На краю

Аналитики не придумывают будущее, они выявляют тенденции. Данные становятся все более децентрализованными. По оценкам Gartner, в 2025 году 75% всех данных будет создаваться вне традиционных центров обработки или облаков. В первую очередь это связано с дороговизной облачных вычислений, проблемами с производительностью и задержкой. Как результат, ИТ-администраторы и руководители испытывают «облачное сожаление», стремятся снизить свою зависимость от поставщиков услуг и возвращаются к собственным мощностям.

Ожидается, что более 40% крупных предприятий внедрят периферийные (edge) вычисления в свою ИТ-инфраструктуру. Речь идет о сборе и обработке данных IoT, обслуживании удаленных офисов/филиалов (ROBO) крупной корпоративной организации или точек присутствия распределенных сред, таких как розничные магазины, больницы и клиники, развертывание систем видеонаблюдения и аналитики. Все эти структуры генерируют много необработанных данных, консолидация которых не оправдывает затраченных усилий. Естественным образом вычисления и хранение концентрируются у мест создания данных, «на краю». Подобно обогащению руд периферийные серверы повышают содержание полезной составляющей (значимых данных) удалением пустой породы (цифрового мусора).

Технологические сдвиги

С развитием технологий производительность серверов достигается меньшими затратами, более простым наполнением. Характерен пример «односокетного» тренда, начатого AMD: у одного современного процессора достаточно ядер, каналов памяти, шинных линий для скоростной периферии, чтобы справиться с типичными нагрузками – все по доступной цене решений.

NVMe SSD вытесняют из большинства серверов остальные накопители. Об использовании механических дисков в большинстве случаев вообще речь не идет. Среди твердотельных носителей NVMe SSD являются безоговорочными чемпионами по всем показателям. Они дешевле SATA SSD и доступны в широком диапазоне емкостей. При умеренных объемах операционных данных их много не нужно, так что полный переход на NVMe в серверах не отпугивает ценой.

Вовлечение в повседневную жизнь искусственного интеллекта перетягивает часть вычислений с центральных процессоров (CPU) на графические акселераторы (GPU). Если тренировка нейросетей или инженерные расчеты не нуждаются в локализации, то развертывание предварительно обученных моделей искусственного интеллекта с аналитикой на объектах смещается к самим объектам.

Осваивая недорогие инструменты производительной работы «на земле», предприятия повышают свою конкурентоспособность. Не облаком единым.

Удаленный офис или филиал

Собственную локализованную инфраструктуру Remote Office Branch Office (ROBO) в дополнение к общим облачным службам разворачивают в первую очередь из соображений производительности. Физическое расстояние между источником и получателем пакетов данных является основным фактором, влияющим на задержку сети. Чем больше расстояние, тем больше транзитных сегментов и задержек должны пройти пакеты. Пропускная способность является еще одним фактором, влияющим на задержку сети, поскольку она определяет объем данных, которые можно передать за определенное время. Облака всегда будут частью уравнения в планировании инфраструктуры современного предприятия, но локальное размещение части собственных ресурсов имеет решающее значение для достижения наилучшей производительности.

На примере рекомендаций ведущих игроков по серверам под Microsoft SQL Server можно видеть вклад высокочастотных процессоров (в данном случае AMD EPYC 9x74F) и NVMe. При переносе серверов в удаленные центры обработки данных погоню за производительностью притормаживают задержки. Публичные облака привлекательны абстрагированностью от железа и надежностью, но результативность – не их конек.

Видеоаналитика

Видеонаблюдение не имеет четкого «предела» в трактовке периферийных вычислений. Современные камеры способны информировать операторов о широком спектре видео- и аудиоподий в реальном времени: детектировать пересечение линий, распознавать лицо, классифицировать звуки (разбиение стекла, выстрелы и крики), управлять очередями, строить тепловые карты.

Алгоритмы распаковки и обработки видео, созданные серверами в результате глубокого обучения, постепенно встраиваются в камеры. Хотя периферийные устройства не могут продолжать самообучение, аналитика в камерах выходит на новый уровень безопасности. Вместе с тем, предельные CPU/GPU серверы продолжают играть важную роль в инфраструктуре смарт-объектов. Даже простое распознавание номерных знаков требует большего, чем оптическое распознавание символов: требует интерфейса большой базы данных, где номерные знаки можно хранить, перекрестно посылать и помечать. Сложная аналитика базы данных требует распознавания лиц. Эффективность обеспечивается сочетанием периферийной аналитики с обработкой на сервере и управлением базой данных.

Каждому свое

"Край" (the edge) является условным маркером децентрализованных вычислений. При всех преимуществах пребывания в облаке результативность повседневной деятельности зависит от многих факторов. Каждый выбирает себе удобную модель работы, исходя из желаемой производительности, безопасности, экономики капитальных и операционных затрат. Прогресс технологий и эволюция искусственного интеллекта накладывают свой отпечаток на принятие решений. Вычисления ходят за данными.