בנוף המורחב של היום, הפיצוץ של האינטרנט של הדברים (IoT) מכשירים, מערכות אוטונומיות וניתוח בזמן אמת הציב מאמץ חסר תקדים על ארכיטקטורות מתקדמות בענן מסורתיות.מרכזי נתונים, בעוד עוצמתיים, מציגים עצלות, לצרוך רוחב פס עצום, וליצור נקודות בודדות של כשל בעת טיפול בטורנטים של נתונים שנוצרו ברשת.

מה זה Fog Computing?

מחשוב פוג, המשמש לעתים קרובות עם מחשוב קצה, מתייחס אדריכלות שכבתית המרחיבת את יכולות הענן לקצה הרשת.המונח "פוג" היה פופולרי על ידי סיסקו בשנת 2012 כדי לתאר רצף חישובי בין הענן והמכשירים שיוצרים נתונים.בניגוד לגישה קצה טהור שבו עיבוד מתרחש רק על מכשירים נקודת קצה, ערפל מציג ערפל ביניים - ערפל - כי מצטבר, לנתח נתונים מרובים לפני שליחת נתונים רלוונטי רק כדי מידע רלוונטי.

ערפל אלה ניתן לפרוס על נתבים, שערים, בקרים תעשייתיים, או שרתים ייעודיים הממוקמים בקצה הרשת.הם פועלים עם נטיות נמוכה, תגובה בזמן אמת, ולעתים קרובות להפעיל מחסניות תוכנה מיוחדות התומכים בניתוח, למידת מכונה, ודחיסת נתונים.הבחנה המפתח מ מחשוב ענן מסורתי היא כי ערפל מטפל ברוב העיבוד הרגיש בזמן מקומי, בעוד הענן האחראי על אחסון ארוך טווח, מודלים גלובליים, אימונים כבדים.

פוג לעומת צוק מחשוב: קלמיר את ה- Terminology

למרות שהמונחים מנפחים לעתים קרובות, מחשוב ערפל ומחשוב קצה יש הבדלים עדינים. Edge מחשוב בדרך כלל מציב כוח עיבוד ישירות על המכשיר או על שער סמוך, בעוד מחשוב ערפל מציג ארכיטקטורה היררכית עם שכבות מרובות של נודים ביניים. בפועל, שתי הגישות חולקות את המטרה של צמצום תנועת הנתונים, ופתרונות מסחריים רבים מטושטשים את השורות.

כיצד פוג מחשוב נמנע מ-Bandwidth Constraints

מגבלות בנדידות מתעוררות כאשר היכולת של קישורים ברשת אינה מספיקה כדי להתמודד עם נפח הנתונים שנוצר על ידי מכשירים מבוזרים.ערפל מחשוב ישירות מתייחס צוואר הבקבוק באמצעות מספר מנגנונים:

  • (FLT:0Data Filtering and Summarization:FearLT:1 פוג Nodes לעבד נתונים גולמיים באופן מקומי, תמצית רק מדדים מרכזיים, אנומליות, או מסכמים.לדוגמה, חיישן רטט על משאבה תעשייתית מייצר אלפי קוראות לשנייה.במקום הזרמת כל קריאה לענן, ערפל מצמיד בממוצע, טרנד, ודגל כאשר הם מעלים נתונים - גודל של פקודות -
  • (FLT:0) קבלת החלטות מקומית: 1.10.10.1 יישומים רבים דורשים תשובות במליכי שניות - מהר מדי לסיבוב אל הענן.ערפל נודס יכול לבצע פעולות אוטונומיות (למשל, סגירת מנוע תקלה, התאמת אור תנועה) ללא שימוש בשרתים מרכזיים, ובכך להימנע ממשלוח נתונים מיותר.
  • (FLT:0Data Caching and Preprocessiving:FreaLT:1) לעתים קרובות גישה נתונים ניתן לכווץ בקצה, ביטול הורדות חוזרות ונשנות.לקידום משימות כמו דחיסת תמונות, ירידה ברעש, ותבנית המרה נוספת של דמי נתונים מכווץ לפני השידור.
  • (FLT:0) גלגול ודיכוי: מוטציות 1 (FLT:1 ); ערפל מצטבר נתונים מחיישנים מרובים או מכשירים, משלב מידע מחוספס, וליישם אלגוריתמים דחיסה.במבנה חכם, למשל, שער מקומי יכול לאסוף טמפרטורה, לחות ונתוני דיקור ממאות חיישנים ולשלוח חבילה מאוחדת אחת לענן כל דקה במקום זרמים רצופים.

