IoT Edge Computing Benutten voor Real-Time Data-analyse

In een klassieke IoT-architectuur sturen slimme apparaten verzamelde data naar de cloud of een extern datacenter voor analyse. Hoge hoeveelheden data die van en naar een device reizen, kunnen bottlenecks veroorzaken die deze aanpak ineffectief maken in elk latentie-gevoelig use case.

IoT edge computing lost dit op door dataverwerking dichter bij IoT-apparaten te brengen. Deze strategie verkort de dataroute en stelt het systeem in staat om near-instant on-site data-analyse uit te voeren.

Dit artikel is een introductie tot IoT edge computing en de voordelen van actie ondernemen op data zo dicht mogelijk bij de bron. Lees verder om te leren waarom edge computing een kritische enabler is voor IoT-use cases waarin het systeem massive hoeveelheden data in real-time moet vastleggen en analyseren.

Wat is IoT Edge Computing?

IoT edge computing is de praktijk van het gebruik van dataverwerking aan de rand van het netwerk om de prestaties van een IoT-systeem te versnellen. In plaats van data naar een externe server te sturen, stelt edge computing een slim apparaat in staat om ruwe IoT-data op een dichtbijgelegen edge-server te verwerken.

Dataverwerking dicht bij of op het oorsprongspunt resulteert in nul latentie. Deze functie kan de functionaliteit van een IoT-apparaat dat time-sensitive taken uitvoert, maken of breken.

Dataverwerking fysiek dichter bij IoT-apparaten brengen biedt een reeks voordelen voor enterprise IT, zoals:

• Snellere, betrouwbaardere services.
• Een soepelere klantervaring.
• Real-time, on-site analytics.
• De mogelijkheid om ruwe data te filteren en te aggregeren om verkeer naar een externe server of de cloud te reduceren.
• Lagere operationele kosten (OpEx) door minder bandbreedtegebruik en kleinere datacentercapaciteitsbehoeftes.
• Hogere beveiliging door minder externe verbindingen en minder ruimte voor potentiële laterale beweging.

IoT edge computing is een vitale enabler voor IoT omdat deze strategie u in staat stelt om een low-latency app op een IoT-apparaat betrouwbaar te draaien. Edge-verwerking is een ideale optie voor elk IoT-use case dat:

• Real-time besluitvorming vereist.
• Potentieel catastrofale fouten heeft.
• Te maken krijgt with extreme hoeveelheden data.
• Draait in een omgeving waar cloudconnectiviteit of spaarzam of volledig onbeschikbaar is.

Cloud- en edge-computing sluiten elkaar niet uit. De twee computing-paradigma's zijn een uitstekende fit aangezien een edge-server (zowel in dezelfde regio als on-premises) time-sensitive taken kan afhandelen terwijl gefilterde data naar de cloud wordt gestuurd voor verdere, meer tijdrovende analyse.

Edge Devices vs IoT Devices

IoT edge computing vertrouwt op het gecombineerde gebruik van zowel edge- als IoT-apparaten:

• Een IoT-apparaat is een machine verbonden met het internet die data kan genereren en transmitteren naar de verwerkingseenheid (zij het een edge-apparaat, de cloud of een centrale server). Deze apparaten hebben meestal special-purpose sensoren en dienen een enkel doel.
• Een edge-apparaat is een stuk hardware dat nabij de gebruiker of het apparaat dat ruwe data genereert, opereert. Deze apparaten hebben voldoende computermiddelen om data te verwerken en beslissingen te nemen met sub-milliseconden latentie, een snelheid onmogelijk te bereiken als data eerst een netwerk moet oversteken.

In sommige gevallen kunnen de termen edge en IoT-apparaten uitwisselbaar zijn. Een IoT-apparaat kan ook een edge-apparaat zijn als het voldoende compute-resources heeft om low-latency beslissingen te nemen en data te verwerken. Ook kan een edge-apparaat onderdeel zijn van IoT als het een sensor heeft die ruwe data genereert.

Echter, apparaten creëren met zowel IoT- als edge-mogelijkheden is niet kosteneffectief. Een betere optie is om meerdere goedkopere IoT-apparaten te deployen die data genereren en ze allemaal te verbinden met een enkele edge-server die data kan verwerken.

Hoe Werken IoT en Edge Computing Samen?

Edge computing voorziet een IoT-systeem van een lokale bron voor dataverwerking, opslag en computing. Het IoT-apparaat verzamelt data en stuurt het naar de edge-server. Ondertussen analyseert de server data aan de rand van het lokale netwerk, wat snellere, meer schaalbare dataverwerking mogelijk maakt.

Vergeleken met het gebruikelijke ontwerp dat data naar een centrale server stuurt voor analyse, heeft een IoT edge computing-systeem:

• Verminderde latentie van communicatie tussen het IoT-apparaat en het netwerk.
• Snellere reactietijden en verhoogde operationele efficiëntie.
• Kleinere netwerkbandbreedte-consumptie aangezien het systeem alleen data naar de cloud streamt voor lange-termijnopslag of analyse.
• De mogelijkheid om door te gaan met opereren zelfs als het systeem de verbinding met de cloud of de centrale server verliest.

Edge computing is een efficiënte, kosteneffectieve manier om het Internet of Things op schaal te gebruiken zonder netwerpoverbelasting te riskeren. Een bedrijf dat vertrouwt op IoT edge verlaagt ook de impact van een potentiële datalek. Als iemand een edge-apparaat binnendringt, heeft de indringer alleen toegang tot lokale ruwe data (in tegenstelling tot wat er gebeurt als iemand een centrale server hackt).

Dezelfde "kleinere blast radius" logica geldt voor ongelukkelijke datalekken en vergelijkbare dreigingen voor dataintegriteit.

Daarnaast biedt edge computing een laag redundantie voor missie-kritieke IoT-taken. Als een enkele lokale unit uitvalt, kunnen andere edge-servers en IoT-apparaten zonder problemen doorgaan met opereren. Er zijn geen single points of failure die alle operaties tot stilstand kunnen brengen.

IoT Edge Computing Kenmerken

Hoewel elk IoT edge computing-systeem unieke kenmerken heeft, delen alle implementaties diverse karakteristieken. Hieronder een lijst van 6 functies die u in alle IoT edge computing-use cases kunt vinden.

Geconsolideerde Workloads

Een oudere edge-apparaat draait typisch proprietaire apps op een proprietair RTOS (real-time operating system). Een state-of-the-art IoT edge-systeem heeft een hypervisor die de OS- en app-lagen abstraceert van de onderliggende hardware.

Het gebruik van een hypervisor stelt een enkel edge-computing-apparaat in staat om meerdere OS's te draaien, wat:

• De weg baant voor workload-consolidatie.
• De fysieke voetafdruk die op de edge vereist is, vermindert.

Als resultaat is de prijs van deployen naar de edge ver lager dan wat u ooit betaalde om een top-tier edge-computingsysteem op te zetten.

Pre-Processing en Data Filtering

Eerdere edge-systemen werkten typisch door de externe server een waarde van de edge op te vragen, ongeacht of er recente wijzigingen waren. Een IoT edge-commuting-systeem kan data aan de edge pre-processen (meestal via een edge-agent) en alleen de relevante info naar de cloud sturen. Deze aanpak:

• Vermindert de kans op databottlenecks.
• Verbetert systeemresponsiviteit.
• Verlaagt cloudopslag- en bandbreedtekosten.

Schaalbaar Beheer

Oudere edge-resources gebruikten vaak seriële communicatieprotocollen die moeilijk te updaten en te beheren waren op schaal. Een bedrijf kan nu IoT edge-computing-resources verbinden met lokale of wide area networks (LAN of WAN), wat centraal beheer mogelijk maakt.

Edge-management-platforms zijn ook in populariteit toegenomen aangezien providers streven naar het nog verder stroomlijnen van taken geassocieerd met grootschalige edge-implementaties.

Open Architectuur

Proprietaire protocollen en gesloten architecturen waren jarenlang gangbaar in edge-omgevingen. Helaas leiden deze functies vaak tot hoge integratie- en switchkosten door vendor lock-ins, weshalb moderne edge computing vertrouwt op een open architectuur met:

• Gestandaardiseerde protocollen (bijv. OPC UA, MQTT).
• Semantische datastructuren (bijv. Sparkplug).

Open architectuur verlaagt integratiekosten en verhoogt vendor-interoperabiliteit, twee kritieke factoren voor de levensvatbaarheid van IoT edge computing.

