تلفن همراه

نگاهی به وضعیت استفاده از محاسبات لبه در شرکت‌های مخابراتی

منبع: شرکت مخابرات ایران
اینترنت و شبکه در طی چهار دهه اخیر ظهور کرده، تکامل‌یافته و رایانش ابری و اخیراً پردازش لبه را ارائه داده است تا نیازهای متغیر کاربران و موارد استفاده بیشتری را پوشش دهد. پردازش ابر موج جدید زیرساخت مراکز داده است که از ۵G و اینترنت اشیا قدرت می‌گیرد و تجربه‌های آموخته از رایانش ابری را نیز به کار می‌گیرد؛ اما همه‌چیز ختم به رایانش ابری نمی‌شود؛ محاسبات لبه حرف جدیدی برای گفتن دارد و با توجه به قدرتی که دارد، پیش‌بینی می‌شود تا سال‌های آینده، ابر را کمرنگ و کمرنگ‌تر کند.
 
در این گزارش، نگاهی می‌اندازیم به سیر تاریخی ابر و لبه و در ادامه به تفاوت‌های آن‌ها می‌پردازیم. همچنین موارد استفاده از فناوری محاسبات لبه در مخابرات، مزیت‌های آن و امکاناتی را که برای اپراتورها و شرکت‌های مخابراتی فراهم می‌آورد، بررسی می‌کنیم.
 
تاریخ رایانش ابری
 
در اوایل دهه ۱۹۸۰ شرکت سان میکروسیستمز (Sun Microsystems) مفهومی را به نام «شبکه رایانه است» مطرح کرد. بسیاری امروز باور دارند این مفهوم نمونه اصلی رایانش ابری است. توسعه سریع فناوری رایانه و پیشرفت صنعت اینترنت در سال‌های اخیر نشان داده است که ما از این مفهوم چگونه استفاده می‌کنیم.
 
در دهه‌های اخیر شرکت‌هایی مثل آمازون از رایانش ابری برای ایجاد تحول در معماری ارائه خدمات خود استفاده کرده‌اند. آمازون در مارس ۲۰۰۶ ابر محاسباتی توسعه‌پذیر (EC۲) آمازون راه‌اندازی شد که کاربران با استفاده از آن می‌توانستند فقط به ازای خدمات مورداستفاده خود بر اساس زمان یا منابع مصرف‌شده، هزینه پرداخت کنند. این امر رایانش ابر را در حوزه کسب‌وکارها متحول کرد. این شرکت در ادامه سرویس وب آمازون (AWS) را ارائه داد و شرکت‌های دیگر ازجمله علی‌بابا، گوگل، IBM، مایکروسافت و غیره نیز سراغ راه‌حل‌های رایانش ابری رفتند.
 
علاوه بر این پیشنهادهای تجاری که در بالا مطرح شدند، بسیاری از پروژه‌های متن‌باز نیز در این حوزه ظاهر شدند. پروژه اپن‌استک (OpenStack) یکی از این برنامه‌ها بود. اپن‌استک پلتفرم نرم‌افزاری متن‌باز برای رایانش ابری است که توسط Rackspace و ناسا در ژوئیه ۲۰۱۰ طرح‌ریزی شد. اکنون بیش از ۵۰۰ شرکت ازجمله IBM، فوجیتسو، اوراکل (Oracle)، یاهو، دل (Dell)، AMD، اینتل، اچ‌پی (HP) و سیسکو سیستمز و شرکت‌های بسیار دیگری به این پروژه پیوسته‌اند.
 
رایانش ابر طی یک دهه اخیر تکامل قابل‌توجهی داشته است؛ ابزارها و اپلیکیشن‌های ابر ازنظر پیچیدگی و کارایی رشد زیادی را تجربه کرده‌اند و ارائه‌دهندگان خدمات ابر نیز افزایش‌یافته‌اند. اپراتورها نیز بیش‌ازپیش از این فناوری استفاده می‌کنند، اما ابر همه ماجرا نیست.
 
تولد و توسعه محاسبات لبه
تیموتی برنرز لی (Timothy Berners-Lee) استاد دانشگاه ام‌آی‌تی و رئیس کنسرسیوم وب جهان‌گستر مشکلی را که ما امروز در شبکه تجربه می‌کنیم، در سال ۱۹۹۵ پیش‌بینی کرد. او از همکارانش خواست پارادایم جدیدی برای ارائه محتوای آنلاین بسازند. درنهایت محققان MIT شرکت آکامای (Akamai) را توسعه دادند تا پلتفرم شبکه ارائه محتوا (CDN) را بسازند که الگوی اصلی محاسبات لبه است.
 
