Um guia para usar aplicativos bi com computação de borda

Atualmente, todo mundo está falando sobre computação de borda, mas poucos entendem o que é e muito menos o que fazer com isso. Sucintamente, computação de ponta significa processar perto da fonte dos dados, no sensor ou perto do gateway. Se você quiser saber como a TI pode gerenciar melhor a computação de borda como alternativa, consulte "A TI precisa começar a pensar em 5G e Edge Cloud Computing", uma coluna de Wayne Rash, meu colega e colaborador do PCMag IT Watch. Mas, para os fins deste artigo, podemos começar com uma explicação da empresa de pesquisa de mercado IDC, que define a computação de ponta como uma "rede de malhas de microsserviços de dados" que tem "uma área útil de menos de 30 metros quadrados".

Como na maioria dos termos novos no espaço tecnológico, a "computação de ponta" é amplamente usada e tem sido associada a uma variedade de outras tecnologias de buzzword, incluindo blockchain, CDNs (redes de distribuição de conteúdo), computação em grade, computação em malha e computação ponto a ponto. computação por pares. A tarefa comum, qualquer que seja a tecnologia implícita em conjunto com a computação de ponta, é acelerar qualquer análise de dados e ações relacionadas, encurtando a distância entre o local onde os dados são processados ​​e onde o resultado final dessa saída terá efeito.

Quando se trata de transformar seus insights de inteligência de negócios (BI) em insights acionáveis, essa é uma consideração importante. Mas, embora o BI (especialmente a análise de baixa latência) e a computação de ponta pareçam uma combinação feita no paraíso da tecnologia, há muito a considerar antes de combinar os dois.

Analytics no Edge vs. Streaming Analytics

A importância da computação de borda para a análise é clara quando você percebe que não há outra maneira prática de transferir um tsunami contínuo de dados da Internet das Coisas (IoT) para a nuvem sem criar latência insustentável e um congestionamento de tráfego de rede. Esse problema de latência pode ser fatal em muitos aplicativos analíticos emergentes, como na condução autônoma. O excesso de dados leva você da banda larga ao gargalo em menos tempo do que é necessário para dizer "Stream it up, Scotty".

Sim, a análise de streaming foi apresentada apenas alguns anos atrás como uma panacéia sensível à latência para obter uma leitura em tempo real dos dados da IoT. Mas, embora a análise de streaming ainda tenha muitas vantagens, ela não foi capaz de mudar a física. As enormes transferências de dados são retardadas por vários saltos do roteador, atrasos nos pacotes de virtualização, queda de conexões e outras restrições físicas em uma rede. No caso da IoT em áreas remotas, obter uma conexão de rede é uma proposta poderosa e duvidosa em um determinado dia.

Não ajuda que todos esses problemas sejam ampliados pela distância física entre os dados e os processos de computação. Por esses e outros motivos, a análise de streaming tende a ser "quase em tempo real" e não em tempo real. Esse atraso - não importa quão pequeno - é um grande problema se, por exemplo, você precisar das saídas a tempo de um carro autônomo frear e evitar uma colisão. É um problema ainda maior se você quiser que todos os carros daquela estrada travem ao mesmo tempo.

Em suma, Star Trek e os transportadores de dados da vida real têm seus limites e não há muito que Scotty em TI possa fazer sobre isso. Simplesmente, existem dados de IoT em excesso para as redes atuais lidarem e o volume ainda está crescendo a uma velocidade impressionante. A grande vantagem aqui: a computação em borda provém da maré de informações na rede e fornece saídas de análise mais rápidas também.

Edge Cloud vs. Cloud

Como esses microcentros de dados podem ser, e geralmente são, unidos em funções colaborativas, comunicativas ou interdependentes, algumas pessoas gostam de usar o termo "nuvem de borda".

Por exemplo, os carros modernos têm centenas de computadores incorporados, projetados para gerenciar sistemas individuais, mas também conectados uns aos outros, para que os sistemas possam se comunicar e se adaptar conforme necessário. Em outras palavras, eles usam individual, coletivamente e pesadamente a computação de borda para concluir uma variedade de funções complexas.

