Una guía para usar bi apps con edge computing

Hoy en día todo el mundo habla de la informática de punta, pero pocos entienden qué es, mucho menos qué hacer con ella. De manera sucinta, la computación de borde significa procesar cerca de la fuente de datos, ya sea en el sensor o cerca de la puerta de enlace. Si desea saber cómo TI puede administrar mejor la computación perimetral como alternativa, consulte "TI necesita comenzar a pensar en 5G y Edge Cloud Computing", una columna de Wayne Rash, mi colega y colaborador de PCMag IT Watch. Pero para los propósitos de este artículo, podemos comenzar con una explicación de la firma de investigación de mercado IDC, que define la computación de borde como una "red de malla de micro centros de datos" que tiene "una superficie de menos de 100 pies cuadrados".

Al igual que con la mayoría de los términos nuevos en el espacio de la tecnología, "edge computing" se usa ampliamente y se ha relacionado con una variedad de otras tecnologías de palabras de moda, incluidas blockchain, redes de entrega de contenido (CDN), grid computing, mesh computing y peer-to- informática por pares. La tarea común, cualquiera que sea la tecnología utilizada junto con la computación perimetral, es acelerar cualquier análisis de datos y acciones relacionadas acortando la distancia entre el lugar donde se procesan los datos y donde el resultado final de esa salida tendrá un efecto.

Cuando se trata de convertir sus conocimientos de inteligencia empresarial (BI) ganados con esfuerzo en conocimientos procesables, esa es una consideración clave. Pero a pesar de que el BI (especialmente el análisis de baja latencia) y la computación de borde parecen ser una combinación en el paraíso tecnológico, hay mucho que considerar antes de combinar los dos.

Analytics at the Edge vs. Streaming Analytics

La importancia de la informática de borde para la analítica es clara una vez que se da cuenta de que no hay otra forma práctica de transferir un tsunami continuo de datos de Internet de las cosas (IoT) a la nube sin crear latencia insostenible y un gran embotellamiento de la red. Ese problema de latencia puede resultar fatal en muchas aplicaciones de análisis emergentes, como la conducción autónoma. El desbordamiento de datos lo llevará de la banda ancha al cuello de botella en menos tiempo del que se tarda en decir "Transmítelo, Scotty".

Sí, el análisis de transmisión se promocionó hace solo un par de años como una panacea sensible a la latencia para obtener una lectura en tiempo real de los datos de IoT. Pero, aunque el análisis de transmisión todavía tiene muchas ventajas, no ha podido cambiar la física. Las enormes transferencias de datos se ven ralentizadas por numerosos saltos de enrutador, retrasos en los paquetes de virtualización, conexiones caídas y otras restricciones físicas en una red. En el caso de IoT en áreas remotas, obtener una conexión de red es una propuesta poderosa y dudosa en un día determinado.

No ayuda que todos estos problemas se vean aumentados por la distancia física entre los datos y los procesos informáticos. Por estas y otras razones, el análisis de transmisión tiende a estar en "casi en tiempo real" en lugar de en tiempo real. Esa demora, no importa cuán pequeña sea, es un gran problema si, por ejemplo, necesita las salidas a tiempo para que un automóvil autónomo frene y evite una colisión. Es un problema aún mayor si quieres que todos los autos en esa carretera frenen de una vez.

En resumen, Star Trek y los transportadores de datos de la vida real tienen sus límites y no hay nada que Scotty en TI pueda hacer al respecto. Simplemente hay demasiados datos de IoT para las redes actuales y el volumen sigue creciendo a un ritmo impresionante. La gran conclusión aquí: la computación perimetral deriva la marea de información a través de la red y también proporciona resultados analíticos más rápidos.

Edge Cloud vs. Cloud

Dado que estos micro centros de datos se pueden unir, y a menudo se unen en funciones colaborativas, comunicativas o interdependientes, a algunas personas les gusta usar el término "nube de borde".

Por ejemplo, los automóviles modernos tienen cientos de computadoras integradas que están diseñadas para administrar sistemas individuales pero también están conectadas entre sí para que los sistemas puedan comunicarse entre sí y adaptarse según sea necesario. En otras palabras, utilizan individualmente, colectivamente y en gran medida la informática de borde para completar una variedad de funciones complejas.

"No solo responden a las condiciones observadas, sino que aprenden y se adaptan con el tiempo", dijo Johnathan Vee Cree, PhD., Científico / Ingeniero de Sistemas Embebidos e Inalámbricos del Laboratorio Nacional del Noroeste del Pacífico (PNNL) del Departamento de Energía de los Estados Unidos. "Por ejemplo, los sistemas modernos de inyección de combustible observarán los patrones de conducción del automóvil para optimizar la potencia y la eficiencia del combustible. La naturaleza en tiempo real de estos datos haría imposible el procesamiento en cualquier otro lugar que no sea el borde".

Incluso con la interdependencia a bordo multisistema, el término "nube de borde" tiende a enturbiar aún más la comprensión porque es impreciso.

"Cuando se habla de dispositivos IoT, las consideraciones son casi opuestas a la nube", dijo Vee Cree. "Los dispositivos IoT generalmente tienen una capacidad de almacenamiento y procesamiento limitada, conectividad potencialmente intermitente con el mundo exterior y pueden estar alimentados por una batería. El valor clave en estos dispositivos es su capacidad para transformar los valores brutos del sensor disponibles para ellos en datos significativos".

El gráfico de Edge Computing Devices arriba reimpreso con permiso de TECHnalysis Research.

Sin embargo, la computación perimetral y la computación en la nube no son mutuamente excluyentes. De hecho, están entrelazados en las estrategias de datos de IoT más exitosas. Es probable que eso no cambie en el corto plazo.

"Un ejemplo de la combinación de edge y cloud computing proviene de las funciones del piloto automático de Tesla. El sistema de piloto automático debe detectar y reaccionar ante las condiciones de conducción en constante cambio. Lo hace mediante el uso de algoritmos de aprendizaje automático que pueden detectar y evitar riesgos mientras control del automóvil. Si bien estos datos se utilizan para tomar decisiones en tiempo real, también se comparten con la nube y se utilizan para mejorar la función de piloto automático para todos los conductores ", explicó William Moeglein, ingeniero de software de PNNL.

El juego combinado de borde y nube es común simplemente porque funciona; aprovecha lo mejor de ambos mundos, pero no es el único juego en la ciudad. De hecho, el 36 por ciento de los análisis de borde se encuentran en el centro de datos corporativos, el 34 por ciento en el borde y el 29 por ciento en la nube, según "Computing on the Edge: Survey Highlights", un informe de Bob O'Donnell, presidente y analista jefe de TECHnalysis Research. Esto significa que hay opciones sobre cómo se implementan los análisis de borde. La elección depende completamente de lo que está tratando de hacer y de las condiciones bajo las cuales está tratando de lograr ese objetivo.

"La compensación entre el poder de cómputo y el uso de energía puede ser un factor limitante cuando los dispositivos funcionan con una batería. En casos donde el consumo de energía es importante, las decisiones se pueden tomar en base a pequeñas muestras de datos a pesar de tener acceso a lecturas continuas del sensor", dijo Moeglein de PNNL.

"La computación perimetral permite la retroalimentación para dispositivos en el campo donde las comunicaciones no están garantizadas, son unidireccionales o son limitadas", continuó Moeglein. "En los casos en que se espera que los sistemas funcionen durante años o décadas con baterías, la informática de borde se puede utilizar para proporcionar una vida útil más larga del dispositivo al reducir la transmisión de datos".

Gráfico de computación de niebla arriba reimpreso con permiso de Cisco Systems, Inc.

Desempañado de la nube de borde

La automatización para administrar y optimizar dónde y cómo se realizan los análisis pronto siguió, lo que condujo al concepto de "computación en niebla", un término que acuñó el proveedor de redes y TI Cisco Systems. En esta estrategia, como explica Cisco en un documento técnico, "los desarrolladores portan o escriben aplicaciones IoT para nodos de niebla en el borde de la red. Los nodos de niebla más cercanos al borde de la red ingieren los datos de los dispositivos de IoT. Entonces, y esto es crucial, la aplicación fog IoT dirige diferentes tipos de datos al lugar óptimo para el análisis ". Como se muestra en el gráfico anterior, en opinión de Cisco, la computación en niebla extiende la nube más cerca de los dispositivos reales que realizan la recopilación de datos. Al poner los nodos de niebla cerca de los dispositivos IoT, Cisco busca acelerar el análisis mientras disminuye la latencia.

