Edge computing o cómputo en el borde
Hasta 2020 se prevé que el llamado “internet de las cosas (IoT)”, es decir, el conjunto de sistemas electrónicos interconectados que va desde el automóvil hasta las plantas de producción, abarque unos 50.000 millones de dispositivos. Todos estos aparatos generan continuamente una gran cantidad de datos que deben ser almacenados y analizados en tiempo real para aplicaciones de suma importancia. No obstante, esta tarea excede las capacidades convencionales de la nube.
Como obstáculos a este crecimiento se presentan, sobre todo, la lenta expansión de la banda ancha y los tiempos de espera en la transmisión de datos entre los servidores centrales de la nube y los dispositivos terminales al borde de la red. El edge computing evita ambos problemas e inicia así un cambio de paradigma en la era de la computación en la nube.
¿Qué es el edge computing?
El edge computing es un modelo de diseño para entornos de IoT que proporciona recursos informáticos, como espacio de almacenamiento y potencia de procesamiento, lo más cerca posible de los dispositivos finales y sensores generadores de datos. De esta manera, el concepto supone una alternativa a los servicios convencionales en la nube con servidores centrales.
El término edge es el equivalente inglés de borde o margen. Se da a entender así, que el procesamiento de los datos en este planteamiento no se realiza de forma central en la nube, sino de forma descentralizada al borde de la red. De este modo, el edge computing ofrece lo que hasta ahora la nube no ha podido: servidores que pueden analizar datos en masa de fábricas inteligentes, redes de abastecimiento o sistemas de transporte sin tiempo de espera y que pueden tomar medidas inmediatas si algo sucede.
Conceptos básicos del edge computing
El edge computing se considera un nuevo concepto arquitectónico para entornos de IoT, aún sin aportar ningún componente de red nuevo por sí mismo. En lugar de esto, tecnologías ya conocidas se estructuran de forma más compacta bajo un nuevo nombre. A continuación, haremos un resumen de los conceptos básicos más importantes del edge computing.
- Edge: en la jerga informática, el edge es el borde de la red. Los componentes de red que pertenecen a dicho borde, varían dependiendo de la situación. En las redes de telecomunicación, por ejemplo, un teléfono móvil será parte del borde de la red, mientras que en un sistema de vehículos autónomos interconectados lo será cada uno de los coches. En tales casos se habla de edge devices o dispositivos de borde.
- Edge devices: un edge device puede ser cualquier dispositivo que genere datos en el borde de la red. Las fuentes de datos pueden ser sensores, máquinas, vehículos o aparatos inteligentes en un entorno de IoT, como por ejemplo lavadoras, alarmas de incendios, bombillas o termostatos.
- Edge gateways: un edge gateway es un ordenador que funciona como intersección entre dos redes. En entornos de IoT, los edge gateways se utilizan como puntos de presencia entre el internet de las cosas y la red central. Dicha red se compone de routers con suficiente potencia de procesamiento para gestionar los datos del IoT. Además, los edge gateways ofrecen diferentes interfaces para estándares de comunicación y tecnologías de transmisión por cable o por radiofrecuencia, como pueden ser Ethernet, WLAN, Bluetooth, telefonía móvil 3G, LTE, Zigbee, Z-Wave, CAN Bus, Modbus, BACnet o SCADA.
Edge computing vs. fog computing
La idea de ampliar la nube con ordenadores locales no es nueva. Ya en 2014 la multinacional tecnológica estadounidense Cisco acuñó el término comercial “fog computing". Se trata de un concepto que apuesta por un procesamiento previo descentralizado de los datos en los dispositivos llamados fog nodes. Los fog nodes son miniordenadores locales ubicados antes de llegar a la nube, de modo que crean un nivel intermedio en la red (llamado fog layer). Así, los datos generados en entornos de IoT no llegan directamente a la nube, sino que se agrupan primero en fog nodes, donde son evaluados y seleccionados para las siguientes fases del procesamiento.
Hoy en día, el edge computing se considera una rama del fog computing en la que los recursos informáticos como la potencia de procesamiento o la capacidad de almacenamiento aún se acercan más a los dispositivos terminales del IoT al borde de la red. Mientras que en la arquitectura del fog computing, el procesamiento de datos ocurre inicialmente en el fog layer; en los enfoques de edge computing ocurre ya en potentes routers del IoT o incluso directamente en el dispositivo o sensor. Esto lleva a imaginar una combinación de ambos conceptos. La siguiente gráfica muestra este tipo de arquitectura con los niveles de cloud layer, fog layer y edge layer.

