Důležitost edge computingu pro oblast telekomunikací a datových center rychle roste, jak stále více podniků přizpůsobuje své IT strategie technologickému pokroku. Jedním z těchto stimulů je postupné zavádění aplikací s umělou inteligencí (AI), které vyžadují vyšší výpočetní výkon a rychlejší odezvu, což činí z edge computingu velmi žádané řešení.
Rovněž aplikace IoT přináší nové požadavky, protože sběr a zpracování obrovského množství dat ze zařízení IoT vyžaduje platformy využívající strojové učení a umělou inteligenci. Obecný konsensus spočívá v tom, že zařízení IoT musí být co nejblíže centrálním uzlům, aby doba odezvy – latence – byla co nejnižší.
I když je pravdou, že tyto nové technologie kladou na zpracování dat nové požadavky, neznamená to, že je třeba úplně předělávat datovou infrastrukturu kolem těchto nových datových mikro-center umístěných na okraji sítě. To bychom velmi podceňovali jak inteligenci zařízení, tak možnosti stávající infrastruktury.
Budoucnost těchto nových technologií je okamžité rozhodnutí na samotném zařízení, ať už jde o počítač v Paříži, mobilní telefon v Berlíně nebo v automobil na dálnici do Newcastlu, aby se předešlo riziku vysoké latence nebo přerušení spojení.
Například často zmiňovaná vozidla s autonomním řízením, která jsou vybaveny mnoha senzory, musí mít lokální inteligenci, protože je vyžadována velmi rychlá odezva. Pokud vozidlo na silnici identifikuje chodce, musí provést okamžité rozhodnutí a začít brzdit, a to v intervalu milisekund. V případě, že by se data zpracovávala ve vzdálené jednotce (umístěné např. na sloupech osvětlení), hrozily by výpadky spojení. Top znamená, že edge computing musí být realizován v samotném vozidle a nikoliv v nějakém blízkém datovém centru v rámci nejbližší malé buňky 5G.
Role klasického jádrového datového centra bude spočítat v řešení této rozmanité složitosti – propojování dat z mnoha různých zdrojů a jejich zpracování pro hloubkovou analýzu a další rozhodování.
Vozidlo na jedoucí po dálnici provádí v rámci vlastní výpočetní jednotky jednoduchá rozhodnutí týkající se samotného vozidla, zatímco výkonná datová centra přijímají data ze stovek vozidel, analyzují tato data a provádí komplexní rozhodnutí týkající se všech vozidel.
Samozřejmě budou existovat případy, kdy budou datová mikro-centra životně důležitá. Například, při požáru když na místo dorazí hasiči, je třeba okamžitě vytvořit inteligentní velitelské centrum. Inteligenční podpora musí dostupná na místě požáru nebo okraji sítě. Data ze senzorů umístěných v oblecích hasičů a na různých zařízeních musí být integrována do společné platformy, aby poskytovala komplexní situační obraz jak pro velitele zásahu, tak pro operátory velitelského centra.
Spoléhat na neznámou dostupnost sítě a na podporu klasického datového centra je nepraktické. Odhaduje se, že asi 10 % aplikací IoT bude vyžadovat fyzickou přítomnost na okraji sítě. Zbývajících 90 % aplikací může být obsluhováno z existujícího městského datového centra nebo zde kolokovaných zařízení. Pokud jde o těch 10 % kritických aplikací, zde je v praxi třeba zvažovat kompromisy mezi náklady a výkonností.
Aby bylo možné realizovat potenciál 5G, AI a autonomních vozidel nemusí se poskytovatelé datových center nutně zaměřovat na vytváření nových prostředků pro edge computing, ale spíše se zaměřit na to, aby spolehlivá konektivita, výpočetní výkon a propojení mezi centry a poskytované služby stále dostupné.
Úkolem datových center je tedy vybudovat platformu, která zákazníkům umožní rychle reagovat na tyto změny.
Valerie Walsh, Digital Realty
Zdroj: DataCentrenews