Algunos dicen que es más fácil pensar en esto como la computación en la nube llevada al borde, descentralizada, en otras palabras, en lugar de la computación en el borde que es la computación en el borde de la red, a menudo en realidad en un dispositivo IoT. Una diferencia muy matizada, para estar seguro.

A menudo las personas usan "cómputo de borde" y "cómputo de niebla" indistintamente ya que los dos conceptos son muy similares. Es la capacidad de la computación de niebla para ordenar y enrutar datos a varias ubicaciones para su análisis lo que lo distingue. Eso, y la computación de niebla es más a menudo "borde cercano" (es decir, una puerta de enlace) en lugar de estar realmente en el borde, como en un dispositivo IoT.

En resumen, no hay consenso sobre qué, precisamente, es la informática de punta, pero mucha gente que dice que no es útil resolver el problema. Según el informe de TECHnalysis Research antes mencionado, "más personas piensan que la informática de punta está hecha de puntos finales (29.8 por ciento) que puertas de enlace (13.2 por ciento), pero el 44 por ciento piensa que son ambos".

En cualquier caso, "la aplicación de uso final en última instancia impulsa las necesidades del sistema y tiene como objetivo encontrar un equilibrio entre los beneficios del procesamiento en el borde o en la nube", dijo Vee Cree de PNNL.

Aquí solo hay una regla general: si necesita una decisión en tiempo cercano o real, realice el procesamiento lo más cerca posible de la fuente de datos. Edge computing es la opción para eliminar la latencia, reducir el gasto de energía y reducir el tráfico de red.

API, aplicaciones y ecosistemas

En general, las aplicaciones utilizadas en conjunto con la informática de punta están destinadas a lograr velocidad y eficiencia. Aquí es menos probable que encuentre aplicaciones de inteligencia empresarial (BI) independientes, sino funciones de BI integradas y, por supuesto, interfaces de programación de aplicaciones (API) para unir datos de IoT a aplicaciones y marcos de BI existentes en la nube.

"El concepto de computación perimetral ayuda a las empresas a aprovechar las ventajas de la computación en la nube, incluso en escenarios donde la latencia y la conectividad son problemas. Algunas aplicaciones tratan con un tamaño de datos o un requisito de velocidad que prohíbe el viaje redondo a la nube y, en tales casos, Tableau los análisis integrados en las aplicaciones locales proporcionan información rápidamente ", dijo Mark Jewett, vicepresidente de marketing de productos de Tableau Software.

"En otros casos, la computación de borde ofrece una manera de lidiar con escenarios donde la conectividad no es confiable o es costosa o periódica. Ejemplos como cosas que se mueven, como barcos, cosas que son remotas, como plataformas petroleras o minas, o incluso situaciones donde la conectividad es buena pero no vale la pena arriesgarse por las interrupciones, como los sistemas de la planta de fabricación donde el tiempo de inactividad es extremadamente costoso. Los analistas y otros usuarios en el campo, que pueden no tener acceso a una estación de trabajo completa, aún desean el mismo poder de análisis que ellos. han llegado a saber ".

Tableau no es el único proveedor de BI que trabaja en o con datos en el borde. Microsoft señaló a Schneider Electric, uno de sus clientes como caso de estudio. Schneider Electric tiene una aplicación de borde que realiza mantenimiento predictivo en una barra de aceite, usando Azure Machine Learning y Azure IoT Edge para mejorar la seguridad y reducir incidentes en áreas remotas, dijo un portavoz de Microsoft. El procesamiento de datos se realiza en el dispositivo. Esto se logra llevando la inteligencia en la nube (modelos de ML que han entrenado en la nube) al dispositivo de borde mismo. Esto permite una detección más rápida de anomalías basadas en el gran conjunto de datos de entrenamiento.