"Eles não apenas respondem às condições observadas, mas aprendem e se adaptam ao longo do tempo", disse Johnathan Vee Cree, PhD., Cientista / Engenheiro de Sistemas Embarcados e Sem Fio do Laboratório Nacional do Noroeste do Pacífico (PNNL). "Por exemplo, os modernos sistemas de injeção de combustível observarão os padrões de direção do carro, a fim de otimizar a eficiência de energia e combustível. A natureza em tempo real desses dados tornaria impossível o processamento em qualquer outro lugar que não seja no limite".

Mesmo com a interdependência integrada de vários sistemas, o termo "nuvem de borda" tende a um entendimento ainda mais confuso porque é impreciso.

"Ao falar sobre dispositivos IoT, as considerações são quase opostas à nuvem", disse Vee Cree. "Os dispositivos de IoT normalmente têm capacidade limitada de armazenamento e processamento, conectividade potencialmente intermitente ao mundo externo e podem ser alimentados por uma bateria. O principal valor desses dispositivos é a capacidade de transformar os valores brutos do sensor disponíveis em dados significativos".

O gráfico Edge Computing Devices acima foi reproduzido com permissão da TECHnalysis Research.

No entanto, a computação de borda e a computação em nuvem não são mutuamente exclusivas. Na verdade, eles estão entrelaçados nas estratégias de dados da IoT mais bem-sucedidas. É improvável que isso mude tão cedo.

"Um exemplo da combinação de computação de borda e nuvem vem dos recursos do piloto automático da Tesla. O sistema de piloto automático deve detectar e reagir às condições de direção em constante mudança. Isso é feito através do uso de algoritmos de aprendizado de máquina que são capazes de detectar e evitar perigos ao mesmo tempo. Embora esses dados sejam usados ​​para tomar decisões em tempo real, eles também são compartilhados com a nuvem e usados ​​para melhorar o recurso de piloto automático para todos os motoristas ", explicou William Moeglein, engenheiro de software do PNNL.

O jogo combinado de borda e nuvem é comum simplesmente porque funciona; aproveita o melhor dos dois mundos, mas não é o único jogo da cidade. De fato, 36% das análises de ponta estão localizadas no data center corporativo, 34% na borda e 29% na nuvem, de acordo com "Computação na borda: destaques da pesquisa", um relatório de Bob O'Donnell, presidente e analista chefe da TECHnalysis Research. Isso significa que existem opções em como a análise de borda é implementada. A escolha depende inteiramente do que você está tentando fazer e das condições sob as quais você está tentando alcançar esse objetivo.

"A troca entre poder computacional e uso de energia pode ser um fator limitante quando os dispositivos são executados a partir de uma bateria. Nos casos em que o consumo de energia é importante, as decisões podem ser tomadas com base em pequenas amostras de dados, apesar do acesso a leituras contínuas dos sensores", afirmou. Moeglein do PNNL.

"A computação em borda permite feedback para dispositivos em campo onde as comunicações não são garantidas, são unidirecionais ou são limitadas", continuou Moeglein. "Nos casos em que os sistemas devem operar por anos ou décadas com baterias, a computação de ponta pode ser usada para fornecer maior vida útil do dispositivo, reduzindo os dados transmitidos".

Gráfico de computação em nevoeiro acima reimpresso com permissão da Cisco Systems, Inc.

Eliminando o embaçamento da nuvem de borda

A automação para gerenciar e otimizar onde e como as análises são feitas logo se seguiu, levando assim ao conceito de "computação em neblina", um termo cunhado pelo fornecedor de sistemas de TI e redes Cisco Systems. Nesta estratégia, como a Cisco explica em um white paper, "os desenvolvedores portam ou escrevem aplicativos de IoT para nós de nevoeiro na borda da rede. Os nós de nevoeiro mais próximos à borda da rede ingerem os dados dos dispositivos de IoT. Então - e isso é crucial - o aplicativo IoT de nevoeiro direciona diferentes tipos de dados para o local ideal para análise ". Conforme mostrado no gráfico acima, na visão da Cisco, a computação em neblina estende a nuvem para mais perto dos dispositivos reais que fazem a coleta de dados. Ao colocar os nós de névoa próximos dos dispositivos de IoT, a Cisco procura acelerar a análise enquanto diminui a latência.

