En un mundo cada vez más digitalizado, la demanda de procesamiento de datos se ha disparado. Sin embargo, esta transformación tecnológica también ha traído consigo un importante desafío ambiental: el consumo energético de los centros de datos en la nube. En respuesta, una solución emergente está ganando tracción por su eficiencia y sostenibilidad: el Edge Computing.
A diferencia del enfoque tradicional, en el que los datos se envían desde dispositivos al centro de datos en la nube para ser procesados, el edge computing realiza estas tareas cerca de la fuente de origen —es decir, en el “borde” de la red. Esta arquitectura no solo mejora la velocidad de procesamiento y reduce la latencia, sino que también tiene un impacto directo en la eficiencia energética.
El edge computing permite disminuir la saturación del ancho de banda y la dependencia de centros de datos masivos, generando un modelo más sostenible. Al procesar la información de manera colaborativa en el borde, se evita el envío constante de grandes volúmenes de datos, lo que reduce significativamente el gasto energético.
Estudios como el Edge and Central Cloud Computing: A Perfect Pairing for High Energy Efficiency and Low-latency demuestran que la combinación inteligente entre la nube central y el borde permite una mejor asignación de recursos energéticos. La clave está en delegar tareas simples al borde mientras se reserva la nube para operaciones más complejas, optimizando así la eficiencia global del sistema.
Además, la investigación de Li, W., Yang, T., Delicato, F. y Pires, P. destaca cómo el uso de energías renovables en dispositivos de edge computing impulsa aún más su perfil ecológico. Este enfoque descentralizado no solo ahorra energía, sino que también habilita su implementación en zonas remotas con acceso limitado a la red eléctrica.
Por su parte, Parihar, H. y Suman propone un modelo energético integral que permite estimar y comparar el consumo energético de diversas arquitecturas de computación: Cloud, Flog y Edge. El estudio establece una clasificación de arquitecturas que facilita la comparación de sus patrones de consumo:
- Arquitectura Centralizada (Cloud): Infraestructuras donde el procesamiento y almacenamiento se realizan en centros de datos centrales
- Arquitectura Parcialmente Distribuida (Fog Computing): Distribuye ciertas funciones hacia nodos intermedios más cercanos al usuario. Es decir, extiende los recursos de la nube hacia la periferia de la red.
- Arquitectura Totalmente Distribuida (Edge Computing): El procesamiento y almacenamiento se realizan en dispositivos ubicados en el borde de la red, cerca del usuario final.
Esta clasificación permite identificar las características distintivas de cada arquitectura y sus implicaciones en el consumo energético.
El modelo propuesto considera múltiples componentes para una estimación precisa del consumo energético:
- Consumo de Energía de Computación: Evalúa la energía utilizada por servidores y dispositivos de procesamiento de datos.
- Sistemas de Refrigeración: Evalúa la energía requerida para mantener temperaturas óptimas en centros de datos.
- Dispositivos de Red: Evalua la energía consumida por routers, switches y otros equipos que facilitan la comunicación entre usuarios y recursos en la nube.
Los resultados del estudio observan que las arquitecturas totalmente distribuidas (Edge Computing) pueden reducir el consumo energético entre un 14% y un 25% en comparación con arquitecturas centralizadas y parcialmente distribuidas.
Esta eficiencia se atribuye a la eliminación de redes internas de centros de datos y sistemas de refrigeración a gran escala.
Este estudio también menciona herramientas para para medir el consumo energético de infraestructuras Cloud, Fog y Edge. Algunas de estas herramientas son:
- IFogSim. Un simulador que permite modelar y simular técnicas de gestión de recursos en entornos de IoT, Edge y Fog Computing. Facilita la evaluación del impacto de diferentes políticas de gestión en términos de latencia, congestión de red, consumo energético y coste.
- LEAF (Large Energy-Aware Fog Computing Environments) Una herramienta de simulación que combina modelos analíticos y de eventos discretos para determinar el uso de energía en nodos de cómputo, tráfico de red y aplicaciones a lo largo del tiempo. Permite incorporar miles de dispositivos en simulaciones que ejecutan aplicaciones complejas en infraestructuras distribuidas y heterogéneas.
El impacto del edge computing también se está haciendo visible en sectores como la industria manufacturera, donde artículos como el escrito por Laine, Aki sugieren cómo esta tecnología está ayudando a crear fábricas más inteligentes y sostenibles. Además, escenarios de energía urbana inteligente, como los explorados en el artículo Edge Computing, IoT and Social Computing in Smart Energy Scenarios, muestran cómo edge computing puede integrarse en redes de movilidad y ciudades sostenibles.
En resumen, el Edge Computing no solo representa una evolución tecnológica, sino también una posible oportunidad para alinear la infraestructura digital con los objetivos globales de sostenibilidad. Si bien las estimaciones actuales sugieren que reducir la transferencia de datos a la nube podría mejorar el rendimiento y disminuir la huella energética del ecosistema digital, todavía se requiere más investigación para confirmar que esta sea la estrategia más adecuada desde el punto de vista ambiental.
Fuentes consultadas
Laine, A. (2022). Cloud and edge computing in the manufacturing industry : a sustainability perspective. Recuperado de: https://lutpub.lut.fi/handle/10024/164056
Sittón-Candanedo, I., Alonso, R. S., García, Ó., Muñoz, L., & Rodríguez-González, S. (2019). Edge Computing, IoT and Social Computing in Smart Energy Scenarios. Recuperado de: https://doi.org/10.3390/s19153353
Arroba, P., Buyya, R., Cárdenas, R. Risco-Martín, J., & Moya, J. Sustainable Edge Computing: Challenges and Future Directions. Recuperado de: https://arxiv.org/pdf/2304.04450
Ning, Z., Kong, X., Xia, F., Hou, W., & Wang, X. (2019). Green and Sustainable Cloud of Things: Enabling Collaborative Edge Computing. Recuperado de: https://www.researchgate.net/publication/345573192_Green_and_Sustainable_Cloud_of_Things_Enabling_Collaborative_Edge_Computing
Hu, X., Wang, L., Wong, K., Zhang, Y., Zheng, Z., & Tao, M. (2019). Edge and Central Cloud Computing: A perfect pairing for High Energy Efficiency and Low-latency. Recuperado de: https://arxiv.org/abs/1806.08943
Parihar, H., & M, S., (2024). Estimating Energy Consumption of Cloud, Fog and Edge Computing Infrastuctures. Recuperado de: https://www.ijraset.com/research-paper/estimating-energy-consumption-of-cloud-fog-and-edge-computing-infrastructures#references
Li, W., Yang, T., Delicato, F. & Pires, P. (2018). On Enabling Sustainable Edge Computing with Renewable Energy Resources. Recuperado de: https://www.researchgate.net/publication/325208450_On_Enabling_Sustainable_Edge_Computing_with_Renewable_Energy_Resources