Fog-Computing vs. Edge-Computing verstehen

Was ist Edge-Computing im Gegensatz zu Fog-Computing? Diese Begriffe werden oft synonym verwendet, aber es gibt einen Unterschied. Sehen Sie sich hier unser Video zum Thema Fog vs. Edge an. Wenn Sie lieber lesen, finden Sie nachfolgend alle Informationen.

In früheren Blogbeiträgen haben wir uns mit Edge-Computing und Cloud-Computing befasst. In diesem Beitrag gehen wir einen Schritt zurück. Wir betrachten das Gesamtbild und behandeln Edge-Computing im Vergleich zu Fog-Computing. Dazu beleuchten wir die Unterschiede und Ähnlichkeiten zwischen diesen. Außerdem geben wir einige praktische Beispiele, um zu entwirren, was zu einer häufigen Frage geworden ist. Schließlich arbeiten Unternehmen jeder Form und Größe daran, den besten Standort für die Rechenleistung zu finden. 

Bevor wir also in die Unterschiede zwischen Edge-Computing und Fog-Computing eintauchen, ist es wichtig, Cloud-Computing zu verstehen. Eine vereinfachte Definition von Cloud-Computing ist Rechenleistung, die als Online-Dienst zur Verfügung gestellt wird. Dieser Dienst wird häufig von einer dritten Partei angeboten. Ein gutes Beispiel sind Anbieter von Online-Speicher- und Dateiverwaltungsdiensten. Beispielsweise ist Google Drive ein solcher Dienst. 

Bei diesen Anbietern speichert Ihr physisches Gerät Ihre Dateien nicht wirklich. Die “Cloud“ speichert Ihre Dateien. In industriellen Anwendungen könnten diese Daten, die in vielen Formen vorliegen können, ihren Ursprung bei IoT-Sensoren haben. Anschließend können sie an einen Cloud-Service wie Amazon Web Services oder Microsoft Azure gesendet werden. Dazu müssen die physischen Geräte im Feld die Daten in die Cloud übertragen. Hier kommen Edge-Computing und Fog-Computing ins Spiel.

Ein Beispiel dafür, wie die Sensor-, Edge-, Fog- und Cloud-Ebenen einer Datenverarbeitungsinfrastruktur miteinander verbunden werden.

Was ist Edge-Computing?

Edge-Computing bringt, wie der Name schon sagt, die Datenberechnung näher an das “Edge” des Netzwerks, dorthin, wo die Daten erzeugt werden. Dies kann dazu beitragen, den Betrieb eines dezentralen Rechenzentrums zu verringern oder sogar überflüssig zu machen, da alle Daten vor Ort verarbeitet werden. Auch die Latenzzeit wird reduziert, sodass Entscheidungen in Echtzeit getroffen werden können. Es ist nicht mehr nötig, auf die Verarbeitung der Daten an einem anderen Ort zu warten.

Um Edge-Computing besser zu verstehen, schauen wir uns ein reales Beispiel für die vorausschauende Wartung in einer Fertigungsumgebung an. Mit in die Fertigungsanlagen eingebetteten Sensoren können kontinuierlich Daten an einen nahe gelegenen Edge-Server gesendet werden. 

Mithilfe von KI-Algorithmen, die auf historischen Daten basieren, können diese Daten dann verarbeitet und analysiert werden. So lässt sich die Wahrscheinlichkeit einer Systemstörung ermitteln. Dies wiederum kann dabei helfen, ungeplante Ausfallzeiten zu vermeiden. Tatsächlich kann die vorausschauende Wartung dazu beitragen, ungeplante Ausfallzeiten um bis zu 70 Prozent zu reduzieren.

Mehr über die Vorteile von Edge-Computing erfahren Sie auf unserem Blog.

Die Herausforderungen des Edge-Computing

Obwohl Edge-Computing für viele Anwendungen ideal ist (insbesondere für solche mit zeitkritischen Daten), ist es wichtig, auch die potenziellen Nachteile der Edge-Technologie zu kennen, bevor sie als Lösung implementiert wird.

