Che cos'è l'edge computing?

Questa vicinanza dei dati alla loro origine può offrire grandi vantaggi aziendali, come insight più rapidi, tempi di risposta migliori e maggiore disponibilità della larghezza di banda.

La crescita esplosiva e la crescente potenza di calcolo dei dispositivi IoT, dagli smartphone ai veicoli autonomi, hanno portato a enormi volumi di dati. Questi volumi di dati continuano a crescere parallelamente alla proliferazione di dispositivi e sistemi connessi che alimentano carichi di lavoro per l'analytics dei dati in tempo reale e i workload di intelligenza artificiale (AI).

L'invio di tutti i dati generati dai dispositivi a un data center centralizzato o al cloud crea problemi di larghezza di banda e di latenza. L'edge computing risolve questo problema elaborando e analizzando i dati al punto di origine, consentendo un'analisi dei dati più rapida e completa, ad esempio tramite il mobile edge computing su reti 5G . Questa mossa crea l'opportunità di ottenere maggiori insight, tempi di risposta più rapidi e migliori esperienze del cliente.

Oggi, l'edge computing svolge un ruolo fondamentale nelle strategie di hybrid cloud Man mano che le aziende evolvono gli ambienti cloud ibridi in infrastrutture ibride distribuite, l'edge computing è diventato essenziale per gestire workload complessi a livello locale.

Inoltre, l'integrazione dell'edge e dell'AI computing per eseguire compiti di machine learning (ML) direttamente sui dispositivi edge connessi sta guidando una crescita importante. Uno studio di Fortune Business Insights valuta il mercato dell'edge AI a 35,81 miliardi di USD nel 2025, prevedendo che raggiungerà i 385,89 miliardi di dollari entro il 2034 con un tasso di crescita annuale composto (CAGR) del 29,9%.¹

A differenza del cloud computing, che si basa sull'accesso remoto a risorse di calcolo come calcolo, storage e networking tramite internet, l'edge computing elabora i dati localmente dove i dispositivi li raccolgono. Pur essendo nettamente diverso, il edge computing estende le funzioni del modello cloud alle posizioni edge. Entrambi condividono tecnologie sottostanti, come virtualizzazione, container e microservizi, tutti elementi che svolgono un ruolo importante nelle implementazioni edge.

Il modello di edge computing si basa su diversi componenti fondamentali:

• Dispositivi edge
• Gateway edge
• infrastruttura di rete
• Software e analytics
• Server edge, cluster e virtual server
• Cloud o data center centralizzato

I dispositivi edge sono hardware che raccolgono, elaborano e agiscono sui dati direttamente alla fonte. Questa ampia categoria include hardware informatico situato al boundary della rete e come dispositivi edge IoT , che sono componenti fisici collegati a una rete che generano dati tramite uno o più sensori. I dispositivi edge IoT spaziano da applicazioni edge industriali (ad esempio, città intelligenti, robot industriali) a dispositivi consumer (ad esempio, smartphone, controlli di sicurezza domestica).

Uno studio di Statista prevede che il numero di dispositivi IoT nel mondo raddoppierà, passando da 19,8 miliardi nel 2025 a 40,6 miliardi entro il 2034.²

Un gateway informatico è un nodo, come un router, un server o un dispositivo SD-WAN (Software-Defined Wide Area Network), che funge da intermediario sicuro tra i dispositivi edge e il cloud o il data center.

Questo componente gestisce il traffico dati e la comunicazione tra i due ambienti.

Questo livello di connettività collega componenti come controller, adattatori ethernet, gateway e altre risorse attraverso una rete edge, dall'edge al cloud fino all'on-premise. Questo collegamento consente il flusso dei dati tra le località distribuite e i sistemi centrali.  

Spesso combinato con il 5G, l'infrastruttura di rete edge supporta alta larghezza di banda e bassa latenza.

L'infrastruttura di edge computing comprende piattaforme software, strumenti di analytics e sistemi di gestione che elaborano, analizzano e orchestrano i workload in ambienti edge.

I principali fornitori di servizi di cloud computing (ad esempio, IBM, Red Hat, Microsoft, Google) offrono soluzioni di edge computing progettate per integrarsi in ambienti di hybrid cloud e supportare i workload di AI.

