Fog Computing چیست؟
Fog Computing به معنای محاسبات مه (رایانش مه) یک زیرساخت محاسباتی غیرمتمرکز است که در آن داده‌ها، محاسبات، فضای ذخیره‌سازی و برنامه‌ها در جایی بین منبع داده و ابر قرار دارند. مانند edge computing، fog computing، مزایا و قدرت ابر را به جایی که داده‌ها ایجاد شده و بر اساس آن عمل می‌شود، نزدیک‌تر می‌کند. بسیاری از مردم از اصطلاحات fog computing و edge computing به جای یکدیگر استفاده می‌کنند، زیرا هر دو شامل نزدیک کردن هوش و پردازش به محل ایجاد داده می‌شوند. این اغلب برای بهبود کارایی انجام می‌شود، اگرچه ممکن است به دلایل امنیتی و انطباق نیز انجام شود.
استعاره مه از اصطلاح هواشناسی برای ابر نزدیک به زمین می‌آید، درست همانطور که مه در لبه شبکه متمرکز می‌شود. این اصطلاح اغلب با اسم سیسکو همراه است. گمان می‌رود که مدیر خط تولید این شرکت، جینی نیکولز، این اصطلاح را ابداع کرده باشد. Cisco Fog Computing یک نام ثبت شده است. اصطلاح fog computing به صورت برای جامعه باز و قابل استفاده است.
Fog Computing چگونه کار می‌کند؟
شبکه مه جایگزین محاسبات ابری نیست بلکه مکمل آن محسوب می‌شود. مه‌آلود کردن (fogging)، تحلیل‌های کوتاه‌مدت را در edge امکان‌پذیر می‌کند، در حالی که ابر تجزیه و تحلیل‌هایی با نیاز بالا به منابع و طولانی‌مدت را انجام می‌دهد. اگرچه دستگاه‌ها و حسگرهای edge محل تولید و جمع‌آوری داده‌ها هستند، اما گاهی اوقات منابع محاسباتی و ذخیره‌سازی برای انجام تحلیل‌های پیشرفته و وظایف یادگیری ماشینی ندارند. اگرچه سرورهای ابری قدرت انجام این کار را دارند، اما اغلب برای پردازش داده‌ها و پاسخگویی به موقع بسیار دور هستند.
علاوه بر این، داشتن تمام نقاط پایانی برای اتصال و ارسال داده‌های خام به ابر از طریق اینترنت می‌تواند پیامدهای حریم خصوصی، امنیتی و قانونی داشته باشد، به‌ویژه در هنگام برخورد با داده‌های حساس مشمول مقررات در کشورهای مختلف. کاربردهای محبوب fog computing شامل شبکه‌های هوشمند، شهرهای هوشمند، ساختمان‌های هوشمند، شبکه‌های وسایل نقلیه و شبکه‌های تعریف شده توسط نرم‌افزار (software-defined network) می‌باشد.
Fog Computing در مقابل edge computing
طبق کنسرسیوم OpenFog که توسط سیسکو راه اندازی شده است، تفاوت اصلی بین edge computing و fog در جایی است که هوش و قدرت محاسباتی در آن قرار می‌گیرد. در یک محیط کاملا مه‌آلود، اطلاعات در شبکه محلی (LAN) قرار دارد و داده‌ها از نقاط پایانی به یک دروازه fog منتقل می‌شوند، جایی که برای پردازش و ارسال برگشت به منابع منتقل می‌شوند.
در edge computing، هوش و قدرت می‌تواند در نقطه پایانی یا یک دروازه باشد. طرفداران edge computing کاهش نقاط خرابی آن را ستایش می‌کنند زیرا هر دستگاه به طور مستقل کار می‌کند و تعیین می‌کند که کدام داده را به صورت محلی ذخیره کند و کدام داده را برای تجزیه و تحلیل بیشتر به دروازه یا ابر ارسال کند. طرفداران fog computing بر این باورند که این فناوری از edge computing مقیاس پذیرتر است و تصویر کلی بهتری از شبکه ارائه می‌دهد زیرا چندین نقطه داده، داده‌ها را به آن وارد می‌کند. البته لازم به ذکر است که برخی از مهندسان شبکه، fog computing را صرفا یک برند سیسکو برای یک رویکرد به edge computing می‌دانند.
چگونه و چرا از Fog Computing استفاده می‌شود؟
تعداد زیادی استفاده بالقوه برای fog computing وجود دارد. یکی از موارد استفاده رایج برای fog computing، کنترل ترافیک است. از آنجایی که حسگرها – مانند حسگرهایی که برای تشخیص ترافیک استفاده می‌شوند – اغلب به شبکه‌های سلولی متصل هستند، شهرها گاهی اوقات منابع محاسباتی را در نزدیکی برج سلولی مستقر می‌کنند. این قابلیت‌های محاسباتی، تجزیه و تحلیل بی‌درنگ داده‌های ترافیک را امکان‌پذیر می‌سازد، در نتیجه سیگنال‌های ترافیکی را قادر می‌سازد تا بلادرنگ به شرایط متغیر پاسخ دهند.
این مفهوم اساسی به وسایل نقلیه خودران نیز تعمیم داده شده است. وسایل نقلیه خودران اساسا به دلیل قدرت محاسباتی عظیم خود به عنوان دستگاه‌های edge عمل می‌کنند. این وسایل نقلیه باید بتوانند داده‌های تعداد زیادی سنسور را دریافت کنند، تجزیه و تحلیل داده‌ها را در لحظه انجام و سپس به آن پاسخ دهند.
از آنجایی که یک وسیله نقلیه خودمختار طوری طراحی شده است که بدون نیاز به اتصال ابری کار کند، وسوسه انگیز است که وسایل نقلیه خودران را به عنوان دستگاه‌های غیر متصل تصور کنیم. در حالی که یک وسیله نقلیه خودمختار باید بتواند در غیاب هرگونه اتصال ابری، با خیال راحت رانندگی کند، همچنان امکان استفاده از اتصال ابری در صورت دسترسی وجود دارد. برخی شهرها در حال بررسی این موضوع هستند که چگونه یک وسیله نقلیه خودران با همان منابع محاسباتی مورد استفاده برای کنترل چراغ‌های راهنمایی کار کند. به عنوان مثال، چنین وسیله نقلیه‌ای ممکن است به عنوان یک دستگاه لبه عمل کند و از قابلیت‌های محاسباتی خود برای انتقال داده‌های بلادرنگ به سیستمی که داده‌های ترافیکی را از منابع دیگر دریافت می‌کند، استفاده کند. سپس پلتفرم محاسباتی زیربنایی می‌تواند از این داده‌ها برای عملکرد مؤثرتر سیگنال‌های ترافیکی استفاده کند.
مزایا
مانند هر فناوری دیگری، fog computing دارای مزایا و معایب خود است. برخی از مزایای fog computing شامل موارد زیر است:
- حفظ پهنای باند: fog computing حجم داده‌هایی را که به ابر ارسال می‌شود کاهش می‌دهد و در نتیجه مصرف پهنای باند و هزینه‌های مربوطه را کاهش می‌دهد.
- بهبود زمان پاسخگویی: از آنجایی که پردازش داده‌های اولیه در نزدیکی داده‌ها انجام می‌شود، تأخیر کاهش می‌یابد و پاسخگویی کلی بهبود می‌یابد. هدف ارائه پاسخگویی در سطح میلی ثانیه است که امکان پردازش داده‌ها را در لحظه فراهم می‌کند.
- نادیده گرفتن شبکه: اگرچه fog computing به طور کلی منابع محاسباتی را در سطح LAN قرار می‌دهد- برخلاف سطح دستگاه، که در مورد edge computing است – شبکه را می‌توان بخشی از معماری fog computing در نظر گرفت. در عین حال، fog computing از این نظر که شبکه می‌تواند سیمی، وای فای یا حتی ۵G باشد، شبکه را نادیده می‌گیرد.
مقاله پیشنهادی ” FC بر روی اترنت (FCoE): مزایا و موارد استفاده”
معایب
البته fog computing معایبی نیز دارد که برخی از آن‌ها شامل موارد زیر است:
- موقعیت فیزیکی: از آنجایی که fog computing به یک مکان فیزیکی گره خورده است، برخی از مزایای «در هر زمان/هرجا» مرتبط با رایانش ابری را تضعیف می‌کند.
- مسائل امنیتی بالقوه: در شرایط مناسب، fog computing می‌تواند در معرض مسائل امنیتی، مانند جعل آدرس پروتکل اینترنت (IP) یا حملات MitM قرار گیرد.
- هزینه‌های شروع: fog computing راه حلی است که از منابع edge و ابری استفاده می‌کند، به این معنی که هزینه‌های سخت افزاری مرتبط وجود دارد.
- مفهوم مبهم: اگرچه fog computing چندین سال است که وجود داشته است، هنوز ابهاماتی در مورد تعریف fog computing وجود دارد و فروشندگان مختلف fog computing را به طور متفاوتی تعریف می‌کنند.
Fog Computing و اینترنت اشیا
از آنجایی که رایانش ابری برای بسیاری از برنامه‌های کاربردی اینترنت اشیا (IoT) قابل اجرا نیست، اغلب از fog computing استفاده می‌شود. رویکرد توزیع شده آن به نیازهای اینترنت اشیا و اینترنت اشیاء صنعتی (IIoT) و همچنین حجم عظیمی از داده‌های تولید شده توسط سنسورهای هوشمند و دستگاه‌های اینترنت اشیا که ارسال آن به ابر برای پردازش و تجزیه و تحلیل پرهزینه و زمان بر است، پاسخ می‌دهد. fog computing پهنای باند مورد نیاز و ارتباط رفت و برگشت بین سنسورها و ابر را، که می‌تواند بر عملکرد اینترنت اشیا تأثیر منفی بگذارد، کاهش می‌دهد.
Fog Computing و ۵G
fog computing یک معماری محاسباتی است که در آن مجموعه‌ای از گره‌ها داده‌ها را از دستگاه‌های اینترنت اشیا در لحظه دریافت می‌کنند. این گره‌ها پردازش بلادرنگ داده‌هایی را که دریافت می‌کنند را با زمان پاسخ میلی ثانیه انجام می‌دهند. گره‌ها به صورت دوره‌ای اطلاعات خلاصه تحلیلی را به ابر ارسال می‌کنند. سپس یک برنامه مبتنی بر ابر، داده‌های دریافت شده از گره‌های مختلف را با هدف ارائه بینش عملی تجزیه و تحلیل می‌کند.
این معماری به چیزی بیش از قابلیت‌های محاسباتی نیاز دارد. این نیاز به اتصال با سرعت بالا بین دستگاه‌های IoT و گره‌ها دارد. به یاد داشته باشید، هدف این است که بتوانیم داده‌ها را در چند میلی ثانیه پردازش کنیم. البته، گزینه‌های اتصال بسته به موارد استفاده متفاوت است. به عنوان مثال، یک حسگر اینترنت اشیا در یک طبقه کارخانه، احتمالا می‌تواند از یک اتصال سیمی استفاده کند. با این حال، یک منبع متحرک، مانند یک وسیله نقلیه خودران، یا یک منبع مجزا، مانند یک توربین بادی در وسط یک مزرعه، به شکل جایگزینی از اتصال نیاز دارد. ۵G یک گزینه به خصوص و قانع کننده است زیرا اتصال پرسرعتی را فراهم می‌کند که برای تجزیه و تحلیل داده‌ها به صورت تقریبا بلادرنگ لازم است.
پیشینه Fog Computing
در سال ۲۰۱۵، سیسکو با مایکروسافت، دل، اینتل، آرم و دانشگاه پرینستون برای تشکیل کنسرسیوم OpenFog شریک شد. سازمان‌های دیگری از جمله جنرال الکتریک، فاکسکان و هیتاچی نیز در این کنسرسیوم مشارکت داشتند. اهداف اولیه کنسرسیوم ارتقاء و استاندارد کردن fog computing بود. این کنسرسیوم در سال ۲۰۱۹ با کنسرسیوم اینترنت صنعتی (IIC) ادغام شد.
