Adrienne Bresnahan/Getty ImagesUtviklinger med edge og internet of things-baserte initiativer er kanskje ikke toppen av dagens nyhetssykluser, men det har vært en enorm bølge av aktivitet rundt databehandling på kantene. IoT og edge kan til og med omforme eller skape flere teknologimuligheter enn kunstig intelligens er – til tross for at AI for tiden nyter brorparten av oppmerksomheten.
Det gjennomgripende ved edge og IoT-databehandling ble bekreftet i en xA0;undersøkelse av 1037 IT-ledere og fagfolk, som fant at kontrolllogikk, eller innebygd automatisering, overgikk AI som den vanligste arbeidsbelastningen for edge computing (40 % til 37 %).
Dessuten: AI på kanten: 5G og tingenes internett ser raske tider fremover
"Betyr dette et fornyet fokus på de praktiske aspektene ved å levere løsninger fra den virkelige verden? Bare tiden vil vise," undersøkelsens forfattere funderte.
Eclipse-undersøkelsen fant at utviklingen øker på tvers av alle IoT-sektorer, inkludert industriell automasjon (33 %, opp fra 22 % et år før), etterfulgt av landbruk (29 %, opp fra 23 %), bygningsautomasjon, energiledelse og smarte byer ( alt på 24 %). Java rangert som toppspråket for IoT-gatewayer og edge-noder, mens C, C++ og Java er de mest brukte språkene for begrensede enheter.
Når det kommer til ferdighetskrav, ser det ut til at alle bekymrer seg for AI-design og -utvikling – imidlertid bringer edge og IoT sine egne ferdighetskrav.
"Nøkkelferdigheter i å designe og bygge kantsystemer innebærer å skifte fokus fra tradisjonelle sentraliserte datasentertilnærminger til å forstå og optimalisere kanten av nettverk og infrastruktur," George Maddaloni, teknologisjef for operasjoner i Mastercard, fortalte ZDNET. “Vi må behandle data der de genereres, forbedre dataflyteffektiviteten og redusere behovet for å sende store mengder rådata for å behandle sentralt.”
Å designe og konstruere edge- og IoT-systemer “krever et unikt sett med ferdigheter”," Tony Mariotti, administrerende direktør i RubyHome, fortalte ZDNET. “I motsetning til tradisjonell IT som ofte fokuserer på sentralisert databehandling, krever edge computing ekspertise innen desentraliserte arkitekturer og sanntidsdatabehandling. Fagfolk må være dyktige i IoT-integrasjon, nettverkssikkerhet og dataanalyse. Disse ferdighetene fokuserer på rask, sikker datahåndtering ved innsamlingspunktet, avgjørende for applikasjoner som krever umiddelbar innsikt."
Også: Hva er AI? Alt å vite om kunstig intelligens
Og ja, AI og maskinlæring spiller også inn i edge og IoT-initiativer. Dette er drevet av etterspørselen etter “mer intelligente og autonome systemer som er i stand til å ta beslutninger i sanntid, direkte på tidspunktet for datainnsamling,” Harshul Asnani, president for Tech Mahindras teknologi-, media- og underholdningsvirksomhet, fortalte ZDNET. “Ved å behandle data på selve enheten i stedet for å stole på skybaserte systemer, reduserer disse AI-aktiverte kantenhetene ventetiden, reduserer båndbreddebruken og forbedrer responstidene. Dette er avgjørende for applikasjoner som krever umiddelbar handling, for eksempel autonome kjøretøy, sanntidsanalyse i produksjon og smartbyteknologier."
Innsikten teknologiledere og fagfolk trenger for å komme videre med edge og IoT "inkluderer nødvendigheten av skalerbare løsninger for å administrere store datavolumer og viktigheten av forbedrede sikkerhetstiltak," sa Mariotti. "Fagfolk har lært å distribuere komplekse IoT-nettverk som opprettholder integritet og konfidensialitet mens de håndterer sensitive data, et avgjørende fremskritt for alle teknologidrevne virksomheter."
Dette krever "forstå nyansene i datastyring og sanntidsanalyse," Asnani var enig. “Når databehandlingen beveger seg nærmere kanten, blir det en kompleks oppgave å administrere volumet, variasjonen og hastigheten til data generert av IoT-enheter. Det krever robuste datastyringsrammer for å sikre datakvalitet, personvern og samsvar med regulatoriske standarder."
Også: Bank CIO: Vi trenger ikke AI-snurrer, vi trenger kritiske tenkere for å utfordre AI
Ettersom edge og IoT er mer sannsynlig å kreve sanntidsfunksjoner, blir “sanntids- eller nesten-sanntidsdataanalyse avgjørende for å trekke ut handlingskraftig innsikt øyeblikkelig, og krever mer sofistikerte analytiske verktøy og teknikker”," Asnani la til. “Å omfavne kantanalyse krever teknologisk tilpasning og et skifte i tankesett, prioritering av smidighet og evnen til å ta desentraliserte beslutninger. Å forstå disse aspektene vil være avgjørende for databehandlere og analytikere for å utnytte det fulle potensialet til edge computing og IoT."
Å utnytte kanten og IoT har vist seg å være avgjørende for MasterCard, som vedlikeholder fjerntliggende databehandlingssentre. Kantfotavtrykket “har skiftet til noe som nå kan bruke både privat og offentlig sky”," sa Maddaloni. “I offentlig sky er det nå en serie med “kantsky” regioner som vi kan bruke for containere, eller for en forenklet tilnærming i vår private sky. Fra et robusthetsperspektiv kan vi nå inkludere både en enkelt konsolidert stabel med en strømfordelingsenhet for energibackup i tilfelle feil, så vel som en skybackupplattform om nødvendig."
MasterCards kantsystemer inkluderer også sensorer for å “overvåke ytelsen til motorer, pumper og nødstrømgeneratorer”, Maddaloni la til. “Evnen til disse sensorene til å automatisere respons på visse forhold, som å justere kjølesystemer eller strømfordeling, minimerer behovet for menneskelig inngripen. Denne automatiseringen øker ikke bare effektiviteten, men lar også personell fokusere på mer strategiske oppgaver."
Det er også bærekraftige evner, sa Maddaloni. "IoT gir innsikt som fører til energisparing, vannsparing og generell bærekraft i driften. Ved å optimalisere ressursbruken hjelper IoT med å oppnå grønnere datasentre."
Også: 5G og edge computing: Hva de er og hvorfor du bør bry deg
Bevegelsen mot desentralisert databehandling "betyr at fagfolk må forstå hvordan de kan utnytte edge computing for å forbedre operasjonell effektivitet og beslutningsprosesser," sa RubyHome's Mariotti. "Dette er spesielt viktig i sektorer som er avhengige av sanntidsanalyse, som helsevesen, finans og smart eiendomsdrift."
Det bringer oss til spørsmålet om «edge" er fremtiden som teknikere og forretningsfolk må forberede seg på. “Med den eksponentielle veksten av data på kanten og i IoT-miljøer, kan et selskaps edge computing-evner bli en avgjørende fordel,” sa Maddaloni. “Det eskalerende volumet av rådata nødvendiggjør et skifte fra sentralisert behandling til kantbehandling for å redusere båndbreddebegrensninger, redusere kostnader og løse problemer som nettverksforsinkelse og overbelastning."