Edge computing
L'edge computing è un modello di calcolo distribuito nel quale l'elaborazione dei dati avviene il più vicino possibile a dove i dati vengono generati, migliorando i tempi di risposta e risparmiando sulla larghezza di banda[1]. L'elaborazione dei dati in prossimità del luogo in cui vengono generati porta considerevoli vantaggi in termini di latenza di elaborazione, riduzione di traffico dati e maggior resilienza in caso di interruzione nella connessione dati.
Definizione
[modifica | modifica wikitesto]Una definizione di edge computing è l'utilizzo di qualsiasi tipo di programma informatico che offra una bassa latenza in prossimità delle richieste. Karim Arabi, in un Keynote dell'IEEE DAC 2014[2] e successivamente in un intervento su invito al Seminario MTL del MIT nel 2015[3], ha definito l'edge computing in modo ampio come "tutta l'elaborazione al di fuori del cloud che avviene ai bordi della rete e, più specificamente, in applicazioni in cui è richiesta l'elaborazione dei dati in tempo reale".
Il termine è spesso usato come sinonimo di fog computing[4]. Questo è particolarmente rilevante per le piccole distribuzioni. Tuttavia, quando le dimensioni dell'implementazione sono grandi, ad esempio per le Smart City, il fog computing può essere un livello distinto tra l'Edge e il Cloud. Pertanto, in tali implementazioni, il livello Edge è distinto con responsabilità specifiche.[5][6]
Secondo il rapporto The State of the Edge, l'edge computing si concentra sui server "in prossimità della rete dell'ultimo miglio".[7]
L'edge computing può impiegare la tecnologia di virtualizzazione per facilitare la distribuzione e l'esecuzione di un'ampia gamma di applicazioni sui server edge.[8]
Descrizione
[modifica | modifica wikitesto]Il termine in lingua inglese, edge computing (in lingua italiana elaborazione al margine), prende spunto dalla parola "edge" che significa "angolo, estremità o margine"[9] per fare riferimento al fatto che con questo approccio progettuale l'elaborazione dei dati avviene in maniera decentralizzata, in opposizione a quella centralizzata tipica del cloud computing. Il termine si riferisce più a un'architettura che a una tecnologia specifica[10].
Questo modello computazionale è adottato nel cosiddetto Internet delle cose, in quanto permette di elaborare grosse quantità di dati prodotti localmente ed eventualmente inviare a sistemi remoti una loro elaborazione molto più compatta[11]. L'edge computing può anche essere sfruttato in architetture quali quella del 5G per fornire ai dispositivi connessi servizi locali con risposte in tempo reale, difficilmente realizzabili con architetture cloud.
Le origini dell'edge computing risiedono nelle Content Delivery Network create alla fine degli anni '90 per servire contenuti web e video da server edge distribuiti in prossimità degli utenti[12]. All'inizio degli anni 2000, queste reti si sono evolute per ospitare applicazioni e componenti applicativi nei server edge[13], dando vita ai primi servizi commerciali di edge computing[14] che ospitavano applicazioni come localizzatori di rivenditori, carrelli della spesa, aggregatori di dati in tempo reale e motori per l'inserimento di annunci pubblicitari.
Applicazioni
[modifica | modifica wikitesto]I servizi applicativi edge riducono i volumi di dati che devono essere spostati, il conseguente traffico e la distanza che i dati devono percorrere. Ciò consente di ridurre la latenza e i costi di trasmissione. L'offloading del calcolo per applicazioni in tempo reale, come gli algoritmi di riconoscimento facciale, ha mostrato notevoli miglioramenti nei tempi di risposta, come dimostrato dalle prime ricerche[15]. Ulteriori ricerche hanno dimostrato che l'utilizzo di macchine ricche di risorse, chiamate cloudlet o micro-centri di dati, migliorano i tempi di esecuzione quando alcuni compiti vengono scaricati sul nodo edge quando sono locati in prossimità degli utenti mobili.[16] D'altra parte, l'offloading di ogni compito può comportare un rallentamento a causa dei tempi di trasferimento tra i dispositivi e i nodi. A seconda del carico di lavoro è quindi possibile definire una configurazione ottimale.
Il sistema di rete elettrica basato sull'IoT consente la comunicazione di elettricità e dati per monitorare e controllare la rete elettrica, rendendo più efficiente la gestione dell'energia[17].
Un altro utilizzo dell'architettura è il cloud gaming, dove alcuni aspetti di un gioco possono essere eseguiti nel cloud mentre il video renderizzato viene trasferito a client leggeri in esecuzione su dispositivi come telefoni cellulari, occhiali VR, ecc. Questo tipo di servizi è noto anche come pixel streaming.[18]
Altre applicazioni degne di nota sono le auto connesse e a guida autonoma[19], le città intelligenti[20], l'Industria 4.0 e i sistemi di automazione domestica[21].
Recenti studi hanno anche evidenziato il ruolo crescente dell'Intelligenza artificiale nei sistemi edge, con particolare attenzione all'ottimizzazione dei modelli e all'elaborazione in tempo reale su dispositivi con risorse limitate.[22]
Note
[modifica | modifica wikitesto]- ^ (EN) Eric Hamilton-Last Updated: 2018-12-27T08:37:12+00:00, What is Edge Computing: The Network Edge Explained, su Cloudwards, 31 dicembre 2018. URL consultato il 17 maggio 2022.
