Name des Teilnehmers: Florian Brandherm
Beschreibung des IT-Forschungsprojekts: Cloud Computing bedeutet, den Rechenzentrumsbedarf einer großen Anzahl von Kunden in wenigen, sehr großen Rechenzentren zu konzentrieren. Zwar werden durch die gemeinsame Nutzung Skaleneffekte ausgenutzt, jedoch sind Cloud-Rechenzentren oft weit von ihren Endnutzern entfernt. Diese Entfernung führt zu einer erheblichen Kommunikationsverzögerung und verhindert, dass potenzielle Dienste, die auf niedrige Latenzzeiten angewiesen sind, von der Wirtschaftlichkeit und Flexibilität der Cloud profitieren können. Zudem verursacht die zentralisierte Architektur massive Kosten für die Netzbetreiber, da immer mehr Datenverkehr zwischen diesen Rechenzentren und den Endnutzern weitergeleitet werden muss.
Um diese Unzulänglichkeiten zentralisierter Rechenzentren zu mildern, wurde das Konzept des Edge-Computing eingeführt. Die Idee besteht darin, die heutigen zentralisierten Cloud-Rechenzentren mit einer Vielzahl von geographisch verstreuten Mikrorechenzentren zu ergänzen. Da diese sehr nah an den Endgeräten (z.B. an Mobilfunk-Basisstationen) errichtet werden, können sie eine deutlich geringere Latenzzeit sowie günstige Bandbreite bieten. Dies wird grundlegend neuartige Cloud-artige Dienste ermöglichen, wie z.B. Virtual-Reality-as-a-Service, Dienste für autonomes Fahren oder Dienste für Industrie 4.0.
Es ist jedoch noch nicht abschließend geklärt, wie eine solche hochgradig verteilte, jedoch höchst kritische Infrastruktur ideal verwaltet wird. Leider kann der große Erfahrungsschatz bei der Orchestrierung großer zentralisierter Rechenzentren in diesem Szenario nur teilweise wiederverwendet werden, da Edge-Computing neue Herausforderungen mit sich bringt. So wird beispielsweise erwartet, dass viele Endgeräte mobil sein werden, was die dynamische Migration von Diensten erfordert, um mit ihren Latenz- bzw. Bandbreitenanforderungen Schritt zu halten.
Ziel des Projekts ist die Erweiterung des Wissens über die Platzierung und Migration von Kritischen Diensten mithilfe maschinellen Lernens.
Software Campus-Partner: TU Darmstadt, Huawei
Umsetzungszeitraum: 01.01.2021 – 31.12.2022
