Un guide pour utiliser les applications bi avec l'informatique de pointe

De nos jours, tout le monde parle d'informatique de pointe, mais peu de gens comprennent ce qu'il en est, encore moins comment en faire usage. De manière succincte, le calcul de bord signifie un traitement proche de la source des données, sur le capteur ou près de la passerelle. Si vous souhaitez savoir comment le service informatique peut gérer au mieux l'informatique de périphérie en tant qu'alternative, consultez la rubrique "L'informatique doit commencer à réfléchir aux technologies 5G et Edge Cloud Computing", une chronique de Wayne Rash, mon collègue et contributeur de PCMag IT Watch. Mais pour les besoins de cet article, nous pouvons commencer par une explication de la société d’études de marché IDC, qui définit l’informatique de pointe comme un "réseau maillé de micro-centres de données" ayant "une empreinte de moins de 100 pieds carrés".

Comme pour la plupart des nouveaux termes de l’espace technologique, «l’informatique de périphérie» est largement utilisée et a été associée à diverses technologies de mots à la mode, notamment la blockchain, les réseaux de distribution de contenu (CDN), l’informatique en grille, l’informatique maillée et l'informatique par les pairs. Quelle que soit la technologie utilisée en périphérie, la tâche commune consiste à accélérer l'analyse des données et les actions associées en réduisant la distance entre le lieu où les données sont traitées et celui où le résultat final de cette sortie aura un effet.

Il est donc essentiel de transformer vos informations décisionnelles durement gagnées en informations décisionnelles. Mais même si la BI (en particulier l’analyse à faible temps de latence) et l’informatique de pointe semblent correspondre à la réalité technologique, il ya beaucoup à considérer avant de combiner les deux.

Analytics at the Edge vs analyse en continu

L'importance d'Edge computing pour les analyses est claire dès lors que vous vous rendez compte qu'il n'y a pas d'autre moyen pratique de transférer un tsunami de données de l'Internet des objets (IoT) en cours dans le cloud sans créer de latence insoutenable et un véritable embouteillage de réseau. Ce problème de latence peut s'avérer fatal dans de nombreuses applications d'analyse émergentes, telles que la conduite autonome. Le débordement de données vous mènera du haut débit au goulet d'étranglement en moins de temps qu'il ne faut pour dire "Diffusez tout cela, Scotty."

Oui, l'analyse en continu a été présentée il y a quelques années à peine comme une panacée sensible à la latence pour extraire une lecture en temps réel des données IoT. Mais, bien que l'analyse en continu présente encore de nombreux avantages, elle n'a pas été en mesure de changer la physique. Les transferts de données volumineux sont ralentis par de nombreux sauts de routeur, des retards de paquets de virtualisation, des connexions interrompues et d'autres contraintes physiques sur un réseau. Dans le cas de l'IdO dans les régions éloignées, établir une connexion réseau est une proposition extrêmement risquée chaque jour.

Cela n'aide pas que tous ces problèmes soient amplifiés par la distance physique entre les données et les processus informatiques. Pour ces raisons, entre autres, l'analyse en continu tend à se faire en "temps quasi réel" plutôt qu'en temps réel. Ce retard - aussi minime soit-il - constitue un énorme problème si, par exemple, vous avez besoin des sorties à temps pour qu'une voiture autonome freine et évite une collision. Le problème est encore plus grave si vous souhaitez que toutes les voitures de cette autoroute freinent en même temps.

En bref, Star Trek et les transporteurs de données réels ont leurs limites et Scotty dans le domaine informatique ne peut rien faire de plus à ce sujet. Il y a tout simplement trop de données IoT à gérer pour les réseaux actuels et le volume augmente toujours à une vitesse vertigineuse. La grande chose à retenir ici: Edge computing tire le flot d'informations sur le réseau et fournit également des résultats d'analyse plus rapides.

Edge Cloud vs Cloud

Étant donné que ces micro-centres de données peuvent être, et sont souvent, reliés par des fonctions de collaboration, de communication ou d'interdépendance, certaines personnes préfèrent utiliser le terme de «nuage périphérique».

Par exemple, les voitures modernes ont des centaines d'ordinateurs embarqués conçus pour gérer des systèmes individuels mais sont également connectés les uns aux autres pour que les systèmes puissent communiquer entre eux et s'adapter en fonction des besoins. En d'autres termes, ils utilisent individuellement, collectivement et énormément l'informatique de périphérie pour compléter une variété de fonctions complexes.

