Aproveitando IoT Edge Computing para Análise de Dados em Tempo Real

Em uma arquitetura IoT clássica, dispositivos inteligentes enviam dados coletados para a nuvem ou um data center remoto para análise. Altas quantidades de dados viajando de e para um dispositivo podem causar gargalos que tornam esta abordagem ineficaz em qualquer caso de uso sensível à latência.

IoT edge computing resolve este problema trazendo o processamento de dados mais próximo dos dispositivos IoT. Esta estratégia encurta a rota dos dados e permite que o sistema realize análise de dados no local quase instantânea.

Este artigo é uma introdução ao IoT edge computing e aos benefícios de agir sobre os dados o mais próximo possível de sua fonte. Continue lendo para aprender por que edge computing é um habilitador crítico para casos de uso de IoT nos quais o sistema deve capturar e analisar quantidades massivas de dados em tempo real.

O que é IoT Edge Computing?

IoT edge computing é a prática de usar processamento de dados na borda da rede para acelerar o desempenho de um sistema IoT. Em vez de enviar dados para um servidor remoto, edge computing permite que um dispositivo inteligente processe dados brutos de IoT em um servidor de borda próximo.

Processamento de dados próximo ou no ponto de origem resulta em latência zero. Este recurso pode fazer ou quebrar a funcionalidade de um dispositivo IoT que executa tarefas sensíveis ao tempo.

Mover o processamento de dados fisicamente mais próximo dos dispositivos IoT oferece uma linha de benefícios para TI empresarial, tais como:

• Serviços mais rápidos e confiáveis.
• Uma experiência do cliente mais suave.
• Análises no local em tempo real.
• A capacidade de filtrar e agregar dados brutos para reduzir tráfego enviado a um servidor externo ou à nuvem.
• Custos operacionais (OpEx) menores devido a menor uso de largura de banda e menores necessidades de capacidade de data center.
• Segurança maior devido a menos conexões externas e menos espaço para movimento lateral potencial.

IoT edge computing é um habilitador vital para IoT pois esta estratégia permite executar um app de baixa latência em um dispositivo IoT de forma confiável. Processamento de borda é uma opção ideal para qualquer caso de uso de IoT que:

• Requer tomada de decisão em tempo real.
• Tem falhas potencialmente catastróficas.
• Lida com quantidades extremas de dados.
• Opera em um ambiente onde a conectividade com a nuvem é escassa ou inteiramente indisponível.

Nuvem e edge computing não são mutuamente exclusivos. Os dois paradigmas de computação são um excelente ajuste pois um servidor de borda (seja na mesma região ou nas mesmas instalações) pode lidar com tarefas sensíveis ao tempo enquanto envia dados filtrados para a nuvem para análise adicional, mais demorada.

Dispositivos de Borda vs Dispositivos IoT

IoT edge computing depende do uso combinado de ambos dispositivos de borda e IoT:

• Um dispositivo IoT é uma máquina conectada à Internet que pode gerar e transmitir dados para a unidade de processamento (seja um dispositivo de borda, a nuvem ou um servidor central). Estes dispositivos geralmente têm sensores de propósito especial e servem a um único propósito.
• Um dispositivo de borda é um hardware que opera perto do usuário ou dispositivo que gera dados brutos. Estes dispositivos têm recursos computacionais suficientes para processar dados e tomar decisões com latências sub-milissegundo, uma velocidade impossível de alcançar se os dados devem primeiro cruzar uma rede.

Em alguns casos, os termos dispositivos de borda e IoT podem ser intercambiáveis. Um dispositivo IoT também pode ser um dispositivo de borda se tiver recursos computacionais suficientes para tomar decisões de baixa latência e processar dados. Além disso, um dispositivo de borda pode ser parte de IoT se tiver um sensor que gera dados brutos.

No entanto, criar dispositivos com capacidades tanto de IoT quanto de borda não é custo-efetivo. Uma opção melhor é implantar múltiplos dispositivos IoT mais baratos que geram dados e conectar todos eles a um único servidor de borda capaz de processar dados.

