Edge computing: l’elaborazione ai margini della rete
Entro il 2020 l’”Internet of Things (IoT)“, cioè i collegamenti in rete di sistemi elettronici, come quelli delle autovetture private o degli impianti di produzione industriali, raggiungeranno circa 50 miliardi di oggetti in tutto il mondo. Tutti questi dispositivi generano output continui che devono essere memorizzati e valutati in tempo reale per le applicazioni critiche. Un compito che difficilmente può essere realizzato con soluzioni cloud consolidate.
Gli ostacoli principali sono soprattutto il lento ritmo di ampliamento della banda larga e i ritardi nella trasmissione dati tra i cloud server e i dispositivi finali ai margini della rete. L’edge computing affronta entrambi i problemi e introduce un cambiamento di paradigma nell'era del cloud computing.
Che cos’è l’edge computing? Una definizione
L'edge computing è un approccio progettuale per ambienti IoT, che fornisce risorse IT come la capacità di memorizzazione e la potenza di calcolo il più vicino possibile ai dispositivi e ai sensori che generano dati. Il concetto rappresenta, quindi, un'alternativa alle classiche soluzioni cloud con server centralizzati.
Il termine “edge” deriva dalla parola inglese che significa angolo, estremità o margine. Un'allusione al fatto che con questo approccio l'elaborazione dati non avviene in maniera centralizzata nel cloud, ma in modo decentralizzato ai margini della rete. L'edge computing ha lo scopo di fornire ciò che il cloud non ha ancora consentito finora: server in grado di valutare grandi quantità di dati provenienti da fabbriche intelligenti, reti o sistemi di trasporto senza ritardi e intervenire immediatamente in caso di problemi.
Concetti base dell’edge computing in sintesi
L'edge computing rappresenta un nuovo concetto di architettura per ambienti IoT, ma non mette in gioco nuovi componenti di rete. Piuttosto, vengono utilizzate tecnologie già consolidate in una struttura più compatta e con un nuovo nome. Vi forniamo una panoramica dei più importanti concetti fondamentali dell’edge computing.
- Edge: nel gergo informatico, “edge” si riferisce al margine della rete. La scelta di quali componenti di rete assegnare al confine della rete dipende, però, dalla situazione. Nelle reti di telecomunicazione, ad esempio, un cellulare può rappresentare il margine della rete; allo stesso modo un singolo veicolo può esserlo all’interno di un sistema di auto a guida autonoma. In questi casi si parla di edge device.
- Edge device: svolge la funzione di edge device qualsiasi dispositivo di generazione dati al margine della rete. Le possibili sorgenti di dati sono sensori, macchine, veicoli o dispositivi intelligenti in un ambiente IoT, come ad esempio lavatrici, allarmi antincendio, lampadine o termostati per radiatori.
- Edge gateway: un edge gateway è un’istanza di calcolo nel passaggio tra due reti. Negli ambienti IoT, gli edge gateway sono utilizzati come nodi tra l’IoT e una rete centrale. Quest’ultima è costituita da router potenti che offrono una potenza di calcolo tale da pre-elaborare i dati IoT. Gli edge gateway forniscono varie interfacce per le tecnologie di trasmissione via cavo e via radio e per gli standard di comunicazione come Ethernet, WLAN, Bluetooth, telefonia mobile 3G, LTE, Zigbee, Z-Wave, CAN-Bus, Modbus, BACnet o SCADA.
Edge computing vs Fog computing
L'approccio che prevede di ampliare il cloud a centri di elaborazione locali non è nuovo. Già nel 2014 l’azienda americana di tecnologia Cisco, ha definito il concetto di marketing "Fog computing". Un concetto che si basa su una pre-elaborazione dei dati decentralizzata nei cosiddetti nodi Fog. I nodi Fog sono dei mini datacenter che sono messi davanti al cloud e rappresentano così un livello intermedio nella rete (si parla di Fog Layer). I dati generati negli ambienti IoT quindi non vengono più trasferiti direttamente al cloud, ma vengono dapprima riuniti in nodi Fog, valutati e selezionati per le successive fasi di elaborazione.