Die Vorabkosten für die Infrastruktur können beim Edge-Computing hoch sein. Im Gegensatz zum Cloud-Computing, bei dem die Daten in einer externen, oft von Dritten bereitgestellten „Cloud“ gespeichert werden (mehr dazu weiter unten), werden beim Edge-Computing die Daten lokal verarbeitet und gespeichert. Das bedeutet, dass Sie beim Edge-Computing mehr Hardware vor Ort benötigen.

Edge-Computing birgt auch Risiken für die Datenspeicherung. Wenn Sie vor Ort Edge-Geräte haben, auf denen Informationen gespeichert sind, die nicht gesichert wurden, können Sie Ihre Daten dauerhaft verlieren, wenn die Hardware beschädigt oder zerstört wird, verloren geht oder gestohlen wird. Um diese Risiken zu minimieren, sollten Sie Ihre Daten stets zuverlässig sichern und die Verlässlichkeit der Hardware bei der Auswahl von Edge-Geräten in den Vordergrund stellen.

Was ist Fog-Computing?

Fog Computing, auch Fog-Networking genannt, ist eine Rechenebene zwischen der Cloud und dem Edge. Wo Edge-Computing riesige Datenströme direkt an die Cloud senden könnte, kann Fog-Computing die Daten von der Edge-Ebene empfangen, bevor sie die Cloud erreichen und dann entscheiden, was relevant ist und was nicht. Die relevanten Daten werden in der Cloud gespeichert. Gleichzeitig können die irrelevanten Daten gelöscht oder in der Fog-Ebene für den Fernzugriff oder zur Information lokalisierter Lernmodelle analysiert werden.

Ein gutes praktisches Beispiel für Fog-Computing wäre eine Embedded-Anwendung auf einer Produktionslinie, bei der ein mit einem Edge-Server verbundener Temperatursensor die Temperatur jede einzelne Sekunde messen würde. Diese Daten würden dann zur Überwachung von Temperaturspitzen an die Cloud-Anwendung weitergeleitet. Stellen Sie sich vor, dass alle Temperaturmessungen, jede einzelne Sekunde eines 24/7-Messzyklus, an die Cloud gesendet werden. 

Mit einer Fog-Ebene würde der Edge-Server die Daten zunächst über ein lokalisiertes Netzwerk an die Fog-Ebene senden. Der Fog-Server würde diese Daten dann empfangen und anhand bestimmter Parameter entscheiden, ob es sich lohnt, sie in die Cloud zu senden. Das Ergebnis ist eine Verringerung des Datenverkehrs. 

Für einfache Temperaturmesswerte mögen diese Datenersparnisse vernachlässigbar erscheinen. Aber stellen Sie sich vor, Sie würden ständig komplexe Informationen oder große Dateien wie Bilder oder Videos streamen. Die Auswirkungen auf die Bandbreite und die Latenzzeit könnten je nach Anwendung enorm sein.

Was sind die Vorteile von Fog-Computing?

Jetzt wissen wir, dass Fog-Computing eine zusätzliche Ebene zwischen der Edge-Ebene und der Cloud-Ebene ist. Was sind die Vorteile einer solchen zusätzlichen Ebene? Der erste Vorteil ist die Effizienz des Datenverkehrs und eine Reduzierung der Latenz. 

Durch die Implementierung einer Fog-Ebene werden die Daten, die die Cloud für Ihre spezifische Embedded-Anwendung empfängt, weitaus übersichtlicher. Wo sich eine Cloud erst durch einen Berg unnötiger Daten wühlen müsste, bevor Maßnahmen ergriffen oder Ergebnisse zurückgegeben werden, kann sie nun direkt auf die Daten reagieren, die sie von der Fog-Ebene erhält. 

