Disaccoppiare applicazioni e infrastruttura. Permettendo alle aziende di sviluppare applicazioni e scegliere poi dove andare a implementarle.
L’approccio di Red Hat all’edge computing rientra in questa visione trasversale, che già contraddistingue la filosofia open source e multi-cloud dell’azienda.
E che si estende al cosiddetto edge computing, cioè l’elaborazione distribuita dei dati che avviene non in un data center centralizzato, ma il più possibile vicino a dove quei dati vengono generati.
Una raccolta di dati alla periferia dei sistemi che si presta a molti use case interessanti.
Edge Computing e Cloud
Intorno all’edge computing sta crescendo l’interesse del mercato, con una crescita costante di casi d’uso in tutti i settori e i Paesi.
Lo conferma anche l’Outlook 2022 di Red Hat, che ha indagato gli investimenti programmati dalle aziende di diversi settori nei prossimi 12 mesi: non solo l’edge computing e l’Internet delle Cose sono in forte crescita, ma sono intrecciati ai progetti relativi a Intelligenza Artificiale e Machine Learning.
L’edge va quindi visto, secondo Red Hat, all’interno di un paradigma complessivo di consumo delle risorse, orientato al multi-cloud: un approccio aperto che lascia al cliente la libertà di sviluppare le applicazioni e scegliere di volta in volta dove andare a implementarle.
Un approccio trasversale è fondamentale per evitare di avere gestioni completamente diverse tra il centro e la periferia del sistema informativo. L’utilizzo della stessa tecnologia, sottolinea Read Hat, consente di ottimizzare e mettere a valore diversi elementi. Tra gli altri, la user experience e le competenze interne all’azienda.
Use case specifici, approccio universale
Certo, l’edge computing trova per sua stessa natura casi d’uso specifici e verticali, relativi a ciascun settore. C’è ovviamente una certa differenza tra il monitoraggio di una fabbrica evoluta e quello di una turbina eolica, ad esempio.
Ma ci sono anche elementi in comune, nella necessità di raccogliere informazioni da asset critici distribuiti sul territorio e che consentono di sviluppare servizi evoluti. Come la manutenzione predittiva di terminali self service, o i dati relativi a una filiale bancaria
Tutti questi punti periferici producono dati, che spesso restano confinati in quell’ambiente: perché non vengono raccolti o elaborati, almeno a livello granulare. Eppure possono essere il carburante per analisi real time che consentono di monitorare e correggere i processi. O prendere decisioni predittive secondo il modello della data driven company.
Si tratta, insomma, di adottare un approccio aperto e interoperabile, superando il classico modello a silos in cui ogni ecosistema di prodotti manda informazioni al centro.