Per edge computing si intende oggi una parte del Fog computing dove risorse IT come la potenza di calcolo e la capacità di memorizzazione si avvicinano ancora di più ai dispositivi IoT ai margini della rete. Mentre l'elaborazione dei dati nelle architetture di Fog computing viene inizialmente eseguita sul Fog Layer, con l’edge computing questa viene già eseguita da potenti router IoT o direttamente dal dispositivo o sensore. Si potrebbe prevedere anche una combinazione di entrambi i concetti. Nella grafica seguente è illustrata un’architettura con Cloud, Fog ed Edge layer.
Architetture di riferimento per soluzioni di Fog ed edge computing sono state sviluppate nell'ambito dell’Open Fog Consortium, un’associazione aperta che unisce industria e scienza.
Quali sono i vantaggi dell'edge computing?
Una torre di trivellazione produce circa 500 gigabyte di dati alla settimana; la turbina di un aereo moderno produce circa 10 terabyte in 30 minuti. Volumi di dati di questa portata non possono essere caricati dal cloud, né valutati in tempo reale tramite reti mobili. Inoltre, l'uso di reti esterne è associato a costi elevati. Occorre pertanto decidere a livello locale quante e quali informazioni generate debbano essere trasferite e memorizzate nei sistemi centrali e quali dati possano invece essere valutati sul campo. È qui che entra in gioco l’edge computing.
Attualmente, le unità di calcolo centrali trasportano la maggior parte del carico di dati generati da Internet. Oggi, tuttavia, le sorgenti di dati sono spesso mobili e troppo lontane dal computer centrale per garantire un tempo di reazione (latenza) accettabile. Ciò diventa particolarmente problematico con applicazioni time-critical come l’apprendimento automatico e la manutenzione predittiva, due concetti di base del progetto Transizione 4.0 con impianti di produzione intelligenti e reti di fornitura autoregolabili.
La Predictive Maintenance (manutenzione predittiva) ha lo scopo di rivoluzionare la manutenzione e l'amministrazione delle fabbriche del futuro. Invece di segnalare guasti e malfunzionamenti a posteriori, secondo il nuovo concetto di manutenzione i rischi dovrebbero essere rilevati come difetti ancor prima che si verifichino nella realtà utilizzando sistemi di monitoraggio intelligenti.
Anche l’uso privato di Internet, ad esempio video in streaming ad alta risoluzione su dispositivi mobili, VR e realtà aumentata, sta già spingendo i concetti classici del cloud e la larghezza di banda a disposizione delle reti oltre i loro limiti. L'introduzione della nuova telefonia mobile 5G, con una velocità di trasmissione fino a 10 GBit/s, secondo gli esperti non fermerà questo processo, anzi, lo rafforzerà. Neanche l'edge computing offre una soluzione a questo problema. Piuttosto ci si chiede se tutti i dati in ambienti IoT debbano essere effettivamente elaborati nel cloud.
L'edge computing non è visto come una sostituzione, ma come un complemento al cloud che fornisce le seguenti caratteristiche:
- Raccolta e aggregazione di dati: mentre le sorgenti di dati nelle classiche architetture cloud trasferiscono tutti i dati a un’unità di calcolo centrale nel cloud per una valutazione centralizzata, l’edge computing si basa sulla raccolta di dati in prossimità dell’origine. A tale scopo, i microcontrollori sono utilizzati direttamente nel dispositivo o nei cosiddetti edge gateway, ovvero i "router intelligenti". Questi combinano dati provenienti da dispositivi diversi e consentono la pre-elaborazione e la selezione di archivi di dati. Il caricamento nel cloud avviene solo se le informazioni non vengono valutate localmente, se sono richieste analisi dettagliate o se devono essere archiviati dei dati.
- Memorizzazione locale dei dati: l’edge computing è particolarmente utile quando bisogna fornire dati a banda larga a livello locale. Con grosse quantità di dati, la trasmissione in tempo reale dall’unità di calcolo centrale di solito non è possibile nel cloud. Questo problema può essere superato memorizzando i dati corrispondenti in maniera decentrata ai margini della rete. In un contesto del genere, gli edge gateway fungono da server di replica in una Content Delivery Network.
