Предприятия переходят на периферию, но периферия может быть не готова
Переход от сбора оперативных данных IoT к аналитике IoT — нетривиальная задача, и многие компании сталкиваются с трудностями.
В течение многих лет мы слышали, что лучше всего разместить все в облаке. Теперь вычислительная деятельность, похоже, отходит от централизованных сервисов к периферии — встроенным системам, датчикам, киоскам, терминалам торговых точек, мобильным устройствам, носимым устройствам, роботам, Интернету вещей и т. д. Им требуется резидентное программное обеспечение, а также они производят и хранят локальные данные. Это означает, что программное обеспечение и данные работают и требуют поддержки в миллионе различных мест. Как профессионалам в области технологий следует подготовиться к этому постоянно меняющемуся положению вещей?
Это большое дело. По оценкам IDG/Foundry, согласно опросу, проведенному по заказу Insight Enterprises и опубликованному Меган Крауз в TechRepublic, в среднем 35% вычислительных ресурсов США сейчас расположены на периферии. Кроме того, 36% указали необходимость обработки данных с периферийных устройств в качестве главной цели, что больше, чем 27% годом ранее. Локализованная обработка данных обеспечивает низкую задержку, а также безопасность отсутствия движения данных.
Отраслевые обозреватели сходятся во мнении, что периферийные системы будут все чаще выполнять основную часть работы в области информационных технологий. «Машинное обучение и вычисления типа агрегации все больше и больше развертываются на периферии», — говорит Роб Месироу, партнер и руководитель подключенных решений/IoT компании PwC. «Ключевая идея состоит в том, чтобы уменьшить размер и количество событий, которые необходимо отправлять в облако. Вычисления, которые можно выполнять потоковым способом с ограниченным количеством потоков данных, можно легко перенести на периферию».
Времени отклика в реальном времени «трудно достичь в масштабе с помощью одного централизованного кластера облачных вычислений», — говорит Джефф Фрид, директор по управлению продуктами InterSystems. «Аналогично, аналитика в реальном времени и почти в реальном времени достижима, а понимание в реальном времени очень популярно, как только вы поймете, что можете этого достичь».
Стремление к краю - это тенденция, которая не ослабнет в ближайшее время. «По мере развития сетей окно для внедрения следующих великих технологий и возможностей будет открываться все шире и шире», — говорит Адам Комптон, директор по стратегии Schneider Electric. «Эти возможности окажут глубокое влияние на всех нас, но потребуют огромных локализованных вычислительных возможностей, чтобы гарантировать практически полное отсутствие задержек».
В то же время периферия, возможно, просто еще не готова к тому, чтобы принять всю вычислительную мощность и данные, перемещающиеся по ней. «Большая часть генерируемых данных еще не используется таким образом, чтобы включать в себя искусственный интеллект и значимые результаты», — предупреждает Комптон. «Сети все еще растут. Узкие места постепенно устраняются. Пропускная способность и задержка улучшаются, но предстоит еще много работы, прежде чем ситуация действительно взорвется на границе».
В результате успешная разработка нового поколения мощных приложений будет зависеть от «продолжающихся обновлений оптоволоконной и сетевой инфраструктуры, рождения умных городов, а развитие искусственного интеллекта и дополненной реальности приведет к появлению следующих убийственных приложений», — говорит он. Комптон.
Эффективное использование всех данных, поступающих с периферийных устройств, — это еще одна задача, которую предприятиям необходимо решить. «Несмотря на то, что Интернет вещей находится в центре внимания уже несколько лет, большинству компаний еще предстоит в полной мере воспользоваться преимуществами Интернета вещей, независимо от того, внедрили ли они уже решения Интернета вещей», — говорит Месироу. «Часть проблемы заключается в том, что данные IoT сами по себе бесполезны, если они не привязаны к решению конкретной бизнес-задачи. Переход от сбора операционных данных IoT к аналитике IoT — нетривиальная задача, и многие компании сталкиваются с этим».
Технологический персонал, «привыкший уделять внимание доступности, должен уделять больше внимания времени отклика», — говорит Фрид. «Обычно данные с устройств должны быть объединены с данными из других источников, чтобы иметь смысл. Например, данные прикроватных медицинских устройств должны быть сопоставлены с такими данными, как время, местоположение и личность пациента. В большинстве случаев эти данные заблокированы. в различных системах и местах».
Комптон согласен, что обработка таких огромных потоков данных потребует времени. «У всех нас был опыт, когда мы знали, что ценный набор данных существует, но не знали, как получить к нему доступ, организовать его или просмотреть», — говорит он. «Большие данные, возможно, уже устарели, но это не значит, что эпоха закончилась».