Edge computing

1. Pourquoi l'Edge Computing ? #

Répondre aux défis de la latence dans un monde ultra-connecté.

La fin du tout centralisé #

Envoyer toutes les données d'une voiture autonome vers un cloud central prend trop de temps (latence). L'Edge computing déporte la puissance de calcul au plus près de la source de données : sur le capteur ou dans un mini-datacenter local.

2. Edge vs Cloud : Complémentarité #

L'Edge traite les décisions temps réel (réaction immédiate). Le Cloud centralisé traite les données agrégées pour l'entraînement de modèles d'IA ou l'archivage historique. Les deux fonctionnent en tandem.

3. IoT, 5G et Industrie 4.0 #

L'arrivée de la 5G booste l'Edge Computing en permettant des débits massifs. Dans les usines intelligentes, l'Edge permet de détecter une anomalie sur une chaîne de montage en quelques millisecondes, évitant ainsi des accidents coûteux.

Mise en pratique : déployer au plus près des utilisateurs #

Edge et latence.

Mesurer l'intérêt de l'edge #

# Mesurer la latence depuis un client
curl -o /dev/null -s -w "DNS: %{time_namelookup}s  connexion: %{time_connect}s  TLS: %{time_appconnect}s  premier octet: %{time_starttransfer}s\n" https://app.exemple.fr
mtr -rwzc 20 app.exemple.fr
# Déployer une fonction à la périphérie (Cloudflare Workers)
npm create cloudflare@latest edge-demo && cd edge-demo && npx wrangler deploy
# Edge sur Kubernetes léger
curl -sfL https://get.k3s.io | sh -        # k3s : cluster Kubernetes de quelques centaines de Mo pour l'edge

Solutions edge-to-cloud et datacenters modulaires #

Industrialiser la périphérie.

Offres #

Une architecture edge-to-cloud traite et filtre localement (latence, coupures réseau, volume) et envoie au cloud les données agrégées, l'apprentissage et la supervision centralisée.

À savoir : La supervision d'un parc edge repose sur des collecteurs locaux qui tamponnent pendant les coupures (OpenTelemetry Collector, Alloy, Bindplane) et sur une gestion de flotte à distance.