Le risorse di calcolo, come server edge, cluster edge e virtual server (tipicamente VMware), distribuite all'edge gestiscono le esigenze locali di elaborazione e storage per workload che richiedono una risposta a bassa latenza .

Questo ambiente centrale, dove risiedono i workload più grandi, lo storage e le analytics più approfondite, lavora con le edge come parte di una più ampia infrastruttura ibrida distribuita.

Questa infrastruttura comprende configurazioni di cloud privato e cloud pubblico, a seconda della strategia infrastrutturale dell'organizzazione.

L'edge computing aiuta le organizzazioni ad accedere più rapidamente ai propri dati e ad agire su di essi prima che raggiungano un data center centrale. Di seguito sono riportati alcuni dei principali vantaggi:

• Prestazioni migliorate: riducendo la latenza e aumentando la velocità, l'edge computing offre prestazioni migliori e maggiore affidabilità con meno tempo di inattività.
• Processo decisionale ottimizzato: l'analytics dei dati che avviene all'edge della rete significa un accesso più rapido agli insight. Oggi, le organizzazioni possono applicare analytics AI/ML e algoritmi complessi per migliorare il processo decisionale in tempo reale e ottimizzare l'esperienza del cliente, come nel retail.
• Maggiore sicurezza e conformità: quando i dati rimangono locali, le organizzazioni hanno un maggiore controllo sul modo in cui vengono protetti. Questa localizzazione riduce l'esposizione ai rischi di sicurezza e rende più facile soddisfare i requisiti di conformità e gli obblighi di sovranità dei dati in regioni diverse.
• Scalabilità migliorata: le soluzioni basate su software supportano l'automazione della rete all'edge, permettendo alle organizzazioni di gestire e scalare le implementazioni secondo necessità, inclusi eventi ad alto traffico come le vendite flash.
• Aumento dell'efficienza operativa: quando i dispositivi edge gestiscono il trattamento dei dati localmente, le organizzazioni riducono la quantità di dati inviati a località centrali come il cloud e ottengono di più dalle risorse esistenti.
• Costi ridotti: elaborare i dati in loco e inviare solo ciò che è necessario ai server centrali on-premise o nel cloud riduce l'uso della larghezza di banda di rete e i costi complessivi dell'infrastruttura.

L'edge computing offre chiari vantaggi, ma non è privo di complessità. Le grandi organizzazioni possono avere migliaia di dispositivi edge (ad esempio, sensori per la manutenzione predittiva su un piano), il che aumenta la difficoltà di implementazione, provisioning e monitoraggio.

I dispositivi edge hanno anche risorse di calcolo e storage limitate, che possono limitare il workload gestito. Inoltre, una connettività affidabile tra le sedi distribuite può presentare problemi, in particolare per le organizzazioni che operano in località remote dove l'accesso alla rete può essere inaffidabile.

Le organizzazioni possono affrontare queste sfide con software e piattaforme di gestione provenienti da fornitori di servizi edge che automatizzano il provisioning, monitorano la sicurezza e gestiscono i workload tra diversi ambienti. Combinando edge computing con 5G, le organizzazioni possono mantenere i sistemi operativi anche quando le connessioni internet tradizionali sono inaffidabili o non disponibili.

Con la maturazione dell'infrastruttura edge, le organizzazioni la combinano sempre più spesso con il machine learning per elaborare e agire direttamente sui dati presenti su dispositivi edge connessi.

Questo approccio, noto come edge AI, riduce la dipendenza dall'infrastruttura cloud centralizzata e aiuta a semplificare le operazioni in settori complessi (ad esempio, supply chain management, produzione). A differenza degli approcci basati su cloud, i dispositivi edge AI possono funzionare anche offline, risultando quindi adatti ad applicazioni che non possono fare affidamento su una connessione a internet continua.

L'edge computing supporta una vasta gamma di settori e applicazioni. Dalla sanità ai servizi finanziari, le organizzazioni implementano casi d'uso di edge computing che includono:

• Settore sanitario
• Trasporti
• Telecomunicazioni
• Servizi finanziari
• Intrattenimento