Mimari kararı IoT projesinin başında verilmesi gereken ama çoğu zaman ertelenen bir karar. Cihaz mı veriyi işlesin, yoksa hepsi buluta mı çıksın; bu seçim gecikme süresinden bant genişliği maliyetine, güvenlikten cihaz pil ömrüne her şeyi etkiliyor. Sonradan değiştirmek de pratikte mümkün değil; cihaz firmware'inden bulut servislerine kadar tüm zinciri yeniden yazmak gerekiyor.
Aşağıda Cloud, Edge ve hibrit yaklaşımların ne işe yaradığını, hangisinin hangi senaryoda doğru olduğunu örneklerle ele aldık.
Bu yazıda edge computing ve cloud computing yaklaşımlarını teknik ve ekonomik açıdan karşılaştırıyor; hangi senaryoda hangi yaklaşımın daha uygun olduğunu pratik örneklerle ele alıyoruz.
Temel Tanımlar
Cloud Computing (Bulut Bilişim)
Verinin merkezi veri merkezlerinde işlendiği klasik mimari. IoT cihazları topladıkları veriyi internet üzerinden AWS, Azure, Google Cloud gibi bulut platformlarına gönderir; tüm analitik, depolama ve karar verme orada yapılır.
Edge Computing (Sınır Bilişim)
Verinin üretildiği yere mümkün olduğunca yakın işlendiği mimari. İşleme cihazın kendisinde (on-device), local gateway'de veya yakındaki bir mikro-veri merkezinde gerçekleşir. Buluta gönderilen veri miktarı azalır, gecikme düşer.
Fog Computing
Edge ve cloud arasındaki katman olarak düşünülebilir. Genellikle local sunucu veya gateway'lerde çalışan, edge'den daha güçlü ama cloud kadar merkezi olmayan işleme. Endüstriyel IoT'de yaygın.
Karşılaştırma Tablosu
| Kriter | Cloud | Edge |
|---|---|---|
| Gecikme | 100ms - saniyeler | 1ms - 50ms |
| Bant Genişliği | Yüksek kullanım | Düşük kullanım |
| İşlem Gücü | Sınırsız (ölçeklenebilir) | Cihaz kapasitesiyle sınırlı |
| Maliyet | Yüksek veri trafiğinde pahalı | Donanım yatırımı, operasyonel düşük |
| Çevrimdışı Çalışma | İmkansız | Mümkün |
| Veri Gizliliği | Üçüncü taraf erişimi | Yerel kontrol |
| Yönetim Karmaşıklığı | Merkezi, kolay | Dağıtık, karmaşık |
| Yapay Zeka | Tüm modeller | TinyML, optimize modeller |
Cloud Yaklaşımının Güçlü Olduğu Yerler
1. Büyük Veri Analitiği
Yıllar boyunca biriken sensör verisini analiz etmek, makine öğrenmesi modelleri eğitmek, korelasyonlar bulmak için cloud'un sınırsız işlem gücü gereklidir. Tek bir edge cihazı bunu yapamaz.
2. Çok Lokasyonlu Veri Birleştirme
Türkiye'nin farklı şehirlerindeki 1000 mağazadan gelen verileri tek noktada birleştirip analiz etmek istiyorsanız, cloud kaçınılmazdır. Edge cihazları yerel optimizasyon yapar ama çapraz lokasyon analizi cloud işidir.
3. Yönetimi Kolay Sistemler
Dashboard, raporlama, kullanıcı yönetimi, veri paylaşımı gibi süreçler cloud'da kolay yönetilir. Bin tane edge cihazını ayrı ayrı yönetmek operasyonel kabusa dönüşür.
Edge Yaklaşımının Güçlü Olduğu Yerler
1. Düşük Gecikme Gerektiren Uygulamalar
Otonom araçlar, robotik sistemler, gerçek zamanlı kalite kontrol gibi uygulamalarda 100ms'lik gecikme bile kabul edilemez. Cloud'a gidip dönmek yerine kararı edge'de almak gerekir.
2. Bant Genişliği Maliyeti Yüksek Olduğunda
Bir endüstriyel kamera saniyede 30 frame, her biri 2MB üretiyorsa, 24 saat boyunca yayın yapması terabaytlarca veriyi cloud'a göndermek demektir. Bunun yerine edge'de görüntü işleyip sadece anormallikleri raporlamak hem hızlı hem ekonomiktir.
3. Çevrimdışı Çalışma Zorunluluğu
Petrol platformları, deniz altı sensörleri, kırsal tarım sahaları gibi internet erişimi kesintili veya yok olan ortamlarda edge zorunluluktur. Cihaz internet kesilince çalışmayı durduramaz.
