Использование IoT Edge Computing для анализа данных в реальном времени

В классической IoT-архитектуре умные устройства отправляют собранные данные в облако или удаленный центр обработки данных для анализа. Большие объемы данных, движущиеся от устройства и к нему, могут вызывать узкие места, делающие этот подход неэффективным в любом latency-sensitive сценарии использования.

IoT edge computing решает эту проблему, приближая обработку данных к IoT-устройствам. Эта стратегия сокращает путь данных и позволяет системе выполнять практически мгновенный on-site анализ данных.

Эта статья — введение в IoT edge computing и преимущества действий над данными максимально близко к их источнику. Читайте дальше, чтобы узнать, почему edge computing — критически важный энейблер для IoT сценариев использования, в которых система должна захватывать и анализировать огромные объемы данных в реальном времени.

Что такое IoT Edge Computing?

IoT edge computing — практика использования обработки данных на периферии сети для ускорения производительности IoT-системы. Вместо отправки данных на удаленный сервер, edge computing позволяет умному устройству обрабатывать сырые IoT-данные на близком периферийном сервере.

Обработка данных близко к или в точке возникновения приводит к нулевой задержке. Эта функция может сделать или сломать функциональность IoT-устройства, выполняющего время-чувствительные задачи.

Перемещение обработки данных физически ближе к IoT-устройствам предлагает линейку преимуществ для enterprise IT, таких как:

• Более быстрые, более надежные сервисы.
• Более плавный пользовательский опыт.
• Real-time, on-site аналитика.
• Возможность фильтровать и агрегировать сырые данные для снижения трафика, отправляемого на внешний сервер или в облако.
• Ниже операционные расходы (OpEx) из-за меньшего использования пропускной способности и меньших потребностей в мощности ЦОД.
• Выше безопасность из-за меньшего количества внешних подключений и меньшего пространства для потенциального бокового движения.

IoT edge computing — жизненно важный энейблер для IoT, так как эта стратегия позволяет надежно запускать low-latency приложение на IoT-устройстве. Периферийная обработка — идеальный вариант для любого IoT сценария использования, который:

• Требует принятия решений в реальном времени.
• Имеет потенциально катастрофические сбои.
• Работает с экстремальными объемами данных.
• Работает в среде, где облачное подключение либо скудное, либо полностью недоступно.

Облако и edge computing не взаимоисключающие. Две вычислительные парадигмы отлично подходят, так как периферийный сервер (либо в том же регионе, либо на тех же premisах) может обрабатывать время-чувствительные задачи, отправляя отфильтрованные данные в облако для дальнейшего, более затратного по времени анализа.

Edge-устройства против IoT-устройств

IoT edge computing полагается на комбинированное использование и edge, и IoT-устройств:

• IoT-устройство — машина, подключенная к интернету, способная генерировать и передавать данные в единицу обработки (либо edge-устройство, либо облако, либо центральный сервер). Эти устройства обычно имеют специальные датчики и служат единственной цели.
• Edge-устройство — кусок железа, работающий рядом с пользователем или устройством, генерирующим сырые данные. Эти устройства имеют достаточно вычислительных ресурсов для обработки данных и принятия решений с sub-millisecond задержками, скоростью невозможной, если данные должны сначала пересечь сеть.

В некоторых случаях термины edge и IoT-устройств могут быть взаимозаменяемыми. IoT-устройство может также быть edge-устройством, если у него достаточно вычислительных ресурсов для принятия low-latency решений и обработки данных. Также edge-устройство может быть частью IoT, если у него есть датчик, генерирующий сырые данные.

Однако создание устройств с обеими IoT и edge возможностями не cost-effective. Лучший вариант — развернуть множество дешевле IoT-устройств, генерирующих данные, и подключить все их к одному edge-серверу, способному обрабатывать данные.

Как IoT и Edge Computing работают вместе?

Edge computing предоставляет IoT-системе локальный источник обработки данных, хранилища и вычислений. IoT-устройство собирает данные и отправляет их на edge-сервер. Тем временем сервер анализирует данные на периферии локальной сети, обеспечивая более быструю, более легко масштабируемую обработку данных.

При сравнении с обычным дизайном, предполагающим отправку данных на центральный сервер для анализа, IoT edge computing система имеет:

• Сниженную задержку коммуникации между IoT-устройством и сетью.
• Более быстрые времена отклика и повышенную операционную эффективность.
• Меньшее потребление пропускной способности сети, так как система стримит данные в облако только для долгосрочного хранения или анализа.
• Способность продолжать операцию даже если система теряет связь с облаком или центральным сервером.

Edge computing — эффективный, cost-effective способ использования Интернета вещей в масштабе без риска перегрузок сети. Бизнес, полагающийся на IoT edge, также снижает влияние потенциальной утечки данных. Если кто-то взламывает edge-устройство, злоумышленник получит доступ только к локальным сырым данным (в отличие от того, что происходит, если кто-то хакер центральный сервер).

Та же логика «меньшего радиуса поражения» применяется к случайным утечкам данных и похожим угрозам целостности данных.

Кроме того, edge computing предлагает слой резервирования для миссионно-критических IoT-задач. Если один локальный юнит выходит из строя, другие edge-серверы и IoT-устройства могут продолжать операцию без проблем. Нет single points of failure, которые могут остановить все операции.

Особенности IoT Edge Computing

Хотя у каждой IoT edge computing системы уникальные черты, все развертывания делят несколько характеристик. Ниже — список 6 функций, которые можно найти во всех сценариях использования IoT edge computing.

Консолидированные рабочие нагрузки

Старый edge-устройство обычно запускало проприетарные приложения поверх проприетарного RTOS (real-time operating system). Передовая IoT edge система имеет гипервизор, абстрагирующий OS и апп-слои от базового железа.

Использование гипервизора позволяет одному edge computing устройству запускать множественные OS, что:

• Пролаживает путь для консолидации рабочих нагрузок.
• Снижает физический footprint, требуемый на edge.

В результате цена развертывания на edge далеко ниже, чем то, что вы когда-то должны были платить для настройки топового edge computing системы.

Предобработка и фильтрация данных

Ранние edge-системы обычно работали так, что удаленный сервер запрашивал значение у edge независимо от того, были ли недавние изменения. IoT edge computing система может предобрабатывать данные на edge (обычно через edge-агент) и отправлять только релевантную информацию в облако. Этот подход:

• Снижает шанс data bottlenecks.
• Улучшает response rates системы.
• Снижает затраты на облачное хранилище и пропускную способность.

Масштабируемое управление

Старые edge-ресурсы часто использовали последовательные протоколы коммуникации, которые было трудно обновлять и управлять в масштабе. Бизнес теперь может подключать IoT edge computing ресурсы к локальным или глобальным сетям (LAN или WAN), обеспечивая центральное управление.

Edge management платформы также растут в популярности, так как провайдеры ищут еще больше оптимизировать задачи, связанные с крупномасштабными edge-развертываниями.

Открытая архитектура

Проприетарные протоколы и закрытые архитектуры были распространены в edge-средах годами. К сожалению, эти функции часто приводят к высоким интеграционным и switching затратам из-за vendor lock-ins, поэтому современные edge computing полагаются на открытую архитектуру с:

• Стандартизированными протоколами (например, OPC UA, MQTT).
• Семантическими структурами данных (например, Sparkplug).

Открытая архитектура снижает интеграционные затраты и увеличивает vendor interoperability, два критичных фактора для жизнеспособности IoT edge computing.

Edge Analytics

Ранние версии edge-устройств имели ограниченную вычислительную мощность и обычно могли выполнять одну задачу, такую как ingestion данных.

В наши дни IoT edge computing система имеет более мощные возможности обработки для анализа данных на edge. Эта функция жизненно важна для low-latency и high data throughput сценариев использования, которые традиционные edge computing не могли надежно обрабатывать.

Распределенные приложения

Интеллектуальные IoT edge computing ресурсы де-каплют приложения от базового железа. Эта функция обеспечивает гибкую архитектуру, в которой приложение может перемещаться между вычислительными ресурсами как:

• Вертикально (например, от edge-ресурса в облако).
• Горизонтально (например, от одного edge computing ресурса к другому).

Бизнес может развернуть edge-приложение в трех типах архитектур:

• 100% edge: Эта архитектура имеет все вычислительные ресурсы on-premise. Этот дизайн популярен у организаций, не желающих отправлять данные off-premises, обычно из соображений безопасности. Бизнес, готовый к тяжелым on-prem инвестициям, также типичный приемщик.
• Thick edge + cloud architecture: Этот дизайн включает on-prem дата-центр, облачное развертывание и edge вычислительные ресурсы. Распространенный выбор для компаний, уже сильно инвестировавших в on-prem дата-центр, но позже решивших использовать облако для агрегации и анализа данных (обычно с нескольких объектов).
• Thin (или micro) edge + cloud architecture: Этот подход всегда включает облачные вычислительные ресурсы, подключенные к одному (или более) меньшим edge вычислительным ресурсам. В этом дизайне нет on-prem дата-центров.

Сценарии использования IoT Edge Computing

Edge computing может играть жизненно важную роль в любом IoT-дизайне, требующем low latency или локального хранения данных. Вот несколько интересных сценариев:

• Индустриальный IoT (IIoT): IoT-датчики могут отслеживать состояние промышленного оборудования, выявляя проблемы такие как поломки или перегруз. Тем временем edge-сервер может реагировать на проблемы до потенциальной катастрофы.
• Беспилотные автомобили: Автономный автомобиль, едущий по дороге, должен уметь собирать и обрабатывать real-time данные (трафик, пешеходы, дорожные знаки, светофоры и т.д.). Автоматические машины — zero-latency сценарий использования, поэтому использование edge IoT — единственный способ гарантировать, что беспилотный автомобиль может своевременно остановиться или повернуть, чтобы избежать аварии.
• Автоматизированные грузовики-конвои: IoT edge computing также может позволить бизнесу создать автоматизированный конвой грузовиков. Группа IoT-питанированных грузовиков может ехать близко друг за другом в конвое, экономя топливо и снижая заторы. В этом сценарии только первый грузовик потребует человеческого водителя.
• Визуальный инференсинг: Высокоразрешающая камера с IoT edge компьютером может потреблять видеопотоки и выполнять инференсинг на собранных данных. Это оборудование может детектировать людей с высокой температурой, нарушителей в ограниченных зонах, нарушения безопасности, аномалии на производственных линиях и т.д.
• Удаленный condition-based мониторинг: В сценарии, где сбой может быть катастрофическим (например, нефте- или газопровод), использование IoT edge для мониторинга системы — no-brainer. IoT-датчик может отслеживать состояние актива (например, температуру, давление, стресс и т.д.), а edge-сервер может распознать и отреагировать на потенциальную проблему за миллисекунды.

IoT Edge Computing: Game-Changer для Enterprise IT

Сегодня IoT-сектор работает по множеству сценариев без edge computing. Однако, по мере роста количества подключенных устройств и исследования бизнесом новых сценариев использования, способность быстрее извлекать и обрабатывать данные станет решающим фактором. Ожидайте, что IoT edge computing будет играть ключевую роль в ближайшие годы, когда все больше компаний начнут преследовать преимущества zero-latency обработки данных.