"Non seulement ils réagissent aux conditions observées, mais ils apprennent et s'adaptent avec le temps", a déclaré Johnathan Vee Cree, PhD., Scientifique / ingénieur en systèmes embarqués et sans fil au Pacific Northwest National Laboratory (PNNL) du département américain de l'Énergie. "Par exemple, les systèmes d'injection de carburant modernes observeront les habitudes de conduite de la voiture afin d'optimiser son efficacité énergétique et sa consommation de carburant. La nature en temps réel de ces données rendrait impossible le traitement ailleurs que sur le bord."

Même avec une interdépendance multi-systèmes à bord, le terme «bord nuage» a tendance à brouiller la compréhension, car il est imprécis.

"Quand on parle d'appareils IoT, les considérations sont presque opposées au cloud", a déclaré Vee Cree. "Les périphériques IoT ont généralement une capacité de stockage et de traitement limitée, une connectivité potentiellement intermittente au monde extérieur et peuvent être alimentés par une batterie. La valeur clé de ces périphériques est leur capacité à transformer les valeurs brutes des capteurs disponibles en données significatives."

Le graphique ci-dessus des périphériques Edge Computing est reproduit avec l’autorisation de TECHnalysis Research.

Toutefois, l’informatique de pointe et l’informatique en nuage ne s’excluent pas mutuellement. En effet, ils sont étroitement liés dans les stratégies de données IoT les plus réussies. Cela ne changera probablement pas de sitôt.

"Un exemple de combinaison d'informatique de pointe et d'informatique en nuage provient des fonctions de pilote automatique de Tesla. Le système de pilote automatique doit détecter les conditions de conduite en constante évolution. Il utilise des algorithmes d'apprentissage automatique capables de détecter et d'éviter les dangers tout en Ces données sont utilisées pour prendre des décisions en temps réel, mais elles sont également partagées avec le cloud et utilisées pour améliorer la fonction de pilote automatique pour tous les conducteurs ", a expliqué William Moeglein, ingénieur logiciel chez PNNL.

La combinaison des contours et des nuages ​​est courante simplement parce que cela fonctionne; il exploite le meilleur des deux mondes, mais ce n’est pas le seul jeu en ville. En fait, 36% des analyses de périmètre se situent dans le centre de données d'entreprise, 34% à la périphérie et 29% dans le nuage, selon un rapport de "Computing on the Edge: Survey Highlights", rédigé par Bob O'Donnell, président. et analyste en chef chez TECHnalysis Research. Cela signifie qu'il existe des options dans la manière dont les analyses de bord sont implémentées. Le choix dépend entièrement de ce que vous essayez de faire et des conditions dans lesquelles vous essayez d'atteindre cet objectif.

"Le compromis entre la puissance de calcul et la consommation d'énergie peut être un facteur limitant lorsque les périphériques fonctionnent à partir d'une batterie. Dans les cas où la consommation d'énergie est importante, des décisions peuvent être prises sur la base de petits échantillons de données, même en cas de lecture continue du capteur" PNNL's Moeglein.

"Edge computing active les informations en retour pour les appareils sur le terrain où les communications ne sont pas garanties, sont à sens unique ou sont limitées", a poursuivi M. Moeglein. "Dans les cas où des systèmes sont censés fonctionner pendant des années, voire des décennies, sur des batteries, le calcul de pointe peut être utilisé pour prolonger la durée de vie des dispositifs en réduisant les données transmises."

Le graphique ci-dessus de brouillard informatique est reproduit avec l’autorisation de Cisco Systems, Inc.

Désembuage du nuage de bord

L'automatisation permettant de gérer et d'optimiser où et comment les analyses sont effectuées a rapidement suivi, donnant ainsi naissance au concept d '"informatique de brouillard", terme inventé par le fournisseur de solutions informatiques et de réseaux Cisco. Dans cette stratégie, comme l'explique Cisco dans un livre blanc, "les développeurs transfèrent ou écrivent des applications IoT pour les nœuds de brouillard situés au bord du réseau. Les nœuds de brouillard situés le plus près du bord du réseau absorbent les données des périphériques IoT. Ensuite - et cela est crucial - L'application de brouillard IoT dirige différents types de données vers l'emplacement optimal pour l'analyse. " Comme l'illustre le graphique ci-dessus, de l'avis de Cisco, le brouillard informatique permet de rapprocher le cloud des périphériques utilisés pour la collecte des données. En mettant les nœuds de brouillard à proximité des périphériques IoT, Cisco cherche à accélérer les analyses tout en réduisant la latence.

