Edge Computing ed Edge Analytics. Ne sentiamo sempre più parlare grazie al successo delle architetture decentralizzate ai confini della rete aziendale (edge significa, appunto, bordo, margine), un boom che si spiega per la concomitanza di diversi fattori. Cerchiamo di capire quali e perché l’Edge Computing sta assumendo sempre più rilevanza anche a fronte di progetti IoT e dell’Industry 4.0.
Edge Computing: cos’è e come funziona
Un’architettura di Edge Computing è, di fatto (la definizione la dà IDC), un’architettura distribuita di micro data center, ciascuno in grado di immagazzinare ed elaborare i dati a livello locale e trasmettere questi dati a un data center centralizzato o a un repository di storage in cloud.
I data center centralizzati hanno da tempo reso evidenti i propri svantaggi – sono costosi, energivori, poco agili… –. A questi limiti si è posto rimedio, negli ultimi anni, con il cloud. Spostare i carichi di lavoro nella nuvola ha permesso di ridurre sensibilmente i costi del data center, questo vale a maggior ragione se si utilizza il cloud pubblico e si ha, quindi, la possibilità di accedere a risorse storage e potenza di calcolo virtualmente illimitate e disponibili on demand.
Non tutte le applicazioni, però, sono portabili nel cloud. Esistono particolari situazioni che, anzi, accentuano i limiti tipici delle infrastrutture di questo tipo. Uno dei più rilevanti è legato all’impossibilità di stabilire connessioni sempre affidabili – in grado di sostenere, per esempio, i flussi continui di dati provenienti da sensori e oggetti connessi in ottica IoT. Un altro è quello legato alla latenza, quindi al tempo necessario per trasmettere un pacchetto dati attraverso la rete pubblica che il cloud sfrutta.
Per ovviare a questi problemi, negli ultimi anni si sta affermando un nuovo approccio, battezzato Edge Computing che, a detta di diversi analisti, guadagna consensi crescenti, in molteplici segmenti e in diversi ambiti applicativi.
PER APPROFONDIRE SCARICA IL WHITE PAPER “I BENEFICI DELL’EDGE COMPUTING”
Pensiamo ad esempio al mondo dell’automotive e dell’autonomous driving. Impensabile pensare allo sviluppo di auto a guida autonoma senza il contributo dell’edge computing. Le applicazioni di intelligenza artificiale devono girare lì dove i dati vengono generati, per consentire livelli di latenza minimi e minimi tempi di reazione.
Micro Data Center: perché è così importante per l’Edge Computing
Se si opta per un’architettura di Edge Computing, le risorse di calcolo e lo storage possono essere trasferiti dal data center centralizzato alla periferia della rete per creare data center regionali o micro data center costituiti, spesso, da un unico dispositivo hardware supercompatto, facile da installare, aggiornare e manutenere. Ma, soprattutto, economico e performante.
Il vantaggio più importante di un Micro Data Center è la sua flessibilità nel far utilizzare alle aziende un’ampia varietà di applicazioni rispondendo così non solo alle esigenze specifiche di un progetto IoT ma a bisogno molto più estesi. È possibile ottimizzare le singole soluzioni di Micro Data Center, per esempio, per semplificare soluzioni che necessitano di implementazioni rapide e facilmente ripetibili, oppure per rispondere ad esigenze di resilienza o ancora per supportare applicazioni che necessitano di elaborazione locale senza dover necessariamente prevedere uno specifico supporto IT locale.
MICRO DATA CENTER: AMBIENTE DI ELABORAZIONE “PREFABBRICATO” E SICURO. SCOPRI PERCHE’
Le dimensioni del mercato Edge Computing
È Grand View Research (“Edge Computing Market Size, Share & Trends Analysis Report By Technology (Mobile Edge Computing, Fog Computing), By Vertical, By Organization Size, By Region, And Segment Forecasts, 2018 – 2025”) a fotografare il mercato Edge Computing. Nel 2017 il giro d’affari globale ammontava a 1,47 miliardi di dollari, con stime di crescita a un tasso medio annuo composito (CAGR) del 35,4% da qui al 2022, quando raggiungerà il valore di 6,72 miliardi.
