Les nœuds de brouillard simplifient le choix de l’informatique en périphérie par rapport au cloud

Actualités de de l'Intelligence Artificielle - Machine Learning - Objets connectés

Les nœuds de brouillard simplifient le choix de l’informatique en périphérie par rapport au cloud


Il faudra un certain temps avant que la question de l’informatique en périphérie par rapport au cloud n’ait une réponse claire, mais les entreprises peuvent utiliser des options telles que les nœuds de brouillard pour aller dans la bonne direction en toute confiance.

L’IoT se développe à un rythme exponentiel, et avec lui, il y a un besoin croissant pour l’informatique de pointe, l’architecture réseau qui rapproche le traitement des données de la source des données ou des applications. Une partie de ce qui empêche les entreprises de choisir l’informatique de pointe en matière d’infrastructure IoT est que l’architecture de périphérie est encore très nouvelle et si flexible qu’il n’y a pas de meilleur moyen de la configurer. Même si l’informatique de pointe et les réseaux dédiés au-delà du pare-feu d’entreprise offrent la flexibilité dont de nombreux projets IoT ont besoin, les entreprises peuvent trouver la configuration difficile sans les normes architecturales établies avec des technologies plus matures. Les entreprises tirent parti de leurs investissements IoT d’une grande efficacité et de données pertinentes, même lorsqu’elles utilisent le cloud computing. Mais étendre les ressources à la périphérie signifie un effort continu pour tirer le meilleur parti de l’IoT.

L’IoT est une nouvelle frontière en matière d’infrastructure, et ce n’est pas toujours aussi simple que l’informatique en périphérie par rapport au cloud. Les organisations doivent déterminer si l’edge ou le cloud computing distribueront au mieux les ressources de traitement pour des performances optimales, puis évaluer les défis.

Couches d'architecture cloud de bout en bout

L’architecture qui amène le cloud à la périphérie

Parfois, la périphérie a besoin d’un coup de pouce supplémentaire – le nœud de brouillard – qui change les considérations de la périphérie et du cloud computing. La plupart des architectures de pointe et de cloud computing ont besoin de composants pour rendre leurs processus de données possibles. En règle générale, le cloud computing utilise des passerelles IoT pour organiser et transporter les données sur le réseau et acheminer le trafic tout en appliquant des protocoles de sécurité. Les nœuds de périphérie créent des données à partir d’appareils IoT avec de nombreux protocoles de communication différents utilisables par le cloud computing. Le problème est que les passerelles et les nœuds de périphérie ne sont plus suffisants pour les applications IoT, comme un système de reconnaissance faciale, qui nécessitent une analyse en temps réel à la périphérie. La latence introduite par un aller-retour vers le cloud pour analyser les données diminue l’utilité d’une application destinée à être en temps réel.

Le nœud de brouillard est la réponse architecturale à ce problème, un ajout à l’architecture de périphérie qui peut faire pencher la balance en faveur du bord dans le débat cloud contre bord. Un nœud de brouillard est un serveur physique qui apporte un traitement analytique en temps réel à l’IoT, au-delà des fonctionnalités de routage et de messagerie des nœuds périphériques simples. Cette extension des ressources à la périphérie renforce considérablement l’IoT. Les fonctionnalités de la passerelle – y compris la surveillance des appareils, le routage des messages et le nettoyage et l’agrégation des données – peuvent être consolidées avec des ressources informatiques augmentées qui peuvent fonctionner au niveau du Big Data par le nœud de brouillard, sans aller-retour vers le cloud. Cela rend l’environnement IoT beaucoup plus efficace et réactif. Les nœuds de brouillard peuvent, en principe, rendre le déploiement IoT autonome.

Le nœud de brouillard est la réponse architecturale à ce problème, un ajout à l’architecture de périphérie qui peut faire pencher la balance en faveur du bord dans le débat cloud contre bord.

Quand utiliser les nœuds de brouillard

Pour comprendre quand les technologues doivent utiliser Edge avec des nœuds de brouillard ou le cloud computing, ils doivent se poser les questions suivantes.

Le système doit-il répondre en temps réel? Les applications qui nécessitent des décisions en temps réel avec une latence minimale nécessiteront des nœuds de brouillard. Par exemple, la reconnaissance faciale dans un système de sécurité nécessite une IA; un système de caméra sur le terrain aurait donc besoin de nœuds de brouillard pour faire le gros du travail. Les systèmes de gestion du trafic sont un autre exemple.

Y a-t-il un humain dans la boucle? Une exigence de faible latence dans une application IoT est généralement motivée par une communication machine à machine; le traitement doit avoir lieu immédiatement car un périphérique attend une réponse. Si une application IoT a besoin de puissance de traitement pour l’analyse au service de l’aide à la décision et que le résultat est une notification à un être humain, alors il est probablement temps pour cet aller-retour vers le cloud. Les nœuds de brouillard seraient une dépense inutile.

Collectez-vous des données polyvalentes? Un scénario de plus en plus courant est que les données collectées par l’IoT ont plus d’une utilisation et servent plus d’un objectif d’apprentissage automatique. Dans ce cas, il incombe aux nœuds de brouillard d’analyser les données. Qu’est-ce qui reste à la périphérie et qu’est-ce qui est envoyé dans le cloud?

Un scénario typique serait la surveillance de la machine dans un atelier. Le système de périphérie fonctionne en temps réel, prêt à répondre aux pannes matérielles susceptibles de menacer la sécurité humaine, et les mesures de performance des machines sont transférées dans le cloud pour une analyse de l’efficacité des processus et de la consommation des ressources à long terme. Un autre exemple est un magasin de détail qui utilise des miroirs intelligents pour fournir des images en temps réel et des recommandations de produits en stock pour le consommateur via le système de périphérie. Les réponses du consommateur sont envoyées dans le cloud pour alimenter le modèle prédictif, qui sera ensuite utilisé pour mettre à jour les miroirs.