Como IoT e Edge Computing Funcionam Juntos?

Edge computing fornece a um sistema IoT uma fonte local de processamento, armazenamento e computação de dados. O dispositivo IoT coleta dados e os envia para o servidor de borda. Enquanto isso, o servidor analisa dados na borda da rede local, permitindo processamento de dados mais rápido e prontamente escalável.

Quando comparado ao design usual que envolve enviar dados para um servidor central para análise, um sistema IoT edge computing tem:

• Latência reduzida de comunicação entre o dispositivo IoT e a rede.
• Tempos de resposta mais rápidos e eficiência operacional aumentada.
• Menor consumo de largura de banda de rede pois o sistema só transmite dados para a nuvem para armazenamento de longo prazo ou análise.
• A capacidade de continuar operando mesmo se o sistema perder conexão com a nuvem ou o servidor central.

Edge computing é uma maneira eficiente e custo-efetiva de usar a Internet das Coisas em escala sem risco de sobrecargas de rede. Um negócio confiando em IoT edge também reduz o impacto de um potencial vazamento de dados. Se alguém viola um dispositivo de borda, o invasor terá acesso apenas a dados brutos locais (diferente do que acontece se alguém hackeia um servidor central).

A mesma lógica de "raio de explosão menor" se aplica a vazamentos acidentais de dados e ameaças similares à integridade dos dados.

Adicionalmente, edge computing oferece uma camada de redundância para tarefas de IoT críticas para a missão. Se uma única unidade local falha, outros servidores de borda e dispositivos IoT podem continuar operando sem problemas. Não há pontos únicos de falha que podem paralisar todas as operações.

Recursos do IoT Edge Computing

Embora cada sistema IoT edge computing tenha traços únicos, todas as implantações compartilham várias características. Abaixo está uma lista de 6 recursos que você pode encontrar em todos os casos de uso de IoT edge computing.

Cargas de Trabalho Consolidadas

Um dispositivo de borda mais antigo tipicamente roda aplicações proprietárias em cima de um RTOS proprietário (sistema operacional em tempo real). Um sistema IoT edge de ponta tem um hypervisor que abstrai as camadas de OS e app do hardware subjacente.

Usar um hypervisor permite que um único dispositivo de computação de borda rode múltiplos OSes, o que:

• Abre caminho para consolidação de cargas de trabalho.
• Reduz a pegada física necessária na borda.

Como resultado, o preço de implantação na borda é muito menor do que o que você já teve que pagar para configurar um sistema de edge computing de alto nível.

Pré-Processamento e Filtragem de Dados

Sistemas de borda anteriores tipicamente funcionavam fazendo o servidor remoto solicitar um valor da borda independentemente de haver mudanças recentes. Um sistema IoT edge computing pode pré-processar dados na borda (geralmente via agente de borda) e enviar apenas as informações relevantes para a nuvem. Esta abordagem:

• Reduz a chance de gargalos de dados.
• Melhora taxas de resposta do sistema.
• Reduz custos de armazenamento e largura de banda na nuvem.

Gerenciamento Escalável

Recursos de borda mais antigos frequentemente usavam protocolos de comunicação serial que eram difíceis de atualizar e gerenciar em escala. Um negócio pode agora conectar recursos de IoT edge computing a redes de área local ou ampla (LAN ou WAN), permitindo gerenciamento central.

Plataformas de gerenciamento de borda também estão aumentando em popularidade à medida que provedores buscam simplificar ainda mais tarefas associadas a implantações de borda em grande escala.

Arquitetura Aberta

Protocolos proprietários e arquiteturas fechadas eram comuns em ambientes de borda por anos. Infelizmente, estes recursos frequentemente levam a altos custos de integração e troca devido a vendor lock-ins, por isso o edge computing moderno depende de uma arquitetura aberta com:

• Protocolos padronizados (ex: OPC UA, MQTT).
• Estruturas de dados semânticas (ex: Sparkplug).

Arquitetura aberta reduz custos de integração e aumenta interoperabilidade de fornecedores, dois fatores críticos para a viabilidade do IoT edge computing.