טכניקות אלה להפחית באופן קולקטיבי את רוחב הפס הנדרש עבור קישורים WAN, עומסי רשת נמוכים, ומאפשרות לארגונים לפעול ביעילות אפילו תחת מגבלות רוחב פס חמורות - כגון שדות נפט מרוחקים, פלטפורמות בחו"ל או כלי רכב מחוברים עם קישוריות לסירוגין.

היתרונות העיקריים של Bandwidth Management

מעבר לשימור רוחב פס פשוט, מחשוב ערפל מציע חבילה של יתרונות שהופכים אותו הכרחי עבור אדריכלות מודרנית:

  • (FLT:0) ,העברה נתונים: ההרחבה של נתונים: 1 (FLT:1) על ידי שליחת פחות נתונים לענן, ארגונים יכולים להפחית את הקשרים WAN שלהם או להימנע מתשלום יקר.זה חשוב במיוחד עבור ארגונים עם אלפי נקודות קצה של IoT שיוצרות טרה-בייט של נתונים מדי יום.
  • (FLT:0)Lower Latency for Critical Applications:cioFLT:1 כלי רכב אוטונומיים, מערכות בקרה תעשייתיות, וטלמדיקים מסתמכים על זמני תגובה תת-עשרה-מילימטריים.
  • (FLT:0)Enhanced Operational Reliability:BuildFLT:1 ערפל יכול להמשיך לתפקד באופן עצמאי כאשר קישוריות ענן אבדה או מסולקת.בחקלאות, למשל, בקרים השקיה בתחומים מרוחקים יכולים לפעול בהתבסס על נתוני חיישן מקומי, גם אם הקישור הלווין ירד.
  • (FLT:0) רגישות ללא ההרחבה של Bandwidth Explosion:FLT:1 ככל שמספר המכשירים המחוברים גדל, מודל ענן טהור דורש רוחב פס פרופורציונלית.מחשוב מזרז את העקומה הזו על ידי קליטת הביקוש לעיבוד נתונים בקצה, מה שהופך פריסות IoT בקנה מידה גדול ניתנות להשגה מבחינה כלכלית.
  • (FLT:0) שיפור האבטחה והפרטיות: מידע רגיש יכול להיות מעובד באופן מקומי ולעולם לא לעזוב את המכשיר או ערפל, צמצום החשיפה במהלך שידור ואחסון.זה קריטי עבור בריאות, מימון, ויישומים הגנה שבו הריבונות נתונים וציות אינם ניתנים להשגה.

יישום אמיתי בעולם של מחשוב פוג

ערים חכמות וניהול תנועה

ערים מודרניות לפרוס אלפי מצלמות, חיישני תנועה, וצגים סביבתיים.שלח את כל הזנות וידאו לענן מרכזי היה להציף רוחב פס זמין.ערפל נודס מותקן בצומתים של תהליך וידאו זרמי אינטרנט מקומיים כדי לזהות גודש, תאונות, או מעברי הולכי רגל, ואז להעביר רק מטא-נתונים רלוונטיים - כגון ספירת רכב או אירועים - למרכז ניהול התנועה של העיר.

עסקים תעשייתיים וייצור

במפעל חכם, קו ייצור יחיד עשוי להיות מאות חיישנים מדידת טמפרטורה, רטט, לחץ וזמני מחזור. שליחת כל הנתונים לשרת מרכזי או ענן ישתף את הרשת המקומית. Fog nodes להציב על הרצפה לבצע ניתוח בזמן אמת עבור תחזוקה חיזוי, בקרת איכות, אופטימיזציה תהליכים. לדוגמה, תצורה של General Electric's Predix ממינוף Nodes לנתח נתונים מקומי, שליחת רק אזהרות מיידיות, תוך מתן מענה ביצועים מיידיים, תוך כדי תיקון ביצועים.

בריאות ובדיקות מרחוק של מטופלים

מכשירים לבישים וחיישנים ברמה רפואית מייצרים זרמים רצופים של סימנים חיוניים. Transmitting כל פעימות לב או קריאה גלוקוז לשרת ענן הוא גם רוחב פס-חושי ומציג שקיפות שיכולה להיות מסכנת חיים. ערפל בבתי חולים או בבתים מעבדים את הנתונים באופן מקומי כדי לזהות זוועות, נופל, או לא-adherence רק מצטבר מגמות בריאות ואזהרות קריטיות נשלחות לרשומות אלקטרוניות אך לא רק על ידי שמירה על פני רוחב פסים מקומיים.

רכבים מחוברים ואוטונומיים

כלי רכב אוטונומיים מייצרים עד 2 קטבים של נתונים בשנה ממצלמות, LiDAR, מכ"ם וטלמטארי. uploading כל הנתונים הגולמיים לענן הוא לא מעשי. Fog nodes על גבי המטוס ויחידות Roadside מעבדות נתונים בזמן אמת לניווט, מכשול, ותקשורת לרכב-על (V2X) על ידי סינון של תרופות אדומות או לא רלוונטיות לתמונות, לדוגמה, אפילו לעדכונים אוטונומיים על גבי תוכנות אוטומטיות.