توسعه محاسبات لبه ارتباط نزدیکی با توسعه رایانش ابری دارد. کاربران رایانش ابری با محدودیت‌هایی مثل کنترل ازدحام، تأخیر زیاد، کارایی ضعیف و مشکلات عملکردی مواجهند که باعث می‌شود فناوری نتواند الزامات تجاری خود را انجام دهد. رایانش لبه را می‌توان به‌عنوان راه‌حلی توسعه‌يافته در نظر گرفت که مشکلات رایانش ابری را ندارد.
 
 نهاد استانداردهای مخابراتی اروپا (ETSI) با تشکیل گروهی که در سال ۲۰۱۴ بر استانداردسازی صنعت موبایل و ارائه مفهوم محاسبات لبه همراه (MEC) کار می‌کرد، بر توسعه این فناوری تأثیر زیادی داشت. این نهاد در سال ۲۰۱۶ مفهوم MEC را تکامل بخشید و محاسبات لبه را از شبکه‌های سلولی تا دیگر شکل‌های نقاط دسترسی توسعه داد. درنهایت این مفهوم به استانداردی برای معماری محاسبات لبه تبدیل شد.
 
به زبان ساده، پردازش لبه به مراکز داده توزیع‌شده گفته می‌شود که فاصله فیزیکی بین ابر و لبه شبکه را کاهش می‌دهد. نکته اصلی این است که چگونه می‌توان تأخیر ناشی از تعامل هم‌زمان ابر و خدمات ارتباطاتی را که بهترین وعده‌ها را با ۵G می‌دهند، کاهش داد؟ انتظار می‌رود پردازش لبه در هزینه انعطاف پهنای باند برای اینترنت اشیا، امنیت ابر و بومی‌سازی داده‌ها کمک کند.
 
موارد استفاده محاسبات لبه
 
محاسبات لبه موارد استفاده زیادی دارند: شهر هوشمند، خانه هوشمند، بیمارستان هوشمند* پخش زنده، پارکینگ هوشمند، تولید هوشمند، واقعیت مجازی و واقعیت پیشرفته. علاوه بر این موارد، کاربردهای جدیدی در حال ایجاد شدن هستند که هوش مصنوعی و فناوری ۵G را در برمی‌گیرند.
یکی از موارد استفاده محاسبات لبه، دوربین‌های نظارتی برای نظارت بر ترافیک و نقض قوانین است. هنگامی‌که دوربین نقض قانون را ثبت می‌کند، ویدئو را به سایت لبه منتقل و بعد شماره پلاک را پردازش و تحلیل می‌کند و درنهایت آن را شناسایی می‌کند. نظارت ویدئویی بدون کمک فناوری محاسبات لبه، نیازمند ارسال داده به مراکز داده دوردست است؛ به‌مرورزمان حجم این داده‌ها افزایش می‌یابد و فشار زیادی بر پهن‌باند شبکه و عملکرد هم‌زمان وارد می‌کند.
 
تفاوتی که محاسبات لبه ایجاد می‌کند، صرفه‌جویی در هزینه‌ها، زمان و پهن‌باند شبکه است. نظارت ویدئویی نقض قوانین راهنمایی و رانندگی فقط یک نمونه است؛ مزیت‌های محاسبات لبه کاربردهای حیاتی زیادی دارد؛ مثلاً سیستم‌های شناسایی چهره، سیستم‌های امنیتی مثل هشدار آتش یا دود، جلوگیری از آتش‌سوزی جنگل‌ها و نظارت بر وضعیت آب‌وهوا. علاوه بر این‌ها، محاسبات لبه می‌تواند در سناریوهای پیچیده‌تری به کار گرفته شود، مثلاً پخش زنده استادیوم‌های ورزشی، نظارت و اتوماسیون فرایندهای کارخانه و غیره.
 