Análise de Borda (Edge Analytics)

Versões anteriores de dispositivos de borda tinham poder de processamento limitado e tipicamente podiam executar uma única tarefa, como ingestão de dados.

Hoje em dia, um sistema IoT edge computing tem capacidades de processamento mais poderosas para analisar dados na borda. Este recurso é vital para casos de uso de baixa latência e alta taxa de transferência de dados que o edge computing tradicional não podia lidar de forma confiável.

Aplicações Distribuídas

Recursos inteligentes de IoT edge computing desacoplam aplicações do hardware subjacente. Este recurso permite uma arquitetura flexível na qual um app pode mover-se entre recursos computacionais tanto:

• Verticalmente (ex: do recurso de borda para a nuvem).
• Horizontalmente (ex: de um recurso de computação de borda para outro).

Um negócio pode implantar um app de borda em três tipos de arquiteturas:

• 100% borda: Esta arquitetura tem todos os recursos computacionais on-premise. Este design é popular com organizações que não desejam enviar dados fora das instalações, tipicamente devido a preocupações de segurança. Um negócio que está bem com investimentos pesados on-premise também é um adotante típico.
• Arquitetura thick edge + nuvem: Este design inclui um data center on-premise, uma implantação na nuvem e recursos de computação de borda. Uma escolha comum para empresas que já investiram pesado em um data center on-premise mas depois decidiram usar a nuvem para agregar e analisar dados (tipicamente de múltiplas instalações).
• Arquitetura thin (ou micro) edge + nuvem: Esta abordagem sempre inclui recursos de computação na nuvem conectados a um (ou mais) recursos de computação de borda menores. Não há data centers on-premise neste design.

Casos de Uso de IoT Edge Computing

Edge computing pode desempenhar um papel vital em qualquer design de IoT que requer baixa latência ou armazenamento local de dados. Aqui estão alguns casos de uso interessantes:

• IoT Industrial (IIoT): Sensores IoT podem rastrear o estado de máquinas industriais, identificando problemas como quebras ou uso excessivo. Enquanto isso, um servidor de borda pode responder a problemas antes de um desastre potencial.
• Carros autônomos: Um veículo autônomo dirigindo pela estrada deve ser capaz de coletar e processar dados em tempo real (tráfego, pedestres, placas de sinalização, semáforos, etc.). Carros automáticos são um caso de uso de latência zero, então usar IoT edge é a única maneira de garantir que um carro autônomo possa frear ou virar rápido o suficiente para evitar um acidente.
• Comboios de caminhões automatizados: IoT edge computing também pode permitir que um negócio crie um comboio de caminhões automatizado. Um grupo de caminhões alimentados por IoT pode viajar próximos uns dos outros em comboio, economizando custos de combustível e diminuindo congestionamento. Nesse cenário, apenas o primeiro caminhão exigiria um motorista humano.
• Inferência visual: Uma câmera de alta resolução com um computador IoT edge pode consumir streams de vídeo e realizar inferência nos dados coletados. Esse equipamento pode detectar pessoas com febre, intrusos em áreas restritas, violações de segurança, uma anomalia em linhas de produção, etc.
• Monitoramento remoto baseado em condição: Em um cenário onde uma falha pode ser catastrófica (ex: um oleoduto ou gasoduto), usar IoT edge para monitorar o sistema é óbvio. Um sensor IoT pode rastrear a condição de um ativo (ex: temperatura, pressão, estresse, etc.), e o servidor de borda pode reconhecer e responder a um problema potencial em milissegundos.

IoT Edge Computing: Um Divisor de Águas para TI Empresarial

Hoje, o setor IoT opera em numerosos cenários sem edge computing. No entanto, à medida que o número de dispositivos conectados cresce e empresas exploram novos casos de uso, a capacidade de recuperar e processar dados mais rápido se tornará um fator decisivo. Espere que IoT edge computing desempenhe um papel fundamental nos próximos anos à medida que mais e mais empresas começam a buscar os benefícios do processamento de dados com latência zero.