Mientras tanto, IBM Watson informa una miríada de casos de uso, que incluyen análisis de voz y conversación de ambiente y dispositivo, análisis de imagen y video de drones, y análisis acústico de mantenimiento y seguridad.

"En todos estos casos, el análisis de borde permite mejorar el rendimiento, el costo y la privacidad al operar localmente en dispositivos", dijo Bret Greenstein, vicepresidente de IBM Watson IoT, Consumer Offerings. "El crecimiento es emocionante a medida que crece el poder de cómputo en el borde, y ML madura y crea casos de uso más especializados.

"Los dispositivos pueden 'entender' lo que ven y oyen, y usan esa comprensión para brindar un mejor servicio y tomar mejores decisiones. Esto está sucediendo en tiempo real. Y dado que los datos reales se pueden convertir en información en el dispositivo de borde, es posible que no tiene que enviar los datos a la nube, lo que mejora el costo y ayuda a habilitar nuevas formas de protección de la privacidad ".

Agregar nuevas capas de protección de la privacidad puede contribuir en gran medida a reducir las responsabilidades de la empresa y, al mismo tiempo, ofrecer datos que las empresas necesitan para prosperar.

Aplicaciones de computación perimetral por números

Teniendo en cuenta que la informática de borde está en su infancia, no es sorprendente que solo unas pocas aplicaciones de computación de borde sean nuevas (39 por ciento), según TECHnalysis Research. La mayoría (61 por ciento) son aplicaciones migradas en la nube. Dicho esto, las siguientes son las aplicaciones informáticas de punta:

Análisis de operaciones (44 por ciento)

Monitoreo de procesos (35 por ciento)

Monitoreo de empleados (32 por ciento)

Monitoreo remoto de activos (28 por ciento)

Cumplimiento en el lugar de trabajo / seguridad (24 por ciento)

Mantenimiento predictivo (22 por ciento)

Seguimiento de activos físicos en el sitio (20 por ciento)

Según el mismo informe de TECHnalysis Research, las cinco razones principales para migrar las aplicaciones en la nube al límite son para mejorar la seguridad, reducir los costos, reducir la latencia, mejorar el control local y el tráfico de red.

A través de la lente de BI, la eficiencia y las oportunidades se mejoran con la informática de punta. Por lo tanto, tiene sentido migrar primero las aplicaciones en la nube o incorporar análisis en las aplicaciones IoT existentes que pueden ponerlo en la mejor posición más rápido. Por ejemplo, en lugar de transmitir y analizar todos los datos de una unidad de robótica en el piso de la fábrica, puede tirar el flotsam, que es la cantidad aparentemente interminable de información repetitiva generada por el sensor.

En cambio, la computación perimetral se puede usar para observar y analizar solo los "datos de cambio", es decir, los datos que son diferentes de alguna manera de los otros datos que se transmiten desde la misma fuente. Por ejemplo, imagine un molino de viento en el círculo polar ártico informando: "Estoy bien. Estoy bien. Estoy bien. Blade se atascó durante dos segundos. Estoy bien. Estoy bien. Estoy bien". La parte sobre la hoja pegada serían los datos de cambio. También lo haría el "cambio de viento", que podría hacer que la máquina gire y acumule más energía. Los datos de cambio son los puntos de datos con mayor importancia precisamente porque notan un cambio.

En tales casos, las aplicaciones en el borde solo funcionan con datos relevantes; algunos lo llamarían "datos inteligentes". ¿Por qué hervir el mar cuando se pueden ver fácilmente detalles importantes? Las aplicaciones de datos inteligentes hacen que los datos sean utilizables en el punto de recopilación y también pueden decidir qué datos enviar a la nube para una mayor combinación y análisis en las aplicaciones de BI tradicionales. De esta manera, la minería de datos se optimiza para obtener el máximo efecto comercial.

4 consejos para su estrategia de BI y Edge Computing

Es relativamente fácil saltar a la tendencia de la informática de punta y decidir comenzar con la migración de aplicaciones desde la nube. Pero entrar en acción sin una estrategia sería un grave error. ¿Recuerdas los primeros días de IoT cuando cosas aleatorias como tostadoras se conectaban rápidamente a Internet y luego se mostraban con orgullo en el próximo CES?

