Scoprire il vero significato dell’Edge computing non è semplicissimo perché di fatto è un termine che rientra in quello che gli americani definiscono buzzword, alla stregua di parole come “IoT” e ”cloud”.
Potremmo dire che è un po’ come se fosse il risultato dell’evoluzione dell’utilizzo del personal computer, passato da uno strumento di lavoro passivo, a vettore, utilizzato soprattutto per accedere a servizi cloud centralizzati come Dropbox, Gmail, Office 365 e Slack. Oggi la maggior parte delle aziende si affida alle infrastrutture, all’hosting, all’apprendimento automatico e alla potenza di calcolo di un numero molto ristretto di fornitori di cloud come Amazon, Microsoft, Google e IBM.
L’edge computing, attraverso la convergenza tra persone, applicazioni e “cose”, consente ai clienti di trasformare gli insight in esperienze dirette. Insight che possono essere sfruttati dalle aziende per erogare un’esperienza a “misura di cliente”, come ad esempio l’engagement mobile location-aware (sfruttando la possibilità di inviare ai consumatori messaggi pubblicitari localizzati grazie agli smartphone).
Perché è importante capire il significato dell’edge computing
La parola “edge” in questo specifico contesto significa letteralmente distribuzione geografica. Sì, perché l’elaborazione edge viene effettuata alla fonte dei dati o nelle “vicinanze” (una rete di micro data center elabora e memorizzare dati critici localmente), piuttosto che affidarsi al cloud centralizzato. In questo caso è il cloud che si dirige verso l’utente.
Essendo questa la configurazione, l’edge computing porta i componenti base di elaborazione, come storage e networking, più vicino alle fonti dove vengono generati i dati.
I vantaggi dell’edge computing
Quali sono quindi i vantaggi di questa configurazione? Un grande driver per l’edge computing è la velocità di elaborazione e conseguentemente una minore latenza. Se, ad esempio, un computer A deve inviare una richiesta a un computer B che si trova geograficamente molto distante, prima che essa possa essere elaborata può trascorrere del tempo (secondi), che l’utente può percepire come latenza. Come fare quindi per ridurre questa latenza in applicazioni come quelle afferenti all’universo IoT dove la velocità è tutto?
È sicuramente necessario un cambio di paradigma infrastrutturale. Infatti, per bypassare la latenza di un cloud di tipo centralizzato e convenzionale, è opportuno configurare un’architettura di edge computing in grado di ridurre la mole di dati da inviare nel cloud, elaborare i dati critici e sensibili alla latenza (mediante uno smart device), oppure inviandoli in un server intermedio.
Edge computing: qualche esempio
Sono diversi gli esempi da fare che riguardano questa tecnologia. Tra di essi, uno particolarmente interessante è l’utilizzo dei droni per il monitoraggio di alcune raffinerie. Un impianto americano che si estende per 2.300 acri (930 ettari), 20 miglia a est dal centro di Houston, in Texas, ha deciso di impiegarli per monitorare le attività h24 di produzione di benzina, cherosene, gasolio e una gamma di altri idrocarburi che alimentano l’industria americana. In questo specifico caso la velocità di trasmissione dei dati e delle immagini alla postazione remota è di fondamentale importanza per la validità del servizio.
L’edge computing viene utilizzato anche dalle società specializzate nella fornitura di contenuti video in streaming, le quali, al fine di ridurre la congestione della rete causata dell’elevato consumo della larghezza di banda e contestualmente migliorare il servizio, stanno provvedendo all’interconnessione di un sistema di computer su internet che possa funzionare da cache di contenuti più prossima all’utente.
Così facendo, il contenuto può essere distribuito rapidamente duplicandolo su più server e indirizzandolo agli utenti in base alla loro “prossimità”. In questo specifico contesto i computer che fungono da cache di contenuti rappresentano un altro esempio di edge computing.
Un altro esempio di edge computing: gli assistenti vocali
I sofisticati assistenti vocali, come ad esempio Amazon Alexa (utilizzato da Amazon Echo), hanno necessità di ricevere e inviare le richieste dell’utente in tempi molto brevi. Di fatto un dispositivo come l’Amazon Echo deve elaborare il discorso, inviarne una rappresentazione compressa al cloud che a sua volta deve decomprimerlo ed elaborarlo. Logicamente un’eccessiva latenza in richieste come ad esempio le informazioni metereologiche comporterebbero un’esperienza di utilizzo molto negativa. Ecco perché Amazon ha elaborato chip AI per Alexa in grado di gestire le richieste localmente (facendo quindi meno affidamento sul cloud).
La stessa Apple, memorizzando e crittografando le informazioni biometriche sullo smartphone, bypassa una serie di problemi legati a un cloud di tipo centralizzato.
Edge computing e sicurezza
L’aspetto gestionale dell’edge computing è estremamente importante per la sicurezza. Se la privacy dell’utente con l’entrata in vigore del GDPR è in qualche modo tutelata, la questione sicurezza resta prioritaria e complessa da gestire. Può essere ad esempio necessario mappare tutti gli smart object connessi e installare un gateway edge funzionante come barriera tra l’IoT e la rete aziendale.
Questi problemi di sicurezza sono in parti mitigati dall’intelligenza artificiale, che sta diventando sempre più sofisticata. Google, ad esempio, ai fini della privacy e del risparmio di larghezza della banda, combina le funzioni di IA locale, che di fatto è quello che viene fatto da Google Clips che propone all’utente i momenti più importanti collocandoli in un determinato luogo.
Opportunità per l’edge computing
Oggi l’edge computing è una grande opportunità sia nell’ambito dello smart manufacturing, caratterizzato da una interconnessione di oggetti intelligenti che dialogano tra loro, che, soprattutto, nell’auto a guida autonoma, che ancora deve esprimere le sue vere potenzialità.
Scritto da Luigi Capuano – Cloud & Managed Services Offering Manager
{{cta(‘1c4ffef1-b213-48f3-bb0c-a42cb0ca5cbb’)}}
