محاسبات Fog به عنوان یک معماری تحول یافته است که محاسبات، ذخیره سازی و خدمات شبکه را به منابع داده نزدیک تر می کند - به ویژه دستگاه های IoT - به جای تکیه بر مراکز داده ابر دور و دور، با قرار دادن قدرت پردازش در لبه شبکه، محاسبات مه تاخیر، حفظ پهنای باند، و پشتیبانی تصمیم گیری زمان واقعی در برنامه های اعم از شهرهای هوشمند به هر چند روش های تولید، باید به دقت گسترش موانع محاسباتی ضروری و ایجاد یک سیستم های فنی و یا تنظیم کننده، هدایت کنند.

این مقاله چالش های بالا را بررسی می کند که در هنگام استقرار شبکه های محاسباتی مه، از پیچیدگی زیرساخت تا امنیت و نگرانی های همکاری، مواجه می شوند و سپس استراتژی های عملی را برای غلبه بر این موانع ارائه می دهد و با نگاهی به جایی که محاسبات مه به سمت آن می رود، پایان می یابد.

چالش های کلیدی در محاسبات Fog Computing Deployment

استقرار یک شبکه مه شامل هماهنگی تعداد زیادی از گره های ناهمگن در سراسر مکان های مختلف فیزیکی گسترش می یابد، محدودیت منابع، الزامات اتصال و پروفایل های امنیتی متفاوت از مراکز داده های سنتی ابر است.

1- پیچیدگی زیرساخت

بر خلاف سیستم های متمرکز ابر، گره های مه باید در سراسر مکان های جغرافیایی مختلف توزیع شوند - کف کارخانه، گوشه های خیابانی، وسایل نقلیه یا زمینه های کشاورزی از راه دور.هر مکان شرایط زیست محیطی منحصر به فرد مانند شدت دما، لرزش، گرد و غبار و یا محدودیت در دسترس بودن قدرت را ایجاد می کند که می تواند در هنگام حفظ اتصالات شبکه قابل اعتماد یک مانع مهندسی قابل توجه است.

فراتر از سخت افزار، مدیریت چنین زیرساخت توزیع شده پیچیده است، بر خلاف تعداد انگشت شماری از مراکز داده ابر، استقرار مه ممکن است شامل صدها یا هزاران گره باشد.ارائه، نظارت، به روز رسانی سیستم عامل و عیب یابی در آن مقیاس نیاز به ابزار اتوماسیون قوی و یک رویکرد DevOps بالغ سازگار برای محیط های لبه.هزینه فیزیکی و تعمیر و نگهداری می تواند به سرعت افزایش یابد اگر به دقت برنامه ریزی نشده است، اطمینان از اینکه هر گره ثابت و کاهش هزینه های دیگر را فراهم می کند.

۲- نگرانی های امنیتی و حریم خصوصی

محاسبات Fog سطح حمله را به طور چشمگیری در مقایسه با یک مدل ابری متمرکز گسترش می دهد.داده ها در لبه پردازش می شوند، اغلب در دستگاه هایی که از نظر فیزیکی برای مهاجمان بالقوه قابل دسترسی هستند، ارتباطات بین گره های مه، دستگاه های لبه و ابر باید به پایان برسد، اما بسیاری از گره های مه منابع محاسباتی محدود دارند که استفاده از الگوریتم های رمزگذاری سنگین را محدود می کنند.

حریم خصوصی به همان اندازه مهم است.در برنامه های کاربردی مانند مراقبت های بهداشتی، حمل و نقل هوشمند یا تجزیه و تحلیل خرده فروشی، داده های شخصی حساس ممکن است در لایه مه پردازش شود، مانند GDPR یا HIPAA الزامات دقیق در مورد محلی سازی داده و مدیریت سازمان ها باید کنترل دسترسی دقیق، گره های داده، و مسیرهای حسابرسی در سراسر یک سیستم توزیع شده، که بسیار چالش برانگیزتر از اجرای سیاست های مختلف در مدیریت ابر است - به طور جدی، به عنوان مثال، استفاده می شود.