Incluso los datos inteligentes no pueden ayudarlo si su estrategia no tiene sentido o falta. Entonces, aquí hay cuatro consideraciones a tener en cuenta al formar su estrategia de BI y edge.

1. Vuelva a evaluar su juego actual de IoT para oportunidades adicionales de minería de datos. Por ejemplo, una tienda de comestibles o un fabricante pueden querer utilizar datos de su cadena de suministro, como sensores de refrigeración y camiones, para establecer o validar la fuente de las materias primas. Dicha información agregada a una cadena de bloques de sostenibilidad se puede usar en marketing para atraer consumidores con conciencia ambiental.

Un minorista podría utilizar la visión por computadora y la informática de vanguardia en su tienda para escanear a los consumidores y mostrar una representación en 3D sobre el terreno de cómo la ropa que está mirando el comprador realmente les quedará. Esto podría mejorar las ventas y eliminar la necesidad de vestuarios y los problemas de seguridad y privacidad asociados. Pero los datos también se pueden enviar a la nube para combinarlos con otros datos del consumidor para informar la estrategia más amplia de la compañía.

Busque oportunidades para aprovechar más el IoT que tiene. ¿Qué más puedes hacer con los datos que genera? ¿Qué otros datos puede usar para recopilar y procesar?

2. Decide qué aplicaciones necesitas en el borde. Es posible que deba migrar una aplicación, incorporar algunos análisis o incluso escribir una aplicación personalizada; todo depende de lo que intentes hacer. Deje que sus objetivos comerciales lo guíen en la selección de aplicaciones.

Un buen lugar para aprender más sobre el desarrollo de aplicaciones para el borde es una conferencia OpenDev, organizada por la Fundación OpenStack. OpenStack es el proyecto de computación en la nube de código abierto, y resulta que la computación de borde es un tema candente allí. También sucede que el código abierto está de moda en la informática de vanguardia, como lo es casi en toda la informática. También puede considerar las aplicaciones que ofrecen los proveedores de informática de punta y los análisis integrados proporcionados por los proveedores de aplicaciones de BI.

3. Seleccione la nueva tecnología que desea usar. Puede pedirles a los proveedores que le den una demostración para que pueda tener una idea de qué tecnología desea usar, qué aplicaciones están disponibles y alguna orientación sobre cómo desarrollar aplicaciones para ella. Por ejemplo, Amazon Web Service (AWS) y AWS Greengrass, Microsoft Azure IoT Edge y Cisco e IBM Watson IoT ofrecen una combinación de tecnología, así como análisis y aplicaciones para la informática de IoT edge.

También puede consultar una amplia variedad de blockchain, CDN, peer-to-peer y otros proveedores de juegos puros. Pero no pase por alto a los gigantes tecnológicos como Dell Inc., IBM Corp. y Hewlett Packard Enterprise (HPE), que se han dedicado a agregar capacidades adicionales de almacenamiento y computación y análisis a su hardware para transformarlos en dispositivos periféricos.

Conozca sus opciones antes de comenzar a evaluar seriamente a los proveedores. Además, haga un inventario de los tipos de tecnología de IoT que utiliza actualmente su empresa y los tipos que le gustaría agregar, antes de comenzar a hablar con los proveedores. De esa manera, es más probable que te mantengas encaminado.

4. Plan para la evolución. Hay un patrón en el camino hacia la madurez que siguen todas las tendencias y tecnología inmaduras. Espere que ocurra la misma evolución con BI y el borde. Entonces, sí, probablemente habrá una consolidación de vendedores en algún momento; ten eso en cuenta.

También busque el desacoplamiento de la tecnología de la nube de la nube propiamente dicha para que también se puedan usar en el borde. Querrá ver un desacoplamiento que le brinde la máxima flexibilidad en el uso de la nube o el borde. Es probable que reduzca los costos y aumente la eficiencia a través de aplicaciones más inteligentes de un ecosistema diverso en lugar de un solo proveedor. Haga su plan a corto y largo plazo para asegurarse de que puede adaptarse a los cambios previsibles sin una gran pérdida en inversiones anteriores.