Wenn man das Gesamtbild betrachtet, gibt es noch viel mehr Vorteile. Die Menge an Speicherplatz, die Sie für Ihre Cloud-Anwendung benötigen würden, wäre viel geringer, da die Cloud jetzt nur noch relevante Daten speichern und verarbeiten würde. Auch der Datentransfer wäre schneller. Das kommt daher, dass das in die Cloud gesendete Datenvolumen deutlich reduziert wird. 

Was sind die Nachteile von Fog-Computing?

Eine Sache, die klar sein sollte, ist, dass das Fog-Computing das Edge-Computing nicht ersetzen kann. Allerdings kann das Edge-Computing definitiv ohne Fog-Computing auskommen. Der Haken ist also, dass Fog-Computing eine Investition erfordert. 

Es handelt sich um ein komplexeres System, das in Ihre aktuelle Infrastruktur integriert werden muss. Das erfordert Geld, Zeit, aber auch das Wissen über die beste Lösung für Ihre Infrastruktur. Fog-Computing ist nicht in jedem Szenario eine ideale Lösung. Jedoch können die Vorteile für diejenigen attraktiv sein, die derzeit eine direkte Edge-to-Cloud-Datenarchitektur verwenden.

Fog Computing vs. Edge Computing: Was sind die wichtigsten Unterschiede?

Fog-Computing und Edge-Computing teilen viele Gemeinsamkeiten. Im Wesentlichen ermöglichen beide den Datenverkehr in die Cloud. Wie wir in unserem Blogbeitrag zu Edge-Servern erläutert haben, findet Edge-Computing dort statt, wo Daten generiert werden, direkt am Edge des Netzwerks einer bestimmten Anwendung. 

Das bedeutet, dass ein Edge-Computer eine Verbindung zu den Sensoren und Steuerungen eines bestimmten Geräts herstellt. Anschließend sendet er Daten an die Cloud. Dieser Datenverkehr kann jedoch massiv und ineffizient sein. Neben den nützlichen Informationen, die tatsächlich benötigt werden, können auch irrelevante Daten an die Cloud gesendet werden. 

Leider stößt selbst die Cloud bei direkter Verbindung mit Edge-Geräten an ihre Grenzen in Bezug auf Kapazität, Sicherheit und Effizienz. Hier kommt das Fog-Computing ins Spiel.

Kann für Fog-Computing und Edge- Computing die gleiche Hardware verwendet werden?

In Bezug auf die Hardware und die Art der Computer, die Sie verwenden können, lässt sich Edge-Computing-Hardware leicht für den gleichen Zweck wie ein Fog-Server einsetzen. Der Unterschied liegt darin, wo und wie die Daten gesammelt und verarbeitet werden, nicht unbedingt in den Hardware-Funktionen und -Fähigkeiten. 

Der Karbon 800 zum Beispiel, der ursprünglich für das Edge-Computing entwickelt wurde, eignet sich genauso gut für Fog-Computing. Natürlich ist jedes Projekt einzigartig. Daher ist es wichtig, einen klaren Überblick über Ihre gesamten Projektanforderungen zu haben, wenn Sie eine Hardware-Lösung auswählen und konfigurieren. 

Fog-Computing vs. Edge-Computing im Überblick

Auf den Punkt gebracht ist Edge-Computing eine Datenberechnung, die am Netzwerkrand (Edge) in unmittelbarer Nähe zum physischen Ort stattfindet, an dem die Daten erzeugt werden. Hingegen agiert das Fog-Computing als Vermittler zwischen dem Edge und der Cloud für verschiedene Zwecke, wie zum Beispiel zur Datenfilterung. Letztendlich kann das Fog-Computing das Edge-Computing nicht ersetzen. Jedoch kann Edge-Computing in vielen Anwendungen ohne Fog-Computing auskommen.

Haben Sie Fragen zu den Hardware-Anforderungen für Edge- oder Fog-Computing? Sprechen Sie mit unseren Spezialist:innen, um mehr über die Hardware-Angebote von OnLogic zu erfahren. 

Dieser Blogbeitrag wurde ursprünglich am 23. Juni 2021 veröffentlicht. Wir haben diesen Beitrag am 15. Januar 2022 aktualisiert.