Alguns dizem que é mais fácil pensar nisso como a computação em nuvem levada ao limite - descentralizada, em outras palavras - em oposição à computação de borda que está computando na borda da rede, geralmente na verdade em um dispositivo IoT. Uma diferença muito sutil, com certeza.

Muitas vezes, as pessoas usam "computação de borda" e "computação de neblina" de forma intercambiável, pois os dois conceitos são muito semelhantes. É a capacidade da computação em neblina de classificar e encaminhar dados para vários locais para análise que os diferencia. Isso e a computação em neblina geralmente é "quase periférica" ​​(ou seja, um gateway), e não verdadeiramente extrema, como em um dispositivo IoT.

Em suma, não há consenso sobre o que é precisamente a computação de borda, mas muitas pessoas que dizem que o embaçamento do problema não está ajudando em nada. De acordo com o mencionado relatório da TECHnalysis Research, "mais pessoas pensam que a computação de borda é feita de pontos de extremidade (29, 8%) do que gateways (13, 2%), mas 44% pensam que são os dois".

De qualquer forma, "o aplicativo de uso final direciona as necessidades do sistema e visa encontrar um equilíbrio entre os benefícios do processamento na borda ou na nuvem", disse Vee Cree do PNNL.

Há apenas uma regra geral: se você precisar de uma decisão em tempo quase ou real, faça o processamento o mais próximo possível da fonte de dados. A computação em borda é a opção para eliminar a latência, reduzir o gasto de energia e reduzir o tráfego da rede.

APIs, aplicativos e ecossistemas

Em geral, os aplicativos usados ​​em conjunto com a computação de ponta têm como objetivo obter velocidade e eficiência. Aqui é menos provável que você encontre aplicativos autônomos de business intelligence (BI), mas funções de BI incorporadas e, é claro, interfaces de programação de aplicativos (APIs) para unir dados da IoT a aplicativos e estruturas de BI existentes na nuvem.

"O conceito de computação em borda ajuda as empresas a aproveitar as vantagens da computação em nuvem, mesmo em cenários onde a latência e a conectividade são problemáticas. Alguns aplicativos lidam com um tamanho de dados ou com um requisito de velocidade que proíbe a ida e volta à nuvem e, nesses casos, o Tableau as análises incorporadas nos aplicativos locais fornecem informações rapidamente ", disse Mark Jewett, vice-presidente de marketing de produtos da Tableau Software.

"Em outros casos, a computação em borda oferece uma maneira de lidar com cenários em que a conectividade não é confiável ou é cara ou periódica. Exemplos como coisas que se movem, como navios, coisas que são remotas, como plataformas de petróleo ou minas ou mesmo situações onde a conectividade é boa, mas não vale a pena correr o risco de interrupções, como sistemas de fábricas onde o tempo de inatividade é extremamente caro.Os analistas e outros usuários no campo, que podem não ter acesso a uma estação de trabalho completa, ainda desejam o mesmo poder de análise vieram a conhecer."

O Tableau não é o único fornecedor de BI que trabalha com ou com dados no limite. A Microsoft apontou para a Schneider Electric, um de seus clientes como um estudo de caso. A Schneider Electric tem um aplicativo de borda que faz manutenção preditiva em uma barra de óleo, usando o Azure Machine Learning e o Azure IoT Edge para melhorar a segurança e reduzir incidentes em áreas remotas, disse um porta-voz da Microsoft. O processamento de dados é feito no dispositivo. Isso é feito levando a inteligência da nuvem - modelos de ML que eles treinaram na nuvem - ao próprio dispositivo de borda. Isso permite uma detecção mais rápida de anomalias com base no grande conjunto de dados de treinamento.

Enquanto isso, o IBM Watson está relatando inúmeros casos de uso, incluindo análises de voz e conversação de ambiente e dispositivo, análises de imagem e vídeo de drones e análises acústicas de manutenção e segurança.

"Em todos esses casos, a análise de borda está permitindo desempenho, custo e privacidade aprimorados, operando localmente em dispositivos", disse Bret Greenstein, vice-presidente da IBM Watson IoT, Consumer Offerings. "O crescimento é empolgante, à medida que o poder da computação cresce e o ML amadurece e cria casos de uso mais especializados.

"Os dispositivos podem 'entender' o que veem e ouvem, e usar esse entendimento para fornecer um melhor serviço e fazer melhores escolhas. Isso está acontecendo em tempo real. E como os dados reais podem ser convertidos em insights no dispositivo de borda, você não pode precisa enviar os dados para a nuvem, o que melhora os custos e ajuda a habilitar novas formas de proteção de privacidade ".

A adição de novas camadas de proteção à privacidade pode ajudar bastante a reduzir os passivos da empresa e, ao mesmo tempo, garantir que as empresas de dados precisem prosperar.

Aplicativos de computação de borda pelos números

Tendo em mente que a computação de borda está em sua infância, não é de surpreender que apenas alguns aplicativos de computação de borda sejam novos (39%), de acordo com a TECHnalysis Research. A maioria (61%) são aplicativos em nuvem migrados. Dito isto, a seguir estão os principais aplicativos de computação:

Análise de operações (44%)

Monitoramento de processo (35%)

Monitoramento de funcionários (32%)

Monitoramento remoto de ativos (28%)

Conformidade no local de trabalho / segurança (24%)

Manutenção preditiva (22%)

Rastreamento de ativos físicos no local (20%)

Os cinco principais motivos para migrar aplicativos da nuvem para a borda, de acordo com o mesmo relatório da TECHnalysis Research, são melhorar a segurança, reduzir custos, reduzir a latência, melhorar o controle local e reduzir o tráfego da rede.

Através das lentes do BI, as eficiências e oportunidades são aprimoradas com a computação de ponta. Portanto, faz sentido migrar primeiro aplicativos em nuvem ou incorporar análises em aplicativos de IoT existentes que podem colocá-lo na melhor posição mais rapidamente. Por exemplo, em vez de transmitir e analisar todos os dados de uma unidade de robótica no chão de fábrica, você pode abandonar o flotsam, que é a quantidade aparentemente interminável de informações repetitivas geradas pelo sensor.

Em vez disso, a computação de borda pode ser usada para observar e analisar apenas os "dados alterados", significando os dados que são diferentes de alguma forma dos outros dados transmitidos pela mesma fonte. Por exemplo, imagine um moinho de vento no círculo ártico relatando: "Estou bem. Estou bem. Estou bem. A lâmina ficou presa por dois segundos. Estou bem. Estou bem. Estou bem." A parte sobre a aderência da lâmina seria os dados alterados. O mesmo aconteceria com o "deslocamento do vento", que poderia fazer com que a máquina girasse e ganhasse mais energia. Os dados alterados são os pontos de dados com maior significado precisamente porque eles observam uma alteração.

Nesses casos, os aplicativos de ponta estão trabalhando apenas com dados relevantes; alguns chamariam isso de "dados inteligentes". Por que ferver o mar quando detalhes importantes podem ser facilmente vistos? Os aplicativos de dados inteligentes tornam os dados utilizáveis ​​no ponto de coleta e também podem decidir quais dados serão enviados para a nuvem para uma mistura e análise adicionais nos aplicativos de BI tradicionais. Dessa maneira, a mineração de dados é otimizada para obter o máximo efeito comercial.

4 dicas para sua estratégia de BI e Edge Computing

É relativamente fácil adotar a tendência da computação de ponta e decidir começar a migrar aplicativos da nuvem. Mas entrar em ação sem uma estratégia seria um erro grave. Lembra dos primeiros dias da IoT quando coisas aleatórias, como torradeiras, eram rapidamente conectadas à Internet e exibidas com orgulho na próxima CES?