La definitiva consacrazione del fenomeno Internet of Things e la proliferazione dei device connessi, unita alle tecnologie di rete che abilitano la cosiddetta Real Time Intelligence fungono da volano e spingono le aziende verso l’adozione di soluzioni e servizi di Edge Analytics che poggiano su architetture di Edge Computing.
Ridurre il traffico di rete con edge computing ed edge analytics
Quando si parla di Edge Analytics si fa riferimento ad analisi che avvengono in locale, alla periferia della rete aziendale, nella fabbrica per esempio, ovvero laddove i dati stessi si generano e vengono raccolti. L’esempio tipico è quello delle applicazioni di Industria 4.0 in cui sensori e dispositivi generano – spesso sotto forma di flussi costanti e continui – enormi quantità di record impossibili da rielaborare in efficienza nel cloud. L’Edge Computing permette di prioritizzare, in una sorta di triage, l’analisi dati in loco, contribuendo a ridurre il traffico di rete verso i data center aziendali. Questo avviene, generalmente, attraverso il trasferimento dei record prodotti dai dispositivi connessi a un device installato localmente, dal fattore forma particolarmente compatto, che al suo interno include risorse computazionali, storage e connettività. Alcuni dati – quelli utili per generare allarmi o suggerire interventi istantanei – sono quindi processati localmente. La quota residuale è trasferita allo storage ospitato in cloud o al data center centrale per il backup o le analisi più complesse.
Ad esempio, per restare in ambito Industry 4.0, nelle aziende manifatturiere, laddove un sensore nell’impianto identifichi il possibile guasto di una componente specifica, le regole degli edge analytics, vale a dire gli algoritmi analitici che interpretano il dato a livello di edge, possono imporre il fermo macchina e l’invio degli alert al personale di manutenzione, riducendo il rischio di guasti e fermi prolungati degli impianti.
I benefici dell’edge computing
Più in generale, ci sono tutta una serie di benefici che possono essere assicurati dall’Edge computing: l’edge, innanzitutto, può aiutare gli utenti ad accedere ai dati di cui hanno bisogno rapidamente, con meno latenza e senza utilizzare gran parte della preziosa larghezza di banda. Non meno importante è l’aspetto sicurezza: l’archiviazione dei dati presenta dei rischi, ma i sistemi cloud sono più difficili da controllare per le aziende, poiché si trovano in data center remoti, gestiti tramite un sistema centralizzato. Al contrario l’edge computing può permettere di fornire l’analisi dei dati in tempo quasi reale e, poichè a differenza del cloud si basa su una rete distribuita di infrastrutture (tra cui spiccano i micro data center), è per certi versi più “al riparo” da eventuali disservizi. Che difficilmente interesseranno contemporaneamente tutti i nodi della rete.
Edge Computing l’architettura d’eccellenza della IoT
Tutto questo spiega perchè il giro d’affari delle Edge Analytics, secondo l’analista MarketsandMarkets (“Edge Analytics Market by Component (Solutions and Services), Analytics Type, Business Application (Marketing, Sales, Operations, Finance, and Human Resources), Deployment, Vertical, and Region – Global Forecast to 2021”), passerà dagli attuali 1,94 miliardi di dollari a 7,96 miliardi nel 2021, che corrispondono a un CAGR del 32,6%.
In questo momento, secondo Gartner, solo il 10% dei dati è elaborato al di fuori del data center, una percentuale destinata a salire al 50% nel 2022. Si tratta, in prevalenza, di applicazioni time sensitive, dove i record prodotti vanno rielaborati in tempo reale ( o, quantomeno, in near real time ) per innescare automatismi e allarmi istantanei.
ABI Research, prevede una crescita nel volume dei dati raccolti dai sensori e dai dispositivi IoT pari a 6 volte il valore attuale, con proiezioni di 2mila Exabite (2 Zettabyte) di dati processati “in loco” ( Edge Processing ) già nel 2021. «Il mercato delle analitiche IoT – spiega l’analista di ABI Research Ryan Martin – si sta espandendo rapidamente dal cloud al perimetro della rete grazie ai progressi compiuti sul fronte delle applicazioni analitiche, alle reti più affidabili e performanti, alla convergenza di reti fisse e mobili e alla riduzione dei costi dell’hardware». Agli albori dell’IoT, prosegue Martin «il focus era sulla connessione dei diversi oggetti più che sulla loro intelligenza. Con le Edge Analytics, invece, le organizzazioni hanno finalmente accesso a un nuovo livello insight, con dati più fluidi e granulari che permettono di migliorare le operation e abilitare nuovi servizi a valore».
