I dati sono alla base di analisi, processi e decisioni strategiche di successo. Numeri, misurazioni e statistiche sono il linguaggio base delle organizzazioni digitali. Ora dobbiamo capire da dove prendere il dato e in quale luogo conviene elaborarlo e archiviarlo per ottenere il giusto supporto in tempi ottimali. È qui che entrano in gioco il cloud computing, l’edge cloud e l’edge computing. Analizziamo insieme il significato di questi termini.
Edge computing: quali sono i vantaggi della prossimità
La proliferazione dei dati è strettamente correlata all’aumento esponenziale dei dispositivi connessi alla rete grazie all’Internet of Things (IoT). I sensori, associati ai device e collegati alla rete, hanno permesso di rilevare informazioni a ciclo continuo. Sono dati grezzi, che di per sé non hanno valore se non inglobati in un processo di elaborazione, archiviazione e analisi. Non solo, sono anche eterogenei tra loro e, in base alla loro funzione, possono servire in real-time o raccolti per un’elaborazione futura. Per questo, a seconda del luogo, della latenza, della potenza e della capacità di archiviazione avremo delle soluzioni diverse da considerare.
L’edge computing ci permette di avvicinare la capacità di calcolo alla fonte di generazione del dato sfruttando le reti attuali e le tecnologie dell’Internet of Things (IoT). L’organizzazione che sceglie questa soluzione può, quindi, elaborare il dato in prossimità del dispositivo senza inviarlo all’infrastruttura IT di un data center tradizionale o in cloud per essere ulteriormente analizzato. L’Edge computing è un sistema decentralizzato che offre bassa latenza, in quanto il dato si lavora on premise. Il contro, in questo caso, è legato ai limiti di elaborazione e di rete, oltre ai potenziali problemi di privacy. In realtà, il tema della sicurezza informatica, trattandosi della gestione dei dati, interessa anche l’Edge cloud e il cloud computing.
Esempi di edge computing
Quali potrebbero essere i casi d’uso più adatti all’Edge computing? Gli scenari in cui bisogna agire in tempo reale e che necessitano quindi di una bassa latenza e di un’elevata reattività. Un esempio sono i veicoli a guida autonoma. Se la macchina deve fermarsi al passaggio di un pedone, il dato che ne rileva la presenza, dovrà essere elaborato rapidamente per attivare immediatamente una risposta. Stesso discorso vale per il monitoraggio medico, in cui il dispositivo IoT, che rileva i parametri vitali del paziente, dovrà estrarre informazioni nel minor tempo possibile ed elaborarle in locale per rispondere adeguatamente alle emergenze rilevate.
Edge cloud: quando l’interazione migliora la gestione dei dati
Prima di definire l’edge cloud può essere utile immaginare uno stack tecnologico suddiviso in tre livelli così da comprendere come queste tecnologie interagiscono tra loro. Nel primo livello, troviamo i dispositivi IoT connessi che raccolgono dati e li elaborano localmente attraverso il paradigma dell’edge computing. Il risultato è una riduzione della latenza e un’ottimizzazione dell’efficienza. Nel secondo livello, chiamato “Edge Cloud” – ma alcuni esperti lo definiscono “Fog” quando non utilizziamo un provider cloud esterno – i dati raccolti dai dispositivi IoT vengono trasformati in informazioni più significative. Qui, l’elaborazione avviene su dispositivi di calcolo locali o server edge cloud situati a breve distanza dai dispositivi di raccolta dati. Questo livello offre maggiore potenza di elaborazione rispetto ai dispositivi IoT e viene attivato per le informazioni più complesse. Nello step finale, i dati che richiedono strumenti avanzati di analisi dei dati vengono inviati al cloud, dove potremo sfruttare risorse di calcolo e archiviazione scalabili e di alto livello.
Dopo questa breve digressione torniamo alla definizione del livello di mezzo, l’edge cloud: un’estensione del paradigma del cloud computing ai margini della rete. In questo caso, server, storage e rete sono distribuiti in locale per un’elaborazione e archiviazione dei dati in prossimità dei dispositivi che li generano. Al tempo stesso, però, l’infrastruttura si appoggia anche al cloud per le attività più elaborate che coinvolgono più risorse. Si tratta, quindi, di un approccio ibrido, che sfrutta in simultanea i vantaggi delle risorse cloud centralizzate e l’elaborazione edge localizzata. Questo processo consente una bassa latenza del dato e una larghezza di banda da dedicare, in modo flessibile, alle attività che in un dato momento ne necessitano.
Esempi di edge cloud
L’Edge cloud è particolarmente adatto alle realtà industriali di grandi dimensioni, dove corrono in parallelo attività produttive e di management. I dispositivi e i gateway edge raccoglieranno i dati dai sensori e dalle macchine presenti in fabbrica, eseguendo analisi e monitoraggio in tempo reale. Invieranno, poi, le informazioni più complesse al cloud per un’elaborazione profonda e funzionale alle attività strategiche e decisionali. L’architettura Edge Cloud, infatti, contribuisce a migliorare l’efficienza operativa, a ridurre i tempi di inattività e consente una manutenzione proattiva.
Conoscere le caratteristiche dell'edge computing, dell'edge cloud e del cloud computing aiuta le aziende a scegliere la soluzione ottimale per l'elaborazione, l'archivio e l'analisi dei dati Condividi il Tweet
Cloud computing: la centralizzazione dei dati per supportare le decisioni
Eccoci arrivati all’ultimo livello dello stack tecnologico in cui le informazioni servono per avviare un processo decisionale data-driven e di supporto al management. Siamo nella fase in cui possiamo rinunciare all’immediatezza dei dati a fronte di informazioni mature e già elaborate che guideranno le decisioni di breve e lungo periodo. In questo livello, serve una gestione centralizzata dei dati e una potenza di elaborazione e di calcolo maggiore.
Per soddisfare queste richieste ci affidiamo al cloud computing, ovvero utilizziamo le risorse informatiche online – server, storage, database, applicazioni software e reti online. Potremo scegliere di pagare un abbonamento per utilizzare l’infrastruttura creata e condivisa dai fornitori di servizi cloud come Amazon Web Services (AWS), Microsoft Azure e Google Cloud Platform sfruttando le loro risorse virtuali. Oppure implementare una nostra infrastruttura di cloud computing.
Quali sono i vantaggi di gestire ed elaborare i dati utilizzando infrastrutture esterne? In primis la scalabilità e l’elasticità. Come clienti è possibile, infatti, aumentare o diminuire le risorse in base alla domanda ottimizzando così il loro utilizzo e rendendo efficienti i costi. Inoltre, se non possediamo un reparto dedicato alla sicurezza e privacy dei dati interno, possiamo affidarci ai sistemi di sicurezza di Amazon, Google e Microsoft, ad esempio. Infine, mentre l’implementazione di un’infrastruttura IT interna richiede degli investimenti calcolati su un dimensionamento previsionale (che potremmo anche sovrastimare), affidandoci ai servizi di cloud, possiamo pagare solo quello che effettivamente consumiamo.
Esempi di cloud computing
Le realtà aziendali che potrebbero trarre vantaggio da un uso esclusivo del cloud computing sono, ad esempio, le PMI e le start up. Nelle piccole e medie organizzazioni la gestione e l’elaborazione dei dati non sempre giustifica i costi necessari all’implementazione interna dell’infrastruttura IT. Altro contesto favorevole sono le aziende che gestiscono carichi di lavoro variabili e che possono, quindi, beneficiare della scalabilità e della flessibilità del cloud computing. Infine, appoggiarsi a servizi di gestione e archiviazione online, il cloud computing può essere una valida soluzione per le organizzazioni che devono elaborare grandi quantità di dati. Pensiamo ad esempio alle aziende che hanno integrato nei loro processi l‘intelligenza artificiale o il machine learning. In questo caso, oltre a usufruire della scalabilità dei servizi beneficiano anche dell’accesso alle risorse specializzate per eseguire tali carichi di lavoro in modo efficiente.
Come scegliere la soluzione migliore tra cloud computing, edge cloud e edge computing?
Ogni manager o CEO sa che non esiste una soluzione universale valida per tutte le aziende, anche se operano nello stesso settore, perché ogni organizzazione è un organismo a sé che necessita di uno studio personalizzato. Pensiamo al funzionamento della mente umana: cosa faremmo se ci chiedessero di scegliere tra tenere la memoria a breve termine o quella a lungo termine? Se siamo in grado di rispondere nell’immediato agli stimoli esterni è proprio grazie alle informazioni che possiamo reperire rapidamente. Nella memoria a lungo termine invece, immagazziniamo le informazioni che necessitano di un’elaborazione maggiore perchè dovranno essere archiviate per un lungo periodo: ad esempio, le nozioni che ci servono per guidare l’auto.
Allo stesso modo, ogni organizzazione dovrà trovare il giusto equilibrio tra la gestione dei dati in prossimità della fonte, per quelle attività che si nutrono dei dati in real-time e che hanno bisogno di fornire risposte immediate; e affidarsi, invece al cloud per i dati che necessitano di elaborazioni computazionalmente complesse e di un’analisi più profonda e riflessiva. Non esiste una soluzione univoca, proprio come non esiste una scelta definitiva tra memoria a breve termine o a lungo termine.
Ad esempio, gestirò i dati on premise per il monitoraggio di sensori industriali o l’analisi in tempo reale dei dati di traffico per ottimizzare i flussi veicolari. Mentre mi affiderò al cloud per l’apprendimento automatico, l’intelligenza artificiale o l’analisi avanzata dei dati, che richiedono una capacità di elaborazione elevata e possono richiedere tempi di risposta più lunghi. Dall’equilibrio di queste attività riuscirò ad assegnare il giusto valore ai dati sfruttando appieno il loro potenziale.
