Intelligent edge altro non è che un edge computing a supporto della Internet of Things. Questo tipo di tecnologia diventa necessaria quando si tratta di creare un’architettura IoT ottimale. L’intelligent edge risolve i problemi di un ambiente complesso che, se mal gestito, porta i dispositivi IoT a sommergere di dati indesiderati una piattaforma non controllata dove il monitoraggio degli eventi e la gestione delle risposte diventano praticamente impossibili.
Indice degli argomenti
Intelligent edge: a cosa serve
Quali problemi gestisce e risolve l’intelligent edge? L’architettura di sistema è costituita da un insieme di server dedicati e di prossimità che acquisiscono, aggregano e analizzano i dati che arrivano da tutti i dispositivi IoT.
La piattaforma cloud è costituita da un mix virtualizzato di elementi di elaborazione, di archiviazione e di rete scalabili che supportano i vari carichi di lavoro.
I dispositivi IoT lavorano al di fuori del cloud e vengono aggregati e assegnati a dei server fisici perimetrali che acquisiscono ed eseguono analisi, arrivando ad avviare anche alcuni eventi. Gli edge server, se necessario, inviano i dati al cloud per un’analisi più approfondita e possono ricevere richieste dal cloud per la fornitura dei dati, a seconda delle richieste. Pertanto, i dati creati dai dispositivi IoT sono in larga misura separati dai principali carichi di dati sul cloud. In estrema sintesi, i server edge creano ambienti in cui solo i dati importanti arrivano alla rete dati principale.
Come implementare un sistema di intelligent edge
Per massimizzare i risultati dell’intelligent edge è fondamentale predisporre un’attenta pianificazione partendo dai fondamentali. Innanzitutto edge computing non significa pianificare di continuare ad aggiungere in modo addizionale dispositivi smart su una piattaforma. Per garantire che il binomio IoT & edge computing sia funzionale bisogna capire sin da subito la complessità di un mix di ambienti fisici e virtuali che includono sistemi di proprietà e di terze parti. Gli esperti offrono dei suggerimenti utili a capire come impostare un intelligent edge ottimale.
#1. Decidi quanta intelligenza ci sarà nei tuoi dispositivi IoT
Maggiore è l’intelligenza di ogni dispositivo IoT, minore sarà l’intelligenza elaborativa necessaria a livello dei server perimetrali. I dispositivi IoT intelligenti e standardizzati, infatti, elaborano già di loro una parte delle informazioni, generando volumi inferiori di dati che a loro volta sono in formati che sono più facili da gestire. Tuttavia, i dispositivi IoT intelligenti hanno un costo maggiore per cui è bene pensare fin dall’inizio quali criteri di selezione e di scelta adottare. Come sottolineano gli osservatori, anche se si tratta di pochi euro, ottenere piccole quantità di intelligenza aggiuntiva per ogni dispositivo IoT può portare a un costo complessivo di migliaia di euro, che potrebbero essere spesi meglio per predisporre sistemi di intelligent edge.
#2. Decidi come raggruppare i tuoi dispositivi IoT
Al di là dei costi, un raggruppamento disparato di dispositivi IoT intelligenti è più facile da gestire rispetto a una raccolta di dispositivi relativamente stupidi. Con i primi si gestiscono meno filtri, meno analisi e meno rapporti sui flussi di dati.
In ogni caso è bene non raggruppare tutti i dispositivi IoT simili su una rete tramite un dispositivo perimetrale perché porterà comunque enormi trasferimenti di dati attraverso la rete. L’intelligent edge è un modello che raggruppa i dispositivi che creano dati in aree gestibili e acquisisce i dati il più vicino possibile al gruppo di smart object per ridurre al minimo il traffico dati in chiave multipiattaforma. L’approccio migliore è quello di raggruppare i dispositivi per vicinanza, piuttosto che per capacità. Il raggruppamento per prossimità riduce anche la latenza e consente una risposta molto più rapida agli eventi identificati. Ancora una volta, ciò significa che il server perimetrale deve essere più intelligente, poiché gestirà diversi flussi di dati che segnalano eventi diversi.
