W ostatnich latach sporo mówi się o obliczeniach w chmurze, które mają nam towarzyszyć na każdym kroku. Dla wielu osób chmura jest odpowiedzią na każde przetwarzanie danych, bo to główniej o niej słyszą. Jest jednak wiele innych ważnych technologii obliczeniowych, mających wpływ na nasze życie. Jedną z nich jest przetwarzanie brzegowe, znane też jako edge computing. Przyjrzyjmy się, dlaczego jest tak istotne, czym różni się od obliczeń w chmurze i jakie może mieć zastosowania. Dowiecie się też, co łączy je z Internetem Rzeczy.
- Przetwarzanie brzegowe często mylone jest z przetwarzaniem w chmurze, choć to dwie zupełnie różne koncepcje. Co ważne, oba rozwiązania mogą się jednak doskonale uzupełniać
- Przetwarzanie brzegowe jest istotne wszędzie tam, gdzie liczy się szybkość dostępu do danych i jak najniższe opóźnienie. To dlatego świetnie sprawdza się choćby w przypadku autonomicznych samochodów oraz urządzeń Internetu Rzeczy
- Kluczowa w rozwoju systemów przetwarzania brzegowego i urządzeń na krawędzi jest szybka adaptacja sieci 5G
Edge computing znany w Polsce jako obliczenia lub przetwarzanie brzegowe jest rodzajem rozproszonego przetwarzania danych, odbywającego się w lokalizacji danego użytkownika lub w jego bliskim otoczeniu. Na pierwszy rzut oka ta definicja nie wygląda szczególnie odkrywczo i można ją powiązać z bardzo wieloma rzeczami. Wielu wiąże ją zresztą z samą chmurą, która przecież jest obecna właściwie wszędzie. Cały czas słyszymy o kolejnych obliczeniach w chmurze, o nowych systemach chmurowych, o plikach w chmurze i innych, podobnych rzeczach.
Trzeba jednak wyraźnie zaznaczyć, że samo przetwarzanie brzegowe nie jest częścią chmury. Z drugiej jednak strony urządzenia brzegowe mogą wnosić swój wkład w jej rozwój. Muszą być jednak spełnione konkretne warunki, z których najważniejszym jest możliwość współdzielenia wyników obliczeń, wykonywanych na punktach końcowych sieci. Co ważne, właśnie fakt, że przetwarzanie brzegowe nie wchodzi w skład chmury, sprawia, że jego możliwości i znaczenie jest tak duże.
Trzeba tutaj też wyraźnie zaznaczyć, że sama krawędź (edge) nie jest dokładnie tym samym co obliczenia brzegowe. Może być bowiem tak, że dane zbierane są właśnie na krawędzi sieci i wysyłane do chmury, gdzie są przetwarzane. Nawet jeśli cały proces przesyłania takich danych na serwery zajmuje niewiele czasu, to nie dzieje się to błyskawicznie. A przetwarzanie brzegowe charakteryzuje się właśnie tym, że jest bardzo mocno uzależnione od czasu, ale też miejsca – to musi być zlokalizowane jak najbliżej użytkownika. Tym samym opóźnienia między rozpoczęciem wykonywania obliczeń a otrzymaniem wyników muszą być dużo mniejsze niż dla chmury.
Jak jest to istotne, chyba najlepiej pokazuje przykład autonomicznych samochodów. Wyobraźmy sobie, że takie auto, które przecież musi szybko reagować na sytuację na drodze, wymaga częstej wymiany danych z serwerem chmurowym. Musi wysłać dane i czekać na rezultat obliczeń, gdy np. od ich wyniku zależy, czy kierowca ominie przeszkodę, czy w nią z impetem uderzy. A trzeba zaznaczyć, że takich informacji do przetworzenia jest sporo, bo w autach instaluje się sporo różnego rodzaju czujników.