- Monitoraggio basato su IA: le unità di calcolo decentralizzate in un ambiente di edge computing ricevono e valutano i dati, consentendo un monitoraggio continuo dei dispositivi collegati. Con gli algoritmi di Machine Learning è possibile monitorare in tempo reale lo stato delle macchine, ad esempio per controllare e ottimizzare i processi nelle fabbriche intelligenti.
- Comunicazione M2M: l’abbreviazione "M2M" sta per "Machine-to-Machine", che indica lo scambio automatico di informazioni tra terminali per mezzo di qualsiasi standard di comunicazione. In ambienti IoT, come una fabbrica intelligente, la comunicazione M2M potrebbe essere utilizzata per il monitoraggio remoto di macchine e impianti. Nell'ambito del controllo di un processo avviene sia la comunicazione tra terminali sia la comunicazione con un’unità centralizzata, che funge da istanza di controllo (monitoraggio supportato da IA).
La grafica seguente illustra il principio di base di un'architettura cloud decentralizzata dove gli edge gateway agiscono come istanza di mediazione tra un computer centrale nel cloud pubblico o privato e i dispositivi IoT ai margini della rete.
Campi di applicazione per architetture di edge computing
I casi d’uso dell’edge computing provengono solitamente dall'ambiente IoT e si tratta, come per il concetto di architettura cloud decentralizzata, di progetti per il futuro. Un importante fattore di crescita per la tecnologia edge computing è la crescente domanda di sistemi di comunicazione in tempo reale. L'elaborazione decentralizzata dei dati è considerata una tecnologia fondamentale per i seguenti progetti:
- Comunicazione car-to-car
- Smart Grid
- Smart Factory
In futuro, una “connected car” sarà molto più di un semplice veicolo con connessione Internet. I sistemi di trasporto del futuro promettono sistemi di allarme preventivi supportati dal cloud e basati sulla comunicazione car-to-car oltre che mezzi di trasporto che viaggiano in modo completamente autonomo. La condizione affinché ciò si realizzi è la presenza di un'infrastruttura che consenta lo scambio di dati in tempo reale tra i veicoli e i punti di comunicazione sul percorso.
Questo in futuro si potrà applicare anche alla rete elettrica, che si adatterà automaticamente alle oscillazioni di potenza grazie a sistemi di gestione energetica decentralizzati. Le smart grid stanno diventando una tecnologia chiave per la trasformazione del sistema energetico. Infatti, il passaggio alle energie rinnovabili sta ponendo nuove sfide alle reti elettriche. Invece di pochi generatori centralizzati di grandi dimensioni, un ampio numero di generatori di energia più piccoli e decentralizzati saranno collegati agli impianti di stoccaggio e presso gli utenti finali. Grazie ai pannelli solari, alcuni di questi impianti diventeranno addirittura essi stessi generatori di energia elettrica.
Le reti intelligenti non trasportano solo l'elettricità, ma forniscono anche dati relativi alla produzione, allo stoccaggio e al consumo. Questo permette a tutte le parti interessate di reagire tempestivamente ai cambiamenti. L'obiettivo è quello di mantenere stabili le reti elettriche, nonostante una difficoltà maggiore, e di renderle più efficienti attraverso un controllo intelligente del carico. Nuovi concetti di cloud come edge e Fog computing dovrebbero permettere di acquisire, memorizzare ed elaborare le grandi quantità di dati generati nel più breve tempo possibile.
Il termine Smart Factory designa singoli impianti di produzione e sistemi logistici che, idealmente, non richiedono più alcun tipo di intervento umano. Una fabbrica intelligente è in pratica un sistema di dispositivi, macchine e sensori collegati in rete, che comunicano tra loro attraverso l’Internet delle cose per gestire i processi produttivi. Il sistema di comunicazione della Smart Factory include anche il prodotto finito e può quindi reagire automaticamente alla domanda e all'offerta.
I sistemi di IA e l'apprendimento automatico possono essere utilizzati per automatizzare i processi di manutenzione e per ottimizzare la produzione. Ciò richiede un'infrastruttura IT in grado di valutare grandi quantità di dati e di rispondere senza ritardi a eventi imprevisti. I sistemi classici del cloud si sono rilevati carenti per il problema della latenza. Le architetture Fog e edge computing risolvono questo problema attraverso l'elaborazione distribuita dei dati.