#3. Definire attentamente quali sono i risultati migliori
Utilizzare i sistemi edge ritagliando determinate aree di una piattaforma e di utilizzare questi server per gestire completamente i dispositivi IoT non è consigliato. Una lettura elevata, monitorata in un dispositivo IoT tramite un server perimetrale, potrebbe essere priva di significato ma, rispetto a dispositivi simili monitorati attraverso tutti i server perimetrali, potrebbe essere incredibilmente importante. In quanto tale, è necessario definire le eccezioni reali e studiare come debbano essere gestite. Ecco perché serve mantenere un buon motore di regole, aggiornandolo a seconda delle necessità per capire come stanno cambiando le priorità e le esigenze. Per garantire che i server periferici funzionino con l’ambiente reale è opportuno disporre di un inventario completo e in tempo reale in modo da non fare riferimento a impostazioni pregresse che potrebbero non essere più adeguate all’evolutiva.
#4. Utilizzare un approccio a stella
Per gestire il flusso di dati richiesto, è necessario disporre di un’infrastruttura perimetrale costituita da diversi server edge posizionati su una rete secondo un modello gerarchico rispetto al trattamento dei dati (detto hub and spoke o a stella). La metodologia ottimale per gestire un sistema così complesso è avere i server edge più economici e relativamente meno intelligenti che siano collocati il più vicino possibile ai dispositivi IoT. Quando questi server perimetrali identificano eventi che potrebbero essere di ulteriore interesse, devono essere in grado di inviare i dati rilevanti a un server più intelligente e centrale che gestisce un gruppo o tutti i server perimetrali. Questo sistema centrale può quindi applicare maggiore intelligenza all’analisi dei dati per decidere le azioni necessarie più opportune. È anche necessario che i server edge funzionino in modo bilaterale: i server edge esterni devono essere in grado di identificare eventi e inviare dati al centro, mentre il centro deve anche essere in grado di richiedere dati in tempo reale ai server edge esterni, andando a potenziare i dati con cui si trova a lavorare.
È il caso di un data center in cui un server periferico rileva una situazione di alta temperatura. Per quanto lo riguarda, è un evento locale, ma invia quell’evento al server centrale. Quel server richiede che tutti gli altri server perimetrali esterni inviino le letture da tutti i monitor di temperatura appropriati. Se sono tutti entro i limiti, allora il problema è locale, magari dovuto al surriscaldamento di un singolo elemento. Tuttavia, se si verificano altri rapporti di aumenti anche diversi della temperatura, potrebbe significare che il sistema di raffreddamento dell’intero data center non funziona, richiedendo una serie di interventi correttivi diversi.
Laddove il raggruppamento di prossimità riduce la latenza diretta dei dati per tutti i dispositivi IoT controllati da un server perimetrale, un modello hub-and-spoke riduce il tempo necessario per analizzare i dati poiché il server centrale deve gestire solo dati noti ad alta priorità.
#5. Impiegare analisi e reporting avanzati dei dati
Sebbene l’automazione abbia fatto molta strada, non è ancora precisa al 100%. Allo stato attuale è molto probabile che i server edge non siamo in grado di intraprendere azioni correttive in maniera autonoma per cui dovranno comunque segnalare l’attività a un essere umano. I falsi positivi e negativi devono essere evitati e le possibili soluzioni di intervento devono essere mostrate a un responsabile. Ecco perché è fondamentale investire in ottimi strumenti di analisi capaci di produrre una reportistica chiara e significativa.
Ragionare giocando d’anticipo sull’evolutiva IoT
È probabile che l’intelligent edge diventerà necessario quanto il cloud. Non sarà questione di o uno o l’altro quanto, piuttosto, di dove si adatta meglio la tecnologia edge all’interno dell’architettura complessiva. Per molte organizzazioni tutto ruoterà attorno all’evoluzione dell’IoT: che si tratti di linee di produzione, sistemi di controllo, gestione intelligente degli edifici o qualsiasi altra cosa. Per altri, potrebbe essere in casi d’uso più altamente specializzati, come gestire una particolare situazione di effervescenza dei dati che mal si adatta a essere gestita dalle piattaforme cloud standard. Tuttavia, a livello di decision support system l’intelligent edge non dovrebbe essere rimandato più di tanto. Il rischio è di ritrovarsi ambienti saturi e anarchici che obbligheranno a cambiare le architetture cloud esistenti con costi aggiuntivi associati alla necessità di sovrapporre e integrare più sistemi fisici in un ambiente altamente virtualizzato.
Partecipa alla community