3- قابلیت همکاری و استاندارد سازی

اکوسیستم مه تقسیم شده است.فروشندگان ارائه سیستم عامل های اختصاصی، پروتکل ها و API ها، و آن را دشوار به ادغام دستگاه ها و خدمات از ارائه دهندگان مختلف است. A فقدان استانداردهای به طور گسترده پذیرفته شده بدان معنی است که مهندسان اغلب باید آداپتورهای سفارشی یا واسطه را برای فعال کردن ارتباط بین اجزای آن افزایش زمان توسعه و سربار عملیاتی، و آن را ایجاد خطرات قفل.

تلاش هایی مانند معماری مرجع OpenFog (در حال حاضر بخشی از کنسرسیوم اینترنت صنعتی و IEEE 1934 تلاش کرده اند تا چارچوب های محاسباتی مه را استاندارد کنند، اما پذیرش همچنان ناهموار است.چالش های Interoperability به ویژه در استقرار چند دوست داشتنی IoT مشکل ساز هستند، جایی که سنسورها، دروازه ها و نرم افزار تجزیه و تحلیل باید با هم کار کنند بدون اینکه یک سیستم عامل ثابت و ثابت باشند.

قابلیت اطمینان شبکه و Network

یکی از وعده های اولیه محاسبات مه تأخیر بسیار کم برای برنامه های زمان واقعی مانند رانندگی خودکار یا کنترل فرآیند صنعتی است، با این حال، دستیابی به تأخیر مداوم در یک شبکه توزیع شده، ناهمگنی بی اهمیت نیست.اختلال شبکه، ازدحام و یا محدودیت پهنای باند هنوز می تواند باعث تاخیر شود، به ویژه هنگامی که لینک های backhaul به ابر درگیر هماهنگی یا پشتیبان گیری داده ها هستند.

گره های مه خود را نمی توان شکست یا قطع به دلیل قطع برق یا آسیب فیزیکی.در سیستم های بحرانی، یک شکست گره منفرد نباید عملکرد کلی را تضعیف کند، اما طراحی قرمز در سراسر گره های پراکنده جغرافیایی پیچیدگی قابل اعتماد را نیز به کیفیت زیرساخت های شبکه محلی -Wi-Fi، تلفن همراه (۵G)، که به طور گسترده ای در سراسر سایت های استقرار تلفن همراه (هواپیماهای همراه) متفاوت است.

۵- محدودیت های منابع و مدیریت

گره های Fog معمولاً کمتر از سرورهای ابر هستند، با CPU محدود، حافظه و ذخیره سازی، آنها باید تجزیه و تحلیل محلی، ذخیره سازی و خدمات ارتباطی را اجرا کنند در حالی که اتاق را برای کارهای آینده ترک می کنند، تعادل این منابع محدود در میان وظایف رقابتی نیازمند ارکستر منابع هوشمند است - چیزی که هنوز یک منطقه تحقیقاتی فعال است.

مدیریت چرخه کامل برنامه های مه - به روز رسانی، مقیاس پذیری و بازنشستگی - یک کراس به طور بالقوه هزاران گره یک چالش DevOps از اولین سفارش است. ابزارهای ارکستر سنتی ابر (Kubernetes، Docker Swarm) اغلب منابع فراوان و اتصال مداوم را فرض می کنند، که مورد بسیاری از استقرار های لوله نیست.

استراتژی های Overcome Challenges

در حالی که این چالش ها بسیار نیرومند هستند، آنها قابل تحمل نیستند، ترکیبی از برنامه ریزی دقیق، تصویب استانداردهای نوظهور و سرمایه گذاری در ابزارهای مناسب می تواند استقرار شبکه مه موفق را فعال کند.

چارچوب امنیتی قوی

سازمان ها باید یک رویکرد دفاعی را اتخاذ کنند که شامل ماژول های امنیتی مبتنی بر سخت افزار (TPM، Secure Enclaves)، تأیید قوی با استفاده از گواهینامه ها یا هویت مبتنی بر بلاک چین و رمزگذاری نهایی برای پایان دادن به دستگاه است، حتی برای ارتباطات ماشین به ماشین: داده ها باید طبقه بندی شوند و داده های حساس به حریم خصوصی باید به عنوان نزدیک به منبع به عنوان ممکن پردازش شوند - به طور منظم در مورد استفاده از سیستم امنیتی (FIST) برای به حداقل رساندن امنیت خودکار.

