Už pár let se proto hovoří o computingu na hraně nebo na okraji - edge computingu, resp. mlžném fog či air computingu, neboť vzduch je všude kolem nás. Někdo mezi těmito pojmy vidí rozdíly, každopádně edge computing bude zřejmě dalším velkým hitem od příchodu cloud computingu. Tyto dvě technologie přitom nejdou přímo proti sobě, spíše se doplňují.

To, co tlačí výkony počítačů na okraj, jsou stále lepší a výkonnější technologie, víc inteligence v připojených zařízeních - M2M ve výrobě, logistice a jinde, včetně chytrých telefonů. Pro internet věcí začíná být cloud computing už příliš pomalý a drahý. Například samořiditelný vůz generuje 25 GB dat za hodinu. To je třicetkrát víc než videozáznam v HD rozlišení. Chytré telefony osazené aplikacemi umělé inteligence, jako např. poslední model iPhonu, budou požírat čím dál větší příděly dat. To vše si přímo říká o zpracování dat rovnou u zdroje.

Pro sešup z oblaků ke computingu na hraně ale nehrají jen technické důvody, píše lednový The Economist. Tkví rovněž v legislativě celé řady zemí. Ta často nedovoluje firemním datům překročit státní hranice, ba ani zdi podniků.

Edge computing je přínosem pro novou ekonomiku. Rychlejší přizpůsobení se změně, např. při optimalizaci stroje ve výrobním procesu či zrychlení logistických operací, dává lepší předpoklady k vyšším firemním výnosům.

Edge

Edge computing nebo také computing na okraji sítě. Trend, kdy jde o snahu o zpracování dat v blízkosti zdrojů, například ze senzorů internetu věcí nebo senzorů ze strojů ve výrobě.

Je zajímavé sledovat, jak počítače od svých počátků oscilují mezi centrálním a distribuovaným zpracováním. Střediskové počítače dominovaly od padesátých do sedmdesátých let, aby je až do konce minulého století vystřídaly rozprostřené architektury klient/server. S příchodem nového milénia se objevuje cloud, který opět výpočetní výkon a data stahuje k sobě, aby jej zhruba za dvacet let doplnil edge computing, jenž zase přesouvá výpočetní výkon ke koncovému uživateli. Tentokrát jím však není pouze člověk, ale i stroje a další zařízení.

Cloud vs. edge computing

Význam cloudu pro podnikové aplikace stále roste. Aplikace v cloudu jsou ekonomicky výhodnější, elastičtější a taky bezpečnější. Je však cloud vhodný i pro další případy enterprise použití? Co s velkými objemy provozních dat, jež vyžadují rychlou odezvu? Má význam je hnát do cloudu? Ten lze s výhodou použít pro aplikace napsané právě pro cloud - SaaS, IaaS.

Foto: Shutterstock

Pokud je ale podnik přecpán operačními daty s potřebou jejich rychlého vyhodnocení v reálném čase, pak nemusí být cloud tou nejlepší volbou. Zde je několik důvodů proč:

- masivní přesuny dat do cloudu jsou drahé;

- datová úložiště jsou sice levná, ovšem neustále a nekontrolovaně rostou;

- čištění, filtrace a klasifikace dat představují další úsilí a výlohy;

- datová analýza a učení vyžadují iterativní přístup - nezávislý na reálném čase;

Zmíněné dobře ilustruje následující příklad z oblasti chytrých měst. Světelná křižovatka vybavená senzory vygeneruje denně 40 GB dat, tj. 4 TB ve městě se stovkou křižovatek. Pro jejich využití je ovšem nutná další péče - vyčištění, analýza a učení představuje za tyto služby v cloudu cenu přes pět tisíc dolarů měsíčně. Tento náklad navíc nezahrnuje možnost uplatnění predikcí, třeba optimální průjezd městem z místa A do B přes C a D příští úterý mezi 15. a 17. hodinou.

Pro tento typ úlohy nebude výhodnější ani použití on-premise řešení. Jde o ukázkový případ vhodného nasazení edge computingu, kdy jsou provozní data "za letu" zpracována co nejblíže k místu svého vzniku. Tak se například chová i produkt EDX kalifornského start-upu SWIM, jenž si umí v reálném čase poradit s rozborem dat z provozních snímačů od různých výrobců, dát jim strukturu, najít vzorce chování, graficky je prezentovat, ale třeba i vytvořit modely digitálních dvojčat skutečných systémů pro strojové učení a deep learning. Jiný start-up z Křemíkového údolí, Niebbolo Technologies, ve společném projektu s výrobcem průmyslových robotů Kuka, dokáže na úrovni fog computingu zasíťovat desítky robotů a využít jejich data za pochodu v reálném čase pro jejich optimalizaci, učení, rychlé přestavění nebo prediktivní údržbu.

 

Článek byl publikován v květnovém čísle magazínu ICT revue.

Související