Edge computing – czyli przetwarzanie brzegowe we współczesnym świecie

Przetwarzanie brzegowe powoli przejmuje stery w środowisku IT. Według raportu opublikowanego przez firmę Gartner do 2025 roku aż 75% danych generowanych przez przedsiębiorstwa będzie tworzone i analizowane poza scentralizowanym miejscem przetwarzania danych, w tym również poza chmurą¹. Czym tak naprawdę jest ta dynamicznie zyskująca na popularności technika Internetu rzeczy?

Przetwarzanie brzegowe pomaga rozwiązywać problemy związane z opóźnieniami i nieefektywnością podczas przesyłania danych między milionami połączonych urządzeń a chmurą. Jej główną ideą jest zarządzanie zasobami w momencie ich generowania zamiast przesyłaniu ich do scentralizowanego punktu, w którym do tej pory przetwarzane były w tradycyjny sposób. Jednym z kluczowych powodów rozwijania tego modelu infrastruktury jest analizowanie i transmitowanie danych, ale coraz częściej również analiza oraz autonomiczne przenoszenie procesów podejmowania decyzji w oparciu o algorytmy uczenia maszynowego. Dodatkowo, rozwiązanie oparte na przetwarzaniu brzegowym, pozwala efektywnie pracować na zasobach przy gorszej łączności, dając jednocześnie doskonalsze możliwości chronienia prywatności i zarządzania zbiorami informacji. Przykładem takiego rozwiązania może być miejski autobus wyposażony w odpowiednie systemy informatyczne. Dzięki temu sygnalizacja świetlna wykrywa zbliżający się pojazd i może dostosować światło do aktualnej sytuacji na drodze. Nie musi jednocześnie odwoływać się do miejskiego centrum przetwarzania danych, a całość niezbędnych operacji zostanie wykonana lokalnie. Sygnalizacja może zatem wziąć pod uwagę czy autobus jedzie o czasie lub czy jest opóźniony, może przeanalizować sytuację drogową na sąsiednich ulicach oraz natężenie ruchu i na tej podstawie zdecydować czy konieczne jest przydzielenie temu konkretnemu pojazdowi pierwszeństwa przejazdu przez skrzyżowanie.

Dlaczego przetwarzanie brzegowe staje się tak popularne?

Głównym impulsem do wdrożenia edge computingu są ogromne ilości danych generowanych m.in. w środowisku IoT, gdzie analityka służy do optymalizacji wydajności. Szacuje się, że w 2020 roku, na całym świecie było zainstalowanych aż 31 mld urządzeń IoT, a co sekundę do sieci podłączane są dodatkowe 1271. Wszystkie te informacje spływające do chmury spowalniają prędkość, z jaką jesteśmy w stanie je gromadzić oraz przetwarzać. Technologia cloud jest jednym z optymalniejszych rozwiązań dzisiejszych czasów, ale nie sprawdzi się w sytuacji, gdy potrzebne jest uzyskanie danych w czasie rzeczywistym.

Obecnie przetwarzanie brzegowe stosuje się w prawie każdej branży na świecie, aby w znacznie mniejszym stopniu bazować na chmurze. Jednymi z popularniejszych przykładów zastosowania powyższego modelu infrastruktury są systemy telekomunikacyjne wpływające na poprawę jakości transmisji danych, branża usług finansowych w obszarze poprawy działania algorytmów informujących o decyzjach konsumentów, aż w końcu zarządy miast. Przyszłość inteligentnych miast to szansa na zmniejszenie przestępczości, uniknięcie zagrożeń pogodowych czy poprawę warunków na drogach.

– Takie systemy mogą także wymiernie wpłynąć na zmniejszenie kosztów działania miast. Tutaj przykładem mogą być wspomniane wcześniej systemy miejskiego oświetlenia. W miejscach, gdzie stopniowo maleje, a w pewnych godzinach wręcz zanika ruch samochodowy i pieszy latarnie mogą się komunikować ze sobą. Przy pustych drogach i chodnikach mogą zostać wygaszane lub świecić z minimalną mocą, jednak wykrycie pieszego czy informacja przesłana z pobliskiego skrzyżowania o nadjeżdżającym pojeździe natychmiast zmieni ich tryb pracy. Podobnie może wyglądać zarządzanie gospodarką odpadami. Dziś śmieci odbierane są w określone dni tygodnia niezależnie od tego czy w pojemniku znajduje się jeden worek, czy jest on wypełniony po brzegi. Technologie oparte o Open Source takie jak np. Red Hat Open Shift są w stanie stworzyć system, w którym codzienna trasa pojazdów oczyszczania jest tak zaplanowana i zoptymalizowana, aby pojazd pokonał jak najkrótszą trasę odwiedzając jedynie te miejsca, które tego naprawdę wymagają – dodaje Adam Wojtkowski, General Manager CEE w Red Hat.

Równie ciekawą możliwością miast przyszłości jest poprawa ich bezpieczeństwa. Już dziś algorytmy są w stanie rozpoznawać zachowania, noszące znamiona przestępstwa i bez problemu – na podstawie obrazów z kamer – rozróżnić np. wandala niszczącego elewację budynku farbą w sprayu, od osoby która myje okna tej elewacji. Podobnie systemy łatwo wyłapią wypadki samochodowe czy awarie np. sieci wodociągowej kierując w takie miejsca odpowiednie służby, zanim te dostaną oficjalne zgłoszenie od mieszkańców.

Poznaj rozwiązanie Red Hat OpenShift

Jeśli chciałbyś dowiedzieć się o Red Hat OpenShift skorzystaj z naszej Platformy, gdzie bezpłatnie poznasz możliwości tego rozwiązania.

Więcej informacji na temat pozostałych rozwiązań Red Hat znajdziesz na stronie: https://redhat.exclusive-networks.pl/

¹ What Edge Computing Means For Infrastructure And Operations Leaders (gartner.com)