Ma i campi di applicazione di questa nuova concezione architetturale sono davvero tanti.
Gli ambiti applicativi di Edge Computing in Italia e nel mondo
1) Edge computing e video streaming
Si pensi alla video sorveglianza smart. Il video streaming è il tipico caso di un’applicazione ad alto consumo di banda per cui l’Edge Computing può rivelarsi una scelta efficace. L’analisi in tempo reale, e in loco, dei filmati ( Edge Analytics ) permette di generare allarmi e intervenire tempestivamente nel caso in cui si evidenzino anomalie o situazioni potenzialmente pericolose.
2) Edge computing, latenza e transazioni finanziarie
Altro caso d’uso interessante è quello delle applicazioni particolarmente sensibili alla latenza, come le transazioni finanziarie. Uno dei maggiori problemi che le banche hanno è quello di intercettare e bloccare prontamente le transazioni “non conformi”, come un acquisto operato tramite carta di credito rubata. In questi casi i dati acquisiti dal POS devono essere rielaborati nel giro di pochissimi secondi. Impensabile attendere di trasferire i dati sulla transazione al data center centrale per la loro rielaborazione… Ecco perché all’interno di molte filiali di istituti di credito sono stati creati micro data center dove poter processare questi record in tempo reale.
3) Edge computing e micro datacenter nel retail
Allo stesso modo, sono molti i retailer che implementano micro data center per consentire ai punti vendita di ingaggiare meglio i clienti sfruttando le notifiche push sullo smartphone, gli online coupon e, in molti casi, anche i nuovi video interattivi. Promozioni targettizzate e real time marketing che poggiano su solide basi infrastrutturali e sulle Edge Analytics.
4) Edge computing e Telco
L’Edge Computing rappresenta la soluzione ideale anche per le telco, che utilizzano queste architetture distribuite per costruire le reti cellulari di ultima generazione (5G). Anche le società che operano nel broadcasting di nuova concezione, on demand e in tempo reale (sulla scorta del modello Netflix), possono trarre enormi benefici dall’Edge Computing.
La creazione di piccoli data center regionali interconnessi, molto vicini agli utenti, permette di soddisfare le loro richieste in tempi brevissimi, azzerando i problemi di latenza. Il contenuto video potrà essere distribuito in modo rapido a chiunque ne faccia richiesta duplicandolo su diversi edge server e indirizzandolo all’utente a partire dalla macchina a lui più vicina.
A cosa serve l’Edge Computing negli ambienti cloud
L’Edge Computing si rivela una scelta oculata anche per replicare i servizi cloud, migliorare la disponibilità delle applicazioni on premise o, ancora, garantire l’isolamento del data center aziendale dal cloud pubblico. E proprio la possibilità di superare i limiti delle infrastrutture cloud è indicata da Gartner come il fattore critico di successo dei paradigmi di Edge Computing, che l’analista stesso indica come uno dei tech topic per l’anno in corso.
La differenza tra Fog Computing ed Edge Computing
Spesso, come sinonimo di Edge computing viene utilizzato anche il termine fog computing. In realtà tra queste due tecnologie esiste una differenza, che poi però può sfumarsi nelle implementazioni concrete. Sia il “fog computing” che il “edge computing” implicano spinte di intelligence e capacità di elaborazione più vicine a dove i dati hanno origine, al margine della rete. La differenza chiave tra le due architetture è esattamente dove si colloca l’intelligenza e la potenza di calcolo. così da ridurre la latenza e non solo. Ma mentre nel fog computing si va a livello della rete LAN (local area network), dove i dati provenienti da sensori ed endopoint vengono elaborati da un nodo fog o da un gateway IoT, nell’edge computing l’intelligenza la e capacità computazionale viene integrata direttamente nei dispositivi e piattaforme embedded di elaborazione, come ad esempio i dispositivi PAC (programmable automation controller), che si interfacciano con sensori e altri sistemi embedded di controllo. In buona sostanza il fog computing prevede un layer, un livello in più.