Certains disent qu'il est plus facile de penser à cela comme un cloud computing poussé à l'extrême - en d'autres termes, décentralisé - par opposition à l'informatique de périphérie qui consiste à effectuer des calculs à la périphérie du réseau, souvent même sur un périphérique IoT. Une différence très nuancée, bien sûr.

Les gens utilisent souvent «informatique de bord» et «informatique de brouillard» de manière interchangeable, car les deux concepts sont très similaires. C'est la capacité de l'informatique dans le brouillard de trier et d'acheminer les données vers différents endroits pour l'analyse qui les distingue. Cela, et le brouillard informatique est le plus souvent "proche du bord" (c'est-à-dire une passerelle) plutôt que véritablement sur le bord, comme sur un périphérique IoT.

En bref, il n’ya pas de consensus sur ce qu’est précisément l’informatique de pointe, mais beaucoup de gens qui disent que l’embrouillage de la question n’aide en rien. Selon le rapport précité de TECHnalysis Research, "plus de personnes pensent que l'informatique de pointe est constituée de points finaux (29, 8%) que de passerelles (13, 2%), mais 44% pensent que c'est les deux".

Dans tous les cas, "l'application finale répond en définitive aux besoins du système et vise à trouver un équilibre entre les avantages du traitement en périphérie et dans le cloud", a déclaré Vee Cree, de PNNL.

Il n’ya qu’une règle empirique: si vous avez besoin d’une décision en temps quasi réel ou en temps réel, effectuez le traitement le plus près possible de la source de données. Edge computing est le choix qui s'impose pour éliminer la latence, réduire les dépenses en énergie et réduire le trafic sur le réseau.

API, applications et écosystèmes

En général, les applications utilisées avec l'informatique de pointe visent à atteindre rapidité et efficacité. Ici, vous avez moins de chances de trouver des applications de Business Intelligence (BI) autonomes, mais plutôt des fonctions de BI intégrées et, bien sûr, des interfaces de programmation d'application (API) permettant de joindre des données IoT à des applications et infrastructures BI existantes dans le cloud.

"Le concept d'informatique de périphérie aide les entreprises à tirer parti des avantages de l'informatique en nuage, même dans les cas où la latence et la connectivité posent problème. Certaines applications traitent de la taille des données ou d'une exigence de vitesse interdisant les transferts incitatifs dans le nuage. Dans ce cas, Tableau les analyses intégrées aux applications locales fournissent des informations rapides ", a déclaré Mark Jewett, vice-président du marketing produit de Tableau Software.

«Dans d’autres cas, l’informatique de périphérie offre un moyen de gérer des scénarios dans lesquels la connectivité n’est pas fiable, coûteuse ou périodique. Des exemples tels que des objets en mouvement, tels que des navires, des objets distants, tels que des plates-formes pétrolières ou des mines, ou même des situations Lorsque la connectivité est bonne mais ne justifie pas le risque d'interruptions, telles que les systèmes de fabrication où les temps d'arrêt sont extrêmement coûteux, les analystes et les autres utilisateurs sur le terrain, qui n'ont peut-être pas accès à un poste de travail complet, souhaitent néanmoins disposer de la même puissance d'analyse. ont appris à connaître."

Tableau n'est pas le seul fournisseur de BI qui travaille sur ou avec des données sur le bord. Microsoft a cité Schneider Electric, l'un de ses clients, comme étude de cas. Schneider Electric dispose d'une application de pointe qui effectue la maintenance prédictive sur une tige d'huile, utilisant Azure Machine Learning et Azure IoT Edge pour améliorer la sécurité et réduire les incidents dans les zones isolées, a déclaré un porte-parole de Microsoft. Le traitement des données est effectué sur l'appareil. Ceci est accompli en apportant l'intelligence du cloud - les modèles ML qu'ils ont formés dans le cloud - au périphérique Edge lui-même. Cela permet une détection plus rapide des anomalies sur la base du grand jeu de données d'apprentissage.