مشارکت فعال در تلاش های استاندارد

برای کاهش درد در تعامل، سازمان ها باید استانداردهای باز و API ها را در هر کجا که ممکن است، شرکت در صنعت کنسرسیوم مانند کنسرسیوم اینترنت صنعتی یا کنسرسیوم محاسبات Edge کمک می کند تا استانداردهای آینده را شکل دهند و تضمین کنند که نقشه های داخلی با اکوسیستم گسترده تر سازگار هستند.در هنگام انتخاب سخت افزار و نرم افزار، اولویت بندی راه حل هایی که بر روی پروتکل های استاندارد (MQTT، OPC، UPC، و فروشنده HTTPA) ساخته شده اند و یا کاهش ریسک انعطاف پذیر این سیستم عامل.

طراحی زیرساخت های مقیاس پذیر و Resilient

زیرساخت های برنامه ریزی با وضوح در ذهن: استقرار گره های متعدد مه در مناطق پوشش بیش از حد، استفاده از مسیرهای شبکه متنوع، و شامل قدرت پشتیبان گیری برای برنامه های تاخیر بحرانی، در نظر گرفتن استفاده از شبکه های حساس زمان (TSN) در لینک های سیم کشی و یا 5G URL در بی سیم، استقرار فیزیکی باید ماژولار باشد - آسان به اضافه یا جایگزینی گره بدون اختلال در کل سیستم پیکربندی، به عنوان ابزار پیکربندی پیکربندی خودکار و یا ابزار مدیریت پیکربندی لایه های پیکربندی.

ارکستر هوشمند و مدیریت منابع

چارچوب های ارکستر سبک استفاده شده برای گره های لبه منابع آموزش دیده، مانند K3s (یک توزیع کمبرنتز سبک) یا EdgeX Foundry. سیاست های پیاده سازی برای قرار دادن اتوماتیک بر اساس دسترسی منابع گره، تأخیر شبکه و الزامات نظارت بر داده ها با استفاده از یک مدل ارکستر سلسله مراتبی - که در آن یک ارکستر مرکزی مدیریت گردآورنده منطقه ای را مدیریت می کند که در عوض، می تواند به طور کامل به سیستم های نظارت بر عملکرد دقیق و دقیق تر از پردازش دقیق دسترسی به طور کامل دسترسی به طور دقیق دسترسی داشته باشد.

آینده چشم انداز آینده

از آنجایی که شبکه های 5G به طور فراگیرتر می شوند و هزینه های سخت افزاری کاهش می یابد، محاسبات مه به احتمال زیاد به یک معماری استاندارد برای بسیاری از برنامه های IoT و زمان واقعی تبدیل می شود. فن آوری های نوظهور مانند نفوذ هوش مصنوعی در لبه و یادگیری تغذیه شده، ارزش گره های مه را افزایش می دهد، با این حال چالش های شرح داده شده در بالا به تحقیقات شبانه ادامه نخواهد داد به طرح های امنیتی سبک، معماری مرجع استاندارد شده، و ابزارهای ارکستر قوی، ابزارهای حیاتی است.

سازمان هایی که شروع به پرداختن به این چالش ها می کنند – با استقرار خلبانی که زیرساخت های تست استرس، امنیت و همکاری را دارند – بهتر است شبکه های مه را با اطمینان مقیاس دهند: تاخیر پایین تر، پس انداز پهنای باند، حریم خصوصی افزایش یافته و توانایی اجرای برنامه های هوشمند که داده ها به دنیا می آیند.

برای مطالعه بیشتر در مورد راه حل های مه معماری، کنسرسیوم باز کردن (FLT 2: 1) (در حال حاضر بخشی از IIC) همچنان یک منبع ارزشمند است، زیرا راهنمایی عملی در IETF] سند در چالش ها و فرصت های محاسباتی [LT:3] است.