Сегмент вычисления на границе сети (edge) будет демонстрировать устойчивый рост, уверены аналитики, предполагая, что CAGR в ближайшую пятилетку будет составлять от 13% до 23%, а к концу десятилетия глобальный объем составит по разным оценкам от 0,5 до 1,5 трлн долл. Разброс обусловлен разными методологиями: есть концептуально разные подходы в том, что следует относить к edge-инфраструктуре. Но в опережающих темпах роста рассматриваемого сегмента по сравнению с общими показателями всего направления ИТ — они вдвое ниже, CAGR оценивают в районе 8% — уверены практически все аналитики.

Прежде чем рассмотреть наиболее знаковые решения, предлагаемые российскими интеграторами, локальные особенности направления и его перспективы в рублевой зоне, рассмотрим общую ситуацию.

Причины популярности edge-вычислений

Сегодня edge-вычисления находятся на стыке двух трендов: технического и экономического. Для распределенной ИТ-инфраструктуры в современных условиях балансировка вычислительных нагрузок наращивает актуальность.

В ряде ситуаций нет технической возможности передавать данные из локаций их получения в удаленные дата-центры. Причин может быть много — от отсутствия каналов связи с нужной пропускной способностью до неприемлемо большого времени на передачу данных (при edge-вычислениях они составляют 5–10 мс, а при обращении к удаленным серверам или «облакам» могут достигать 100–500 мс).

Есть и экономические ограничения. Иногда каналы связи есть, но перегонять по ним «сырые данные» избыточно дорого: рост объемов данных от устройств «интернета вещей» продолжается, а пропускная способность каналов ограничена. Зачастую такую передачу проводить бессмысленно — обработать данные можно на месте, а дальнейшее централизованное хранение не предусмотрено, ведь у корпоративных СХД тоже есть физические ограничения.

Стоит учесть реалии: широкополосные каналы связи могут быть случайно или злонамеренно повреждены, а резервные не всегда способны обеспечить передачу больших объемов данных. В таких условиях edge-вычисления снижают риски для непрерывности производственных процессов.

Применительно к вычислениям «edge» является устоявшимся термином, берущим начало от английского слова «грань», «край» или «граница». Заметим, что он не имеет отношения к термину EDGE в телекоме, который представляет собой сокращение от «Enhanced Data rates for GSM Evolution».

Уровни распределенной вычислительной инфраструктуры

В условиях, когда вычислительная архитектура должна быть многоуровневой, выделяют 3 слоя устройств, на которых идут вычисления.

  • Уровень «интернета вещей» — «умные сенсоры», smart-камеры, промышленные контроллеры и другие устройства могут обладать собственными вычислительными ресурсами, на которых можно обрабатывать данные;
  • Уровень локальной периферии — от «тонких серверов» до локальных серверных и ЦОДов, которым можно передать обработку получаемых данных и разместить поблизости от границы сети;
  • «Облака» / традиционные ЦОДы — централизованные серверные мощности для сложных вычислений и долгосрочного хранения данных.

Разброс в оценках объема рынка, упомянутый выше, обусловлен разной методологией для второго уровня — у аналитиков нет единства в подходах к тому, какие серверы и шлюзы можно отнести к edge, а какие стоит считать элементами централизованной архитектуры. В рамках нашего рассмотрения это не важно, в отличие, например, от различных аспектов децентрализованного управления вычислительными ресурсами, которое становится нормой.

В большинстве случаев «облако» выбирают из-за практически неограниченных вычислительных ресурсов и возможностей масштабирования, а edge-инфраструктуру — для обеспечения минимальных задержек, нужного для IoT-решений, систем промышленной автоматизации/роботизации, автономного транспорта и пр. Но иногда на выбор влияют и другие факторы, например, требования комплаенса.

Edge-вычисления и облачные технологии не являются взаимоисключающими — каждый подход находит свою нишу, но они сосуществуют в рамках единой ИТ-инфраструктуры корпоративного заказчика.

