Edge computing, ovvero l’ennesima tecnologia che entra in gioco, e fa discutere molto di sé, nell’inarrestabile turbinio di sviluppo della trasformazione digitale, oscillando tra speculazioni, valutazioni e analisi di peso differente. Qualcuno, come Peter Levine, general partner della società di venture capital Andreessen Horowitz, nel 2016 prevedeva addirittura che l’edge computing avrebbe decretato presto la fine del cloud computing. Qualcun altro, più prudentemente, si limita a spiegare che serve a decentralizzare la nuvola.
Edge computing significato, cos’è e come funziona
A livello macroscopico un’architettura di edge computing si presenta come un’architettura IT distribuita e decentralizzata. La società di analisi di mercato IDC fornisce la seguente traduzione di edge computing “una rete mesh di micro data center, in grado di elaborare e memorizzare dati critici localmente, e di trasmettere tutti i dati ricevuti e/o elaborati a un data center centrale o a un repository di cloud storage”.
In sostanza, questa topologia di rete, anche sfruttando la disponibilità sul mercato di componenti e sistemi elettronici SFF (small form factor) di costo decrescente, porta i componenti base di elaborazione, storage e networking più vicino alle fonti che generano i dati.
In pratica, l’edge consente di liberare certe applicazioni ‘time-sensitive’ dalla stretta dipendenza con i data center remoti, fornendo a esse, come vedremo, la capacità, tramite l’uso di risorse di computing locali, di elaborare i dati direttamente sul campo.
Tra gli esempi d’uso dell’edge, come vedremo, vi è il caso tipico dei dispositivi e delle implementazioni IoT. Questi spesso devono fronteggiare problemi di latenza, mancanza di banda, affidabilità, non indirizzabili attraverso il modello cloud convenzionale. Qui l’architettura di edge computing è in grado di ridurre la mole di dati da inviare nel cloud. Essa elabora i dati critici, sensibili alla latenza, nel punto di origine, tramite uno smart device. Oppure invia tali dati a un server intermedio, localizzato in prossimità.
I dati meno ‘time-sensitive’ possono invece essere trasmessi all’infrastruttura cloud o al data center dell’impresa, per consentire elaborazioni più complesse. Si intende a questo proposito per esempio l’analisi di big data; le attività di training per affinare l’apprendimento degli algoritmi di machine learning (ML); lo storage di lungo periodo; l’analisi di dati storici.
Edge computing e cloud computing una nuova era
Internet sta diventando sempre più ‘Outernet’, dal cyberspazio è penetrata nel mondo fisico, a suon di app mobili, realtà aumentata (AR), ‘geotagging’, applicazioni ‘context-aware’, servizi e advertising ‘location-based’, algoritmi di riconoscimento facciale, ‘digital twin’ che abilitano la manutenzione predittiva di impianti e macchinari, veicoli a guida autonoma, reti radiomobili 5G.
Tale transizione, dal mondo virtuale a quello fisico e viceversa, sta generando un’enormità di dati nella periferia della rete. In molti degli scenari e casi d’uso accennati, dove le informazioni vanno elaborate in ‘near real-time’, quando non addirittura in tempo reale, risulta davvero irrealistico pensare che ciascuno di questi edge device, e applicazioni sul campo, possa sempre contare su un canale stabile di connessione e comunicazione dati costante con il cloud.
A fronte di tale situazione generale, secondo IDC, entro il 2025 gli investimenti mondiali in ambito Edge arriveranno a valere 274 miliardi di dollari (dai 176 del 2022).
Edge computing, traduzione semplice e concreta
Avvicinare i server agli utenti finali per ottimizzare le prestazioni di siti e applicazioni, mirando all’ottimizzazione della latenza. Così si traduce concretamente il concetto di edge computing. In pratica, questo significa che gli utenti sperimentano una user experience più soddisfacente e non hanno la tentazione di abbandonare la navigazione o il servizio che stanno utilizzando. Ritardi nella risposta dei sistemi causano, infatti, danni molto tangibili che vanno dalle mancate conversioni alla perdita di vendite e-commerce.