חקלאות ו ניטור סביבתי

חקלאות Precision מסתמכת על חיישני IoT ללחות אדמה, מזג אוויר ובריאות היבול.בתחומים מרוחקים עם קישוריות סלולרית או לווינית מוגבלת, ערפל בתחנות הבסיס המקומיות מצטבר נתונים מחוות מרובות, ליישם מודלים של למידת מכונה כדי לחזות צרכי השקיה, ולהעביר רק סיכומים יומיים.זה מקטין את צריכת רוחב הפס מספיק כדי לפעול ביעילות על קישורים לווייניים נמוכים, מה שהופך חקלאות חכמה קיימא באזורים מתפתחים.

אדריכלות טכנית של Fog Networks

ארכיטקטורת מחשוב ערפל טיפוסית מורכבת משלושה טיים:

  • (FLT:0) Endpoint Tiercio:FLT:1 Sensors, Actuators, ומכשירים אחרים של IoT שיוצרים נתונים.מכשירים אלה לעתים קרובות חסרים את כוח העיבוד לביצוע ניתוחים מורכבים.
  • (FLT:0)Fog Tierir: 1 רשת של ערפל (כבישים, נתבים, מיקרוסרברס) פרוס בקצה.כל אחד מהם מפעיל מערכת הפעלה קלה, יישומים מקוטבים, ולעתים קרובות מסד נתונים מקומי.
  • (FLT:0Cloud Tierir:FLT:1 מרכזי נתונים מרכזיים אשר מטפלים באחסון לטווח ארוך, ניתוח גלובלי, הכשרת מודלים ותזמורת של ערפל.הענן מספק תצוגה גלובלית וניהול מדיניות.

פרוטוקולים מרכזיים בסביבות ערפל כוללים MQTT, CoAP, ו AMQP עבור תעבורת נתונים קלה, יחד עם מסגרות כמו OpenFog Reference אדריכלות (כיום חלק של ה-Internet Consortium) ו- EdgeX Foundry. אמצעי אבטחה כגון TLS, אימות הדדי ו-Firewalls הם קריטיים בכל שכבה. for AdSense, ערפלים לעתים קרובות משתמשים בשכפול נתונים, דחיסה (למשל, , , , , ® , , , , , , , ® , , ® ® , , ® ® ® ® ® ® ® ® ® ® ® , , , , , , , , , , , ® ® , , , ® ® ® ® ® , , ® ® ® ® , ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ®

שיקולים ביטחוניים ופרטיות

בעוד מחשוב ערפל מקטין את חשיפת הנתונים על WAN, הוא מציג אתגרים ביטחוניים חדשים. ערפל מופץ פיזית ועשוי להיות פרוס במקומות לא מאובטחים, מה שהופך אותם פגיעים ל- טמפרינג. ערפל מטושטש יכול לשמש כדי להזריק נתונים זדוניים, לשגר התקפות על הענן, או להסתנן מידע רגיש.

  • (FLT:0) שורש האמון: FLT:1 השתמש במודולים מאובטחים של פלטפורמות (TPM) או בובלות מאובטחות כדי לאמת את השלמות של קושחה ערפל ותוכנה.
  • (ב) ,0) ,Rregular Security Patching:FLT:1, עדכונים אוטומטיים על פני ערפל מבוזרים אל נקודות תורפה קרובה.
  • (בקיצור:0) קידוד מנוחה ובמעבר: ההרחבה:ראה פרק 1: טבלה: כל הנתונים מאוחסנים על ערפל ובמהלך תקשורת בין-לאדה.
  • (ב) ,0)Zero Trust Architecture:FLT:1 Authenticate and Authorize כל בקשה, אפילו מהמכשירים בתוך אותה רשת מקומית.
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

תאימות עם תקנות כגון GDPR, HIPAA ו-CCCCA דורשות לעתים קרובות היערכות נתונים. Fog מחשוב תומך בכך באופן טבעי על ידי עיבוד ואחסון נתונים בגבולות גיאוגרפיים ספציפיים, צמצום הצורך בהעברות נתונים חוצה גבולות שיכולים להפר חוקים של ריבונות.