Las arquitecturas de referencia para entornos de fog y de edge computing se desarrollan en el marco del OpenFog Consortium, una unión abierta entre la industria y la ciencia.
¿Qué ventajas tiene el edge computing?
Una torre de perforación produce unos 500 gigabytes de datos a la semana y la turbina de un avión de pasajeros moderno, unos 10 terabytes en 30 minutos. A través de redes móviles, tales cantidades de datos no pueden ni cargarse en la nube, ni evaluarse en tiempo real. A esto hay que añadir los costes que genera el uso de redes ajenas. Por eso hay que decidir in situ qué informaciones generadas deben ser enviadas y almacenadas en sistemas centrales, y cuáles pueden ser evaluadas en la misma ubicación. Es aquí donde el edge computing entra en juego.
Actualmente, la mayor parte de los datos generados en Internet se cargan en unidades de computación centrales. Sin embargo, las fuentes de datos de hoy son a menudo móviles y están demasiado alejadas del ordenador central como para garantizar un tiempo de reacción (latencia) aceptable. Esto es especialmente problemático en aplicaciones críticas como el aprendizaje automático y el mantenimiento predictivo, dos conceptos clave del proyecto de transformación Industria 4.0, que se enfoca en los grandes retos de la industria en la transformación digital.
Se espera que el mantenimiento predictivo revolucione tanto el mantenimiento como la administración de las fábricas del futuro. En lugar de mostrar averías y fallos a posteriori, el nuevo concepto de mantenimiento reconocerá el riesgo de errores mediante sistemas de vigilancia inteligentes antes de que se produzcan.
También el uso privado de Internet (streaming de vídeos de alta definición en dispositivos móviles, realidad virtual y aumentada) agota ya tanto el concepto convencional de nube como el ancho de banda de las redes disponibles actualmente. Además, la llegada de la nueva tecnología móvil 5G, con una velocidad de transmisión de hasta 10 Gbit/s, no repartirá dicha carga de datos, sino que la incrementará, según los expertos. El edge computing tampoco ofrece una solución para este problema, más bien, el concepto plantea la cuestión de si realmente hace falta procesar todos los datos de entornos de IoT en la nube.
En este sentido, el edge computing no se propone como un sustituto, sino como un complemento a la nube que aporta las siguientes funciones:
- Recopilación y agregación de datos: mientras que las fuentes de datos en las arquitecturas convencionales envían todos los datos a una unidad de computación central en la nube para que sean evaluados, el edge computing realiza la recopilación de datos cerca de la fuente. Para ello se utilizan microcontroladores directamente en los dispositivos o los llamados edge gateways, es decir, routers inteligentes. Estos routers agrupan los datos de distintos dispositivos y permiten procesarlos y seleccionarlos previamente. La subida de datos a la nube ocurre solo si la información no puede ser evaluada localmente, si hacen falta análisis detallados o si los datos deben ser archivados.
- Almacenamiento local de datos: el edge computing es especialmente útil cuando hay que facilitar localmente datos que requieren mucho ancho de banda. Si se trata de grandes volúmenes de datos, una transmisión en tiempo real desde el ordenador central de la nube no suele ser posible. Este problema se puede evitar poniendo a disposición los datos correspondientes de manera descentralizada al borde de la red. En estos casos, los edge gateways funcionan como servidores de réplica en una red de distribución de contenidos o CDN.
- Monitoreo asistido con IA: las unidades computacionales descentralizadas de un entorno de edge computing procesan datos, los evalúan y permiten, así, un monitoreo continuo de los dispositivos conectados. En combinación con algoritmos de aprendizaje automático, la monitorización de estado en tiempo real se hace posible, por ejemplo, para controlar y optimizar los procesos en fábricas inteligentes.
- Comunicación M2M: las siglas M2M significan Machine to Machine, el nombre que se le da al intercambio automatizado de información entre dispositivos terminales en cualquier estándar de comunicación. En entornos de IoT, así como en fábricas inteligentes, la comunicación M2M podría usarse para la supervisión remota de máquinas e instalaciones. En el marco del control de procesos es posible tanto una comunicación entre dispositivos terminales, como con una unidad central que sirva como órgano de control (monitoreo asistido con IA).
La siguiente gráfica ilustra el principio básico de una arquitectura de nube descentralizada, en la que los edge gateways funcionan como vínculo transmisor entre un ordenador central en la nube pública o privada y los dispositivos del IoT al borde de la red.
