Edge computing: тихая облачная революция

Концепции обработки данных меняются очень медленно, и преимущества новых долгое время остаются неочевидными. Поэтому не удивительно, что многие ИТ-профессионалы до сих пор считают edge computing синонимом SaaS, облачных вычислений или вовсе не слышали об этой парадигме. Что же это такое? Прорывная технология или просто модный термин?

Впервые идея edge computing была сформулирована в ходе Конференции по автоматизированному проектированию (IEEE DAC) в 2014 году. Там она описывалась как вычисления, производимые не на локальных и не на облачных ресурсах, а на промежуточном оборудовании. Этот принцип применялся и раньше, но только в виде отдельных решений, а не глобального подхода.

В русском языке пока не появилось общепринятого эквивалента, поэтому в одних публикациях вы увидите термин «граничные вычисления», в других — «периферийные» или даже «краевые».

Суть у них одна и та же: наиболее критичные ко времени обработки данные анализируются как можно ближе к их источнику. То есть, вместо отправки в зарубежные дата-центры «сырых» данных, они частично обрабатываются там, где это географически ближе. В облако поступают уже готовые результаты и побочные данные для отложенного анализа, что помогает эффективнее использовать ресурсы и уменьшить трафик.

Для этого на границе между локальными и облачными ресурсами (или на периферии «облака») устанавливаются промежуточные узлы. Это могут быть небольшие серверы или кластеры, физически размещенные в том же регионе. Их использование сокращает время отклика, одновременно разгружая основной центр обработки данных (ЦОД) и уменьшая идущий к нему трафик. Благодаря граничным вычислениям структура «облака» становится более децентрализованной. В этом концепция сходна с гибридными облаками, но их конечные цели немного отличаются.

В случае edge computing главная цель — повышение скорости обработки критичных данных, поступающих одновременно от множества источников. Наиболее заметно это в системах автопилота для машин, дронов и сервисных роботов, где требуется достичь уровня оперативности, близкого к real-time.

Им нужно сопоставлять текущие данные от десятков сенсоров, параллельно обрабатывать несколько видеопотоков и принимать решения за доли секунды, чтобы вовремя распознавать препятствия и реагировать на происходящее вокруг.

Если делать это только на базе локальных ресурсов, то получится слишком дорого и громоздко. Даже в автомобиль не уместить эквивалент серверной стойки, а те же квадрокоптеры очень ограничены по взлетной массе. Классическая миграция в облака здесь не поможет. Сетевые пакеты хоть и распространяются со световой скоростью, по пути накапливают миллисекундные задержки на каждом маршрутизаторе. В итоге между запросом в облако и получением ответа возникают ощутимые паузы. Один из вариантов решения проблемы — задействовать менее мощные, но ближе расположенные сетевые узлы вместо прямой связи с главным дата-центром.

Примеры использования

В настоящее время edge computing уже применяют на практике. Одним из первых сценариев как раз стало решение проблемы оперативного управления беспилотниками. Хотя в облаке можно разместить очень мощный искусственный интеллект, способный командовать тысячами дронов, по мере их удаления будут расти задержки. В какой-то момент это приведет к тому, что беспилотник преодолеет несколько метров вслепую и не сможет избежать столкновения.

Поэтому для управления своими дронами служба доставки Amazon разворачивает промежуточные узлы в регионах предоставления сервиса Amazon Prime. Чаще всего они реализуются на уровне местных провайдеров и мобильных операторов связи. При таком подходе все дроны обслуживаются ближайшей базовой станцией, а на удаленный ЦОД в фоне отправляются только те данные, которые не требуются для принятия текущих решений. Более того, так повышается автономность и надежность управляющей схемы. В случае потери связи с облаком локальный сегмент в edge computing может некоторое время обеспечивать бесперебойную работу собственными силами.

Благодаря граничным вычислениям появляется такой феномен, как облачная робототехника.

В октябре 2019 года китайский стартап CloudMinds Technology представил универсального сервисного робота XR-1, который использует «облачный мозг».

Во время презентации технология edge computing на базе сетей 5G указывалась как наиболее реалистичный способ сочетать мощь облачной платформы со скоростью отклика бортовой системы.

Мобильные сети пятого поколения сейчас продвигаются как панацея и для решения проблем IoT, но реально они востребованы только для передачи больших объемов трафика (в первую очередь — видео). В отличие от камер, всевозможным датчикам и «умным» приборам редко требуется высокая пропускная способность. Им куда важнее низкая латентность, которая у сетей 5G находится на прежнем уровне.

Снизить задержки можно, только добавив в схему промежуточные узлы. Учитывая характер вычислительной нагрузки в сфере IoT (множество простых запросов каждую минуту), такими разгрузочными узлами могут стать мини-серверы со специализированными интегральными схемами (ПЛИС).

Эволюция вместо революции

Граничные вычисления — это не замена облакам, а их логичное развитие по пути децентрализации.

На заре своего становления облачные платформы были дорогими и медленными, поэтому компании продолжали делать ставку на локальные вычислительные ресурсы. Хочешь быстрый результат и емкое хранилище? Покупай мощные компьютеры и ноутбуки сотрудникам, ставь новый сервер и дисковые станции в локальной сети. Такой подход был актуальным долгое время, однако затем развитие Интернета (особенно мобильного) привело к пересмотру организации вычислений. Тарифы снизились, скорости выросли. Для многих компаний аренда виртуальных серверов стала выгоднее покупки собственных. Тяжелые задачи вместе с большей частью данных переместились в облака Amazon, Oracle, Microsoft и других гигантов ИТ-индустрии.

С каждым годом остается все меньше реальных сценариев, в которых были бы необходимы локальные ресурсы с большой производительностью. Сегодня мощные компьютеры остались востребованы преимущественно для игр, но даже в индустрии развлечений подходы к организации вычислений меняются в сторону граничных вычислений. Хотя игры далеки от бизнес-задач, на их примере удобно разобрать суть edge computing. Принципы будут точно такими же для 3D-моделирования, визуализации данных, САПР, приложений виртуальной и дополненной реальности — словом, для любых тяжелых задач, в которых требуется быстрый отклик.

Осенью 2019 года Nvidia запустила в России сервис GeForce NOW, который позволяет играть с максимальным разрешением и настройками качества даже на дешевом ноутбуке или смартфоне. Вся 3D-нагрузка убирается из устройства конечного пользователя, которое фактически превращается в тонкий клиент. Особенность в том, что это уже не чисто облачные технологии. Если бы обработка сцен в многопользовательских играх выполнялась только в американском облаке Nvidia, пользователи из России столкнулись бы с огромными задержками: слишком велико время передачи сигнала. Пока пакеты данных путешествуют к дата-центру и обратно, в игре сменится несколько сотен кадров и произойдет множество событий, которые надо постоянно синхронизировать с действиями игроков.

Единственный способ сделать это быстро — переместить часть вычислений поближе к самим пользователям. Для этого нужно организовать игровые серверы в каждом крупном городе, а не передавать весь трафик в единый зарубежный ЦОД.

Для российских пользователей GeForce NOW (GFN) пока доступна только в Москве, где компания IXcellerate разместила серверную инфраструктуру GFN в новом дата-центре Moscow Two. По отзывам, в самых динамичных играх приемлемый пинг сейчас сохраняется при нахождении абонента примерно в радиусе 500 км от дата-центра. Используемый GFN подход как раз описывается в модели граничных вычислений. Он универсален и легко адаптируется для других сервисов независимо от их назначения. Особенно актуальна такая стратегия для предоставления услуг мобильным пользователям, поскольку смартфоны и планшеты крайне ограничены в ресурсах. Европейский институт телекоммуникационных стандартов (ETSI) развивает Mobile Edge Computing как отдельное направление, без которого было бы невозможно дальнейшее развитие AR- и VR-приложений, облачного видеонаблюдения и систем «умного» дома.

Заключение

Edge computing — универсальная концепция быстрой обработки текущих данных как можно ближе к их источнику. Технически это дальнейшее развитие идеи «туманных вычислений» (fog computing) и шаг в сторону децентрализации облаков.

С помощью граничных вычислений компании любого профиля могут выполнить миграцию из централизованных систем в распределенные для повышения отказоустойчивости, оперативности получения данных и лучшей масштабируемости ИТ-инфраструктуры.

Уменьшение задержек обработки данных за счет добавления промежуточных узлов позволяет развивать беспилотный транспорт, системы доставки дронами, игровые сервисы и предоставлять принципиально новые услуги, которые были технически невозможны при использовании «облаков» напрямую.

В отчете аналитического агентства MarketsandMarkets прогнозируется, что рынок edge computing вырастет с $2,8 млрд в 2019 году до $9,0 млрд к 2024 году. Основными стимулами развития граничных вычислений станут быстрорастущие сегменты IoT, систем доставки контента, удаленного мониторинга, сервисов AR и VR.

Теги: