Storage Service for Edge Computing

ABSTRACT

Odată cu evoluția tehnologiei, a creșterii continuă a utilizatorilor, a furnizorilor de servicii, a utilizării intensive a dispozitivelor mobile, a senzorilor ce colectează date și a echipamentelor IoT, în abordarea clasică a conceptului de Cloud s-au înregistrat o serie de noi provocări din prisma congestionării rețelei și a vitezei de răspuns. O metodă de optimizare a procesului de comunicare între echipamentele de calcul și pentru procesul de cloud computing este data de situarea puterii de procesare și de stocare cât mai aproape de sursă, process cunoscut sub denumirea de Fog Computing și Edge Computing. Pentru a asigura calitatea serviciilor (QoS) a acestor aplicații și calitatea experienței (QoE) pentru utilizatorii finali, este necesar să se utilizeze o abordare de monitorizare completă. Cu toate acestea, cerințele pentru sistemele de monitorizare în cadrul scenariilor de calcul marginal nu sunt încă complet stabilite. Prin urmare scopul prezentului studiu este de a ilustra un sistem de monitorizare capabil să asigure buna funcționare a aplicațiilor ce rulează pe sisteme de calcul de tipul “edge computing”, să ofere informații în timp real despre starea sistemelor, să alerteze responsabilii de acel sistem, răspunzând astfel la toate cerințele funcționale esențiale din cadrul acestor sisteme.

1. Introducere

Conceptul de “Edge Computing” se poate defini ca fiind o paradigmă a sistemelor de calcul distribuite și presupune situarea resurselor de procesare și stocare a datelor cât mai aproape de marginea unei rețele sau topologii, locație unde sunt colectate și consumate date de către mai mulți utilizatori sau sisteme informatice , cu scopul de a îmbunătăți timpul de răspuns și pentru a economisi lățime de bandă. Edge Computing nu este un concept nou, dar principalul motiv care stă la bază dezbaterii din ce în ce mai intens a acestui subiect o reprezintă dezvoltarea tehnologiilor de cloud computing și machine learning. [1]

Edge Computing transformă modul în care datele sunt gestionate, procesate și livrate de la milioane de dispozitive din întreaga lume.[2] Creșterea explozivă a dispozitivelor conectate la internet - IoT - împreună cu noile aplicații care necesită putere de calcul în timp real, continuă să introducă din ce în ce mai multe sisteme bazate pe edge computing.

Dispozitivele senzor înregistrează și transmit datele urmărind menținerea consumului scăzut de energie. Dispozitivele nu prelucrează datele, dar mai multe dintre ele prezintă capabilități de stocare a informațiilor înregistrate de carduri SD locale, constituind astfel un mod de a extinde nivelul de stocare a informațiilor pe sistemele ce constituie noduri marginale.[3]

Pentru a dovedi utilitatea utilizării arhitecturilor bazate pe edge computing ne putem imagina un sistem de monitorizare în cadrul unei fabrici, sau a unei camere video conectată la rețea și prin intermediul căreia sunt transmise în timp real stream-uri video dintr-o anumită locație de la distanță. Să presupunem ca stream-urile video trebuiesc procesate pentru identificarea persoanelor aflate în acea locație. Înainte de utilizarea tehnologiei Edge Computing, camera video putea trimite aceste date în cloud, unde pe baza datelor primite, prin rularea unui algoritm capabil să realizeze recunoașterea facială puteau fi identificatele persoanele aflate în locația respectivă. Însă daca numărul locațiilor, birourilor care necesită monitorizare se mărește, atunci vor apărea probleme datorate supraîncărcării rețelei și timpului de răspuns. Componentele hardware și serviciile Edge computing ajută la rezolvarea unor astfel de probleme prin procesare locală a tuturor datelor colectate de la dispozitivele interconectate, îmbunătățind timpul de răspuns[4]. În loc ca datele să inunde efectiv rețeaua pentru a fi transmise în cloud, în exemplu anterior, prelucrearea stream-urilor video de către un nod aflat la marginea rețelei și transmiterea selectivă pe baza criteriilor de relevanță a datelor către nod-urile centrale din cloud ar eficientiza substanțial procesul de recunoaștere facială a persoanelor.

Performanța aplicațiilor de calcul “edge computing” variază semnificativ în funcție de condițiile de rulare, de exemplu numărul de solicitări(request-uri) primite care urmează să fie procesate, disponibilitatea resurselor virtualizate, calitatea conexiunii la rețea între diferitele componente ale aplicației distribuite. Prin urmare, urmărirea schimbărilor dinamice ale mediilor operaționale este esențială pentru a identifica și remedia orice risc de deteriorare a funcțonării sistemului.

În acest scop, utilizarea funcțiilor și sistemelor de monitorizare în fiecare strat al unui dispozitiv de calcul marginal ajută furnizorul de aplicații de tip cloud să identifice unde pot interveni orice blocaje de performanță. În afară de aceasta, permite sistemului să prezică potențialele probleme și să îmbunătățească performanțele aplicației pentru a evita degradarea QoE experimentată de utilizator.

[1] Bar-Magen Numhauser, Jonathan (2012). Fog Computing introduction to a New Cloud Evolution

[2] Bonomi, Flavio, et al. ”Fog computing and its role in the internet of things.” Proceedings of the first edition of the MCC workshop on Mobile cloud computing. ACM, 2012.

[3] Alin-Gabriel Gheorghe, Constantin-Cosmin Crecana, Cătălin Negru, Florin Pop, Ciprian Dobre, Decentralized Storage System for Edge Computing, 2019 18th International Symposium on Parallel and Distributed Computing (ISPDC)

[4] Bar-Magen Numhauser, Jonathan (2012). Fog Computing introduction to a New Cloud Evolution

[5] Salman Taherizadeh, Andrew Jones, Ian Taylor, Zhiming Zhao, Vlado Stankovski, Monitoring self-adaptive applications within edge computing frameworks: A state-of-the-art review, 2018

[6] Intel and Nokia Siemens Networks, Increasing mobile operators value proposition with edge computing, Technical Brief, 2013

[7] https://docs.docker.com/

[8] https://docs.docker.com/compose/overview/

[9] https://circleci.com/docs/

[10] https://grafana.com/

[11] https://prometheus.io/