Pojazdy mogą łączyć się z krawędzią sieci w celu zwiększenia bezpieczeństwa. Nie opierają się jednak na nich w pełni i nie są od nich uzależnione. Nawet wiedząc, że przetwarzanie brzegowe jest dużo szybsze niż chmurowe, to komputer pokładowy i tak musi podejmować decyzje w ułamku sekundy, a takich parametrów nie oferują jeszcze żadne rozproszone platformy obliczeniowe. Poza tym nie bylibyśmy w stanie zagwarantować pełnego bezpieczeństwa, bazując wyłącznie na zewnętrznych obliczeniach. W końcu zawsze może dojść do przerwania połączenia
Obliczenia brzegowe mogą się jednak sprawdzić w nieco innym kontekście. Załóżmy, że jesteśmy na autostradzie i w naszą stronę pod prąd kieruje się inne auto. Dzięki obliczeniom brzegowym moglibyśmy zostać poinformowani o takim fakcie oraz o tym, gdzie powinniśmy zjechać, by uniknąć kolizji. Do tego jednak niezbędne jest stosowanie szybkich technologii łączności, takich jak 5G. Piąta generacja sieci komórkowych jest zresztą sama doskonałym przykładem użycia przetwarzania brzegowego, ale umożliwia inne przypadki użycia takich obliczeń. Wszystko za sprawą wysokiej przepustowości i niskich opóźnień w takiej sieci.
Obliczenia brzegowe mogą być również bardzo istotne w miejscach, w których trudno o dostęp do szybkiej sieci. Załóżmy, że jesteśmy w terenie, na którym wymiana danych w sieciach komórkowych jest bardzo wolna. W takim przypadku urządzenie brzegowe, z którym można się bezpośrednio połączyć i pozwalające na wykonanie szybkich obliczeń może być niezwykle istotne.
Wspomnieliśmy o autonomicznych pojazdach, ale przypadki użycia przetwarzania w chmurze mogą być powiązane z bardziej statycznymi obiektami. Dobrym przykładem jest wykorzystanie takich rozwiązań w halach produkcyjnych w konserwacji predykcyjnej. W prezentacji firmy Siemens pokazano robota, którego zadaniem jest pakowanie przedmiotów. Jeśli robot zostanie uszkodzony, wyprodukowane komponenty nie są odbierane i w efekcie linia musi zostać zatrzymana. Jeśli jednak zastosujemy urządzenia brzegowe, zbierające informacje z czujników konkretnych robotów możliwe jest przewidzenie nadchodzącej usterki i wykonanie konserwacji przed jej nastąpieniem. Zebrane dane mogą zostać przekazane dalej, by usprawnić algorytm predykcyjny, który jest już obliczany przez znacznie mocniejszy serwer chmurowy.
Przetwarzanie brzegowe jest też łączone z Internetem Reczy (IoT). Obie rzeczy mogą, co prawda, współpracować, ale nie są równoważne. Urządzenia Internetu Rzeczy zwykle generują duże ilości danych, które należy szybko przetworzyć i przeanalizować, by można było je wykorzystać. O ile jednak w domu nie potrzebujemy specjalnie wydajnego przetwarzania brzegowego, to już w fabrykach, a szczególnie energetyce i telekomunikacji, jest to wymagane. Przetwarzanie brzegowe, będące lokalnym źródłem przetwarzania i przechowywania danych dla urządzeń IoT może znacząco zmniejszyć opóźnienia w komunikacji między tymi sprzętami. To też sprawia, że poprawia się również komunikacja między urządzeniami IoT a samą centralą, do której są podpięte.
Przetwarzanie brzegowe umożliwia korzystanie z dużej ilości danych tworzonych przez podłączony sprzęt Internetu Rzeczy. Wdrażanie algorytmów analitycznych i modeli uczenia maszynowego na urządzeniach brzegowych umożliwia przetwarzanie danych lokalnie i pozwala na szybkie podejmowanie decyzji.
Wspominaliśmy już kilkukrotnie o zaletach przetwarzania brzegowego, ale nie poruszyliśmy jeszcze jednego tematu. Ten sposób prowadzenia obliczeń wydaje się sensowny, gdy chcemy zapobiec przeciążeniu szkieletu sieci. Zamiast wysyłania ogromnych ilości danych bezpośrednio do głównego serwera, przekazujemy tam tylko te, które muszą tam trafić. Reszta jest obrabiana lokalnie.
Należy przy tym zauważyć, że edge computing nigdy nie zastąpi chmury. Ta ostatnia cały czas ewoluuje, oferując coraz szybszy czas przetwarzania informacji, ale też coraz większą wydajność. Pod względem mocy obliczeniowej urządzenia brzegowe nie mogą konkurować z potężnymi superkomputerami. Zamiast tego będziemy obserwować raczej coraz większą synergię między tymi technologiami.
