Randcomputing: waarom slimme apparaten steeds vaker zelf denken
Randcomputing (in het Engels: edge computing) is een manier van computerwerk verrichten waarbij data niet naar een ver, centraal datacenter wordt gestuurd om verwerkt te worden, maar juist dichtbij de plek waar die data ontstaat. Denk aan een slimme camera, een sensor in een fabriek of de boordcomputer van een auto: in plaats van alle beelden en meetgegevens eerst naar "de cloud" te sturen en op een antwoord te wachten, gebeurt de verwerking al ter plekke, op of vlakbij het apparaat zelf.
Een simpele analogie: stel dat elke brand in Nederland gemeld moet worden bij één centrale meldkamer in Utrecht, die vervolgens een brandweerwagen ergens in het land opdracht geeft om te vertrekken. Dat kost kostbare tijd. Randcomputing werkt als een brandweerkazerne in elke wijk: de beslissing wordt lokaal genomen, dicht bij het probleem, waardoor de reactietijd drastisch korter wordt. Bij randcomputing is die "kazerne" een kleine server of chip die vlakbij het apparaat staat of zelfs erin zit.
Wat is het precies?
Om randcomputing te begrijpen, helpt het om eerst het gangbare model te schetsen. Bij traditionele cloud computing sturen apparaten hun data via internet naar grote datacenters van bijvoorbeeld Amazon, Microsoft of Google. Daar wordt de data verwerkt, en het resultaat gaat terug naar het apparaat. Dat werkt prima voor veel toepassingen, maar kost tijd: het signaal moet heen en terug reizen, soms honderden of duizenden kilometers. Die vertraging heet latency, de tijd tussen een verzoek en het antwoord daarop.
Voor sommige toepassingen is die vertraging geen probleem. Voor andere is elke milliseconde van belang: een zelfrijdende auto die een voetganger detecteert, kan niet wachten tot een signaal naar een datacenter aan de andere kant van het land is gereisd en weer terug. Randcomputing lost dit op door rekenkracht te verplaatsen naar "de rand" van het netwerk: dicht bij, of zelfs in, het apparaat dat de data genereert.
In de praktijk bestaat een randcomputing-opstelling uit een paar bouwstenen. Ten eerste de edge devices: sensoren, camera's, machines of voertuigen die data verzamelen. Ten tweede edge servers of gateways: kleine, lokale rekencentra die dichtbij staan, bijvoorbeeld in een fabriekshal, een winkel of een zendmast. Deze verwerken data direct ter plekke, zonder dat alles naar een ver datacenter hoeft. Ten derde speelt 5G, de vijfde generatie mobiele netwerken, een belangrijke rol: dit type netwerk is ontworpen met veel lagere vertraging dan voorgaande generaties, wat randcomputing in combinatie met draadloze verbindingen praktischer maakt. Belangrijk is dat randcomputing de cloud niet vervangt: vaak werken beide samen. Simpele, tijdkritische taken gebeuren lokaal aan de rand; zwaardere analyses of langetermijnopslag gaan alsnog naar de centrale cloud.
Wat wil men ermee bereiken?
Het belangrijkste doel is snelheid: door verwerking dichter bij de bron te leggen, daalt de latency aanzienlijk. Dat is cruciaal voor toepassingen als autonome voertuigen, industriële robots die in fracties van seconden moeten reageren, en augmented reality, waarbij een vertraging van beeld al snel misselijkmakend aanvoelt voor de gebruiker.
Een tweede doel is het besparen van bandbreedte en kosten. Een fabriek met honderden camera's die continu beelden naar een datacenter streamen, genereert enorme hoeveelheden data en dus internetverkeer. Door lokaal te filteren, alleen te versturen wat afwijkend is, dalen zowel de netwerkkosten als de belasting op de infrastructuur.
Ten derde speelt privacy en datasoevereiniteit een rol. Wanneer gevoelige data, bijvoorbeeld camerabeelden van een ziekenhuis of gegevens uit een fabriek, lokaal verwerkt wordt in plaats van naar een extern datacenter te reizen, is het makkelijker om te voldoen aan regels zoals de Europese privacywetgeving (AVG). Data kan letterlijk binnen de muren of landsgrenzen blijven.
Verder biedt randcomputing meer betrouwbaarheid: systemen kunnen blijven functioneren, zelfs als de internetverbinding met een centrale cloud tijdelijk wegvalt, omdat kritieke beslissingen lokaal genomen worden. Tot slot helpt het bij schaalbaarheid: naarmate het aantal verbonden apparaten (het "internet of things", oftewel IoT) groeit, wordt het onhoudbaar om alle data centraal te verwerken. Verspreide, lokale verwerking is dan efficiënter.
Voorbeelden uit de praktijk
AWS Wavelength (2019) is een dienst van Amazon Web Services waarbij rekenkracht van AWS letterlijk wordt geplaatst binnen de netwerken van telecomaanbieders, te beginnen met een samenwerking met Verizon in de Verenigde Staten. Dit stelt ontwikkelaars in staat apps te bouwen die via mobiele netwerken met zeer lage vertraging werken, bijvoorbeeld voor mobiele games of livestreaming.