I 3 vantaggi dell’edge computing
I benefici riconducibili alla possibilità di eseguire codice vicino agli utenti si possono sintetizzare come segue.
Prima di tutto, i vantaggi in termini di prestazioni sono immediatamente evidenti nella velocità, ma non si limitano a questo. L’applicazione eseguita sull’edge usa meno CPU e memoria del dispositivo dell’utente e consente di ridurre, inoltre, la larghezza di banda consumata.
In secondo luogo, spostare il calcolo sull’edge permette di diminuire il numero dei potenziali vettori di attacco perché diminuisce la superficie esposta. Non è infatti necessario chiamare API o ricorrere a servizi di back end. C’è da aggiungere che anche gli attacchi DDoS risultano meno efficaci perché la platea di server su cui può contare un servizio basato su tecnologia edge è molto vasta e diventa difficile rendere tutte le macchine indisponibili.
Infine, la scrittura di codice per l’edge può risultare più complicata quando i framework non sono edge-first. Framework più recenti però facilitano, e anzi promuovono, la possibilità di sfruttare i vantaggi dell’edge e creare ambienti più moderni.
Cosa sono i dispositivi edge?
Quando si parla di dispositivi edge ci si riferisce in ogni caso a dispositivi IoT. Ma, a differenza di questi ultimi, i dispositivi edge (grazie all’edge computing) sono in grado di fornire maggiori risorse di elaborazione rispetto a una rete IoT.
Questo fa sì che la latenza di comunicazione tra dispositivi IoT e le reti centrali sia minore.
In poche parole ciò che cambia tra dispositivi edge e semplici dispositivi IoT è la capacità dei primi di analizzare i dati direttamente all’interno delle applicazioni IoT, prima ancora del loro invio o della loro ricezione.
Tecnologia edge e sicurezza
Come abbiamo visto, la tecnologia edge offre un approccio che supporta qualunque smart object. La sfida alla sicurezza che l’IT deve raccogliere è quindi non solo quella della progettazione e della governance degli edge data center che devono supportare uffici remoti e filiali ma anche quella dei numerosissimi device intelligenti connessi.
In sintesi, in primo luogo è necessario mappare tutti gli oggetti e verificare se autorizzarli a essere nella rete. Serve poi installare un gateway edge che rappresenti una barriera tra l’IoT e la rete aziendale il che significa ridurre la superficie di attacco.
La sicurezza fisica dei device edge
Non bisogna, inoltre, dimenticare che i dispositivi edge per loro stessa natura e definizione sono dislocati sul territorio e spesso esposti non solo agli agenti atmosferici, ma anche al pericolo di essere danneggiati, spostati o addirittura rubati. Per far fronte a tutto questo, i vendor stanno progettando soluzioni (quali sistemi di sensori) che collaborino nella verifica che non vi siano manomissioni.
Edge computing e fog computing
Scendendo ancora più in profondità a livello architetturale, è da rilevare una differenza tra il concetto di edge computing e quello di fog computing.
Diversamente dall’edge computing, architettura limitata a un piccolo numero di layer, il fog computing ha una topologia di rete più complessa. Una rete gerarchica, che è costituita da molteplici layer (nodi fog). Una rete in grado di gestire, oltre alle operazioni di elaborazione, anche funzionalità di networking, storage, controllo e accelerazione.
La differenza chiave tra le due architetture sta nel punto in cui l’intelligenza e la capacità di elaborazione viene collocata. Nel fog computing viene portata a livello della rete LAN, dove i dati provenienti da sensori ed endpoint vengono elaborati da un nodo fog o da un gateway IoT. Nell’edge computing la capacità computazionale viene integrata nei dispositivi e piattaforme embedded di elaborazione.
La varietà delle soluzioni implementative di volta in volta adottate dalle organizzazioni fa sì che, comunque, la differenza tra edge e fog computing non risulti sempre così chiara e netta.
Edge computing esempi di implementazione
Vi sono molteplici applicazioni fruttuose dell’edge computing, esempi tratti da vari ambiti industriali d’adozione. Pensiamo a tutte quelle attività che richiedono coordinamento e scambio di informazioni tra aree geografiche molto lontane fra loro. Così come quando occorre elaborare dati in tempo reale sul territorio. Concreti esempi di utilizzo dell’edge computing riguardano i droni usati per esempio in raffinerie e industrie chimiche.
Ma entriamo più nel dettaglio di due possibili implementazioni tecniche di infrastrutture edge.
Uso dei dispositivi perimetrali
Una prima soluzione è implementare e gestire lo stack software di edge computing negli ambienti IT esistenti. E questo utilizzando l’infrastruttura hardware di cui dispone l’utente, che può essere dedicata, o condivisa con altri servizi. I dispositivi edge che amministrano le comunicazioni con i sensori e la connettività con il cloud possono essere costituiti da sistemi embedded a basso consumo (low power) basati, ad esempio, su chip ASIC (application-specific integrated circuit), FPGA (field-programmable gate array), CPU o, ancora, su SoC FPGA, (system-on-chip FPGA), ossia piattaforme embedded che combinano i vantaggi di un processore e un FPGA integrandoli in un singolo dispositivo.
Un esempio di implementazione IoT nella rete edge che sfrutta i dispositivi perimetrali esistenti può essere rappresentato anche dal servizio Microsoft Azure IoT Edge. Esso permette di estendere l’intelligenza e la capacità di elaborazione nei device, nuovi o preesistenti, installati nell’ambiente IT locale.
Il cloud edge
L’altra strada è scegliere un ‘cloud edge’ gestito e manutenuto da un public cloud provider. Il cloud edge rappresenta in sostanza un’estensione della nuvola pubblica, in grado di svincolarla dalla stretta appartenenza a una data regione geografica. E distribuirla in molte altre location attraverso vari ‘edge data center’. Un esempio, in questo caso, può essere costituito dal servizio AWS Lambda@Edge di Amazon Web Services. Questo fornisce la possibilità di eseguire il codice applicativo in una location AWS in prossimità dell’utente finale. L’obiettivo di ridurre i problemi di latenza e di erogare contenuti più ricchi e personalizzati.
Edge AI, quali benefici per l’intelligenza artificiale dall’edge computing?
I vantaggi di poter contare su intelligenza periferica, ossia dell’Edge AI riguardano prima di tutto il risparmio di tempo. Grazie all’Edge AI gli algortimi di AI lavorano sul device. Elaborano i dati direttamente in loco e forniscono risposte e soluzioni che possono essere adottate velocemente.
Va da sé, quindi, che diminuiscono i carichi di lavoro in cloud e, di conseguenza, da un lato i rischi di sicurezza relativi alla trasmissione di dati e, d’altra parte, i consumi energetici. Tutto ciò si traduce in risparmi economici.
Esempi di adozione dell’Edge AI
Le applicazioni dell’Edge AI sono le più disparate, si va dalle auto a guida autonoma (per cui l’intelligenza artificiale interviene nel riconoscimento immediato di rischi) agli ambiti industriali.
A quest’ultimo proposito, si pensi alla video sorveglianza e all’Industrial IoT. In tali casi i dispositivi possono arrivare a effettuare controlli visivi che facilitino l’automazione dei processi incrementando la produttività.
Più nello specifico, gli esperti parlano espressamente di Intelligent edge facendo riferimento alla tecnologia che consente di realizzare architetture IoT ottimali che non forniscano una marea di dati ma, al contrario, si contraddistinguono per essere costruite con server di prossimità capaci di acquisire e analizzare i dati.
