Od jakiegoś czasu, gdy mówi się o Internecie rzeczy, najczęściej poruszony zostaje także temat edge computingu. Nic dziwnego, przybywać będzie nowych aplikacji IoT, które wymagają przetwarzania brzegowego. Bez niego nie są w stanie funkcjonować.
Edge computing a chmura
Jeśli przyjrzymy się historycznym cyklom pojawiania się modeli obliczeniowych, możemy dojść do wniosku, że nadejścia edge computingu było nieuniknione. Na początku, gdy zasoby obliczeniowe były bardzo drogie, mieliśmy do czynienia ze scentralizowaną architekturą, jaką był mainframe. W latach 60-tych i 70-tych ubiegłego wieku ten wielki komputer obsługiwał pozbawione mocy obliczeniowej terminale. W latach 80-tych doszło do decentralizacji – pojawiły się tanie komputery osobiste, mogące same wykonywać obliczenia, i wraz z nimi rozproszony model klient-serwer. Zadania były dzielone pomiędzy serwery, które zapewniały usługi, a urządzenia klienckie, które tych usług żądały. O ponownej centralizacji możemy mówić za sprawą publicznej chmury obliczeniowej – zapewniającej (podobnie jak mainframe) całościową obsługę urządzeń końcowych, przede wszystkim mobilnych. Obecnie znowu do głosu dochodzi przetwarzanie rozproszone – pojawił się bowiem wspomniany edge computing, czyli architektura z zasobami obliczeniowymi i pamięciowymi, ulokowanymi w pobliżu obsługiwanych urządzeń końcowych.
Jednakże nie ma mowy o tym, by edge computing wyparł chmurę. Pozostanie ona bardzo ważnym elementem krajobrazu IoT, ale – wbrew wcześniejszym przepowiedniom – nie stanie się rozwiązaniem do wszystkiego. Często wybierany będzie hybrydowy model Internetu rzeczy, w którym edge i cloud computing harmonijnie się uzupełniają. Na brzegu obsługiwane będą „gorące dane”, które nie mogą czekać, bo wymagają natychmiastowego przetworzenia i analizy. Do chmury przesyłane będą pozostałe. W niej przeprowadzana może być analiza wielu dostarczonych przez sensory informacji (big data), ujawniająca trendy w ujęciu historycznym. Tam przeprowadzany będzie backup i archiwizacja danych.
Edge computing – korzyści
Jaki korzyści daje edge computing? Gdy dane nie są wysyłane do chmury i obliczenia są wykonywane jak najbliżej miejsca ich powstawania, możliwe stają się:
· Podejmowanie decyzji w czasie rzeczywistym (dzięki analityce wykonywanej na brzegu).
· Redukcja kosztów transferu danych (dzięki ich kompresji i czyszczeniu).
· Zwiększone bezpieczeństwo i spójność danych (dzięki lokalnemu przetwarzaniu).
Małe opóźnienia, niskie koszty i zwiększone bezpieczeństwo przetwarzania brzegowego to podstawa działania rosnącej liczby aplikacji IoT. Sztandarowym przykładem jest samochód autonomiczny, chyba najbardziej zaawansowane rozwiązanie Internetu rzeczy. W oparciu o informacje otrzymywane z wielu zaawansowanych czujników taki pojazd w ułamkach sekund musi podejmować decyzje, reagując na pieszych, ruch uliczny, znaki drogowe oraz dodatkowe zdarzenia, takie jak objazdy czy wypadki. Czy byłoby to w ogóle możliwe, gdyby dane trafiły najpierw do analizy w chmurze?
Nie musimy jednak odwoływać się do aż tak futurystycznego projektu, jakim jest samochód bez kierowcy. Edge computing sprawdzi się świetnie w przemysłowym IoT. Konkretnie w predykcyjnym utrzymaniu ruchu – bieżąca analiza strumieni danych dostarczanych przez umieszczone w maszynach czujniki będzie zapobiegać skutkom zużywania się ich i innym niepożądanym zjawiskom, zanim doprowadzą one do zatrzymania produkcji. A jeśli już wystąpi awaria, to znowu edge computing może przyspieszyć jej szybszego usunięcia (fabryka nie będzie czekać z wyłączoną linią produkcyjną, aż powrócą dane z wynikami analizy w chmurze). Przetwarzanie brzegowe znajdzie zastosowanie także w monitorowaniu linii energetycznych, kontrolowaniu wycieków w rurociągach itp.
Handel w erze edge computingu
W handlu edge computing umożliwi kontrolowanie w czasie rzeczywistym łańcucha dostaw. Dzięki temu można będzie uniknąć opóźnień i kosztów, które pojawiłyby się, gdyby dane trzeba było stale przemieszczać do chmury i z powrotem. Natomiast dzięki analizowaniu na bieżąco zachowań klientów podczas zakupów można szybko personalizować ofertę i reagować na zmiany.
Edge computing i IoT to idealna para także w monitoringu wizyjnym – analiza obrazu z kamer, bez przesyłania go chmury, dostarczy informacji, takich jak numery tablic rejestracyjnych, liczba osób na danym obszarze, zajętość miejsc parkingowych itp. Mogą one być natychmiast wykorzystywane do zarządzania dostępem, kierowania ruchem ludzi i pojazdów. Informacje do analizy na brzegu IoT mogą dostarczać też czujniki monitorujące warunki środowiskowe, w tym zanieczyszczenie powietrza czy poziom rzek.
Jak już wspominałem w poprzednim moim wpisie Czy na IoT trzeba jeszcze poczekać?, Gartner przewiduje, że do 2022 r. aż 75% danych wykorzystywanych przez przedsiębiorstwa będzie generowane i przetwarzane poza tradycyjnym centralnym centrum danych i chmurą (w 2018 r. było to mniej niż 10 proc.). Jeśli poza data center i chmurą, to gdzie? Właśnie na brzegu sieci. Bez wątpienia znaczenie edge computingu będzie szybko rosło i warto się już dziś na to przygotować.
Dawid Szymczak, Technical Sales Representative, Dell Technologies Polska.