بخش‌های مختلف از فناوری محاسبات لبه و تحلیل هم‌زمان داده‌های زیاد استفاده‌های مختلفی می‌کنند. همین امر باعث رشد این فناوری می‌شود و پیش‌بینی می‌شود که رشد مرکب سالانه محاسبات لبه بین سال‌های ۲۰۱۸ تا ۲۰۲۳ به ۳۲.۶ درصد برسد. محاسبات لبه در شهرهای هوشمند و حوزه‌های حمل‌ونقل، امنیت، تأمین انرژی و مخابرات نقش مهمی دارد. انقلاب صنعتی چهارم نیز که تعمیر و نگهداری هوشمندانه، هوش مصنوعی و روباتیک را در برمی‌گیرد، بیش‌ازپیش از فناوری محاسبات لبه در فرایندهای تولید استفاده خواهد کرد.
 
بر اساس آمار جهانی سال ۲۰۱۸ ، که در وهله اول کاربردهای محاسبات لبه، سهم هر صنعت از آن و سهم درآمد مناطق مختلف در جهان را نشان می‌دهد. بازار آمریکای شمالی با اختصاص دادن سهم ۳۱.۶ درصدی از بازار جهانی در سال ۲۰۱۸، در استفاده از این فناوری و درآمدهای حاصل از آن پیشتاز است.
 
 
جنگ لبه بین ارائه‌دهندگان خدمات مخابراتی و بازیکنان OTT
 
سیزیف، قهرمان یونانی، به مجازاتی بی‌حاصل محکوم شد: سنگ بزرگی را بالای تپه ببرد و هر بار در نزدیکی قله، شاهد غلتیدن سنگ به ابتدای مسیر باشد. شرکت‌های مخابراتی نیز به نظر می‌آید به وظیفه بی‌پایان سرمایه‌گذاری‌های هنگفت روی ظرفیت‌های بیشتر، سرعت بالاتر و کانال‌های بهتر برای ارائه خدمات جدید در شبکه‌هایشان محکوم‌شده‌اند؛ اما مشکل اصلی از وقتی ایجادشده که OTTها وارد بازی شده‌اند؛ آن‌ها سنگ را به پایین کوه هل می‌دهند.
 
 OTT به خدماتی گفته می‌شود که شما از طریق بستر شبکه Service Provider خودتان از آن‌ها استفاده می‌کنید. مثال ساده در این مورد این است که شرکت مخابراتی اینترنت را فراهم می‌آورد و مشتریان با استفاده از همان اینترنت از اپلیکیشن‌هایی استفاده می‌کنند که مستقل از شرکت مخابراتی‌اند. این شرکت‌ها با استفاده از بستر مخابرات، به فعالیت خود ادامه می‌دهند و کاربران زیادی دارند (مثل تلگرام، اسکایپ، اسپاتیفای و غیره). درآمد OTT ها به‌طور مستقیم از مشتریان است، نه شرکت‌های مخابراتی. می‌توان گفت اکثر خدمات از راه دور در شبکه ارائه‌دهنده خدمات اینترنتی (ISP) OTT است. خدمات OTT روی ابرهای ارزان و عمومی ساخته‌شده‌اند و محتوای صوتی، ویديویی یا پیغامی را به‌طور مستقیم از طریق اینترنت به کاربر ارائه می‌دهند. این بازیکنان بر بازارهای مخابراتی و رسانه‌ای امروز مسلطند.
 
اپلیکیشن‌های صوتی و پیغام‌رسانی مثل واتزاپ، iMessage اپل و غیره بیش از ۹۰ درصد از ترافیک پیام‌رسانی شرکت‌های مخابراتی را به خود اختصاص می‌دهند. بر اساس گزارش‌ها اسکایپ به‌تنهایی بیش از یک‌سوم از ترافیک صوتی بین‌المللی را در برمی‌گیرد. این وضعیت باعث کاهش درآمد مخابرات و میزان رشد و به حاشیه رانده شدن برخی از شرکت‌های مخابراتی شده است.
 
 
داده داستان‌ را ترسناک‌تر می‌کند
 
تقریباً ۷۰ درصد از ترافیک ارائه‌دهنده مخابراتی، مربوط به محتوای ویدئویی خدمات OTT است. شرکت‌های مخابراتی سعی دارند اینترنت پرسرعت را ارائه دهند و درنهایت، شاهد کاربران خود هستند که سراغ رقیبان می‌رود. آنچه باعث می‌شود بازیکنان OTT چالش‌برانگیز باشند، این است که خدمات آن‌ها متکی به ابر عمومی است و به‌این‌ترتیب آن‌ها می‌توانند از مزیت‌های آن بهره‌مند شوند، بدون اینکه نگران زیرساخت باشند. OTT ها درواقع فقط یکی از جلوه‌های فراوان تحول ایجادشده توسط ابر عمومی هستند که با اتکا به بنیان مخابرات ساخته‌شده؛ بنیانی که این امکان را فراهم می‌آورد که OTT ها بتوانند بدون صرفه هزینه زیاد کسب‌وکار خود را راه بیندازند و بدن دغدغه‌ در مورد زیرساخت، رشد کنند.
 
