بهترین شیوه‌ها برای پیاده‌سازی محاسبات لبه
محاسبات لبه از جمله فناوری‌های نوینی است که ظرف چند سال آینده اثرگذاری آن به وضوح روشن خواهد شد، با این وجود یکسری ملاحضات فنی که بیشتر حول محور امنیت، گسترش‌پذیری و فرهنگ‌سازمانی قرار دارند باعث شده‌اند کارشناسان عرضه شبکه نقدهایی بر آن وارد کنند. از بعد فرهنگی کارشناسان این پرسش را مطرح می‌کنند که سازمان‌ها بر مبنای چه راهکاری باید میزان مشارکت تیم‌های فناوری اطلاعات و تیم‌های اجرایی را بهبود بخشند؟ در این مقاله سعی کردیم به شکلی اجمالی به این پرسش‌ها پاسخ دهیم.

پردازش، تحلیل و ذخیره‌سازی داده به‌طور چشمگیری در حال انتقال به لبه شبکه است، نزدیک به‌جایی که کاربران و دستگاه‌ها برای دسترسی به اطلاعات به‌ آن نیاز دارند. ازاین‌رو جای تعجب نیست که محاسبات لبه به یک مولفه اصلی در سیاست‌گذاری بخش فناوری اطلاعات سازمان‌های در حال رشد تبدیل شود. در گزارش منتشر شده Grand View Research پیش‌بینی شده که بازار جهانی محاسبات لبه تا سال 2025 به 3.24 میلیارد دلار برسد که این پیش‌بینی نرخ رشد ترکیبی خارق‌العاده سالیانه 41 درصدی را در طول این دوره  نشان می‌دهد. طبق اعلام گرند ویوو، یکی از بزرگ‌ترین نقش‌آفرینان در افزایش محاسبات لبه، رشد مداوم اینترنت اشیا (IoT) است. حجم عظیم داده‌های ایجادشده توسط دستگاه‌های اینترنت اشیا می‌تواند باعث کندی و تاخیر در پردازش و انتقال آن شود و راهکارهای محاسبات لبه می‌تواند به افزایش توان پردازش این داده‌ها کمک کرده و مشکل تاخیر و سرعت‌پایین آن را برطرف کند. پردازش داده در نزدیک‌ترین فاصله از منبع داده قرار می‌گیرد که این امکان را برای کاربران تجاری فراهم می‌کند تا به‌صورت لحظه‌ای داده‌های دستگاه‌های اینترنت اشیا را در اختیار داشته باشند. این فناوری به تقویت بازار لبه و حضور شبکه‌هایی با سطح ارتباطی بسیار بالا در مناطقی مثل آمریکای شمالی کمک می‌کند. محاسبات لبه در صنایع گوناگونی مانند تولید، فناوری اطلاعات، مخابرات، بهداشت و سلامت کاربرد دارد. گرند ویوو  می‌گوید، تخمین زده می‌شود به دلیل توانایی‌های ذخیره‌سازی و پردازش آنی که ابزار محاسبات لبه ارائه کرده، خدمات بهداشت و سلامت در مدت‌زمان کوتاه‌تری ارائه شود و بخش بهداشت و علوم مرتبط باکیفیت زندگی رشد ترکیبی سالانه بالایی را تا سال 2025 تجربه کند. پشتیبانی از محاسبات لبه برای سازمان‌ها چالش‌برانگیز است، زیرا بخش‌های زیادی از محیط فعلی فناوری اطلاعات که تحت سلطه مراکز داده و خدمات مبتنی بر ابر سنتی هستند، به تغییر و جابجایی نیاز خواهند داشت. در ادامه با برخی از بهترین شیوه‌های اتخاذ یک سیاست‌گذاری مناسب برای اجرا و پیاده‌سازی محاسبات در لبه آشنا خواهید شد.