Mesmo dados inteligentes não podem ajudá-lo se sua estratégia for absurda ou ausente. Portanto, aqui estão quatro considerações a serem lembradas ao formar sua estratégia de BI e de borda.

1. Reavalie sua versão atual da IoT para obter oportunidades adicionais de mineração de dados. Por exemplo, uma mercearia ou fabricante pode querer usar dados de sua cadeia de suprimentos, como sensores de refrigeração e caminhões, para estabelecer ou validar a fonte das matérias-primas. Essas informações adicionadas a uma blockchain de sustentabilidade podem ser usadas no marketing para atrair consumidores ambientalmente conscientes.

Um varejista pode usar a visão computacional e a computação de ponta em sua loja para digitalizar os consumidores para mostrar uma representação 3D no local de como as roupas que o comprador está olhando realmente se encaixam nelas. Isso poderia melhorar as vendas e eliminar a necessidade de vestiários e os problemas de segurança e privacidade associados. Mas os dados também podem ser enviados para a nuvem para serem misturados com outros dados do consumidor para informar a estratégia maior da empresa.

Procure oportunidades para aproveitar melhor a IoT que você possui. O que mais você pode fazer com os dados que gera? Quais outros dados você pode usar para coletar e processar?

2. Decida quais aplicativos você precisa na borda. Pode ser necessário migrar um aplicativo, incorporar algumas análises ou até escrever um aplicativo personalizado; tudo depende do que você está tentando fazer. Deixe suas metas de negócios guiá-lo na seleção de aplicativos.

Um bom lugar para aprender mais sobre o desenvolvimento de aplicativos para o edge é uma conferência OpenDev, organizada pela OpenStack Foundation. O OpenStack é o projeto de computação em nuvem de código-fonte aberto, e acontece que a computação de borda é um tópico importante lá. Acontece também que o código aberto é popular na computação de ponta, como é quase em toda a computação. Você também pode considerar os aplicativos oferecidos por fornecedores de computação de ponta e as análises incorporadas fornecidas pelos fornecedores de aplicativos de BI.

3. Selecione a nova tecnologia que você deseja usar. Você pode pedir aos fornecedores para lhe dar uma demonstração para ter uma idéia de qual tecnologia deseja usar, quais aplicativos estão disponíveis e algumas orientações sobre o desenvolvimento de aplicativos para ele. Por exemplo, o Amazon Web Service (AWS) e o AWS Greengrass, o Microsoft Azure IoT Edge e o Cisco e IBM Watson IoT oferecem uma combinação de tecnologia, além de análises e aplicativos para computação de ponta da IoT.

Você também pode conferir uma grande variedade de fornecedores de blockchain, CDN, ponto a ponto e outros fornecedores de reprodução pura. Mas não negligencie os gigantes da tecnologia, como Dell Inc., IBM Corp. e Hewlett Packard Enterprise (HPE), que passaram a adicionar recursos adicionais de armazenamento e computação e análise ao seu hardware para transformá-los em dispositivos de ponta.

Experimente suas opções antes de começar a avaliar seriamente os fornecedores. Além disso, faça um inventário dos tipos de tecnologia de IoT que sua empresa usa atualmente e dos tipos que gostaria de adicionar antes de começar a conversar com os fornecedores. Dessa forma, é mais provável que você fique no caminho certo.

4. Planeje a evolução. Há um padrão no caminho para a maturidade que todas as tecnologias e tendências imaturas seguem. Espere que a mesma evolução ocorra com o BI e a borda. Então, sim, provavelmente haverá uma consolidação de fornecedores em algum ponto; tenha isso em mente.

Também procure a dissociação entre a tecnologia em nuvem e a nuvem propriamente dita, para que também possam ser usadas na borda. Você deseja ver uma dissociação que proporcionará a máxima flexibilidade no uso de nuvem ou borda. Provavelmente, reduzirá custos e aumentará a eficiência por meio de aplicativos mais inteligentes de um ecossistema diversificado, e não de um único fornecedor. Faça seu plano de curto e longo prazo para garantir que você possa se adaptar às mudanças previsíveis sem uma grande perda nos investimentos anteriores.