Las metodologías de Edge Analytics (Analítica de Borde) aportan una alternativa innovadora para muchas empresas acostumbradas a enviar todos los datos que generan sensores y dispositivos de toda índole al ‘Lago de datos’ que se encuentra en la nube. Sin embargo, en los procesos de analítica de borde, el procesamiento de la información puede tener lugar junto a la propia fuente y no todos los datos se envían a cloud, sino solo aquellos que se escapan a los parámetros estipulados. En despliegues de IoT de gran magnitud, esta funcionalidad resulta crítica dados los ingentes volúmenes de datos que se generan a diario en los bordes de la red.
Esta evolución en los procesos de analítica deja atrás un modelo cloud centralizado posibilitando que las empresas no tengan que realizar transmisiones de datos de forma masiva de toda la información que generan sensores y dispositivos a centros de datos remotos ganando, con ello, un mayor control sobre las «cosas» que permanecen conectadas.
Al hilo de esta descentralización de la analítica de cloud, Teresa Tung de Accenture, ya hacía alusión a la necesidad de establecer un sistema de analítica de sensores en tiempo real situando la operativa del sensor por delante del datacenter, en la sesión titulada ‘Real-Time Streaming Analytics Platform’ de IoTSWC2015. «En una infraestructura IoT, la obtención de visibilidad de los datos en tiempo real implica sincronizar el flujo entrante de información en el lugar en el que se produce, dado que el centro de datos nunca permanece totalmente sincronizado. E n el caso de caída del centro de datos o de la red, la plataforma de analítica en tiempo real tiene habilidades de proyección de la actividad de manera que, cuando se restablece la conexión, el sistema de analítica habilita la sincronización y reconsidera las decisiones tomadas anteriormente en función de los nuevos datos aportados».
En los procesos de analítica de borde, el procesamiento de la información puede tener lugar junto a la propia fuente y no todos los datos se envían a cloud
Por su parte, Jayraj Nair de Infosys, mencionaba en su ponencia pronunciada en IOTSWC2015 que el sistema de analítica de borde constituye el motor a la hora de instrumentalizar y recopilar la información de los sensores; «un motor que puede verse afectado en forma de elevados costes y ralentización de la toma de decisiones cuando los volúmenes de información que se transmiten en streaming van y vienen, y tan solo nos interesa una parte mínima de la información recogida: todo lo demás es ruido. Por lo tanto, las organizaciones han de seleccionar el tipo de datos y el volumen de los mismos que recopilan; es decir, situar reglas en el borde de la red, en lugar de hacerla viajar dos veces a través de costosos canales. Una de las aproximaciones es Edge analytics», señalaba Nair.
Presión en los bordes
Es por ello por lo que, el ecosistema de Internet de las cosas industrial se muestra favorable a realizar la recolección de los datos y su análisis en los bordes de las redes empresariales; una ubicación en la que los sistemas convencionales no son eficientes ni suficientemente resistentes. Líderes de la industria TI como IBM, Dell, HP, Cisco o Intel, participantes habituales en el evento IoTSWC anual de Barcelona, proclaman que ahora tienen respuestas para poder cumplir con esos requerimientos.
Las plataformas de IoT dotadas con funcionalidades de edge analytics suelen estar instaladas en plataformas petrolíferas, minas y plantas de fabricación; es decir, sectores industriales que operan con anchos de banda de baja velocidad y en entornos de escasa latencia. Además de sensores, los sistemas de analítica de bordes pueden disponer de otro tipo de dispositivos conectados que proyecten nuevos datos que aporten mayor riqueza a las capturas de información como analítica de vídeo.
Con una red de IoT formada por más de 30.000 sensores de que dispone un smart city como Barcelona, los más de 300 que contiene un coche de formula 1, o los cerca de 6.000 con que cuenta cualquier avión comercial, evitar el volumen masivo de información repetitiva generada en los bordes e impactando directamente en la nube es el cometido principal de los sistemas de analítica de bordes en IoT. Llegados a este punto, la analítica de bordes puede entrañar planteamientos desde dos perspectivas: la evolución de las puertas de enlace o gateways tradicionales, y el progreso de los fabricantes de servidores.
El crecimiento que los analistas y expertos de la industria prevén del uso de dispositivos y aplicaciones de internet de las cosas es enorme, del mismo modo que crece el interés por llevar la analítica al extremo de la infraestructura IoT. En este sentido, Gartner estima que los endpoints de IoT; crecerá interanualmente a un ritmo superior al 30% desde 2013 hasta 2020.
Grandes actores
Empresas como Intel y Cisco han sido pioneras en la implementación de Edge Computing, situando sus gateways o puertas de enlace a modo de dispositivos edge dado que, históricamente, los gateways realizaban la función de agregación de tráfico de enrutamiento. En el modelo de computación edge, el core de la funcionalidad del gateway ha evolucionado ya que, además de aggregation y routing, dichos gateways también podían realizar funciones de computación en los datos.
En combinación con los edge gateways, los sistemas de edge analytics permiten realizar funciones de pre-procesamiento o filtrado de datos en la misma ubicación en la que el dato ha sido creado. A partir de aquí, los datos que siguen los parámetros normales pueden ser ignorados o almacenados en un sistema de almacenamiento low-cost, mientras que aquellas lecturas anómalas pueden ser direccionadas al «Lago» o archivadas en la memoria interna de la base de datos.
A día de hoy, un nuevo segmento de mercado como es Edge Analytics emerge en el panorama de las TI e impacta de lleno en el sector de IoT de aplicación industrial. Grandes organizaciones como Dell , Cisco, HPE y otras tratan de posicionar sus servidores como dispositivos edge a través de la integración de mayor volumen de almacenamiento, potencia computacional y capacidades de analítica, lo cual tiene implicaciones directas en los procesos de Edge Analytics para IoT. Para aquellas empresas que se han decidido a incorporar ciertas funciones de analítica de datos en SQL en la parte de los sensores, ciertas firmas del panorama IT ofrecen innovadores sistemas convergentes en IoT que ayudan a las empresas a generar más valor proporcionando analytics y aprendizaje automático (machine learning) en el extremo del sistema –justamente en el lugar donde se encuentran las cosas–, y en el momento en el que se capturan los datos. Una de estas compañías es Hewlett Packard, con su sistema HPE Vertica Advanced Analytics Platform.