 
لبه نجات
 
ارائه‌دهندگان خدمات مخابراتی برای اینکه بتوانند در این تحول غریب و درعین‌حال شگفت‌انگیز ابر عمومی و OTT ها در زمین رقابت باقی بمانند و رشد کنند، باید بتوانند حوزه‌های رشد جدید را شناسایی کنند که پتانسیل رقابت در بازار جدید را فراهم می‌آورد. محاسبات لبه (Edge Computing) نقطه تلاقی این دو است و ارائه‌دهندگان خدمات مخابراتی‌ای که بتوانند آن را با موفقیت پیاده سازند، درنهایت بر تسونامی اپلیکیشن‌ها و خدمات OTT ها و ابر عمومی ارزان غلبه خواهند کرد.
 
محاسبات لبه این پتانسیل را دارد که آنچه ما امروز پردازش ابر یا محاسبات ابر (cloud computing)‌می‌خوانیم، کمرنگ کند: معماری متمرکزی که در مراکز داده ایجاد می‌شود و دسترسی ارزان و فراوان را فراهم می‌آورد، اما از انسان‌ها و ابزارها دور است و به‌این‌ترتیب برای اپلیکیشن‌های نوظهوری که نیاز به تأخیر کم دارند، مناسب نیست. محاسبات لبه جریان‌های داده‌ای عظیمی را به‌طور هم‌زمان پردازش می‌کنند و به منابع داده نزدیک‌تر است. محاسبات لبه برخلاف ابر عمومی یا به زیرساخت ارائه‌دهندگان خدمات مخابراتی تکیه خواهد کرد یا وابسته به مراکز میکرو داده خواهد بود که دسترسی مستقیم به شبکه‌های دسترسی رادیویی (RANS) دارند و واقع در فضاهای شهری خواهند بود که انسان‌ها با دستگاه‌هایشان در ۵۰ متری هستند و نمی‌خواهند شاهد هیچ تأخیری باشند.
 
اسلحه‌ای راهبردی
 
ارائه‌دهندگان خدمات مخابراتی برای اینکه بتوانند در استقرار محاسبات لبه موفق شوند باید با توسعه‌دهندگان اپلیکیشن دور از پلتفرم‌های ابر همکاری کنند تا از پلتفرم‌های لبه برای طراحی اپلیکیشن‌های آینده استفاده کنند. این اپلیکیشن‌ها می‌توانند به‌عنوان خدمات مدیریت یافته وندورهای مخابراتی ارائه شوند، جریان‌های درآمدی جدیدی ایجاد کنند و تهدید ابرهای عمومی و خدمات و اپلیکیشن‌های OTT را کاهش دهند. 
 
همکاری با توسعه‌دهندگان در خارج از فضای ابری، مشکلی ساده نخواهد بود و ارائه‌دهندگان مخابراتی برای دستیابی به آن باید سه چالش مهم را با ایجاد نرم‌افزار مناسب حل کنند:
 
داده‌های توزیع‌شده: لبه برخلاف مراکز داده متمرکز ازنظر جغرافیایی توزیع‌شده است و زیرساختی غیرمتمرکز دارد که پایگاه داده توزیع‌شده و غیرمتمرکز بنیان آن است. پایگاه داده‌های توزیع‌شده و سیستم‌های ذخیره‌سازی امروزی به‌اندازه کافی مقیاس‌پذیر نیستند و نمی‌توانند یکپارچگی داد‌ها را در هزاران نود (node) توزیع‌شده حفظ کنند.
 
قابلیت برنامه‌ریزی آسان: لبه باید مثل ابر عمومی قابل‌برنامه‌ریزی باشد و با ارائه پلتفرم یا کانتینر به‌عنوان سرویس (CAAS/ PAAS)‌ برای توسعه‌دهندگان اپلیکیشن از عهده پیچیدگی‌های معماری اپلیکیشن‌های در حال اجرا و ذخیره‌سازی هزاران نود لبه، برآید. این مشکل اصلی فناوری است و باید با پردازش لبه به جریانی غالب تبدیل شود و با برنامه‌ها و خدمات OTT و ابرهای عمومی متمرکز رقابت کند.
 