Edge computing: vantaggi e svantaggi in sintesi
La tabella seguente mette a confronto i vantaggi e gli svantaggi di un'architettura edge computing rispetto a quelli degli ambienti classici del cloud.
| Vantaggi | Svantaggi |
|---|---|
| Elaborazione dati in tempo reale: nelle architetture edge computing, le unità di elaborazione si avvicinano alla sorgente dati, consentendo una comunicazione in tempo reale. Il problema della latenza delle classiche soluzioni del cloud viene superato. | Struttura di rete più complessa: un sistema distribuito è molto più complesso di un'architettura cloud centralizzata. Un ambiente di edge computing è una combinazione eterogenea di vari componenti di rete, alcuni dei quali sono di produttori diversi, che comunicano tra loro attraverso una varietà di interfacce. |
| Ridotto flusso di dati: l’edge computing implica principalmente l'elaborazione locale dei dati negli edge gateway. Solo i dati che non possono essere valutati localmente o che dovrebbero essere disponibili online vengono caricati nel cloud. | Prezzo d’acquisto di un edge hardware: le architetture cloud centralizzate sono più vantaggiose principalmente perché necessitano di un numero significativamente inferiore di hardware locali. Questo vantaggio viene meno con i sistemi distribuiti. |
| Sicurezza dei dati: con l’edge computing gran parte dei dati rimane nella rete locale. Ciò rende molto più facile per le aziende soddisfare i requisiti di conformità. | Maggiore manutenzione: un sistema decentralizzato con più nodi di calcolo richiede requisiti di manutenzione e amministrazione più elevati rispetto a un’unità di calcolo centralizzata. |
Articoli simili
Bare metal server: hardware dedicato per progetti web complessi
Con il termine “Bare metal“ si indica l’ultimo prodotto comparso sul mercato dell’hosting. Il nome potrà sembrare insolito, ma in realtà con questo appellativo si pone l’accento su un hardware dalle prestazioni elevate. Infatti su un bare metal server è come se l’accesso dell’utente arrivasse quasi fino al metallo lucido, quindi si ha un pieno controllo del server. Tutti i componenti software…
ownCloud vs Nextcloud: un confronto diretto tra i due strumenti di collaborazione cloud
Chi volesse beneficiare delle possibilità offerte da un software di collaborazione cloud e mantenere allo stesso tempo il pieno controllo sui dati, può soddisfare questo desiderio ricorrendo a un proprio servizio di server cloud. In questo contesto ownCloud e Nextcloud si presentano come due soluzioni efficaci, gestibili su quasi tutti i server: vi illustriamo nell’articolo le loro somiglianze e…
Fog Computing: sistema decentralizzato per IoT e Cloud
Le soluzioni Cloud si basano tradizionalmente su un’elaborazione dati centralizzata, ma per architetture Cloud più complesse (città interconnesse, fabbriche intelligenti), il Cloud Computing tradizionale potrebbe rappresentare un ostacolo per la larghezza di banda. Il Fog Computing estende le architetture Cloud ad un sistema di pre-elaborazione dei dati decentralizzato e riduce il traffico di dati…
Serverless computing: cosa si nasconde dietro al moderno modello cloud
Non disporre di risorse IT interne ma noleggiarle come infrastruttura cloud è diventata da tempo una pratica comune per le aziende. Mentre la maggior parte delle soluzioni, come IaaS o PaaS, richiede interazioni utente concrete per l'amministrazione e la scalabilità, il modello serverless consente agli utenti di concentrarsi completamente sullo sviluppo e l'esecuzione del proprio progetto.
sdecoretShutterstock Distributed computing: calcolo distribuito per infrastrutture digitali efficienti
Il calcolo distribuito è una tecnica di base della digitalizzazione. Molte aziende e servizi in cloud puntano su questo metodo, che mette a disposizione un’infrastruttura efficiente e allo stesso tempo economica. Anche i progetti di ricerca più esigenti e le applicazioni business traggono vantaggio dalle soluzioni flessibili e concrete del calcolo distribuito.
