Traverser le brouillard :la rapidité de la périphérie, de l'hybride et du tout-cloud

Lorsque vous essayez de déterminer où effectuer une analyse, les caractéristiques de l'application et la bande passante de transfert edge-cloud sont les principaux facteurs affectant les performances.

Ces dernières années, il y a eu une poussée vers la périphérie avec la formulation du «fog computing», dans lequel les actifs et le traitement sont déployés là où cela convient le long du spectre entre le cloud centralisé et l'environnement de périphérie, pour l'application à portée de main.

Alors que nous intégrons les entreprises à l'économie en temps réel, il y a eu un débat sur l'étape du spectre qui offre les performances optimales ou la réactivité la plus rapide. Les services cloud fournissent une capacité et un traitement à la demande où et quand ils sont nécessaires, mais sont souvent ralentis par des problèmes de latence car les données et les commandes sont envoyées via divers réseaux de réseaux. Les arrangements hybrides offrent un certain degré de traitement local et le mouvement des données peut être accéléré grâce à des systèmes en mémoire, mais les vitesses peuvent être incohérentes. Déplacer entièrement le traitement vers des appareils périphériques peut fournir des analyses rapides sur site, mais ne peut pas être facilement partagé entre les entreprises.

Voir aussi : Pourquoi Edge Computing peut aider l'IoT à atteindre son plein potentiel

C'est l'essentiel d'une présentation et d'un article présentés lors de la récente conférence IEEE Edge Computing par une équipe de chercheurs de l'Université de l'Arkansas. L'équipe, dirigée par Dumitrel Loghin de l'Université nationale de Singapour, a mis ces trois principaux modes d'informatique de pointe à l'épreuve et conclut qu'en ce qui concerne les vitesses, c'est un match nul entre les trois modes de livraison de données. Leur analyse axée sur les mesures « révèle un paysage de performances diversifié où il n'y a pas de gagnant clair entre le traitement cloud uniquement, edge uniquement et hybride. Cependant, les caractéristiques des applications et la bande passante de transfert edge-cloud sont les principaux facteurs affectant les performances. »

L'équipe a effectué ses mesures sur sept applications MapReduce différentes sur deux appareils périphériques à faible consommation d'énergie et sur le cloud AWS. Bien que toutes les applications MapReduce ne soient pas adaptées au traitement hybride edge-cloud, parmi celles qui se sont avérées adaptées, elles ont analysé les vitesses sur des clusters edge et cloud séparés et sur un seul cluster edge-cloud.

Selon les chercheurs, un certain nombre de facteurs ont affecté les performances, notamment les caractéristiques des applications, telles que la sélectivité et la bande passante du cloud périphérique. Par exemple, les deux principales applications Hadoop mesurées ont montré des vitesses variables en fonction des liens réseau intra- et inter-cluster. Le cluster MapReduce hybride unique est 41 % et 63 % plus lent que les clusters de périphérie et de cloud séparés pour certains processus sélectionnés, mais 85 % et 100 % plus rapide pour d'autres.

Les chercheurs notent également que les configurations ont été créées "à l'aide de trois régions cloud AWS, de sorte que deux d'entre elles simulent la périphérie et la troisième représente le cloud. Nous avons choisi de simuler la périphérie à l'aide d'instances cloud car nous souhaitons analyser l'influence du temps de transfert et de la bande passante plutôt que l'effet du matériel sur l'accélération du cloud sur la périphérie. En utilisant le même type de nœuds pour la périphérie et le cloud, nous minimisons l'effet de l'accélération du cloud. De plus, nous utilisons deux régions pour le bord car
dans des scénarios réels, les organisations ont plus d'un avantage
cluster pour agréger les données.”