دسترسی جهانی: ارائه‌دهندگان خدمات مخابراتی به دلیل ماهیتشان در مناطق فعالند و به‌صورت جهانی ـ برخلاف ارائه‌دهندگان ابر ـ‌عمل نمی‌کنند؛ بنابراین ارائه‌دهندگان خدمات مخابراتی نیاز خواهند داشت برای ارائه سرویس جهانی مداوم در سراسر شبکه‌ها در زمینه پردازش لبه و غلبه بر مشکل‌ها با یکدیگر متحد شوند. ارائه‌دهندگان خدمات مخابراتی قبلاً این رویکرد را امتحان کرده‌اند و با رومینگ جهانی اتصال داده و خدمات صوتی را فراتر از مرزها برای مشترکان خود فراهم آورده‌اند.
 
ایجاد معماری لبه‌ای که پایگاه داده جهانی را با پلتفرم CAAS یا PAAS ترکیب کند به ارائه‌دهندگان خدمات مخابراتی امکان خواهد داد جایگزینی مناسب برای ابرهای عمومی و توسعه‌دهندگان اپلیکیشن داشته باشند و درعین‌حال به دستگاه‌ها و کاربران نهایی نزدیک باشند؛ این نزدیکی دقیقاً مسئله‌ای است که ابر عمومی به‌سختی خواهد توانست با آن رقابت کند.
 
ارائه‌دهندگان خدمات مخابراتی با چنین راه‌حلی می‌توانند پلتفرم لازم را برای جریان‌های داده‌ای پیچیده مثل حس‌گرهای دستگاه‌ها و تحلیل هم‌زمان یا امنیت سایبری، بازی‌های آنلاین، شبکه‌های اجتماعی و اپلیکیشن‌های لجستیک کسب‌وکار و غیره فراهم آورند. پیش‌بینی می‌شود فناوری لبه برای مخابرات طی چند سال آینده درآمد مخابرات را افزایش دهد و فرصت‌های جدیدی را ایجاد کند.
 
تحول مخابرات با پردازش در لبه شبکه موبایل
 
تحلیلگران فناوری پیش‌بینی کرده‌اند که سال‌های زیادی طول خواهد کشید که اینترنت اشیای واقعی داشته باشیم، اما این ابزارهای هوشمند در حال حاضر هم بدل به بخشی از زندگی ما شده‌اند. تلفن‌های هوشمند و شبکه‌های داده ارتباطات را از نو تعریف کرده‌اند و صنعت مخابرات سعی دارد همگام با جدیدترین نوآوری‌ها پیش برود تا بتواند سرعت و اتصالی را که مشتریان با ظهور هر ابزار جدیدی می‌خواهند، ارائه دهد.
 
بر اساس تحقیق مرکز تحقیقات پیو (Pew Research Center) در سال ۲۰۱۸، ۷۷ درصد از آمریکایی‌ها تلفن هوشمند دارد؛ این رقم در سال ۲۰۱۱، ۳۵ درصد بوده است. استفاده روزافزون از این رایانه‌های کوچک باعث شده روش‌های استفاده و تولید داده مشتریان تغییر کند. MEC راه‌حل مناسب را به شرکت‌هایی ارائه می‌دهد که می‌خواهند این بار سنگین را با خیال راحت به دوش شبکه‌هایشان بیندازند و خدمات سریع‌تر و بهتری را ارائه دهند. پردازش در لبه شبکه موبایل یا محاسبات لبه همراه (Mobile Edge Computing)‌که به‌اختصار MEC خوانده می‌شود. 
 
در ادامه به تحول‌هایی می‌پردازیم که MEC در صنعت مخابرات ایجاد می‌کند.
 
فناوری ۵G: با گسترش ابزارهای اینترنت اشیا و استفاده بیشتر از خدمات پخش ویدئویی آنلاین، شبکه‌ها سطح بیشتری از فشار را تحمل می‌‌کنند؛ فشاری که قبلاً بی‌سابقه بوده است. در مورد تلفن‌های همراه، بار پردازش اپلیکیشن‌ها در ابر نیز فشار زیادی را وارد می‌کند. همه این ابزارها سعی دارند لایه‌ای در ابر داشته باشند و به محتواهای داده‌ای سنگین دسترسی داشته باشند؛ به‌این‌ترتیب مشکلات پهن‌باند و تأخیر مشکلاتی جدی و اجتناب‌ناپذیرند.
 
شبکه‌های ۴G موجود بین سال‌های ۲۰۰۶ تا ۲۰۱۰ استقرار یافتند. این شبکه‌ها برای استفاده معمول از موبایل کافی‌اند؛ درواقع شبکه‌های ۴G پیش از اینکه دستگاه‌های خانه به اینترنت وایرلس وصل شوند، ایجادشده‌اند. صنعت مخابرات با توسعه فناوری ۵G به این مسئله و نیاز به ارائه سرعت‌های بسیار بیشتر، واکنش نشان داده است. چارچوب پردازش لبه ۵G برای رشد معماری‌های پردازش لبه همراه بسیار حیاتی است؛ زیرا به این معماری‌ها کمک می‌کند که سرعت و کارایی پردازششان را افزایش دهند.
 
ارائه اپلیکیشن‌های کاربرپسند: خدمات ارائه محتوا و دستگاه‌های اینترنت اشیای لبه (IoT edge) برای استفاده از پردازش لبه به اپلیکیشن‌های نرم‌افزاری‌ای نیاز خواهند داشت که بتوانند در اکوسیستم غیرمتمرکز کار کنند. ازآنجاکه شرکت‌های زیادی در حال پیاده‌سازی چارچوب پردازش لبه خودشان هستند، توسعه‌دهندگان نرم‌افزاری این نقش را عهده‌دار خواهند شد که مشکلات اتصال را رفع کنند و زبان جدیدی برای پلتفرم‌های پردازش لبه همراه بسازند. 
 
به‌این‌ترتیب، شرکت‌های مخابراتی و تولیدکنندگان دستگاه‌های راه‌حل‌های جدید نوآورانه‌ای را ارائه خواهند داد تا تجربه‌های مشتری را بهبود بخشند و خدمات بهتری ارائه دهند. اپلیکیشن‌های پردازش لبه همراه یکی از مهم‌ترین روندها خواهد بود.
 
اپلیکیشن‌های واقعیت افزوده: یکی از هیجان‌انگیزترین موارد استفاده محاسبات لبه همراه، خدمات واقعیت افزوده (AR) است. درواقع برنامه‌های AR ابتدا در تلفن هوشمندها جان گرفتند و توانستند با ابزارهای لبه اینترنت اشیا رابط بیابند تا به کاربر دیدگاه بهتری در مورد محیط اطرافش ارائه دهند. این فناوری در موارد آموزشی مثل موزه‌ها که به ارائه هم‌زمان اطلاعات در مورد اطلاعات تاریخی نیاز است، استفاده می‌شود؛ مثلاً بازدیدکننده با استفاده از اپلیکیشن داده‌های لازم را به‌طور هم‌زمان دریافت می‌کند. اپلیکیشن‌های واقعیت افزوده پتانسیل زیادی در بهبود تجربه‌های مشتری و بهره‌وری دارند.
 
 
برج‌های سلولی یا مراکز داده: یکی از چالش‌های استقرار چارچوب پردازش لبه ۵G یافتن راه‌هایی برای مدیریت حجم عظیم داده‌هایی است که دستگاه‌های اینترنت اشیا وارد شبکه خواهند کرد؛ داده‌هایی که حجمشان به زتابایت خواهد رسید. مراکز داده لبه (Edge data centers)‌ نشان داده‌اند که راه‌حل مناسبی برای این مسئله‌اند. بسیاری از شرکت‌های مخابراتی از راه‌حل نصب مراکز داده میکرو در برج‌های سلولی استفاده می‌کنند. ازآنجاکه داده‌های زیادی در شبکه‌های این شرکت‌ها انتقال می‌یابد، آن‌ها از برج‌های سلولی استفاده می‌کنند و ظرفیت پردازش و ذخیره‌سازی را در آن ایجاد می‌کنند؛ این روش روشی مقرون‌به‌صرفه و کاربردی است و از مشکلات جلوگیری می‌کند.
 
