Also known as edge calculation
paradigm of distributed computing
L'edge computing è un modello di calcolo distribuito nel quale l'elaborazione dei dati avviene il più vicino possibile a dove i dati vengono generati, migliorando i tempi di risposta e risparmiando sulla larghezza di banda. L'elaborazione dei dati in prossimità del luogo in cui vengono generati porta considerevoli vantaggi in termini di latenza di elaborazione, riduzione di traffico dati e maggior resilienza in caso di interruzione nella connessione dati. Il termine in lingua inglese, edge computing (in lingua italiana elaborazione al margine), prende spunto dalla parola "edge" che significa "angolo, estremità o margine" per fare riferimento al fatto che con questo approccio progettuale l'elaborazione dei dati avviene in maniera decentralizzata, in opposizione a quella centralizzata tipica del cloud computing. Il termine si riferisce più a un'architettura che a una tecnologia specifica. Questo modello computazionale è adottato nelle cosiddetto Internet delle cose, in quanto permette di elaborare grosse quantità di dati prodotti localmente ed eventualmente inviare a sistemi remoti una loro elaborazione molto più compatta. L'edge computing può anche essere sfruttato in architetture quali quella del 5G per fornire ai dispositivi connessi servizi locali con risposte in tempo reale, difficilmente realizzabili con architetture cloud. Le origini dell'edge computing risiedono nelle Content Delivery Network create alla fine degli anni '90 per servire contenuti web e video da server edge distribuiti in prossimità degli utenti. All'inizio degli anni 2000, queste reti si sono evolute per ospitare applicazioni e componenti applicativi nei server edge, dando vita ai primi servizi commerciali di edge computing che ospitavano applicazioni come localizzatori di rivenditori, carrelli della spesa, aggregatori di dati in tempo reale e motori per l'inserimento di annunci pubblicitari.
Abstract from DBpedia / Wikipedia · CC BY-SA
via Wikidata sitelinks · CC0
Discovered by embedding cosine similarity (sentence-transformers MiniLM, 384-dim).