Пограничные вычисления — вычисления на границе сети

Не позднее 2020 года Интернет вещей (IoT) будет включать в себя около 50 миллионов объектов по всему миру — Интернет вещей представляет собой сеть электронных систем от персональных весов до промышленных объектов. Все эти устройства постоянно генерируют данные, которые необходимо хранить и оценивать в реальном времени для критически важных приложений: задача, с которой вряд ли справятся существующие облачные решения.

Замедление темпов расширения широкополосного доступа и задержки в передаче данных между центральными облачными серверами и конечными устройствами на границе сети являются основными препятствиями для роста. Пограничные вычисления позволяют избежать обеих проблем и поэтому свидетельствуют о смене парадигмы в эпоху облачных вычислений.

Пограничные вычисления — это подход к проектированию сред IoT, который обеспечивает ИТ-ресурсы, такие как емкость хранения и вычислительная мощность, как можно ближе к устройствам и датчикам, генерирующим данные. Это делает данную концепцию альтернативой традиционным облачным решениям с центральными серверами.

Термин edge происходит от английского слова, означающего угол: это намек на то, что обработка данных при таком подходе происходит не централизованно в облаке, а децентрализованно на границе сети. Пограничные вычисления призваны обеспечить то, чего пока не может предложить облако: Серверы, способные без задержек оценивать массовые данные с интеллектуальных заводов, сетей поставок или транспортных систем и принимать немедленные меры в случае инцидента.

Пограничные вычисления служат новой архитектурной концепцией для сред IoT, но не привносят новых сетевых компонентов. Вместо этого под новым названием объединяются устоявшиеся технологии компактного проектирования. Ниже приведен обзор наиболее важных основных терминов краевых вычислений:

• Граница: На жаргоне ИТ-специалистов «граница» — это край сети. Однако какие сетевые компоненты относятся к границе сети, зависит от ситуации. Например, в телекоммуникациях краем сети может быть мобильный телефон, а в системе объединенных в сеть автомобилей с автономным управлением — отдельный автомобиль. В подобных ситуациях речь идет о пограничном устройстве.
   
• Пограничное устройство: Каждое устройство, генерирующее данные на границе сети, функционирует как граничное устройство. Возможными источниками данных являются датчики, машины, транспортные средства или интеллектуальные устройства в среде IoT — например, стиральные машины, пожарные датчики, лампочки или радиаторные термостаты.
   
• Пограничный шлюз: Пограничный шлюз — это компьютер, расположенный на переходе между двумя сетями. В среде IoT пограничные шлюзы используются в качестве узлов между Интернетом вещей и основной сетью. Последняя состоит из мощных маршрутизаторов, которые обладают достаточной вычислительной мощностью для предварительной обработки данных из IoT. Пограничные шлюзы предоставляют различные интерфейсы для проводных и радиотехнологий передачи данных и стандартов связи, таких как Ethernet, WLAN, Bluetooth, мобильное радио 3G, LTE, Zigbee, Z-Wave, шина CAN, Modbus, BACnet или SCADA.

Подход к добавлению локальных вычислительных экземпляров в облако не нов. Еще в 2014 году американская технологическая группа Cisco ввела маркетинговый термин «туманные вычисления»: концепция, основанная на децентрализованной предварительной обработке данных в «туманных узлах». Узлы тумана — это локальные мини-центры обработки данных, которые располагаются перед облаком и поэтому представляют собой промежуточный уровень в сети (именуемый слоем тумана). Данные, генерируемые в IoT-средах, больше не поступают в облако напрямую, а сначала объединяются в fog-узлах, оцениваются и отбираются для дальнейших этапов обработки.

Сегодня пограничные вычисления рассматриваются как часть fog computing, где ИТ-ресурсы, такие как вычислительная мощность и емкость хранения данных, перемещаются еще ближе к IoT-терминалам на границе сети. В то время как обработка данных в архитектурах туманных вычислений изначально происходит на уровне тумана, в концепциях граничных вычислений она происходит в мощных маршрутизаторах IoT или даже непосредственно на устройстве или датчике. Возможна также комбинация обеих концепций. На следующем графике показана подобная архитектура с облачным, туманным и пограничным уровнями.

Буровая установка производит около 500 гигабайт данных в неделю; турбина современного коммерческого самолета — около 10 терабайт за 30 минут. Такие объемы данных невозможно ни загрузить в облако, ни оценить в реальном времени через мобильные сети. Кроме того, использование сторонних сетей связано с высокими затратами. Поэтому на местном уровне необходимо решить, какой объем и какая генерируемая информация должна передаваться и храниться в центральных системах, а какие данные могут быть оценены на месте. Именно здесь на помощь приходят пограничные вычисления.

В настоящее время центральные центры обработки данных принимают на себя большую часть нагрузки данных, генерируемых Интернетом. Однако сегодня источники данных зачастую мобильны и находятся слишком далеко от центрального мэйнфрейма, чтобы обеспечить приемлемое время отклика (латентность). Это особенно проблематично для приложений, критичных ко времени, таких как машинное обучение и предиктивное обслуживание, с интеллектуальными производственными объектами и саморегулирующимися сетями поставок.