دروازه‌های لبه امن: امنیت مسئله بنیادین و نگرانی اصلی در مورد هر شبکه است و با رشد روزافزون MEC، نقاط دسترسی به شبکه‌ها افزایش‌یافته‌اند. شرکت‌های مخابراتی در حال حاضر در حال بررسی روش‌هایی‌اند سطح محافظت بیشتری را برای مشتری‌ها و داده‌های ارزشمندشان فراهم آورد. ازآنجاکه دستگاه‌های لبه اینترنت اشیا قدرت پردازش را دارند و می‌توانند از عهده نرم‌افزار امنیتی برآیند و اجرایش کنند، بیشتر راه‌حل‌های جدید وابسته به این ابزارها هستند. شرکت‌های محاسبات لبه با نصب دروازه‌‌های امن (secure gateways) بر این ابزارها بین دستگاه‌های اینترنت اشیای لبه و زیرساخت ابر، نوعی firewall ایجاد می‌کنند.
 
شرکت‌های مخابراتی با توجه به همین امر، سعی دارند چهارچوب محاسبات لبه خود را ایجاد کنند تا بتوانند ترافیک داده افزایش‌یافته را مدیریت کنند. نگه‌داشتن داده‌ها در لبه شبکه و نزدیک‌تر به کاربران رهایی، فشار بر پهن‌باند را کاهش می‌دهد و این امر، باعث می‌شود شرکت‌ها بتوانند خدمات اپلیکیشن‌های MEC نوآورانه‌ای را بدون نقص در عملکرد به کاربران ارائه دهند.
 
شرکت‌های مخابراتی ابر و لبه را متحد خواهند کرد
 
حجم عظیمی از داده‌های تولیدشده سازمانی خارج از مرکز داده سنتی متمرکز یا ابر ایجاد و پردازش می‌شود. بر اساس گزارش گارتنز در اکتبر ۲۰۱۸ تنها ۱۰ درصد از این داده‌ها این سرنوشت را دارند، اما بر اساس همین گزارش تا سال ۲۰۲۲ این رقم به ۷۵ درصد خواهد رسید. دستگاه‌های دیجیتالی مختلف به‌طور روزافزون مجهز به قدرت پردازش بیشتر می‌شوند و فناوری‌های تحول‌آفرین واقعیت مجازی (VR) و واقعیت افزوده و هوش مصنوعی گواهی بر این امرند.
 
 
لبه، انکارناشدنی است
 
بر اساس گزارش موسسه Grand View Research پیش‌بینی می‌شود درآمد جهانی بازار محاسبات ابر تا سال ۲۰۲۵ به ۲۸.۸۴ برسد. بخشی از علت این امر، توسعه بیشتر اینترنت اشیا است که داده‌های زیادی را تولید می‌کند؛ اما باید تأکید کرد که نقش لبه بیشتر از حوزه اینترنت اشیا است و می‌تواند فرصت‌های تجاری زیادی را برای اپراتورهای شبکه فراهم بیاورد. بر اساس گزارش IDC «لبه، فرصتی برای شرکت‌های مخابراتی است که محدود به استفاده از دستگاه‌های اینترنت اشیا مثل ماشین‌های متصل و اتوماسیون صنعتی نیست. در کل موارد استفاده‌ای که به تأخیر کم‌نیاز دارند، مثل واقعیت مجازی و واقعیت افزوده و بازی‌های موبایل و ارائه محتوا می‌توانند از این فناوری بهره‌مند شوند».
 
محاسبات لبه می‌تواند به سی‌اس‌پی‌ها این امکان را بدهد که در خدماتشان تفاوت ایجاد کنند؛ آن‌ها با محاسبات لبه نه‌تنها نسبت به ترافیک شبکه اطمینان دارند، بلکه با استفاده از امکانات لبه امنیت بیشتری را فراهم می‌آورند.
 
در دوره روی کار آمدن ابر، بسیاری پتانسیل ابر عمومی را در زمینه ایجاد تحول در استفاده از اپلیکیشن‌ها و رسانه‌ها دست‌کم گرفتند و درنهایت از اینکه کسب‌وکارهای OTT توانسته‌اند میلیاردها دلار درآمد ایجاد کنند، شگفت‌زده شدند.
 
ارائه‌دهندگان مخابراتی نباید این اشتباه را در مورد لبه تکرار کنند. زمینه‌ها آماده‌اند و نوبت این رسیده است که ارائه‌دهندگان مخابراتی بازی را برنده شوند.
 

​​