אתגרים ב Deployment ו Standardization

למרות היתרונות ברורים שלה, אימוץ נרחב של מחשוב ערפל עומד בפני כמה מכשולים:

  • (FLT:0)Lack of Universal Standards:FLT:1 בעוד ה- OpenFog Consortium ו- IEEE פרסמו ארכיטקטורות התייחסות, יישומים רבים הם קנייניים, מובילים לנושאי מנעול והתערבות.
  • (FLT:0)Device and Node Management:FLT:1) ריצוף ושמירה על מאות או אלפי ערפל מבוזר הוא מורכב ניטור מרחוק, ניהול חשמל ועדכוני תוכנה דורשים כלי תזמורת מתוחכמת.
  • (FLT:0Network Reliability and Quality of Service:BuildF:cioF1) ערפל תלוי בתשתיות רשת מקומיות. Power Outages, קישורים לכישלונות, או הפרעה יכולים לזלזל בביצועים. Redundant node topologies and non-First design help but add Cost.
  • (ב) [15] , ⁇ : ⁇ : ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (FLT:0) לעומת מינוף של הטבות: FIRLT:1 (ההשקעה בערפל חומרה ותוכנה יכולה להיות משמעותית. ארגונים חייבים בקפידה מודל חיסכון רוחב פס, שיפורים בעקביות ואמינות עולה לבנות תיק עסקי.עבור פריסות IoT בקנה מידה קטן, ענן מרכזי עשוי עדיין להיות יותר כלכלי.

מחקר מתמשך בתחומים כמו למידה ממוזמנת, שבו מודלים מאומנים על פני ערפל מבוזר ללא שיתוף נתונים גולמיים, מבטיח להפחית גם את רוחב הפס ואת הסיכונים הפרטיות. בדומה, התקדמות מסגרות יישום וירטואליות וניתנות קצה (למשל, AWS Greengras, Azure IoT Edge, Google Anthos) מקלות על פריסה וניהול פתרונות ערפל בקנה מידה.

עתידו של פוג בעולם מאומנים

כמו 5G ו-6G רשתות להתגלגל, הביקוש לעקביות אולטרה נמוכה ויישומים גבוהים בפס גבוה רק ירחיבו.עם זאת, אפילו רשתות סלולריות הדור הבא יש יכולת סופית, ורבים משתמשים במקרים רבים - כגון IoT תעשייתי מסיבי, כלי רכב מחוברים, מציאות מוגברת - ידרוש מחשוב ערפל כדי למנוע עיבוד מהרשת הליבה.

יתר על כן, שיקולי קיימות מניעים עניין במחשוב ערפל.הפחתת נפח הנתונים המועברים למרכזי נתונים אנרגיה בעצימות אנרגיה מורידה את צריכת האנרגיה הכוללת של IT. עיבוד מקומי גם מפחית את הצורך בציוד רשת רב עוצמה, תורם לטביעת פחמן קטנה יותר.בסביבות קצה המופעלות על ידי מקורות מתחדשים, ערפל יכול לפעול באופן אוטונומי בעוד הענן משמש כגיבוי.

מסקנה

מגבלות בנדידות אינן אי נוחות זמנית – הן מעצמה יסודית של תשתיות רשת פיזיות שיימשכו ככל שדור הנתונים יגדל באופן אקספונציאלי. ערפל מחשוב מספק אסטרטגיה מוכחת, הנקראת על ייצור כדי להתגבר על המגבלות הללו על ידי עיבוד נתונים שבהם הוא נוצר.באמצעות סינון נתונים, קבלת החלטות מקומית, וארכיטקטורה היררכית של זמן היררכית, ערפל מפחית באופן דרמטי את התנועה, הגמישות, ולהגדיל את מערכת הביטחון שלה, בעוד שהולכת, תישארנה, תקטין את עלויות התפעולית, בעוד שהולכת ומגבילה, עומדות, עומדות, יציבות, עומדות, יציבותה, יציבות, עומדות, עומדות, עומדות, עומדות את עלויות ניהולית, יציבות, עומדות, יציבות, יציבות, יציבות, עומדות, יציבות, עומדות, יציבות, יציבות, יציבות, עומדות, יציבות, יציבות, יציבות, יציבות, יציבות, עומדות, יציבות, עומדות, עומדות, יציבות, יציבות, ולהפחית את עלויות ניהולית, יציבות, יציבות, יציבות, יציבות, יציבות, יציבות, יציבות, יציבות, יציבות, יציבות, בעוד שמערכת אבטחה מתקדמת יותר, עומדות, יציבות, יציבות, יציבות, יציבות, עומדות, יציבות, יציבות, יציבות,

(ב) לקריאה נוספת על ארכיטקטורות מחשוב ערפל ומחקרי מקרה, לשקול לחקור משאבים מן ה-FLT:0.50:0.50;9) ו-FLT:2Ericsson Edge מ-WiFial White PaperofFLT 3 (עבור מדריכי יישום מעשיים, ה-FLT:4AWS Greengras תיעודs:5 מציע הליכה מפורטת של אדריכלות ערפל בהשראת.