Edge computing: entienda el concepto y sepa cómo utilizarlo
El edge computing — la computación en el borde — acerca el procesamiento al dato y reduce la latencia. Además, complementa la nube y sostiene casos de uso de IA, IoT y automatización industrial
Además, la conversación sobre edge computing cambió de nivel. Ya no es una apuesta de laboratorio. Hoy la computación en el borde funciona en fábricas, tiendas y centros de distribución. Por lo tanto, la pregunta dejó de ser “qué es” y pasó a ser “dónde conviene”.
En la práctica, se trata de una arquitectura de TI distinta del data center centralizado. En ella, el procesamiento ocurre en el borde, como su propio nombre lo indica. Es decir, sensores, cámaras, puntos de venta y máquinas generan y consumen información en el mismo lugar. Así, la red transporta solo lo que necesita seguir adelante.
Por eso, el modelo centralizado no siempre alcanza. El 5G ya es una realidad operativa, y no una promesa de catálogo. Entrega ancho de banda y baja latencia, pero no elimina la distancia hasta el servidor remoto. En resumen, el edge computing resuelve la parte que la red por sí sola no resuelve.
No en vano el mercado sigue en expansión, como demuestra una previsión de la consultora Global Market Insights. El estudio parte de una base de US$ 9,1 mil millones en 2022. Además, proyecta un crecimiento anual del 34,3% hasta 2032. Por lo tanto, trate la cifra como orden de magnitud, no como meta.
“El edge computing es fundamental para aplicaciones que exigen respuesta en tiempo real”, dice el informe. Por ejemplo, menciona los vehículos autónomos. Del mismo modo, cita los sectores que dependen de la automatización – una demanda, incluso, de la administración pública.
¿Cuál es hoy el impacto del edge computing?
Como resultado, la computación en el borde ataca dos números concretos: latencia y volumen de tráfico. Por lo tanto, los procesos internos ganan una respuesta previsible. Además, la operación sigue en pie cuando el enlace se cae. En la práctica, esa autonomía local suele valer más que la ganancia media de milisegundos.
Mientras tanto, la inferencia de IA migró cerca del dato. Los modelos de visión por computadora y de detección de anomalías ya funcionan en gateways y servidores locales. Así, la imagen no necesita subir a la nube cuadro por cuadro. Como resultado, baja el costo de tráfico y mejora el control sobre los datos personales.
En resumen, el Internet de las Cosas (IoT) es el caso más directo. Conecta equipos y recolecta datos en manufactura, logística y agronegocio, como presentamos en este artículo del blog. Asimismo, el IoT depende del procesamiento en tiempo real para operar de manera segura y eficiente.
Más allá de la velocidad: casos prácticos en el borde
En la industria, el edge computing sostiene el mantenimiento predictivo y la inspección visual en la línea. En el comercio minorista, mantiene la caja, el inventario y la prevención de pérdidas incluso con enlace inestable. En la logística, apoya el rastreo de carga y el control de patio en centros de distribución. Además, la realidad aumentada y el entrenamiento inmersivo se apoyan en la misma base.
Por eso, el costo y la latencia entran juntos en la decisión. Primero, mida cuánto tráfico sube a la nube y cuánto cuesta al mes. Luego, compare ese valor con la inversión en hardware y mantenimiento en la punta. En la práctica, los equipos de FinOps ya tratan el borde como una línea más de prorrateo y rightsizing.
Asimismo, desde el punto de vista de la seguridad, los impactos ocurren en dos perspectivas. Procesar localmente reduce el volumen de dato sensible que circula por la red. Por otro lado, cada sitio se convierte en una superficie de ataque. Por lo tanto, aplique zero trust: identidad por dispositivo, segmentación de red y cifrado de extremo a extremo.
Un complemento para la nube
En la práctica, el edge computing y la computación en la nube no compiten entre sí. En cambio, se dividen por tipo de carga. Así, el tiempo real queda en el borde, mientras el histórico, el entrenamiento de modelos y la analítica quedan en el centro.
Por eso, los contenedores y Kubernetes se volvieron el pegamento entre ambos mundos. Las distribuciones ligeras corren en hardware modesto en la punta. Además, el mismo pipeline de entrega publica en la nube y en el sitio remoto. Como resultado, la operación estandariza lo que antes era artesanal.
Mientras tanto, el trabajo híbrido ya es normalidad y no cambia ese diseño. Lo que cambia es la exigencia de observabilidad distribuida. Es decir, logs, métricas y trazas deben correlacionarse entre borde y nube. Sin eso, el equipo se entera de la falla por el usuario.
¿Cuáles son los desafíos del edge computing?
Como resultado, la computación en el borde todavía exige disciplina a quien la adopta. Entre los puntos de atención, podemos mencionar:
– Escalabilidad – Escalar decenas de sitios es distinto de escalar un único clúster. Por lo tanto, use orquestación y configuración como código ya en el primer sitio.
– Mantenimiento – Si la descentralización aporta velocidad al procesamiento, también genera dificultades en el soporte de TI. Al fin y al cabo, el activo queda lejos, sin sala segura y muchas veces sin técnico en el lugar. Además, todavía falta mano de obra con práctica en ambientes distribuidos.
– Reproducción – No todo sitio acepta el mismo proyecto de referencia. La energía, la temperatura, el enlace y el espacio físico varían bastante. Por eso, estandarice un modelo mínimo y trate la excepción como excepción.
– Seguridad – Los data centers centralizados tienen una inversión elevada en protección. En cambio, el borde exige control de acceso físico, arranque seguro y actualización remota confiable. Así, el zero trust deja de ser discurso y pasa a ser configuración: vea buenas prácticas en este artículo.
Mientras tanto, el edge computing ocupa un lugar claro en la arquitectura de las empresas. Resuelve tiempo real, autonomía local y costo de tráfico. Por lo tanto, empiece por el caso de uso que duele, mida el resultado y solo después replique.