Edge Analytics

Eerdere versies van edge-apparaten hadden beperkte verwerkingskracht en konden typisch een enkele taak uitvoeren, zoals data inladen.

Tegenwoordig heeft een IoT edge-computing-systeem krachtigere verwerkingsmogelijkheden voor het analyseren van data aan de edge. Deze functie is vitaal voor low-latency en high data-throughput use cases die traditionele edge computing niet betrouwbaar kon aan.

Gedistribueerde Apps

Intelligente IoT edge-computing-resources decouplen apps van de onderliggende hardware. Deze functie maakt een flexibele architectuur mogelijk waarin een app tussen compute-resources kan bewegen, zowel:

• Verticaal (bijv. van de edge-resource naar de cloud).
• Horizontaal (bijv. van de ene edge-computing-resource naar de andere).

Een bedrijf kan een edge-app implementeren in drie typen architecturen:

• 100% edge: Deze architectuur heeft alle compute-resources on-premise. Dit ontwerp is populair bij organisaties die geen data off-premises willen sturen, meestal om beveiligingsredenen. Een bedrijf dat akkoord gaat met zware on-prem investeringen is ook een typische adopter.
• Thick edge + cloud architectuur: Dit ontwerp omvat een on-prem datacenter, een cloud-implementatie en edge-compute-resources. Een veelvoorkomende keuze voor bedrijven die al zwaar geïnvesteerd hadden in een on-prem datacenter maar later besloten de cloud te gebruiken om data te aggregeren en analyseren (typisch van meerdere faciliteiten).
• Thin (of micro) edge + cloud architectuur: Deze benadering omvat altijd cloud-computeresources verbonden met een (of meer) kleinere edge-compute-resource. Er zijn geen on-prem datacenters in dit ontwerp.

IoT Edge Computing Use Cases

Edge computing kan een cruciale rol spelen in elk IoT-ontwerp dat lage latentie of lokale dataopslag vereist. Hier zijn een paar interessante use cases:

• Industrial IoT (IIoT): IoT-sensoren kunnen de staat van industriële machines volgen, identificerend problemen zoals defecten of overbelasting. Tegenovergesteld kan een edge-server reageren op problemen voordat een potentiële ramp ontstaat.
• Zelfrijdende auto's: Een autonoom voertuig dat de weg afrijdt, moet in staat zijn om real-time data te verzamelen en verwerken (verkeer, voetgangers, verkeersborden, stoplichten, etc.). Autonome auto's zijn een zero-latency use case, dus het gebruik van edge IoT is de enigste manier om te garanderen dat een zelfrijdende auto snel genoeg kan stoppen of draaien om een ongeluk te voorkomen.
• Geautomatiseerde vrachtwagon-convooien: IoT edge computing kan ook een bedrijf in staat stellen een geautomatiseerd vrachtwagon-convoi te creëren. Een groep IoT-aangedreven vrachtwagens kan dicht achter elkaar in convoi rijden, brandstofkosten besparen en congestie verminderen. In dat scenario hoeft alleen de eerste vrachtwagen een menselijke chauffeur.
• Visuele inferencing: Een high-resolutie camera met een IoT edge-computer kan videostreams consumeren en inferencing uitvoeren op de verzamelde data. Die apparatuur kan mensen met hoge temperatuur detecteren, inbrekers in beperkte zones, veiligheidsschendingen, een anomalie op productielijnen, etc.
• Remote condition-based monitoring: In een scenario waar een fout catastrofaal kan zijn (bijv. een olie- of gaspijpleiding), is het gebruik van IoT edge om het systeem te monitoren een no-brainer. Een IoT-sensor kan de staat van een asset volgen (bijv. temperatuur, druk, stress, etc.), en de edge-server kan een potentiël probleem in milliseconden herkennen en erop reageren.

IoT Edge Computing: Een Game-Changer voor Enterprise IT

Vandaag de dag opereert de IoT-sector over talloze scenario's zonder edge computing. Echter, naarmate het aantal verbonden apparaten groeit en bedrijven nieuwe use cases verkennen, zal de capaciteit om data sneller op te halen en te verwerken een beslissende factor worden. Verwacht IoT edge computing een cruciale rol te spelen in de komende jaren naarmate meer en meer bedrijven de voordelen van zero-latency dataverwerking gaan najagen.