Edge Computing : calcul de périphérie Azure

Le point commun à tous ces usages étant la présence de tous ces éléments sur un réseau d’entreprise. Réseau éloigné ou réseau local, c’est un ensemble connecté.

Pourtant, il existe des scénarios où cette connexion au réseau est fortement dégradée ou même absente pour une durée non définie. On parle donc de réseau intermittent. Ce n’est pas le fait d’une panne, mais plutôt d’un environnement particulier. Par exemple, une mine ou une plateforme pétrolière. Il est possible dans ces environnements de réaliser quelques opérations de manière autonome. Une saisie de données ou un compte rendu qui ne nécessitent pas à proprement parler de puissance de calcul.
Il faut tout de même pouvoir s’appuyer dans la majorité des cas sur des machines de calcul, de traitement et de stockage à même de rendre le service. Ces machines assurent dans un premier temps le traitement des données, puis dans un second temps et de manière différée la consolidation (copie / transfert) des données dès lors que le réseau est exploitable.
Cette informatique de périphérie est appelée Edge computing. Une décentralisation des machines de calcul.

Attention, c’est un sujet très vaste qui peut également répondre à la nécessité d’un traitement « au plus près » des besoins. Pas seulement aux environnements réseau intermittents. Dernière précision, les périphériques Edge ne sont évidemment pas là pour remplacer le Datacenter de l’entreprise.

Le cœur du calcul reste le Datacenter, le Edge vient en complément, même si certains périphériques Edge embarquent processeurs et mémoire en quantité. Intéressant, mais … comment ça marche  et quelle mise en situation ?

Mise en situation

Dans cet exemple, imaginons une plateforme pétrolière à faible capacité réseau, sujette à coupure, équipée de capteurs IoT. Ces capteurs sont responsables des mesures de température et d’humidité. Dans ce scénario simple, les données sont uniquement utilisées à des fins statistiques. Lorsque le réseau est disponible, la bande passante est très faible. Il n’est pas possible de remonter l’intégralité des données collectées depuis l’ensemble des capteurs vers le Datacenter.

L’ensemble de ces contraintes impose donc :
– Une informatique de périphérie au plus près des besoins
– Un filtrage des données pour en réduire le volume et n’envoyer que les données qui présentent un véritable intérêt. Ici, les taux d’humidité supérieurs à 80 % et les températures inférieures à 5° et supérieures à 50°.

Une parenthèse sur le sujet du filtrage des données avec le projet Phi-Sat-1. Ou comment ne conserver que ce qui a de la valeur …

Comment répondre à ces contraintes ? En amenant physiquement sur le site (la plateforme pétrolière) un appareil qui va couvrir ces besoins. Une machine validée Azure Edge sur laquelle ont été déployés les modules de calcul nécessaires.

Quelques modules IoT, image éditeur

Pour éprouver le concept, il n’est pas nécessaire de posséder un appareil Edge de haut niveau. Une carte de développement Raspberry PI 3 est suffisante pour déployer un module et piloter quelques dizaines de capteurs. Le module « Stream Analytics » que j’ai choisi va servir au filtrage des données. Seules les données de température et d’humidité dans un certain seuil sont conservées, le reste est abandonné. Cette opération de filtrage ne se fait pas sur le Datacenter de l’entreprise (ici, Azure en lien avec le Hub IoT) mais sur le Raspberry (local) à l’aide du module.
Le PI est préparé et inscrit comme appareil Edge dans un Hub IoT (une console de centralisation des services Azure IoT).

Appareil IoT Edge dans le Hub Azure IoT

Puis le module est déployé sous la forme d’un conteneur.

Module streamedgerasp0001 en état running

Les capteurs IoT sont déclarés sur la machine Edge qui effectuera le traitement des données, le stockage lorsque le réseau est instable et la copie des données filtrées lorsque cela est possible. C’est-à-dire lorsque le réseau est disponible. Au final, les données sont injectées sur le Cloud Azure.
Dans les scénarios plus évolués, les capteurs sont pilotés finement par le périphérique Edge qui pourra lancer des actions si nécessaire.

Disponible sous d’autres formes que l’IoT (Azure Stack Edge en est un exemple ), l’informatique de périphérie va devenir de plus en plus présente et permettra de couvrir des cas d’usages très spécifiques pour lesquels il n’y avait, il y a encore très peu de temps, aucune solution informatique.

Pour résumer, un rappel des points importants

1. L’informatique de périphérie déplace le calcul au plus près des besoins.
2. Elle couvre plusieurs scénarios, dont les réseaux à très faible connectivité.
3. Le périphérique Edge peut piloter très finement les capteurs IoT (redémarrage, mise à jour…etc).