Edge Computing es una arquitectura de computación distribuida que traslada la capacidad de procesamiento y almacenamiento de datos desde un centro de datos centralizado o la nube hacia el 'edge' de la red. Este 'edge' puede ser cualquier punto cercano a la fuente de datos, como dispositivos IoT, gateways, servidores locales o estaciones base de telecomunicaciones. El objetivo principal es reducir la latencia, conservar el ancho de banda de la red troncal, mejorar la seguridad y permitir el procesamiento en tiempo real de grandes volúmenes de datos generados en ubicaciones remotas o con conectividad limitada. A diferencia del Cloud Computing, que centraliza los recursos, Edge Computing descentraliza una parte del cómputo.
La implementación de Edge Computing es visible en diversos sistemas y herramientas. En el ámbito industrial, plataformas como AWS IoT Greengrass o Azure IoT Edge permiten ejecutar funciones de AWS Lambda o módulos de Azure Functions directamente en dispositivos 'edge' para procesar datos de sensores en fábricas o refinerías antes de enviarlos a la nube. En telecomunicaciones, las redes 5G utilizan Multi-access Edge Computing (MEC) para alojar aplicaciones y servicios en el 'edge' de la red del operador, habilitando casos de uso como vehículos autónomos, realidad aumentada (AR) y realidad virtual (VR) con latencias ultrabajas. Otro ejemplo son los Content Delivery Networks (CDN) como Cloudflare o Akamai, que almacenan y sirven contenido web desde servidores cercanos al usuario final, reduciendo los tiempos de carga.
Para un arquitecto, Edge Computing introduce un conjunto crítico de trade-offs y consideraciones de diseño. Estratégicamente, permite habilitar nuevos modelos de negocio que dependen de baja latencia y procesamiento en tiempo real, como la automatización industrial o la telemedicina. Sin embargo, implica desafíos significativos en la gestión de un entorno distribuido heterogéneo, la seguridad de los dispositivos 'edge' (a menudo menos protegidos físicamente), la orquestación de contenedores (Kubernetes en el 'edge' es un patrón emergente), la sincronización de datos y la complejidad operativa. La decisión de dónde procesar los datos (en el 'edge', en la nube o en una combinación híbrida) es fundamental y debe sopesar los costos de infraestructura, el ancho de banda disponible, los requisitos de latencia, la soberanía de los datos y la resiliencia del sistema frente a fallos de conectividad.