Pendant ce temps, IBM Watson signale une myriade de cas d'utilisation, notamment des analyses de conversation et de conversation ambiantes et de périphériques, des analyses d'images et de vidéos drones et des analyses acoustiques de maintenance et de sécurité.

"Dans tous ces cas, l'analyse de périphérie permet d'améliorer les performances, les coûts et la confidentialité en opérant localement dans des périphériques", a déclaré Bret Greenstein, vice-président d'IBM Watson IoT, Consumer Offerings. "La croissance est passionnante à mesure que la puissance de calcul augmente, et ML mûrit et crée des cas d'utilisation plus spécialisés.

"Les appareils peuvent" comprendre "ce qu'ils voient et entendent, et utiliser cette compréhension pour offrir un meilleur service et de meilleurs choix. Cela se produit en temps réel. Et, comme les données réelles peuvent être converties en informations de pointe, vous ne pouvez pas doivent envoyer les données vers le cloud, ce qui améliore les coûts et permet de nouvelles formes de protection de la vie privée."

L'ajout de nouvelles couches de protection de la vie privée peut potentiellement contribuer grandement à réduire les responsabilités des entreprises tout en offrant aux entreprises les données dont elles ont besoin pour prospérer.

Les applications Edge Computing en chiffres

Gardant à l'esprit que l'informatique de pointe en est à ses balbutiements, il n'est pas surprenant que seules quelques applications de pointe soient nouvelles (39%), selon TECHnalysis Research. La majorité (61%) sont des applications cloud migrées. Cela dit, voici les applications informatiques de pointe:

Analyse des opérations (44%)

Surveillance du processus (35%)

Surveillance des employés (32%)

Surveillance des ressources à distance (28%)

Conformité au lieu de travail / à la sécurité (24%)

Maintenance prédictive (22%)

Suivi des actifs physiques sur site (20%)

Selon ce même rapport de TECHnalysis Research, les cinq principales raisons de la migration des applications cloud vers la périphérie sont d'améliorer la sécurité, de réduire les coûts, de réduire le temps d'attente, de renforcer le contrôle local et de réduire le trafic réseau.

Grâce à la BI, l'efficacité informatique et les opportunités sont améliorées avec l'informatique de pointe. Par conséquent, il est logique de commencer par migrer les applications cloud ou d'intégrer des analyses dans les applications IoT existantes, afin de vous placer dans la meilleure position le plus rapidement possible. Par exemple, au lieu de diffuser et d’analyser toutes les données d’une unité robotique installée dans l’usine, vous pouvez abandonner le flotsam, qui correspond à la quantité apparemment infinie d’informations répétitives générées par le capteur.

Au lieu de cela, l’informatique de périphérie peut être utilisée pour noter et analyser uniquement les "données de modification", c’est-à-dire les données qui diffèrent en quelque sorte des autres données diffusées en continu à partir de la même source. Par exemple, imaginez un moulin à vent du cercle arctique rapportant: "Je vais bien. Je vais bien. Je vais bien. La lame est restée bloquée pendant deux secondes. Je vais bien. Je vais bien. Je vais bien." Le problème concernant la lame collée serait les données de changement. Il en serait de même pour le "changement de vent", ce qui pourrait amener la machine à tourner et à collecter plus d'énergie. Les données de changement sont les points de données les plus significatifs, précisément parce qu'ils notent un changement.

Dans ce cas, les applications situées à la périphérie ne fonctionnent qu'avec les données pertinentes. certains l'appelleraient "données intelligentes". Pourquoi faire bouillir la mer quand des détails importants peuvent être facilement vus? Les applications de données intelligentes rendent les données utilisables au point de collecte et peuvent également décider quelles données envoyer vers le cloud pour une fusion et une analyse plus poussées dans les applications de BI traditionnelles. De cette manière, l'exploration de données est optimisée pour un effet commercial maximal.

4 astuces pour votre stratégie d'informatique décisionnelle et d'informatique marginale

Il est relativement facile de suivre la tendance de l'informatique de pointe et de décider de commencer par migrer des applications depuis le cloud. Mais passer à l'action sans stratégie serait une grave erreur. Vous souvenez-vous des débuts de l'IoT lorsque des objets aléatoires tels que des grille-pain ont été rapidement connectés à Internet puis affichés fièrement au prochain CES?