یک چشم‌انداز بلندمدت را برای محاسبات لبه در نظر بگیرید 

مت‌‌‌‌‌ کیمبال، تحلیلگر ارشد مرکز داده شرکت مشاوره و تحلیل فناوری Moor Insights & Strategy، می‌گوید: «محاسبات لبه اجزای مختلفی را در برمی‌گیرد و نیاز به ایجاد یک زیرساخت با ظرفیت و پهنای باند کافی برای نگهداری، انتقال، تجزیه‌وتحلیل و مواجهه با حجم عظیمی‌ از داده به‌صورت بلادرنگ نیاز دارد که در سمت شبکه، این به معنای پیاده‌سازی اتصالات از دستگاه‌ها به سمت ابر و مراکز داده است. هر چند شرکت‌ها ممکن است تمایل داشته باشند به‌منظور پشتیبانی از اینترنت اشیا و سایر محاسبات از راه دور خود هر چه سریع‌تر به زیرساخت‌های لبه مجهز شوند، اما چنین کاری یک‌شبه اتفاق نخواهد افتاد.»
کیمبال می‌گوید: «بزرگ فکر کن، کوچک عمل کن و این یعنی ترسیم‌کردن چشم‌اندازی بلندمدت برای پیاده‌سازی لبه. اما برای به‌کارگیری فناوری‌های لبه به شکل همه‌جانبه عجله به خرج ندهید.»
سرعت به‌کارگیری و پیاده‌سازی فناوری لبه بر اساس نوع صنعت، مدل پیاده‌سازی و عوامل دیگر متفاوت است. اما با توجه به‌سرعت بالای نوآوری در بازار لبه، این امکان وجود دارد که به‌راحتی با اجزای مختلفی از فناوری درگیر شوید که شاید اصلا مورد نیاز سازمان شما نباشد. کیمبال معتقد است: «به همین دلایل باید چشم‌انداز را ترسیم کرد و اجزای آن را گام‌به‌گام و قابل مدیریت و کنترل پیش برد.»
به‌عنوان بخشی از برنامه‌ریزی استراتژی لبه، یک طرح تجاری را ایجاد کنید که به تامین بودجه کمک می‌کند.
جنیفر کوک، سرپرست بخش تحقيقات سیاست‌گذاری‌های مراکز داده شرکت International Data Corp می‌گوید: «هزینه اصلی‌ترین نگرانی سازمان‌ها است، حتی بالاتر از امنیت اطلاعات. تامین بودجه کاری دشوار است و به یک برنامه‌ریزی دقیق بر اساس میزان منفعتی که فناوری لبه می‌تواند به همراه داشته باشد، نیاز دارد». 

مسائل فرهنگی را در نظر بگیرید: محاسبات لبه شامل فناوری اطلاعات و عملیاتی می‌شود

کیمبال معتقد است: «پرداختن به موضوع قدرت پردازش در لبه، نه تنها فناوری اطلاعات (IT) بلکه فناوری عملیاتی (OT) را نیز درگیر می‌کند و این‌ها دو موجودیت جداگانه با فرهنگ‌ها و هویت‌های متفاوت هستند.»
او می‌گوید: «افراد درگیر با فناوری عملیاتی متفاوت هستند و در بیشتر موارد همان افراد فنی هستند که از توان بالاتری برخوردارند، اما روی مواردی نظیر اطمینان از این‌که تأسیسات تصفیه آب به‌درستی از طریق سیستم‌های کنترل فرآیند نظارت و کنترل اطلاعات (SCADA)کار کند، تمرکز دارند. این‌ها سیستم‌هایی هستند که مطمئن می‌شوند دریچه‌ها در زمان‌های خاص باز می‌شوند. برای مثال، شرایط محیطی در محدوده‌های خاصی قرار دارند. این همان فناوری اطلاعات در نظر گرفته‌شده برای محیط صنعتی است. بنابراین پردازش‌ها، ابزار و نوع فناوری مستقرشده و مدیریت‌شده بین این دو سازمان متفاوت است».
با وجود این‌که پیوند دادن این دو در یک گروه که از هسته مرکز داده تا شعبه‌ها مدیریت می‌شوند، چالش بزرگی است، اما موضوعی است که حتما باید به آن رسیدگی شود. کیمبال می‌گوید: «فرهنگ اهمیت دارد. اگر یک سازمان نتواند یک همگرایی را بین فناوری اطلاعات و فناوری عملیات در سطح سازمانی ایجاد کند، همگرایی فناوری به‌زودی شکست خواهد خورد».
دنیل نیومن، تحلیلگر ارشد شرکت Futurum Research براساس مطالعات انجام شده در سال 2018 می‌گوید: گروه‌های فناوری اطلاعاتی و عملیاتی باید به‌طور یکسان با یکدیگر مشارکت داشته باشند. امروزه، محاسبات لبه عمدتا توسط گروه‌های عملیاتی هدایت می‌شود و گروه‌های فناوری اطلاعات نیز در بیشتر از دوسوم شرکت‌های بزرگ مسئول مدیریت این سیستم‌ها هستند.» برای گسترش محاسبات لبه و افزایش ارزش تجاری حاصل از آن، فناوری اطلاعات باید به یک همکاری استراتژیک با گروه‌های عملیاتی دست پيدا کند. که این کار شامل مدیریت منابع محاسبات لبه و سیاست‌گذاری‌های بلندمدت، تامین بودجه و منابع می‌شود تا این اطمینان به وجود آید که این سیستم‌ها با ابتکارات استراتژیک و تحولات بزرگ‌تر و گسترده‌تر سازمانی همخوانی داشته باشند.

پیدا کردن شرکایی که به پیاده‌سازی فناوری محاسبات لبه کمک می‌کنند

کوک می‌گوید: «بسیاری از سازمان‌ها با کمبود مهارت‌های داخلی برای پشتیبانی از لبه مواجه هستند. به همین دلیل ما بر این باوریم که بسیاری از ساخت‌وسازهای لبه را می‌توان از طریق مشارکت با مجموعه‌ای از خدمات‌دهندگان و همچنین استفاده از راهکارهای صنعتی موازی به سرانجام رساند.»
شرکتی که کوک در آن فعالیت می‌کند به این نتیجه رسیده که بسیاری از سازمان‌ها به دنبال یک راهکار تک‌بعدی و سریع برای رساندن خدمات فناوری اطلاعات به لبه هستند. او می‌گوید: «همکاری با متخصصان دیگر موجود در این بازار به سازمان‌ها برای طی کردن مسیر دستیابی به فناوری محاسبات لبه کمک بزرگی خواهد کرد.»
برای نمونه، یک شرکت خرده‌فروشی ممکن است در پیاده‌سازی یک راهکار تمایل نداشته باشد که تمام قطعات این پازل را خودش کنار هم بگذارد یا ممکن است بخواهد بخشی از زیرساخت‌های محاسبات لبه داده‌کاوی خود را به متخصصان این حوزه محول کند.
کوک می‌گوید: مسائلی به مراتب اصلی‌تر و بزرگ‌تر از نرم‌افزارهایی که برای تحلیل داده‌ها استفاده می‌شوند، وجود دارند. راه‌حل‌های ارائه شده به یک زیرساخت محاسباتی و ذخیره‌سازی نیاز دارند که مرتبط با ابزارهای تحلیل‌گر باشند. ملاحضاتی همچون کنترل محیط فیزیکی به لحاظ تغییرات محیطی (رطوبت و دما)، امنیت فیزیکی و حفاظت از تجهیزات نیز مسائل حائز اهمیت دیگری هستند که باید به آن‌ها رسیدگی شود. یک شریک خبره می‌تواند به این مسائل رسیدگی کند.

امنیت محاسبات لبه را فراموش نکنید 

محاسبات لبه هم مانند جنبه‌های دیگر فناوری اطلاعات، با تهدیدات و آسیب‌پذیری‌های مختص به خود روبه‌رو است.
InfoSec Institute سازمان فراهم‌کننده آموزش‌های مربوط به امنیت اطلاعات و متخصصان فناوری اطلاعات، در اگوست 2018 به برخی از مشکلات امنیتی مربوط به لبه اشاره‌کرده است. این مخاطرات امنیتی موارد زیر را شامل می‌شوند:
1. گذرواژه‌های ضعیفی که برای دسترسی به دستگاه‌ها استفاده شده و دستگاه‌ها را به اهدافی بالقوه و سهل‌الوصول برای هکرها تبدیل می‌کنند
2. ارتباطات غیر ایمنی که بدون استفاده از الگوریتم‌های رمزگذار یا الگوریتم‌های ضعیف برای تبادل داده‌ها میان دستگاه‌ها استفاده شوند و در عمل به هکرها اجازه می‌دهند یک حمله مرد میانی را پیاده‌سازی کنند. 
3. مخاطرات امنیتی فیزیکی که بیشتر به واسطه عدم توجه به برقراری امنیت فیزیکی به وجود می‌آید، زیرا تمرکز طراحان در زمان طراحی  و توسعه اینترنت اشیا بیشتر روی استانداردها و پروتکل‌ها قرار دارد و در نتیجه تجهیزات اینترنت اشیا و دستگاه‌های لبه ممکن است در مکان‌های فیزیکی غیرایمنی نصب شوند که هر کاربری به راحتی به آن‌ها دسترسی خواهد داشت.
4. عدم توجه به خط‌مشی‌هایی که اعلام می‌دارند سرویس‌هایی که احتمال آسیب‌پذیر بودن آن‌ها زیاد است نباید به راحتی در معرض دید قرار گیرند
5. عدم آگاهی اعضا تیم امنیتی از سرویس‌هایی که روی دستگاه‌های مشخصی در حال اجرا است و ممکن است رخنه‌هایی را به وجود آورند. 
کیمبال می‌گوید: «نه تنها امنیت خود دستگاه‌ها، بلکه امنیت داده‌هایی که منتقل می‌کنند، امنیت سرورهایی که در لبه قرار دارند و تامین امنیت اجرای تجزیه‌وتحلیل داده‌ها و مسیری که این داده‌ها از لبه به سمت ابر یا مراکز داده اصلی طی می‌کنند. مشکلاتی هستند که حتما باید به آن‌ها رسیدگی شود.» نیومن معتقد است: «شرکت‌ها به سیاست‌گذاری امنیتی برای افزایش سطح ایمنی در هر دو سمت اینترنت اشیا و سیستم‌های محاسبات لبه از دیدگاه فیزیکی یا منطقی نیاز خواهند داشت که این سیاست‌گذاری امنیتی شامل داده‌های پردازش‌شده و هم داده‌های باقی‌مانده در لبه می‌شود.» 

مطلب پیشنهادی

خرید کتاب مکاتب، متدولوژی، طراحی، مدیریت و نگهداری مراکز داده با تخفیف ویژه

آمادگی برای رشد سریع اینترنت اشیا: نیاز به محاسبات لبه گسترش‌پذیر 

در بعضی از بخش‌ها مانند صنایع تولیدی، بهداشت و سلامت، صنایع کاربردی و شهرسازی، دولت الکترونیک، رشد اینترنت اشیا و بر اساس آن تعداد دستگاه‌های متصل‌به‌هم و حجم داده‌های حاصل از آن طی سال‌های آینده به میزان قابل‌ملاحظه‌ای افزایش پیدا خواهد کرد، به همین دلیل، شرکت‌ها باید در طرح‌های محاسبات لبه خود قابلیت گسترش‌پذیری را لحاظ کنند.
موسسه Futurum در گزارش سال 2018 عنوان کرد: «ما شاهد افزایش کلی داده‌های تولیدشده و پردازش‌شده در لبه خواهیم بود، همچنین شاهد افزایش حجم داده‌های تولیدشده از طریق خود شرکت‌ها و به‌ویژه در لبه هوشمند آینده نیز خواهیم بود.»
در این گزارش آمده است: «هر چه محاسبات لبه برای پشتیبانی عملیاتی از دستگاه‌های اینترنت اشیا و داده‌ها گسترش پیدا می‌کند، پیاده‌سازی محاسبات لبه باعث خواهد شد تا اداره داده‌های حاصل از منابع مبتنی بر اینترنت اشیا ساده‌تر شود. بدون برنامه‌ریزی برای ایجاد یک بستر گسترش‌پذیر برای ذخیره‌سازی، تحلیل داده، اتصالات شبکه و دیگر کاربردهای مرتبط شرکت‌ها قادر نخواهند بود از تمام مزایای لبه یا اینترنت اشیا برخوردار شوند.»

ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را می‌توانید از کتابخانه‌های عمومی سراسر کشور و نیز از دکه‌های روزنامه‌فروشی تهیه نمائید.

ثبت اشتراک نسخه کاغذی ماهنامه شبکه     
ثبت اشتراک نسخه آنلاین

 

کتاب الکترونیک +Network راهنمای شبکه‌ها

  • برای دانلود تنها کتاب کامل ترجمه فارسی +Network  اینجا  کلیک کنید.

کتاب الکترونیک دوره مقدماتی آموزش پایتون

  • اگر قصد یادگیری برنامه‌نویسی را دارید ولی هیچ پیش‌زمینه‌ای ندارید اینجا کلیک کنید.

ایسوس

نظر شما چیست؟