Atravesando la niebla:la rapidez de Edge, Hybrid y All-Cloud

Al tratar de determinar dónde llevar a cabo el análisis, las características de la aplicación y el ancho de banda de transferencia de la nube perimetral son los factores clave que afectan el rendimiento.

En los últimos años, ha habido un impulso hacia el borde con la formulación de "computación en la niebla", en la que los activos y el procesamiento se implementan donde sea adecuado a lo largo del espectro entre la nube centralizada y el entorno de borde, para la aplicación en cuestión.

A medida que trasladamos a las empresas a la economía en tiempo real, ha habido un debate sobre qué etapa del espectro ofrece el rendimiento óptimo o la capacidad de respuesta más rápida. Los servicios en la nube brindan capacidad y procesamiento bajo demanda donde y cuando sea necesario, pero a menudo se ralentizan debido a problemas de latencia a medida que los datos y los comandos se envían a través de varias redes de redes. Los arreglos híbridos ofrecen cierto grado de procesamiento local y el movimiento de datos puede acelerarse a través de sistemas en memoria, pero las velocidades pueden ser inconsistentes. Mover el procesamiento a los dispositivos de borde por completo puede ofrecer análisis rápidos en el sitio, pero no se puede compartir fácilmente entre empresas.

Ver también: Por qué Edge Computing puede ayudar a IoT a alcanzar todo su potencial

Esa es la esencia de una presentación y un artículo presentados en la reciente conferencia IEEE Edge Computing por un equipo de investigadores de la Universidad de Arkansas. El equipo, dirigido por Dumitrel Loghin de la Universidad Nacional de Singapur, puso a prueba estos tres modos principales de computación perimetral y concluyó que cuando se trata de velocidades, hay un empate entre los tres modos de entrega de datos. Su análisis basado en mediciones “revela un panorama de rendimiento diverso en el que no hay un ganador claro entre el procesamiento híbrido, solo en la nube y solo en la nube. Sin embargo, las características de la aplicación y el ancho de banda de transferencia de la nube perimetral son los factores clave que afectan el rendimiento”.

El equipo realizó sus mediciones en siete aplicaciones diferentes de MapReduce en dos dispositivos perimetrales de bajo consumo y en la nube de AWS. Si bien no todas las aplicaciones de MapReduce son adecuadas para el procesamiento de la nube de borde híbrido, entre las que resultaron ser adecuadas, analizaron las velocidades en clústeres de nube y de borde separados y un único clúster de nube de borde.

Varios factores afectaron el rendimiento, incluidas las características de la aplicación, como la selectividad y el ancho de banda de la nube de borde, encontraron los investigadores. Por ejemplo, las dos aplicaciones principales de Hadoop medidas mostraron velocidades variables según los enlaces de red dentro y entre clústeres. El único clúster híbrido de MapReduce es un 41 % y un 63 % más lento que los clústeres independientes de borde y nube para algunos procesos seleccionados, pero un 85 % y un 100 % más rápido para otros.

Los investigadores también señalan que las configuraciones se crearon “utilizando tres regiones de la nube de AWS, de modo que dos de ellas simulan el borde y la tercera representa la nube. Elegimos simular el borde usando instancias de nube porque queremos analizar la influencia del tiempo de transferencia y el ancho de banda en lugar del efecto del hardware en la velocidad de la nube en el borde. Al usar el mismo tipo de nodos para el perímetro y la nube, minimizamos el efecto de la aceleración de la nube. Además, usamos dos regiones para el borde porque
en escenarios del mundo real, las organizaciones tienen más de una ventaja
clúster desde el que agregar los datos.”