Cosa si intende per edge computing? Tra le infrastrutture informatiche che ci stanno accompagnando nella trasformazione digitale, il cloud computing ha senza dubbio saputo ritagliarsi il ruolo del primattore, il perno di una rivoluzione profonda, destinata a cambiare per sempre il modo con cui le persone interagiscono con i dati. Centralizzare le risorse consente infatti di avere a disposizione una potenza di calcolo ed una scalabilità impensabile per i data center locali, ma la vertiginosa crescita del volume di dati generati dal digitale sta al tempo stesso rendendo sempre più viva l’esigenza di processarli in maniera capillare nei luoghi in cui si interfacciano con le varie applicazioni.

La necessità di avere a disposizione risorse di calcolo anche nelle periferie della rete è alla base di un nuovo paradigma IT, definito edge computing. Vediamo dunque cosa si intende per edge computing, in cosa si differenzia dal cloud e dal fog computing e come queste architetture IT possono completarsi per risolvere un range di esigenze applicative sempre più ampio.

Cos’è l’edge computing e a cosa serve

Nella sua definizione più semplice l’edge computing è un modello di calcolo distribuito, dove i dati vengono elaborati in prossimità del luogo in cui vengono erogati. Si tratta di un concetto per certi versi agli antipodi rispetto al cloud computing, che sfrutta la rete internet per comunicare con un data center remoto che dispone di una grande capacità di elaborazione, ma si trova fisicamente e concettualmente molto distante dal luogo in cui i dati vengono richiesti.

L’edge computing nasce quindi per dare una risposta pratica ai colli di bottiglia del cloud in merito a due aspetti fondamentali: la distanza computazionale dal dato e la latenza generata dalla rete Internet. La soluzione deriva dall’utilizzo di un dispositivo informatico in prossimità del dato per le operazioni “real time” e “near real time” ed eventualmente trasmettere in cloud il dato pre-elaborato per l’archiviazione e le operazioni più complesse.

Ciò che concettualmente può apparire complesso, ed è in verità ancora piuttosto complesso a livello puramente tecnologico, è in realtà qualcosa con cui interagiamo ogni giorno, molto spesso senza rendercene conto. L’edge computing è infatti l’architettura IT di riferimento per la Internet of Things, il cui design si basa sull’interconnessione di una serie di smart device in grado di dialogare funzionalmente tra loro.

I dispositivi informatici che costituiscono i terminali alla periferia della rete sono oggi sempre più diffusi, potenti ed economici: smartphone, POS, videocamere e, più genericamente, qualsiasi device SFF (Small Form Factor), dotato di unità computazionale e connettività di rete. Parliamo di miliardi di dispositivi interconnessi che ogni giorno raccolgono ed elaborano una quantità impressionante di dati, dalle più semplici applicazioni di domotica ai più complessi impianti industriali.

I device SFF edge comunicano in tempo reale con i sensori e la rete grazie ad unità di calcolo sempre più miniaturizzate e parsimoniose in termini di consumi, come i chip programmabili ASIC (application-specific-integrated-circuit) e riprogrammabili FPGA (field-programmable-gate-array) oltre a SoC FPGA. Proprio i Soc (Sistem-on-Chip) rappresentano il modello di architettura hardware più diffuso nei sistemi di comunicazione mobile, integrando su un unico circuito stampato (PCB) gli elementi indispensabili al funzionamento di un dispositivo informatico, per ridurre ai minimi termini la latenza comportata dalla loro comunicazione.

Un aspetto fondamentale nell’architettura edge è rappresentato dalla connettività tra i vari device e tra gli stessi e i data center locali. Se le connessioni wired rappresentano una condizione ottimale per la performance, lo stesso non si può dire dal punto di vista della flessibilità. Immaginiamo uno stabilimento industriale in cui si presenta una modifica di layout nel factory floor. Dovremmo modificare tutti i cablaggi, con un intervento piuttosto invasivo. Impensabile, sia in termini di costi che di fermo macchina.

La soluzione è data dalle connessioni wireless, ragion per cui si sono diffusi numerosi protocolli di comunicazione, sempre più efficienti sia in termini di ampiezza di banda dati che di range di copertura del segnale. La rassegna spazia dai diffusi Wi-Fi e bluetooth, fino a protocolli specifici per l’IoT, come Zigbee, Z-Wave, EnOcean, 6LoWPAN o il sorprendente LoRA, una soluzione a basso consumo capace di coprire fino a 5 km in ambito urbano e 30 km in contesti rurali, caratterizzati da una generica scarsità di ostacoli.

Anche se le tecnologie IoT sono sempre più diffuse, economiche e semplici da utilizzare, saper progettare una rete edge efficienti rimane a tutti gli effetti una vera e propria arte. Oltre a conoscere in maniera molto dettagliata le tecnologie, è indispensabile una grande esperienza pratica nel bilanciare i rispettivi punti di forza, in funzione delle esigenze da soddisfare, del budget a disposizione, senza trascurare la scalabilità del sistema, in previsione di una crescita o di una variazione sostanziale del layout complessivo. Sarebbe ad esempio inutile, se non controproducente, aggiungere dispositivi edge ad una rete incapace di bilanciarne il crescente flusso di dati generati.

Tra i principali fattori di ottimismo dimostrato dagli analisti nelle dirompenti previsioni di crescita relative ai sistemi IoT e alle architetture basate sull’edge computing ritroviamo senza dubbio le reti 5G, capaci di aumentare in maniera significativa sia la velocità che la banda di trasmissione dei dati, anche per le connessioni a corto e medio raggio.

Le reti 5G consentirebbero ad esempio di decentralizzare i data center, con un nuovo livello di comunicazione, posizionato in condizione intermedia tra il cloud e l’infrastruttura locale. Una serie di data center a medio raggio consentirebbe infatti di disporre dei dati in una condizione di maggior prossimità e renderli disponibili anche nelle periferie della rete con tempi di latenza compatibili con le operazioni “near real time” dei dispositivi edge. Il tutto limitando in maniera tangibile la quantità di connessioni cablate, a tutto vantaggio dell’agilità generale di un sistema informatico per natura particolarmente complesso.

Nonostante la diffusione delle reti 5G, soprattutto in Italia, si stia rivelando più lenta rispetto alle previsioni iniziali, è innegabile che molte applicazioni saranno di fatto possibili soltanto con una effettiva disponibilità di banda larga a tutti i livelli di comunicazione dei dati.

I vantaggi dell’edge computing

In coerenza con l’etimologia anglosassone che la identifica, la natura dell’architettura edge privilegia l’allocazione delle risorse computazionale ai margini della rete. Un modello basato su una intrinseca capillarità consente di articolare dei sistemi applicativi anche estremamente complessi, soddisfando la disponibilità di calcolo a bassa latenza in prossimità dei dati con cui i sistemi IoT si interfacciano.

I vantaggi che derivano dall’adozione di un modello infrastrutturale basato sull’edge computing sono molto eterogenei, in funzione degli obiettivi da raggiungere, in ambiti applicativi estremamente differenti tra loro. In generale, riepilogando molti dei concetti finora presentati, possiamo sintetizzare almeno quattro qualità oggettive di un sistema edge: Velocità, Scalabilità, Resilienza e Sicurezza.

Velocità

l’edge computing rende de facto possibile l’unica architettura IT che consente di far comunicare più dispositivi scambiando i dati in tempo reale. La riduzione della latenza nelle operazioni sarebbe impossibile con il semplice ricorso al cloud computing, soprattutto nell’ambito delle applicazioni mobile. La condizione da privilegiare per sfruttare appieno le logiche Big Data & Analytics, come vedremo, deriva infatti dal saper combinare in maniera efficace i punti di forza del cloud e dell’edge in una soluzione di continuità funzionale.

Scalabilità

l’edge computing consente di svincolarsi dalle risorse centralizzate per le operazioni in prossimità dei dati, il che si riflette in una maggior agilità di configurazione dei sistemi IoT, la cui espansione non è più vincolata esclusivamente alla scalabilità delle risorse in cloud, ma è resa possibile grazie al semplice aumento dei dispositivi informatici e dei micro data center collocati ai margini della rete. Grazie all’edge computing si ottiene dunque un doppio livello di scalabilità delle risorse, sia a livello locale che in cloud. L’onere più rilevante è costituito dalle competenze necessarie per configurare un’architettura cloud-to-edge capace di bilanciare in maniera ottimale la richiesta computazionale necessaria ai vari livelli funzionali del sistema.

Resilienza

L’edge computing riduce la quantità di dati proveniente dalla rete primaria, privilegiando la disponibilità dei dati ai margini della rete. Questo modello di gestione del dato rende la pipeline di lavoro meno soggetta a rischi di down di un data center in cloud, in quanto il dato utile a livello operativa risulta disponibile sul device stesso, piuttosto che su un micro data center locale. In altri termini, per garantire la resilienza di un sistema basato sull’edge computing è sufficiente prevedere una condizione di sincronia periodica tra i dati in locale e i data storage in cloud, che possono essere aggiornati con una frequenza decisamente inferiore rispetto a quella necessaria a livello operativo.

Sicurezza

per certi aspetti potrebbe sembrare un paradosso, in quanto il design di un’architettura edge aumenta a dismisura i punti di vulnerabilità di un sistema, per via della pluralità dei nodi e dei gateway che corrispondono ai vari punti di accesso violabili da un attacco proveniente dalla rete. Tale condizione, se opportunamente sfruttata, costituisce al tempo stesso una notevole risorsa per gli esperti di cybersecurity, che possono isolare le varie zone della rete per neutralizzarle in caso di episodi malevoli. I protocolli di sicurezza possono infatti attivarsi per isolare i vari elementi che compongono l’intero sistema: dal singolo terminale ad interi comparti funzionali.

Edge computing: esempi di utilizzo

L’edge computing è sempre più diffuso in vari ambiti applicativi, ed è piuttosto semplice riscontrarlo se si fa riferimento ai sistemi IoT più rilevanti sul mercato, sia in termini di attuale diffusione che di crescita attesa sul breve e medio periodo. Pur con tutte le cautele che derivano dalla trattazione di una tecnologia emergente, vediamo quali sono attualmente gli ambiti di applicazione più rilevanti per l’edge computing.

Guida autonoma

le automobili moderne sono l’esempio perfetto per descrivere la varietà e la complessità di un sistema interconnesso, dal momento che montano a bordo un numero incredibilmente elevato di unità computazionali, utili ad elaborare una considerevole quantità di dati in tempo reale. Il range delle applicazioni spazia dalle conversazioni in viva voce tramite una connessione bluetooth, ai più evoluti sistemi di navigazione che consentono addirittura di pilotare in autonomia il veicolo, senza che si renda necessario l’intervento diretto del conducente. L’edge computing è in grado di garantire sia le funzioni che possono essere elaborate soltanto in locale, come il rilevamento degli ostacoli lungo il percorso, che quelle che necessitano di dati provenienti da remoto, come le informazioni relative al traffico stradale. La compresenza funzionale dei veicoli moderni sta progressivamente trasformando un tradizionale strumento per la mobilità in veri spazi da abitare durante uno spostamento, con la possibilità di vivere l’abitacolo per compiere le attività più disparate, che vedono nell’edge computing l’architettura IT ideale per implementare i sistemi IoT necessari per abilitarle.

L’edge computing nell’Industria 4.0

la smart factory rappresenta il campo d’azione tecnologicamente più evoluto per l’edge computing, deputato a gestire gli smart device connessi con i sensori degli impianti, oltre ai sistemi di monitoraggio e controllo della qualità. Questo particolare ambito viene convenzionalmente identificato come Industrial Internet of Things (IIoT) e vede coinvolte le operazioni sul campo: manutenzione predittiva, assistenza in remoto, procedure di assemblaggio guidate ed ottimizzazione della supply chain, con l’obiettivo di migliorare sia l’efficienza generale che la sicurezza, per salvaguardare la salute degli operatori e degli impianti.

Smart Home

la domotica intelligente rappresenta l’esempio più diffuso di sistemi IoT, che vede interconnessi un’ampia gamma di dispositivi per automatizzare le funzioni di maggior routine all’interno e all’esterno delle abitazioni: termostati, robot aspirapolveri, elettrodomestici, sistemi di smart lighting, prese intelligenti, assistenti virtuali, antifurti, ecc.

Smart City

l’edge computing costituisce l’infrastruttura informatica indispensabile ai fini di implementare i servizi legati alla smart city, che fa dell’utilizzo della sensoristica per la rilevazione dei dati uno dei suoi caratteri distintivi. Tra i principali servizi per la cittadinanza che un sistema IoT urbano consente di gestire ritroviamo: parcheggi intelligenti, manutenzione predittiva, monitoraggio strutturale, gestione della mobilità, gestione dei rifiuti, gestione delle risorse idriche, rilevamento del rumore, gestione dell’illuminazione pubblica, ecc.

Edge computing per il monitoraggio ambientale

i concetti utilizzati per i servizi della smart city risultano funzionali anche nel caso in cui non si intende implementare un servizio direttamente fruibile o utile al cittadino, ma piuttosto orientato da automatizzare il rilevamento di dati utili ad implementare dei modelli analitici finalizzati al supporto decisionale. L’edge computing riveste dunque un ruolo fondamentale nel connettere sensori e dispositivi chiamati a rilevare le variabili ambientali previste dai sistemi di monitoraggio ambientale: aria, acqua, inquinanti chimici, livelli elettromagnetici, componenti biologiche degli ecosistemi, ecc.

Videosorveglianza

oggi anche delle smart camera relativamente semplici sono in grado di elaborare le immagini per rilevare possibili anomalie, attivando nel caso i protocolli di sicurezza previsti. Gli edge analytics consentono pertanto di sfruttare funzioni di intelligenza artificiale sui device marginali, in condizioni di latenza ridotta, risparmiando enormi quantità di banda rispetto ad una condizione di streaming continuo dei dati in formato video verso un data center.

Transazioni finanziarie

l’edge computing viene impiegato con crescente frequenza nelle applicazioni fintech, come l’utilizzo dei POS, la cui funzione risiede nel validare le transazioni in locale. Un sistema IoT consente di utilizzare il POS quale terminale in grado di gestire i dati delle operazioni, rilevando al tempo stesso eventuali anomalie in grado di attivare le procedure antifrode. Tali operazioni devono avvenire in tempo reale, per bloccare immediatamente gli eventuali attacchi malevoli, comunicando inoltre al server centrale le informazioni necessarie per tutte le ulteriori verifiche che si dovessero rendere necessarie. L’architettura edge garantisce pertanto una condizione ottimale per la gestione dei POS.

Broadcasting

Lo spauracchio di qualsiasi servizio on demand è costituito dal non riuscire ad avere a disposizione una banda sufficiente per soddisfare le richieste dei suoi utenti. Per quanto il flusso dati audio-video possa essere ottimizzando, la rete internet costituisce un collo di bottiglia in certi casi ben difficile da ovviare, se non facendo ricorso ad un’infrastruttura cloud-to-edge, che rende disponibili i dati in streaming anche su una serie di data center regionali, cui gli utenti possono accedere in una condizione di maggior prossimità, differenziando il traffico di rete rispetto alla connessione ad un unico server centrale.

L’edge computing per il settore Retail

Un altro esempio di edge analytics è caratterizzato dai sistemi IoT per il retail, chiamati ad interpretare il comportamento dei consumatori per abilitare operazioni di marketing automation per garantire un’esperienza personalizzata ai clienti nei vari touchpoint presenti all’interno dei punti vendita. Si tratta di funzionalità sempre più richieste dai brand nell’ambito di dare corpo alle customer experience digitale dei propri clienti. Il real time analytics viene abilitato direttamente sui terminali per elaborare i dati utili all’utilizzo di chatbot, suggeritori automatici, piuttosto che altre feature utili ad incrementare il livello delle conversioni.

Le differenze tra edge computing e fog computing

Il lessico delle architetture IT tende spesso ad affiancare, se non addirittura a confondere l’edge computing con il fog computing, soprattutto perché vengono molto spesso utilizzate per risolvere esigenze molto simili con un obiettivo in comune: garantire una risposta in tempo reale delle applicazioni, con una capacità di calcolo adeguata e la minor latenza possibile tra la richiesta del dato e l’inizio della sua elaborazione.

La differenza sostanziale tra le due architetture è data dalla collocazione delle unità computazionali. Mentre l’edge privilegia il calcolo direttamente sui terminali, il fog è disegnato per eseguire la maggior parte delle proprie elaborazioni a livello dei nodi e dei gateway della rete che li connette. Appare dunque evidente come il fog computing presenti un layer funzionale in più rispetto all’edge computing, almeno nella sua concezione più pura, quella teorica.

Nella pratica dei sistemi IoT, soprattutto per quanto concerne le configurazioni più complesse, diventa molto difficile incontrare una linea di demarcazione netta tra un’architettura edge e una fog, essendo spesso ottimale il ricorso ad una configurazione ibrida. E questo spiegherebbe per molti versi la sovrapposizione tra edge e fog che si presenta soprattutto a livello dialettico, senza costituire alcun condizionamento nei suoi aspetti pragmatici e applicativi.

In questo scenario rientrano a pieno titolo anche i modelli basati sul cloud distribuito, con una capillarizzazione dei data center che attualmente vede il principale collo di bottiglia nelle infrastrutture di rete, incapaci di mantenere la latenza al di sotto della soglia ritenuta accettabile per le operazioni in tempo reale.

Una visione di lungo periodo ci vede quindi orientati a prevedere approcci sempre più ibridi nella costruzione delle intrastrutture IT, sempre più potenti, flessibili e capaci di rispondere in maniera puntuale alle esigenze delle applicazioni. Il futuro prossimo ci vedrà coinvolti in ogni istante con miliardi di dispositivi interconnessi, prospettando necessariamente una soluzione di continuità efficace per sfruttare i vantaggi delle architetture edge, fog e cloud, superando fattivamente quelle differenze pratiche e concettuali alla base della loro definizione originale.