Почему Edge-вычисления необходимы для IoT: Разблокировка реальной производительности

IoT и Edge-вычисления

Интернет вещей растёт экспоненциально с подключёнными устройствами от умных лампочек и духовок до промышленных устройств захвата аналитических данных. К 2025 году ожидается 41.6 миллиарда подключённых IoT-устройств, генерирующих 79.4 зеттабайта (ZB) данных, по данным IDC. Для сравнения, один зеттабайт — примерно один миллиард терабайт.

В ранние дни IoT большинство тех устройств отправляли все собранные данные в облако для анализа. Однако когда вы начинаете пытаться отправлять триллионы гигабайт в облако, данных pipeline начинает немного забиваться. Вот где в игру вступает Edge-вычисления — они помогают IoT-устройствам обрабатывать часть тех данных локально вместо этого, перед, или иногда взамен отправки в облако. Отсюда название — данные обрабатываются на «краю» вашей собственной сети, вместо отправки прочь.

Роль Edge-вычислений в IoT

Edge-вычисления служат множеству целей в текущем IoT-ландшафте. Эта распределённая, локальная вычислительная парадигма освобождает IoT-устройства от проблем латентности и связности, которые иначе делали бы некоторые IoT use cases невозможными. Эта существенная технология формирует хребет IoT-приложений, включающих классифицированные данные, требующие принятия решений в реальном времени или с низкой латентностью, происходящих в средах, где облачная связность либо скудна, либо полностью недоступна, и особенно data-heavy случаях вроде промышленных IIoT-внедрений.

Потому что Edge-устройства анализируют данные in-house, там нулевая латентность, в отличие от облако-анализированных данных. Для прецизионных time-sensitive задач это может сделать или сломать функциональность IoT-устройств. Edge-вычисления — вычислительно-эффективный, безопасный, приватный, стоимо-эффективный способ использования Интернета вещей в масштабе без риска утечек данных или перегрузок сети. Дополнительно, Edge-вычисления предлагают слой устойчивости и избыточности для миссионно-критичных задач. Потому что этот процесс распределён — то есть не централизован в единой системе — если что-то ломается, бизнес может продолжаться беспрерывно пока сломанный элемент чинится.

Это не значит, что Edge-вычисления не могут работать в унисон с облачным анализом — они абсолютно могут и часто делают. В этих случаях Edge-вычисления могут служить для предложения некоторых реальных данных, а также фильтрации каких данных загружать в облако со временем для использования в более глубоких или сложных техниках анализа.

В промышленном IoT-сценарии, таком как на производственном цехе, Edge-вычисления должным образом важны для снижения риска простоя или утечки данных, а также для более эффективного управления огромными пластами данных. Для производителей, использующих Edge-вычисления, аспект низкой латентности — большой бонус для безопасности рабочих. Например, если информация, собранная от адаптера данных, показывает тонкие аномалии — например, вибрацию (chatter) — которые могут указывать на напряжённый перелом или другую форму ближайшего отказа, станок может быть немедленно выключен вместо ожидания облачного анализа, латентность которого может привести к простою и бракованным деталям.

Коротко: Edge-вычисления анализируют часть данных от IoT-устройств на краю локальной сети — против передачи в облако — для более быстрой, избыточной, connectivity-agnostic IoT-обработки, легко масштабируемой.

Edge — критичный компонент IoT, помогающий снизить латентность и повысить надежность.

Что такое IoT Edge-вычислительная платформа?

Во многих отношениях IoT Edge-вычислительная платформа очень похожа на облачную вычислительную платформу, просто ближе к приложениям.

«Edge-платформы позволяют собирать данные от промышленных систем вроде ПЛК, систем цифрового управления, сенсоров или историанов и запускать приложения локально поверх данных, такие как обработка событий, предиктивная аналитика, модели машинного обучения и больше — всё в offline-first развёртывании». — Эрик Фогг, MachineMetrics

По мере того как ИИ и машинное обучение становятся ещё глубже интегрированными с бизнес-операциями, способность извлекать и использовать данные быстрее будет всё возрастающей выгодой по сравнению с более медленным облачным альтернативом. Это почти неминуемо приведёт к конкурентному преимуществу в мире, где скорость, кастомизация и мастерское пивотирование — всё.