Acelerando Análises: Comparando Desempenho de Edge, Híbrido e Nuvem

Ao tentar determinar onde realizar a análise, as características da aplicação e a largura de banda de transferência edge-nuvem são os fatores-chave que afetam o desempenho.

Nos últimos anos, houve um impulso em direção ao edge com a formulação de "computação em névoa", na qual ativos e processamento são implantados onde for adequado ao longo do espectro entre nuvem centralizada e ambiente edge, para a aplicação em questão.

À medida que movemos as empresas para a economia em tempo real, houve debate sobre qual estágio do espectro entrega o desempenho ideal ou a capacidade de resposta mais rápida. Serviços de nuvem fornecem capacidade e processamento sob demanda onde e quando necessário, mas muitas vezes são lentificados por problemas de latência à medida que dados e comandos são enviados através de várias redes de redes. Arranjos híbridos oferecem algum grau de processamento local e o movimento de dados pode ser acelerado através de sistemas in-memory, mas as velocidades podem ser inconsistentes. Mover o processamento inteiramente para dispositivos edge pode entregar análises rápidas no local, mas não podem ser prontamente compartilhadas entre empresas.

Veja também: Por Que a Computação Edge Pode Ajudar IoT a Alcançar Seu Potencial Total

Essa é a essência de uma apresentação e artigo apresentados na recente conferência IEEE Edge Computing por uma equipe de pesquisadores da Universidade do Arkansas. A equipe, liderada por Dumitrel Loghin da Universidade Nacional de Cingapura, submeteu esses três principais modos de computação edge a testes e conclui que, quando se trata de velocidades, há um empate entre os três modos de entrega de dados. Sua análise orientada por medições "revela um cenário de desempenho diversificado onde não há um vencedor claro entre processamento apenas na nuvem, apenas no edge e híbrido. No entanto, as características da aplicação e a largura de banda de transferência edge-nuvem são os fatores-chave que afetam o desempenho."

A equipe realizou suas medições em sete aplicações MapReduce diferentes em dois dispositivos edge de baixa potência e na nuvem AWS. Embora nem todas as aplicações MapReduce sejam adequadas para processamento híbrido edge-nuvem, entre aquelas consideradas adequadas, analisaram velocidades em clusters edge e nuvem separados e em um único cluster edge-nuvem.

Vários fatores afetaram o desempenho, incluindo características da aplicação, como seletividade, e largura de banda edge-nuvem, descobriram os pesquisadores. Por exemplo, as duas principais aplicações Hadoop medidas mostraram velocidades variadas baseadas em links de rede intra e inter-cluster. O único cluster MapReduce híbrido é 41% e 63% mais lento que clusters edge e nuvem separados para alguns processos selecionados, mas 85% e 100% mais rápido para outros.

Os pesquisadores também observam que as configurações foram criadas "usando três regiões da nuvem AWS, de modo que duas delas simulam o edge e a terceira representa a nuvem. Escolhemos simular o edge usando instâncias de nuvem porque queremos analisar a influência do tempo de transferência e largura de banda em vez do efeito do hardware na aceleração da nuvem sobre o edge. Ao usar o mesmo tipo de nós para edge e nuvem, minimizamos o efeito de aceleração da nuvem. Além disso, usamos duas regiões para o edge porque em cenários do mundo real as organizações têm mais de um cluster edge para agregar dados."