Même les données intelligentes ne peuvent pas vous aider si votre stratégie est absurde ou manquante. Il convient donc de garder à l’esprit quatre points à prendre en compte lors de la définition de votre stratégie de BI et de votre stratégie de pointe.

1. Réévaluez votre jeu IoT actuel pour des opportunités supplémentaires d'exploration de données. Par exemple, un épicier ou un fabricant peut souhaiter utiliser les données de sa chaîne d'approvisionnement, telles que des capteurs de réfrigération et de camionnage, pour établir ou valider la source des matières premières. De telles informations ajoutées à une blockchain de durabilité peuvent être utilisées en marketing pour attirer des consommateurs soucieux de l'environnement.

Un détaillant peut utiliser la vision par ordinateur et l’informatique de pointe dans son magasin pour numériser les consommateurs et leur montrer une représentation 3D sur place de la manière dont les vêtements que le client cherche leur conviendront. Cela pourrait améliorer les ventes tout en éliminant le besoin de vestiaires et les problèmes de sécurité et de confidentialité associés. Mais les données peuvent également être envoyées vers le cloud pour être combinées avec d'autres données de consommation afin d'informer la stratégie plus globale de l'entreprise.

Cherchez des occasions de tirer davantage parti de l'IdO que vous avez. Que pouvez-vous faire d'autre avec les données qu'il génère? Quelles autres données pouvez-vous utiliser pour collecter et traiter?

2. Décidez des applications dont vous avez besoin sur le bord. Vous devrez peut-être migrer une application, intégrer des analyses ou même écrire une application personnalisée. Tout dépend de ce que vous essayez de faire. Laissez vos objectifs commerciaux vous guider dans la sélection d'applications.

Une conférence OpenDev, organisée par OpenStack Foundation, constitue un bon moyen d’en savoir plus sur le développement d’applications pour les périphéries. OpenStack est le projet d'informatique en nuage à code source ouvert, et il se trouve que l'informatique de périphérie y est un sujet d'actualité. Il arrive aussi que l’open source soit à la mode dans l’informatique de pointe, comme dans presque toutes les applications informatiques. Vous pouvez également prendre en compte les applications proposées par les fournisseurs d'informatique de périphérie et les analyses intégrées fournies par les fournisseurs d'applications de BI.

3. Sélectionnez la nouvelle technologie que vous souhaitez utiliser. Vous pouvez demander aux fournisseurs de vous faire une démonstration afin de vous donner une idée de la technologie que vous souhaitez utiliser, des applications disponibles et de quelques conseils sur le développement d'applications. Par exemple, Amazon Web Service (AWS) et AWS Greengrass, Microsoft Azure IoT Edge et Cisco et IBM Watson IoT offrent une combinaison de technologies, d'analyses et d'applications pour l'informatique de bord IoT.

Vous pouvez également consulter une grande variété de fournisseurs de chaînes de blocs, CDN, peer-to-peer et autres. Mais ne manquez pas les géants de la technologie tels que Dell Inc., IBM Corp. et Hewlett Packard Enterprise (HPE), qui ont tous pris la peine d'ajouter de nouvelles capacités de stockage, de calcul et d'analyse à leur matériel pour les transformer en périphériques périphériques.

Ayez une idée de vos options avant de commencer à évaluer sérieusement les fournisseurs. En outre, faites l'inventaire des types de technologies IoT que votre société utilise actuellement et des types qu'elle souhaite ajouter avant de commencer à parler aux fournisseurs. De cette façon, vous êtes plus susceptible de rester sur la bonne voie.

4. Planifiez l'évolution. Toutes les technologies et tendances immatures suivent une tendance dans la voie de la maturité. Attendez-vous à ce que la même évolution se produise avec BI et le bord. Donc, oui, il y aura probablement une consolidation des vendeurs. gardez cela à l'esprit.

Recherchez également le découplage de la technologie de cloud computing par rapport au cloud proprement dit, de sorte qu'elles puissent également être utilisées aux extrémités. Vous voudrez voir un tel découplage car cela vous donnera le maximum de flexibilité dans l'utilisation du cloud ou du bord. Cela permettra probablement de réduire les coûts et d'accroître l'efficacité grâce aux applications plus intelligentes d'un écosystème diversifié plutôt que d'un seul fournisseur. Préparez votre plan à court et à long terme pour pouvoir vous adapter aux changements prévisibles sans perte importante pour les investissements précédents.