- ^ Archive | Design Automation Conference, su www2.dac.com, 30 luglio 2020. URL consultato il 5 giugno 2023 (archiviato dall'url originale il 30 luglio 2020).
- ^ (EN) Trends, Opportunities and Challenges Driving Architecture and Design of Next Generation Mobile Computing and IoT Devices | Microsystems Technology Laboratories, su mtl.mit.edu, 11 dicembre 2017. URL consultato il 5 giugno 2023.
- ^ (EN) Expert perspectives, su Capgemini. URL consultato il 5 giugno 2023.
- ^ Koustabh Dolui e Soumya Kanti Datta, Comparison of edge computing implementations: Fog computing, cloudlet and mobile edge computing, in 2017 Global Internet of Things Summit (GIoTS), 2017-06, pp. 1-6, DOI:10.1109/GIOTS.2017.8016213. URL consultato il 5 giugno 2023.
- ^ (EN) Difference Between Edge Computing and Fog Computing, su GeeksforGeeks, 27 novembre 2021. URL consultato il 5 giugno 2023.
- ^ (EN) State of the Edge Report 2022, su State of the Edge. URL consultato il 5 giugno 2023.
- ^ (EN) Edge virtualization manages the data deluge, but can be complex | TechTarget, su IT Operations. URL consultato il 5 giugno 2023.
- ^ Edge computing: l’elaborazione ai margini della rete, su IONOS Digitalguide. URL consultato il 17 maggio 2022.
- ^ The Edge Completes The Cloud A Gartner Trend Insight Report | PDF | Cloud Computing | Internet Of Things, su Scribd. URL consultato il 17 maggio 2022.
- ^ (EN) Massimo Merenda, Carlo Porcaro e Demetrio Iero, Edge Machine Learning for AI-Enabled IoT Devices: A Review, in Sensors, vol. 20, n. 9, 29 aprile 2020, p. 2533, DOI:10.3390/s20092533. URL consultato il 1º maggio 2020.
- ^ Harald Prokop, Globally distributed content delivery, in IEEE Internet Computing, 1º gennaio 2002. URL consultato il 17 maggio 2022.
- ^ Erik Nygren, Ramesh K. Sitaraman e Jennifer Sun, The Akamai network: a platform for high-performance internet applications, in ACM SIGOPS Operating Systems Review, vol. 44, n. 3, 17 agosto 2010, pp. 2-19, DOI:10.1145/1842733.1842736. URL consultato il 17 maggio 2022.
- ^ A. Davis, J. Parikh e W. E. Weihl, Edgecomputing: extending enterprise applications to the edge of the internet, in Proceedings of the 13th international World Wide Web conference on Alternate track papers & posters, Association for Computing Machinery, 19 maggio 2004, pp. 180-187, DOI:10.1145/1013367.1013397. URL consultato il 17 maggio 2022.
- ^ Shanhe Yi, Zijiang Hao e Zhengrui Qin, Fog Computing: Platform and Applications, in 2015 Third IEEE Workshop on Hot Topics in Web Systems and Technologies (HotWeb), 2015-11, pp. 73-78, DOI:10.1109/HotWeb.2015.22. URL consultato il 5 giugno 2023.
- ^ Tim Verbelen, Pieter Simoens e Filip De Turck, Cloudlets: bringing the cloud to the mobile user, in Proceedings of the third ACM workshop on Mobile cloud computing and services, Association for Computing Machinery, 25 giugno 2012, pp. 29-36, DOI:10.1145/2307849.2307858. URL consultato il 5 giugno 2023.
- ^ (EN) Quy Nguyen Minh, Van-Hau Nguyen e Vu Khanh Quy, Edge Computing for IoT-Enabled Smart Grid: The Future of Energy, in Energies, vol. 15, n. 17, 2022-01, p. 6140, DOI:10.3390/en15176140. URL consultato il 5 giugno 2023.
- ^ Bhojan Anand e Pan Wenren, CloudHide: Towards Latency Hiding Techniques for Thin-client Cloud Gaming, in Proceedings of the on Thematic Workshops of ACM Multimedia 2017, Association for Computing Machinery, 23 ottobre 2017, pp. 144-152, DOI:10.1145/3126686.3126777. URL consultato il 5 giugno 2023.
- ^ (EN) Jeremy Hsu, It's Time to Think Beyond Cloud Computing | Backchannel, in Wired. URL consultato il 5 giugno 2023.
- ^ Tarik Taleb, Sunny Dutta e Adlen Ksentini, Mobile Edge Computing Potential in Making Cities Smarter, in IEEE Communications Magazine, vol. 55, n. 3, 2017-03, pp. 38-43, DOI:10.1109/MCOM.2017.1600249CM. URL consultato il 5 giugno 2023.
- ^ Tanmay Chakraborty e Soumya Kanti Datta, Home automation using edge computing and Internet of Things, in 2017 IEEE International Symposium on Consumer Electronics (ISCE), 2017-11, pp. 47-49, DOI:10.1109/ISCE.2017.8355544. URL consultato il 5 giugno 2023.
- ^ Jose L. Garcia, Daniel Alarcon, Alejandro Rodriguez, Jose M. Jimenez e Esteban Roca, Embedded Intelligence: Challenges for Edge AI and Resource-Constrained Devices, in Micromachines, vol. 14, n. 5, 2023, pp. 897, DOI:10.3390/mi14050897. URL consultato il 26 marzo 2025.
