Edge computing

Edge computing is a distributed computing model that brings computation and data storage closer to the sources of data. More broadly, it refers to any design that pushes computation physically closer to a user, so as to reduce the latency compared to when an application runs on a centralized data center.^[1]

The term began being used in the 1990s to describe content delivery networks—these were used to deliver website and video content from servers located near users.^[2] In the early 2000s, these systems expanded their scope to hosting other applications,^[3] leading to early edge computing services.^[4] These services could do things like find dealers, manage shopping carts, gather real-time data, and place ads.

The Internet of things (IoT), where devices are connected to the Internet, is often linked with edge computing.^[5]

Edge computing involves running computer programs that deliver quick responses close to where requests are made. Karim Arabi, during an IEEE DAC 2014 keynote^[6] and later at an MIT MTL Seminar in 2015, described edge computing as computing that occurs outside the cloud, at the network's edge, particularly for applications needing immediate data processing.^[7]

Edge computing is often equated with fog computing, particularly in smaller setups.^[8] However, in larger deployments, such as smart cities, fog computing serves as a distinct layer between edge computing and cloud computing, with each layer having its own responsibilities.^[9][10]

"The State of the Edge" report explains that edge computing focuses on servers located close to the end-users.^[11] Alex Reznik, Chair of the ETSI MEC ISG standards committee, defines 'edge' loosely as anything that's not a traditional data center.^[12]

In cloud gaming, edge nodes, known as "gamelets", are typically within one or two network hops from the client, ensuring quick response times for real-time games.^[13]

La computación de borde podría utilizar tecnología de virtualización para simplificar la implementación y la gestión de diversas aplicaciones en servidores de borde. ^{[ 14 ]}

En 2018, se esperaba que los datos del mundo crecieran un 61 por ciento hasta alcanzar los 175 zettabytes para 2025. ^{[ 15 ]} Según la firma de investigación Gartner, alrededor del 10 por ciento de los datos generados por las empresas se crean y procesan fuera de un centro de datos centralizado tradicional o la nube. Para 2025, la firma predice que esta cifra llegará al 75 por ciento. ^{[ 16 ]} El aumento de dispositivos IoT en el borde de la red está produciendo una cantidad masiva de datos; almacenar y utilizar todos esos datos en centros de datos en la nube lleva los requisitos de ancho de banda de la red al límite. ^{[ 17 ]} A pesar de las mejoras en la tecnología de red , los centros de datos no pueden garantizar tasas de transferencia y tiempos de respuesta aceptables, lo que a menudo es un requisito crítico para muchas aplicaciones. ^{[ 18 ]} Además, los dispositivos en el borde consumen constantemente datos provenientes de la nube, lo que obliga a las empresas a descentralizar el almacenamiento de datos y el aprovisionamiento de servicios, aprovechando la proximidad física al usuario final.

De manera similar, el objetivo de la computación de borde es trasladar la computación desde los centros de datos hacia el borde de la red, aprovechando objetos inteligentes , teléfonos móviles o pasarelas de red para realizar tareas y proporcionar servicios en nombre de la nube. ^{[ 19 ]} Al trasladar los servicios al borde, es posible proporcionar almacenamiento en caché de contenido , entrega de servicios, almacenamiento persistente de datos y gestión de IoT, lo que resulta en mejores tiempos de respuesta y tasas de transferencia. Al mismo tiempo, la distribución de la lógica a diferentes nodos de red introduce nuevos problemas y desafíos. ^{[ 20 ]}

Los servicios de aplicaciones de borde reducen los volúmenes de datos que deben transferirse, el tráfico resultante y la distancia que deben recorrer los datos. Esto proporciona una menor latencia y reduce los costos de transmisión. La descarga de computación para aplicaciones en tiempo real, como los algoritmos de reconocimiento facial, mostró mejoras considerables en los tiempos de respuesta, como se demostró en investigaciones anteriores. ^{[ 28 ]} Investigaciones posteriores mostraron que el uso de máquinas ricas en recursos llamadas cloudlets o microcentros de datos cerca de los usuarios móviles, que ofrecen servicios que normalmente se encuentran en la nube, proporcionó mejoras en el tiempo de ejecución cuando algunas de las tareas se descargan al nodo de borde. ^{[ 29 ]} Por otro lado, la descarga de todas las tareas puede resultar en una ralentización debido a los tiempos de transferencia entre el dispositivo y los nodos, por lo que, dependiendo de la carga de trabajo, se puede definir una configuración óptima.

Un sistema de red eléctrica basado en IoT permite la comunicación de electricidad y datos para monitorear y controlar la red eléctrica, ^{[ 30 ]} lo que hace que la gestión de la energía sea más eficiente.

Otras aplicaciones notables incluyen coches conectados , coches autónomos , ^{[ 31 ]} ciudades inteligentes , ^{[ 32 ]} Industria 4.0 , automatización del hogar , ^{[ 33 ]} misiles , ^{[ 34 ]} sistemas satelitales ^{[ 35 ]} , así como marcos como MediaPipe . El creciente campo de la inteligencia artificial de borde (IA de borde o inteligencia de borde, a veces denominada "IA local" o "IA en el dispositivo") implementa la inteligencia artificial en un entorno de computación de borde, en el dispositivo o cerca de donde se recopilan los datos. ^{[ 36 ] [ 37 ]}