

LF Edge سازمانی در بنیاد لینوکس است که هدف آن ایجاد یک چارچوب باز و قابل همکاری برای محاسبات Edge ، صرف نظر از سخت افزار ، cloud یا سیستم عامل است. این سازمان که نه ماه پیش راه اندازی شده است ، رشد چشمگیری را تجربه کرده است.

LF Edge به دنبال قرار دادن تمام وسایل جانبی IT زیر یک سقف است با یک فناوری واحد. هدف اصلی شما ایجاد پشته نرم افزار است یکپارچه بازار فناوری اطلاعات است در حاشیه حول یک چشم انداز مشترک و باز از آینده صنعت.

در روز اول اجلاس شبکه های باز روز دوشنبه در بلژیک ، LF Edge اعلام کرد که این پروژه با رشد سریع ادامه دارد و اکنون میزبان دو پروژه جدید و چهار عضو جدید است.

Arpit Joshipura اعلام کرد که دو پروژه دیگر در LF Edge ادغام شده اند: Baetyl و Fledge. قبلاً با نام Baidu OpenEdge شناخته می شد ، Baetyl پروژه ای است که توسط Baidu پشتیبانی می شود.

Baetyl یکپارچه محاسبات ابری ، داده ها و خدمات دستگاه را گسترش می دهد ، اجازه می دهد تا توسعه دهندگان برای توسعه برنامه های سبک ، امن و مقیاس پذیر. Baetyl در درجه اول توسعه دهندگان IoT Edge را که نیاز به رایانش ابری ، داده ها و خدمات دارند ، هدف قرار می دهد.

Fledge یک صنعت پیشرو در جامعه و چارچوب منبع باز است تمرکز بر عملیات حیاتی ، نگهداری پیش بینی ، آگاهی از موقعیت و ایمنی.

Fledge با پشتیبانی Dianomic و قبلاً FogLAMP شناخته می شود ، برای ادغام IdOT (اینترنت اشیا Industrial صنعتی) ، حسگرها و ماشین های مدرن طراحی شده است که همگی دارای یک مجموعه مشترک از API های برنامه و مدیریت هستند. با سیستم های صنعتی Brownfield و همچنین ابر.

توسعه دهندگان Fledge در حال طراحی راه حل های ساخت صنعتی هوشمند ، بهتر و ارزانتر برای تسریع در تصویب Industrial 4.0 هستند.

در همان زمان، بنیاد IOTA ، بنیاد SAIC (TESRA) ، نرم افزار تندر و Zenlayer به عنوان اعضای عمومی عضو می شوند.

"جای تعجب است که شاهد چنین پشتیبانی صنعتی از نوآوری مشترک برای ایجاد یک چارچوب منبع باز نسل بعدی هستیم. فقط در عرض نه ماه ، LF Edge رشد خارق العاده ای داشته است. ما نمی توانستیم خوشحال باشیم که از اعضای جدید و پروژه هایمان استقبال کنیم. ”گفت Arpit Joshipura.

"تخصص اضافی در زمینه های صنعت پیشرفته ، تولید ، انرژی و موارد دیگر جامعه و اکوسیستم را به مجموعه کاملتری از فن آوری های پیشرفته نزدیکتر می کند و نوآوری مشترک را برای همه فراهم می کند. بخشهای پیشرفته فناوری "، وی افزود. بنابراین ، بر این اساس ، Joshipura معتقد است که محاسبات محیطی به سرعت در حال توسعه است و تا سال 2025 از رایانش ابری پیشی خواهد گرفت.


محتوای مقاله به اصول ما پیوست اخلاق تحریریه. برای گزارش یک خطا کلیک کنید اینجا.

اولین کسی باشید که نظر

نظر خود را بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخشهای موردنیاز علامتگذاری شدهاند با *

*

*

  1. مسئول داده ها: میگل آنخل گاتون
  2. هدف از داده ها: کنترل هرزنامه ، مدیریت نظرات.
  3. مشروعیت: رضایت شما
  4. ارتباط داده ها: داده ها به اشخاص ثالث منتقل نمی شوند مگر با تعهد قانونی.
  5. ذخیره سازی داده ها: پایگاه داده به میزبانی شبکه های Occentus (EU)
  6. حقوق: در هر زمان می توانید اطلاعات خود را محدود ، بازیابی و حذف کنید.