EDGE и «облако»: интеграция в рамках гибридного подхода

Оптимальным становится гибридный подход, при котором критичные к задержкам операции выполняются на edge-устройствах, а сложные вычисления и долгосрочное хранение — в «облаке» или на on-premise-инфраструктуре заказчика. Такая модель построения инфраструктуры позволяет достичь баланса между локальной обработкой данных и доступным масштабированием.

В практической реализации инфраструктур, где есть серверная часть и edge-системы, нужно учитывать ряд факторов. Начнем с того, что система оркестрации должна работать с разнородными вычислительными ресурсами, обеспечение управления которыми из «единого окна» является сложной инженерной задачей.

Другая сложность состоит в обеспечении отказоустойчивости вычислительных систем, в которые есть edge-составляющая. Тут требуется многоуровневое резервирование, чтобы отказ части узлов или обрыв некоторых каналов связи, а также злонамеренные действия (от хакерских атак до физического воздействия на инфраструктуру) не приводили к обрушению всего вычислительного решения.

Новый формат: edge AI

Развитие аппаратной базы позволяет развертывать нейровычисления непосредственно на периферийных устройствах. Направление edge AI будет расти быстрее всего сегмента edge-вычислений, что обусловлено как эффектом низкой базы (демократизация нейровычислений — недавнее явление), так и высокой востребованностью специализированных мощностей для задач такого типа.

К ключевым преимуществам edge AI относят 2 фактора. Во-первых, сохранение приватности — данные обрабатывают локально, что минимизирует риски утечек данных, а риски централизованных утечек исключает полностью. Во-вторых, автономность — такие вычисления обеспечивают работу объектов в условиях отсутствия связи с «облаком», что критично, например, для автономного транспорта или для удаленных индустриальных объектов (например, карьеров, шахт и пр.).

Одно из растущих направлений, требующих edge AI, — RMN (Retail Media Network). Крупные ритейлеры строят платформы для эффективной продажи рекламы, размещаемой внутри торговых залов. Такие решения объединяют данные о покупателях, онлайн- и офлайн-каналы и инструменты измерения в единую систему, которая способна как повысить собственные продажи ритейлера, так и привлечь внешних рекламодателей. Для эффективной работы нужен edge AI, который «живет» не в «облаке», а на оборудовании внутри магазина: в кассовых сканерах, камерах наблюдения торговых залов, системах освещения и пр. Локальная обработка позволяет принимать решения практически в реальном времени, что важно как для активации рекламы в зависимости от выявленных характеристик покупателя, так и для решения других задач, не всегда имеющих отношение к RMN: предотвращения краж, динамического ценообразования, распознавания товаров и пр.

Edge и инфобезопасность

Использование edge-вычислений требует кардинальной трансформации ландшафта ИБ. Если в классической облачной модели поверхность атаки была относительно компактной и контролируемой, то появление edge-среды радикально меняет ситуацию: тысячи географически распределенных вычислительных узлов, часто размещенных в физически незащищенных местах, формируют новую поверхность для атак, которая может быть весьма обширной. Традиционные средства защиты в таких динамичных и гетерогенных условиях зачастую оказываются неэффективными.

Специфика edge-инфраструктуры требует учета разных классов уязвимостей. Например, физическая доступность edge-узлов, которые могут быть установлены на удаленных или на общедоступных площадках — опорах уличного освещения, транспортных средствах, промышленных объектах и пр. — делает их уязвимыми для физического взлома: несанкционированной замены прошивки, использования отладочных интерфейсов, извлечения криптографических ключей напрямую с устройства и пр. Скомпрометированный узел может стать «точкой входа» для атаки на всю сеть корпоративного заказчика.

Но это не единственная форма уязвимости, которую нужно учитывать «безопасникам» в условиях наличия слоя edge-вычислений.

Окончание следует

Источник: