Mitä on reunalaskenta?
Esineiden internet (IoT) on läsnä kaikkialla ympärillämme: laitteet tuottavat jatkuvasti dataa, joka on tallennettava ja kriittisten sovellusten osalta analysoitava reaaliajassa. Reunaprosessointi analysoi tämän datan suoraan lähteellä, mikä merkitsee paradigman muutosta pilvipalveluiden aikakaudella.
Mitä on reunalaskenta? Määritelmä
Reunapohjainen laskenta on IoT-ympäristöihin tarkoitettu suunnittelutapa, jossa tallennuskapasiteetin ja laskentatehon kaltaiset IT-resurssit sijoitetaan mahdollisimman lähelle dataa tuottavia laitteita ja antureita. Reunapohjainen laskenta on vaihtoehto perinteisille pilviratkaisuille, joissa käytetään keskitettyjä palvelimia.
Termi ”edge” viittaa siihen, että tässä lähestymistavassa tietojenkäsittelyä ei suoriteta keskitetysti pilvipalvelussa, vaan hajautetusti verkon reunalla. Edge-laskennan tarkoituksena on tarjota se, mitä pilvipalvelu ei ole toistaiseksi pystynyt tarjoamaan: palvelimia, jotka pystyvät käsittelemään älytehtaiden, toimitusverkostojen tai liikennejärjestelmien tuottamaa valtavaa tietomäärää viiveettä, jolloin ne voivat ryhtyä välittömästi toimenpiteisiin, jos ongelmatilanne ilmenee.
Edge-laskennan perusteet yhdellä silmäyksellä
Reunaprosessointi hyödyntää vakiintuneita tekniikoita kompaktissa muodossa uudella nimellä. Tässä on yhteenveto reunaprosessoinnin tärkeimmistä termeistä:
- Reuna: IT-kielessä ”reuna” tarkoittaa verkon reunaa. Se, mitkä komponentit luokitellaan verkon reunaksi, riippuu kuitenkin tilanteesta. Esimerkiksi tietoliikenteessä matkapuhelin voi olla verkon reuna; verkkoon liitettyjen, itsenäisesti ajavien autojen järjestelmässä taas yksittäinen ajoneuvo.
- Reunalaitteet: Jokainen verkon reunalla oleva dataa tuottava laite toimii reunalaitteena. Mahdollisia datalähteitä ovat anturit, koneet, ajoneuvot tai älylaitteet IoT-ympäristössä. Näitä voivat olla esimerkiksi pesukoneet, palohälyttimet, lamput tai patteritermostaatit.
- Reunayhdyskäytävä: Reunayhdyskäytävä on tietokone, joka sijaitsee kahden verkon välisessä siirtymäkohdassa. IoT-ympäristöissä reunayhdyskäytäviä käytetään solmuina esineiden internetin ja ydinverkon välillä.
Reunaprosessointi vs. sumuprosessointi
Paikallisten prosessointiyksiköiden lisääminen pilvipalveluun ei ole uusi lähestymistapa. Jo vuonna 2014 yhdysvaltalainen teknologiakonserni Cisco otti käyttöön markkinointitermin”fog computing”. IoT-ympäristöissä syntyviä tietoja ei enää lähetetä suoraan pilvipalveluun, vaan ne kootaan ensin pieniin datakeskuksiin, joissa ne analysoidaan ja valikoidaan jatkokäsittelyä varten.
Nykyään reunalaskenta nähdään osana sumulaskentaa, jossa IT-resurssit, kuten laskentateho ja tallennuskapasiteetti, siirtyvät entistä lähemmäksi verkoston reunalla sijaitsevia IoT-päätelaitteita. Molempien käsitteiden yhdistäminen on myös mahdollista. Seuraava kaavio esittää arkkitehtuurin, jossa on pilvi-, sumu- ja reunakerrokset.

Fog- ja reuna-laskentaympäristöjen viitearkkitehtuureja kehitetään osana Open Fog Consortiumia, joka on teollisuuden ja tiedemaailman muodostama avoin yhteenliittymä.
Miksi valita reunalaskenta?
Tällä hetkellä keskitetyt datakeskukset käsittelevät suurimman osan internetin tuottamasta tietoliikenteestä. Nykyään tietolähteet ovat kuitenkin usein liikkuvia ja sijaitsevat liian kaukana keskitetystä päätietokoneesta, jotta hyväksyttävä vasteaika (viive) voitaisiin taata. Tämä on erityisen ongelmallista aikakriittisissä sovelluksissa, kuten koneoppimisessa ja ennakoivassa kunnossapidossa.
Ennakoiva kunnossapito on mullistamassa tulevaisuuden tehtaiden kunnossapitoa ja hallintaa. Uuden kunnossapitokonseptin tarkoituksena on havaita vikojen riskit älykkäiden valvontajärjestelmien avulla, jotta ongelmat voidaan tunnistaa ennen kuin varsinainen vika syntyy.
Reunapohjaista laskentatehoa ei pidetä pilvipalvelun korvaajana, vaan sen täydennyksenä, ja se tarjoaa seuraavat toiminnot:
- Tietojen keruu ja yhdistely: Reunapohjainen laskenta perustuu lähteiden läheisyydessä tapahtuvaan tietojen keruuseen, mukaan lukien esikäsittely ja tietojoukon valinta. Tiedot siirretään pilvipalveluun vain, jos niitä ei voida käsitellä paikallisesti, jos tarvitaan yksityiskohtaisia analyyseja tai jos tiedot on tarkoitus arkistoida.
- Paikallinen tietojen tallennus: Suurten tietomäärien kohdalla reaaliaikainen siirto pilvipalvelun ydinkeskuksesta on yleensä mahdotonta. Tämä ongelma voidaan kiertää tallentamalla vastaavat tiedot hajautetusti verkon reunalle. Reunayhdyskäytävät toimivat replikointipalvelimina sisällönjakeluverkossa.
- Tekoälyllä tuettu valvonta: Reunaprosessointi mahdollistaa kytkettyjen laitteiden jatkuvan valvonnan. Yhdistettynä koneoppimisalgoritmeihin reaaliaikainen tilanvalvonta on mahdollista.
- M2M-viestintä: Reunaprosessointia käytetään usein yhdessä M2M-viestinnän kanssa verkkoon liitettyjen laitteiden välisen suoran viestinnän mahdollistamiseksi.
Seuraava kaavio havainnollistaa hajautetun pilviarkkitehtuurin perusperiaatetta, jossa reuna-yhdyskäytävät toimivat välittäjinä pilvipalvelun keskuspalvelimen ja verkon reunalla sijaitsevien IoT-laitteiden välillä.

Miten reuna-laskennan arkkitehtuureja voidaan hyödyntää?
Reunaprosessoinnin sovellukset juontavat juurensa yleensä esineiden internetistä (IoT). Reunaprosessointiteknologian tärkeä kasvun vauhdittaja on reaaliaikaisten viestintäjärjestelmien kasvava kysyntä. Hajautettu tietojenkäsittely luokitellaan esimerkiksi avainteknologiaksi seuraavissa hankkeissa:
- Autojen välinen viestintä: Reunaprosessointi on tärkeää pilvipohjaisille varhaisvaroitusjärjestelmille tai itsenäisesti liikkuville kulkuvälineille.
- Älykkäät sähköverkot: Hajautettujen energianhallintajärjestelmien ansiosta sähköverkot pystyvät sopeutumaan tehon vaihteluihin. Generaattoreille välitettävät tiedot mahdollistavat reagoimisen kulutuksen muutoksiin reaaliajassa.
- Älykkäät tehtaat: Edge-laskennan avulla voidaan toteuttaa itseorganisoituvia tuotantolaitoksia ja logistiikkajärjestelmiä.
Mitkä ovat reunalaskennan edut?
Perinteisiin pilviarkkitehtuureihin verrattuna reunalaskenta tarjoaa useita etuja:
- Reaaliaikainen tietojenkäsittely: Käsittely tapahtuu lähempänä tietolähteitä, mikä auttaa välttämään viiveongelmia.
- Pienempi tietoliikenne: Paikallisen tietojen analysoinnin ansiosta verkossa siirrettävän datan määrä vähenee merkittävästi.
- Tietoturva: Vaatimustenmukaisuusvaatimukset voidaan toteuttaa helpommin.
Mitkä ovat reunalaskennan haitat?
Monista eduista huolimatta reunalaskennassa on myös haittoja, jotka on otettava huomioon käyttöönoton yhteydessä:
- Monimutkaisempi verkkoarkkitehtuuri: Hajautettu järjestelmä on monimutkaisempi kuin keskitetty pilvi-infrastruktuuri.
- Hankintakustannukset: Reunaprosessointi vaatii paljon paikallista laitteistoa, minkä vuoksi sen hankintakustannukset ovat valtavat.
- Ylläpitokustannukset: Komponenttien suuren määrän vuoksi sekä ylläpito- että hallintokustannuksia ei voida sivuuttaa.