Edge Computing: Solusi untuk semua komputasi
Tugas komputasi menuntut arsitektur yang sesuai, dan arsitektur yang cocok untuk satu jenis tugas komputasi belum tentu cocok untuk semua jenis tugas komputasi. Komputasi edge telah muncul sebagai arsitektur yang layak dan penting, mendukung komputasi terdistribusi dengan menempatkan sumber daya komputasi dan penyimpanan lebih dekat—idealnya di lokasi fisik yang sama dengan—sumber data. Secara umum, model komputasi terdistribusi bukanlah hal yang baru, dan konsep kantor jarak jauh, kantor cabang, kolokasi pusat data, dan komputasi awan memiliki rekam jejak panjang yang telah terbukti.
Namun, desentralisasi bisa menjadi tantangan tersendiri, menuntut pemantauan dan kontrol tingkat tinggi yang sering kali terabaikan ketika beralih dari model komputasi terpusat tradisional. Komputasi edge menjadi relevan karena menawarkan solusi efektif untuk masalah jaringan terkait pemindahan data dalam jumlah besar yang diproduksi dan dikonsumsi oleh organisasi saat ini. Ini bukan hanya masalah jumlah, tetapi juga masalah waktu; aplikasi bergantung pada pemrosesan dan respons yang semakin sensitif terhadap waktu.
Pertimbangkan munculnya self-driving car. Mobil-mobil ini bergantung pada sinyal kontrol lalu lintas yang cerdas, yang perlu menghasilkan, menganalisis, dan bertukar data secara real-time. Ketika kebutuhan ini dikalikan dengan jumlah kendaraan otonom yang sangat besar, cakupan potensi masalah menjadi lebih jelas. Jaringan yang cepat dan responsif sangat dibutuhkan, dan komputasi edge serta fog computing membantu mengatasi tiga keterbatasan jaringan utama: bandwidth, latensi, dan kemacetan atau keandalan.
Bandwidth: Bandwidth adalah jumlah data yang dapat dibawa oleh jaringan dari waktu ke waktu, biasanya dinyatakan dalam bit per detik. Semua jaringan memiliki bandwidth yang terbatas, terutama untuk komunikasi nirkabel, yang berarti ada batas jumlah data atau perangkat yang dapat mengomunikasikan data melalui jaringan. Meskipun meningkatkan bandwidth jaringan dimungkinkan, biayanya besar dan tetap ada batasan.
Latency: Latensi adalah waktu yang dibutuhkan untuk mengirim data antara dua titik pada jaringan. Meskipun idealnya komunikasi terjadi pada kecepatan cahaya, jarak fisik yang jauh serta kemacetan atau pemadaman jaringan dapat menunda pergerakan data, menunda proses analisis dan pengambilan keputusan, serta mengurangi kemampuan sistem untuk merespons secara real-time. Dalam kasus kendaraan otonom, ini dapat berakibat fatal.
Congestion: Internet adalah “jaringan dari jaringan” global. Meski telah berevolusi untuk pertukaran data tujuan umum yang baik, volume data dari miliaran perangkat dapat membanjiri internet, menyebabkan kemacetan tinggi dan pengiriman ulang data yang memakan waktu. Pemadaman jaringan memperburuk kemacetan dan bisa memutus komunikasi ke beberapa pengguna internet, membuat Internet of Things (IoT) tidak berguna selama pemadaman.
Mengatasi tantangan dengan komputasi edge: Dengan menggunakan server dan penyimpanan di lokasi di mana data dihasilkan, komputasi edge dapat mengoperasikan banyak perangkat melalui LAN yang lebih kecil dan efisien, di mana bandwidth cukup digunakan secara eksklusif oleh perangkat penghasil data lokal, sehingga latensi dan kemacetan hampir tidak ada. Penyimpanan lokal mengumpulkan dan melindungi data mentah, sementara server lokal dapat melakukan analisis tepi yang penting, atau setidaknya melakukan pra-proses dan mengurangi data, untuk membuat keputusan secara real-time sebelum mengirim hasil atau hanya data penting ke cloud atau pusat data.
Kontribusi Komputasi Edge terhadap Keberlanjutan: Selain keunggulan teknis, komputasi edge juga berkontribusi pada keberlanjutan lingkungan. Dengan mengurangi kebutuhan untuk mengirim data dalam jumlah besar ke pusat data jarak jauh, teknologi ini mengurangi konsumsi energi yang diperlukan untuk transmisi data dan operasional pusat data besar. Ini berpotensi mengurangi jejak karbon organisasi dan membantu mencapai target keberlanjutan lingkungan.
Peluang Inovasi dengan Edge Computing: Ke depan, komputasi edge akan membuka peluang inovasi baru dalam berbagai bidang. Dalam sektor kesehatan, misalnya, perangkat medis yang terhubung dapat memberikan analisis real-time untuk diagnostik yang lebih cepat dan penanganan darurat yang lebih efisien. Di sektor manufaktur, sensor edge dapat digunakan untuk pemeliharaan prediktif, mengurangi downtime dan meningkatkan produktivitas. Dalam agrikultur, teknologi ini dapat mengoptimalkan penggunaan sumber daya dengan pemantauan kondisi tanaman dan tanah secara real-time, meningkatkan hasil pertanian dan efisiensi.
source: https://www.techtarget.com/searchdatacenter/definition/edge-computing