4. Veri Gizliliği ve Regülasyon
KVKK, GDPR gibi regülasyonlar bazı veri tiplerinin yurtdışına çıkmasını sınırlar. Sağlık verileri, kişisel görüntü kayıtları gibi hassas içerikler edge'de işlenip sadece anonim sonuçlar buluta gönderilebilir.
5. Kritik Operasyonel Süreklilik
Üretim hattının robotik kontrolü, hastane yoğun bakım monitörleri, asansör arıza tespit sistemleri internet kesintilerine dayanıklı olmalıdır. Edge bağımsız çalışabilirken cloud bağımlıdır.
Pratik Karar Çerçevesi
| Senaryo | Önerilen Mimari |
|---|---|
| Akıllı kapı zili (yüz tanıma) | Hibrit: Edge'de ön işleme, cloud'da kayıt |
| Endüstriyel CNC izleme | Edge |
| Filo takip sistemi (binlerce araç) | Cloud |
| Akıllı tarım (yüzlerce sensör) | Hibrit: LoRa gateway edge, cloud analiz |
| Akıllı şehir trafik sistemi | Edge (gerçek zamanlı), Cloud (analiz) |
| Tıbbi cihaz (EKG, EEG) | Edge (gizlilik) |
| Perakende mağaza analitiği | Cloud |
| Otonom forklift | Edge |
| Akıllı binada enerji yönetimi | Hibrit |
Hibrit Mimari: Çoğu Projenin Gerçek Cevabı
Gerçek dünyada saf edge veya saf cloud mimari nadirdir. Çoğu profesyonel IoT projesi hibrit yaklaşım kullanır:
- Edge'de: Gerçek zamanlı kararlar, ön filtreleme, anomali tespiti
- Cloud'da: Uzun vadeli depolama, gelişmiş analitik, model eğitimi, raporlama
- Senkronizasyon: Edge cihazı çevrimiçi olduğunda toplu veri yükler
Örneğin bir akıllı tarım projesinde: Saha sensörleri verileri 10 dakikada bir LoRa gateway'e gönderir. Gateway edge'de basit kuralları ("sıcaklık 35C üstüne çıkarsa sulama tetikle") çalıştırır. Aynı veriler 1 saatte bir cloud'a yüklenir; orada makine öğrenmesi modeli sezonun ilerleyen haftaları için sulama programı önerir.
TinyML ve Edge AI Devrimi
Geleneksel olarak yapay zeka modelleri sadece bulutta çalışırdı. Bugün TinyML teknolojisi sayesinde sıkıştırılmış modeller ESP32 veya STM32 gibi MCU'larda çalışabiliyor. TensorFlow Lite for Microcontrollers, Edge Impulse gibi platformlar 100 KB altındaki modellerle ses tanıma, hareket sınıflandırma, görüntü algılama gibi görevleri edge'de yapabiliyor.
Bu gelişme, edge computing'in sınırlarını ciddi şekilde genişletti. Bir önceki yıllarda 'cloud şart' denilen birçok uygulama artık edge'de mümkün.
Mimari Karar Verirken Sorulması Gereken Sorular
- Gecikme tolerans seviyesi nedir? Saniyeler mi, milisaniyeler mi?
- Üretilen veri hacmi ne kadar? Bant genişliği maliyeti taşınabilir mi?
- Cihaz çevrimdışı çalışmak zorunda mı?
- Veri ne kadar hassas? Regülasyon kısıtı var mı?
- Edge cihazlarının fiziksel yönetimi mümkün mü?
- Yapay zeka gerekiyorsa, model edge'de çalışacak boyuta sıkıştırılabilir mi?
Sonuç
Edge mi cloud mu sorusunun tek bir doğru cevabı yoktur; doğru cevap projenin gereksinimlerine göre değişir. 2026 itibarıyla en yaygın yaklaşım, her iki dünyanın güçlü yanlarından yararlanan hibrit mimaridir.
EA ARGE olarak, müşterilerimizin IoT projelerinde mimari kararını gereksinim analiziyle başlıyoruz. Cihaz tarafından (firmware, edge AI) bulut entegrasyonuna (MQTT broker, dashboard, analytics) kadar uçtan uca çözümler tasarlıyoruz.
Pratikte ne görüyoruz
Saf cloud veya saf edge mimarisini son birkaç yıldır pek görmüyoruz; gerçek dünya tasarımları neredeyse hep hibrit oluyor. Cihaz kendi içinde gerçek-zamanlı kararlar verir, normal telemetriyi buluta yollar, kritik anomalileri ise hem yerelde işler hem buluta gönderir. Doğru cevap "edge mı, cloud mı" değil, "hangi karar nerede verilmeli" sorusunda.