Частное использование Интернета — потоковое видео высокого разрешения на мобильные устройства, VR и дополненная реальность — уже доводит традиционные облачные концепции и пропускную способность доступных сетей до предела. А внедрение нового стандарта мобильного радио 5G со скоростью передачи данных до 10 ГБ/с не обеспечит освобождение, а увеличит его, считают эксперты. Edge computing также не дает решения этой проблемы. Скорее, эта концепция поднимает вопрос о том, действительно ли все данные должны обрабатываться в облаке в средах IoT.

Пограничные вычисления рассматриваются не как замена, а как дополнение к облаку, которое обеспечивает следующие функции:

• Сбор и агрегация данных: В то время как источники данных в традиционных облачных архитектурах передают все данные в основной центр обработки данных в облаке для централизованного анализа, пограничные вычисления полагаются на сбор данных в непосредственной близости от источника. Для этого микроконтроллеры используются непосредственно в устройстве или в шлюзах — т.е. «интеллектуальных маршрутизаторах». Они объединяют данные с различных устройств и позволяют проводить предварительную обработку и отбор набора данных. Загрузка в облако происходит только в том случае, если информация не может быть оценена на месте, требуется детальный анализ или данные подлежат архивированию.
   
• Локальное хранение данных: Пограничные вычисления особенно полезны, когда необходимо обеспечить локальное хранение широкополосных данных. Для большого количества данных передача в реальном времени из основного центра обработки данных в облако обычно невозможна. Эту проблему можно обойти, храня соответствующие данные децентрализованно на границе сети. В подобном сценарии пограничные шлюзы действуют как серверы-реплики в сети доставки контента.
   
• Мониторинг с поддержкой ИИ: Децентрализованные вычислительные устройства пограничной вычислительной среды получают данные, оценивают их и впоследствии обеспечивают непрерывный мониторинг подключенных устройств. В сочетании с алгоритмами машинного обучения возможен мониторинг состояния в режиме реального времени — например, для управления и оптимизации процессов на интеллектуальных заводах.
   
• Связь M2M: M2M означает «от машины к машине», что означает автоматический обмен информацией между конечными устройствами с помощью любых стандартов связи. В среде IoT, например, на интеллектуальном заводе, связь M2M может использоваться для удаленного мониторинга машин и установок. В рамках управления технологическими процессами возможна как связь между конечными устройствами, так и связь с центральным центром управления, который функционирует как орган мониторинга (мониторинг с поддержкой ИИ).

Следующий график иллюстрирует основной принцип децентрализованной облачной архитектуры, в которой краевые шлюзы выступают в качестве посредника между центральным компьютером в общедоступном или частном облаке и устройствами IoT на границе сети.

Области применения пограничных вычислений обычно возникают в среде IoT и, как и концепция децентрализованной облачной архитектуры, пока существуют только в будущих проектах. Важным фактором роста технологии граничных вычислений является растущий спрос на коммуникационные системы, способные работать в режиме реального времени. Децентрализованная обработка данных классифицируется как ключевая технология для следующих проектов:

• связь между автомобилями
• Интеллектуальная сеть
• Умная фабрика

В будущем Connected Car — сетевой автомобиль — станет чем-то большим, чем просто транспортное средство с подключением к Интернету. Будущее мобильности обещает облачные системы раннего предупреждения на основе связи между автомобилями и даже полностью автономные средства передвижения. Для этого необходима инфраструктура, позволяющая обмениваться данными в режиме реального времени между автомобилями и точками связи на трассе.

Электрическая сеть будущего также будет адаптивной и, благодаря децентрализованным системам управления энергией, будет приспосабливаться к колебаниям выработки. Умные сети становятся ключевой технологией в контексте энергетической революции. Переход на возобновляемые источники энергии ставит перед электросетями новые задачи. Вместо нескольких крупных центральных генераторов необходимо подключить множество более мелких и децентрализованных электрогенераторов к накопителям и конечным потребителям. Благодаря солнечным батареям некоторые из них даже сами становятся генераторами электроэнергии. Поэтому интеллектуальные сети не только транспортируют электроэнергию, но и предоставляют данные для ее производства, хранения и потребления. Это позволяет всем участникам реагировать на изменения в режиме реального времени. Цель состоит в том, чтобы сохранить стабильность электросетей, несмотря на растущую сложность, и сделать их более эффективными за счет интеллектуального управления нагрузкой. Новые облачные концепции, такие как Edge и Fog computing, необходимы для сбора, хранения и обработки массивов данных в кратчайшие сроки.

Умная фабрика — это самоорганизующееся производственное предприятие и логистическая система, которая в идеале больше не требует вмешательства человека. Умная фабрика практически представляет собой систему объединенных в сеть устройств, машин и датчиков, которые общаются друг с другом через Интернет вещей для осуществления производственных процессов. Система связи умной фабрики включает в себя даже готовую продукцию и поэтому может автоматически реагировать на спрос и предложение. Системы искусственного интеллекта и машинного обучения могут использоваться для автоматизации процессов технического обслуживания и оптимизации производства. Для этого необходима ИТ-инфраструктура, способная оценивать большие объемы данных и незамедлительно реагировать на непредвиденные события. Традиционные облачные системы потерпели неудачу из-за проблемы задержек. Архитектуры Fog и edge computing решают эту проблему за счет распределенной обработки данных.

В следующей таблице сравниваются преимущества и недостатки архитектуры edge computing по сравнению с классическими облачными средами.