Ámbitos de aplicación para arquitecturas de edge computing
Las aplicaciones del edge computing surgen normalmente del entorno de IoT y son, al igual que el concepto de una arquitectura de nube descentralizada, todavía un proyecto de futuro. Un importante estímulo de crecimiento para la tecnología del edge computing es la creciente demanda de sistemas de comunicación que puedan actuar en tiempo real. La gestión de datos descentralizada se considera una tecnología clave para los siguientes proyectos:
- Comunicación entre vehículos car-to-car
- Redes eléctricas inteligentes
- Fábricas inteligentes
Los connected cars o vehículos conectados en el futuro serán más que coches con acceso a Internet. La movilidad del futuro promete sistemas de alerta temprana albergados en la nube y basados en una comunicación car-to-car, e incluso vehículos con conducción totalmente autónoma. Tales servicios requieren una infraestructura que permita el intercambio de datos en tiempo real entre los vehículos y los puntos de comunicación en la trayectoria.
También la red eléctrica del futuro será adaptativa, gracias a sistemas de gestión energética descentralizados que le permitirán adaptarse automáticamente a las fluctuaciones de potencia. En el ámbito de la transición energética, las redes eléctricas inteligentes se están convirtiendo en una tecnología clave. Y es que el cambio a las energías renovables supone nuevos desafíos para las redes eléctricas. Las cargas eléctricas ya no han de conectarse a unos pocos generadores grandes, sino a muchos generadores pequeños, descentralizados y con capacidad de almacenamiento. Estos últimos se convierten parcialmente, gracias a paneles solares, en generadores de energía. Así, las redes inteligentes no solo transportan la electricidad, sino también los datos para generarla, almacenarla y consumirla. Esto permite a todas las partes implicadas reaccionar en tiempo real a los cambios. El objetivo es mantener la estabilidad de las redes eléctricas pese a esta creciente complejidad y hacerlas más eficientes regulando la carga. Para registrar, guardar y gestionar los volúmenes de datos que eso conlleva en el menor tiempo posible, se necesitan nuevos conceptos de nube como el edge computing y el fog computing.
Se denominan fábricas inteligentes a las instalaciones de producción y sistemas logísticos que se organizan por sí solos y que en el mejor de los casos no requieren intervención humana. Una fábrica inteligente es un sistema de dispositivos, máquinas y sensores conectados que se comunican a través del IoT para gestionar los procesos de producción. El sistema de comunicación de una fábrica inteligente incluye también el producto acabado, de manera que puede reaccionar automáticamente a la oferta y a la demanda. Gracias a los sistemas de IA y al aprendizaje automático se pueden automatizar los procesos de mantenimiento y la optimización de la producción. Para ello se necesita una infraestructura informática que analice grandes volúmenes de datos y reaccione inmediatamente ante eventos inesperados. Los sistemas de nube convencionales presentan el problema de la latencia. Las arquitecturas de fog y de edge computing resuelven el problema con la distribución de la gestión de datos.
Edge computing: resumen de las ventajas e inconvenientes
La siguiente tabla muestra las ventajas e inconvenientes de una arquitectura de edge computing en comparación con el entorno de nube tradicional.
Ventajas | Inconvenientes |
---|---|
Procesamiento de datos en tiempo real: en las arquitecturas de edge computing, las unidades de procesamiento se acercan más a la fuente de datos, permitiendo así la comunicación en tiempo real. Se evita así el problema de latencia de los servicios de nube tradicionales. | Estructura de red más compleja: un sistema distribuido es mucho más complejo que una arquitectura de nube centralizada. Un entorno de edge computing es una unión heterogénea de diversos componentes de red, en parte de diferentes fabricantes, que se comunican entre ellos a través de muchas interfaces. |
Menor rendimiento de transferencia de datos: el edge computing prevé, principalmente, el procesamiento local de los datos en los edge gateways. En la nube se cargan tan solo los datos que no pueden ser procesados localmente o que deben estar disponibles online. | Costes de adquisición del edge hardware: el principal atractivo de las arquitecturas de nube es que requieren mucho menos hardware local. Los sistemas distribuidos, en cambio, no cuentan con esa ventaja. |
Protección de datos: en el edge computing, la mayoría de los datos no salen de la red local. Esto facilita mucho a las empresas el cumplimiento normativo. | Mayor coste de mantenimiento: un sistema descentralizado con numerosos núcleos computacionales requiere un mayor coste de mantenimiento y de administración que una unidad central. |