Cloudflare Workers (geïntroduceerd in 2017) is een platform waarmee ontwikkelaars programmeercode kunnen laten draaien op de duizenden servers die Cloudflare wereldwijd verspreid heeft staan, dicht bij eindgebruikers. Websites en applicaties reageren daardoor sneller, omdat de code fysiek dichter bij de bezoeker draait dan bij één centraal datacenter.
In de industrie gebruiken fabrikanten als Siemens en Bosch randcomputing voor real-time productiecontrole: sensoren op productielijnen sturen data naar lokale edge-servers die direct afwijkingen detecteren, bijvoorbeeld een defect onderdeel, zonder te wachten op een reactie uit een ver datacenter.
Zelfrijdende voertuigen van bedrijven als Tesla en Waymo vormen een extreme vorm van randcomputing: de boordcomputer in de auto zelf verwerkt camera- en sensordata in real time om obstakels te herkennen en rijbeslissingen te nemen, simpelweg omdat er geen tijd is om data naar een extern datacenter te sturen.
Ook telecomaanbieders experimenteren actief. Europese operators zoals Vodafone en Deutsche Telekom testen Multi-access Edge Computing (MEC), waarbij rekenkracht wordt geplaatst bij zendmasten, in combinatie met 5G-netwerken. Ook in Nederland lopen bij telecomaanbieders als KPN pilots op dit vlak, al bevinden veel van deze toepassingen zich nog in een experimentele of vroege uitrolfase.
Hoe ver is de techniek?
Het basisidee van randcomputing is niet nieuw. Zogeheten content delivery networks (CDN's), zoals Akamai dat al sinds de jaren negentig aanbiedt, verspreiden webinhoud al decennialang over servers dichtbij gebruikers om laadtijden te verkorten. Wat nieuw is, is de combinatie met krachtige lokale rekenkracht, kunstmatige intelligentie en snelle draadloze netwerken zoals 5G, die randcomputing breder toepasbaar maakt dan alleen webverkeer.
Op het gebied van standaardisatie begon de Europese standaardisatieorganisatie ETSI in 2014 met een werkgroep specifiek gericht op Multi-access Edge Computing. In 2019 lanceerde de Linux Foundation het samenwerkingsverband LF Edge, dat verschillende opensource-projecten op dit gebied bundelt, waaronder EdgeX Foundry en Akraino. Rond diezelfde periode, 2019 en 2020, brachten grote cloudpartijen als AWS en Microsoft hun eerste specifieke edge-producten uit, een teken dat de techniek de fase van experiment ontgroeide richting concrete producten.
Toch is randcomputing allesbehalve volgroeid. Een belangrijk obstakel is fragmentatie: er bestaat geen dominante, universele standaard, en veel aanbieders werken met eigen, onderling niet-compatibele platforms. Daarnaast is het operationeel complex om duizenden verspreide, kleine servers te beheren, updaten en beveiligen, in plaats van een handvol grote datacenters. Dat grotere aantal locaties vergroot ook het aanvalsoppervlak voor cyberaanvallen: elke edge-server is in theorie een extra toegangspunt dat beveiligd moet worden. Tot slot zijn de kosten van het opbouwen van fysieke infrastructuur op duizenden locaties aanzienlijk, wat de opschaling vertraagt. Marktanalisten voorspellen al jaren snelle groei van randcomputing, maar dergelijke voorspellingen zijn in het verleden vaker te optimistisch gebleken; de werkelijke adoptiesnelheid verschilt sterk per sector, met de industrie en telecom voorop en veel andere toepassingen nog in een pril stadium.
Wie werken eraan?
De grote cloudproviders Amazon (AWS), Microsoft (Azure) en Google (Google Cloud) bieden inmiddels allemaal eigen edge-producten aan, waarmee ze hun clouddiensten uitbreiden naar locaties dichter bij de gebruiker. Telecomaanbieders als Verizon, Vodafone, Deutsche Telekom, KPN en China Mobile zijn eveneens actief, omdat randcomputing goed samengaat met hun 5G-netwerken en zendmasten een logische fysieke locatie vormen voor edge-servers.
Onder de chipmakers heeft NVIDIA met zijn EGX-platform zich toegelegd op krachtige, energiezuinige chips die kunstmatige intelligentie direct op edge-apparaten mogelijk maken; ook Intel en chipontwerper ARM spelen een grote rol, aangezien veel edge-apparaten op ARM-gebaseerde processoren draaien. Gespecialiseerde CDN- en edge-bedrijven zoals Akamai, Cloudflare en Fastly bouwden hun wereldwijde netwerken van servers oorspronkelijk voor snellere websites, maar breiden deze steeds verder uit richting algemenere edge-rekenkracht.
Op het gebied van standaardisatie en open source zijn ETSI en de Linux Foundation (via LF Edge) de belangrijkste spelers die proberen versnippering tegen te gaan door gedeelde standaarden en opensource-bouwstenen te ontwikkelen. Geografisch lopen de Verenigde Staten en China voorop wat betreft de schaal van uitrol, gedreven door grote techbedrijven en telecomgiganten. De Europese Unie is vooral actief via standaardisatiewerk en onderzoeksfinanciering, bijvoorbeeld binnen het Horizon Europe-programma, en via nationale pilots van telecomaanbieders binnen de lidstaten.