بررسی Fog Computing

یکی از کاربردهای فضای ابری، امکان ذخیره سازی داده های با حجم بالا بدون محدودیت زمانی و مکانی است. محاسبات در این فضا به صورت متمرکز انجام می شود و به همین دلیل افزایش تقاضا برای برنامه هایی که نسبت به تأخیر زمانی حساس هستند و یا با محدودیت پهنای باند شبکه مواجه اند، ابر گزینه ی مناسبی برای انجام امور پردازشی نیست. در اینجا فضای دیگری به اسم مه یا Fog نیاز است تا محاسبات توزیع شده را برای دستگاه های متعددی که به ابر متصل هستند در یک سطح پایین تر و به اصطلاح در لبه ابر انجام دهد. همین اتصال دستگاه های لبه ابر به مه سبب می شود که گاهی به رایانش مه، رایانش لبه یا Edge Computing نیز گفته شود. اگرچه برخی معتقدند این معادل سازی رایانش مه با رایانش لبه به دلیل تفاوت در حجم پردازش هایی که در رایانش لبه نسبت به مه می تواند صورت گیرد، درست نیست.

استفاده از روش های جدید و همچنین توانایی پردازش انواع داده ها در لبه پردازش و همچنین ایجاد شدن خدمات جدید مختلف، دلایل اصلی می باشد که باید حتماً از Fog Computing استفاده شود و به منظور در دسترس بودن انواعی از گره های مهی میتوان به راحتی این شبکه را در یک محیط بزرگ و یا کوچک طراحی نمود. به تمام ابزارهایی که باعث انتقال داده ها می شوند، همانند انواع مسیریاب ها، روترها، اکسس پوینت ها گره مهی گفته می شود و تنها شرط نام بردن آنها، استفاده آنها در شبکه بزرگ Fog Computing می باشد. این موضوع را همیشه باید در نظر داشته باشید که Fog Computing را می توان ترکیبی از دو شبکه محاسبات ابری، به نام های MCC و MEG دانست و با تعمیم یافتن این دو نوع از شبکه ها می توان شبکه ای به نام رایانش مهی ایجاد کرد.

رایانش مه پیشینه ی طولانی مدتی ندارد. نیاز به رایانش مه به منظور کاهش تأخیر برای داده های حجیم برنامه هایی که پردازش روی آن ها باید در زمان واقعی انجام شوند و یا تأخیر کمی را پذیرا هستند و همچنین به دلیل گسترده شدن اینترنت اشیا و برآورده کردن نیاز این دستگاه ها، احساس شد که همین امر سبب پیدایش این فضای رایانشی در سال ۲۰۱۱ شد. پس از آن کنسرسیوم OpenFog با مشارکت شرکت هایی همچون سیسکو، دل، اینتل، مایکروسافت، ARM Holdings و دانشگاه پرینستون با هدف آشنایی بیشتر و ترویج رایانش مه در سال ۲۰۱۵ ایجاد شد. از زمان پیدایش Fog Computing اقدامات زیر برای آن تعریف گردید:

1. به جای ارسال حجم زیادی از داده های IoT به Cloud، به تحلیل داده های حساس به زمان یا Time-Sensitive در لبه Edge شبکه و در نزدیکی مکانی که اطلاعات ایجاد شده اند، می پردازد.
2. بر اساس Policy های تعیین شده، در مدت زمان چند میلی ثانیه بر روی داده های IoT فعالیت می کند.
3. داده های انتخاب شده را برای تحلیل و بررسی مبتنی بر تاریخ و ذخیره سازی بلندمدت به Cloud می فرستد.


دستگاه هایی که در مه وجود دارند تحت عنوان نود شناخته می شوند. هر دستگاه با ارتباط شبکه ای، محاسباتی و ذخیره سازی می تواند یک نود باشد که در هر جایی با یک ارتباط شبکه ای می توانند قرار گیرند. دستگاه های مختلف از کنترل کننده ها تا سوئیچ ها، روترها و دوربین های فیلمبرداری، می توانند به عنوان یک نود مه عمل کنند. این نود ها می توانند در مناطق هدف مانند دفتر کار یا در یک وسیله نقلیه به کار گرفته شوند. وقتی یک دستگاه اینترنت اشیاء داده هایی تولید می کند، این داده ها می توانند از طریق یکی از این گره ها دریافت شوند و در شبکه، پردازش سپس به مراکز داده ابری منتقل شوند. مهمترین تفاوت رایانش ابری و رایانش مه این است که محاسبات مه نزدیکی جغرافیایی بیشتری به کاربر نهایی دارد و توزیع جغرافیایی وسیع تری ایجاد می کند.

شبکه مه شامل دو صفحه است. یکی از صفحات مربوط به داده و دیگری کنترلی است. قابلیت صفحه داده این است که به کمک آن، سرویس ها به جای حضور در مرکز داده در لبه شبکه قرار می گیرند. علاوه بر این دو صفحه، تمام دستگاه هایی که در شبکه مه وجود دارند به عنوان نود شناخته می شوند. نودها شامل دستگاه های مختلف همچون سوئیچ ها، روترها، دستگاه های اینترنت اشیا و غیره می شوند. به طور کلی هر دستگاهی که قابلیت محاسباتی، ذخیره سازی و شبکه ای داشته باشد، می تواند یک نود باشد که با ارتباط شبکه ای در شبکه مه قرار می گیرد. مه قابلیت اتصال به دستگاه های انتهایی یا همان نودها را توسط اینترنت بی سیم و از طریق فناوری هایی همچون Blutooth، Wi-Fi، ۴G و غیره دارد. همچنین لایه ی مه از طریق اینترنت به منظور بهره مندی کامل از منابع پردازشی و قدرت ذخیره سازی زیاد لایه ی ابر، از طریق اینترنت با این لایه در ارتباط است. به عبارتی می توان گفت لایه ی مه همانند پلی میان لایه ی ابر و دستگاه های انتهایی است و پردازش هایی که در مه صورت می گیرد جایگزین پردازش هایی که در ابر صورت می گیرد، نخواهد شد بلکه مکملی برای آن است.


زیرساخت مناسب جهت استفاده از Fog Computing

در گام اول، برای داشتن فضای امن تبادل اطلاعات نیاز به فیلترشکن داریم، که مخاطبین می توانند از قسمت خرید vpn سایت به آن دست یابند. در بررسی های مختلف انجام شده، برخی از ابزارهای طراحی شده در دنیای اینترنت اشیا می توانند تا حدود 2 اگزابایت داده تولید کنند و این داده ها نیازمند پردازش های متوالی هستند. شبکه های کلود و پردازش ابری، دیگر نمی توانند به راحتی این نوع داده ها را مورد بررسی قرار دهد و همچنین می توان گفت به دلیل عملکرد ضعیف این شبکه نسبت به Fog Computing داده ها با مشکل سرریز نیز مواجه خواهند شد و امکان دارد که داده ها از بین بروند. 

سرمایه گذاری روی IoT مستلزم نوع جدیدی از زیرساخت ها می باشد. مدل های فعلی Cloud برای حجم، تنوع و سرعت داده های ارائه شده توسط IoT طراحی نشده اند. تعداد زیادی از تجهیزاتی که قبلاً به اینترنت متصل نبودند، در حال حاضر روزانه بیش از 2 اگزابایت داده تولید می کنند. تا سال 2020، حدود 50 بیلیون شیء به اینترنت متصل خواهند شد که انتقال تمامی داده های تولید شده توسط آنها به Cloud جهت انجام فرآیند تجزیه و تحلیل مستلزم پهنای باند بسیار زیادی است و مدل های کنونی Cloud، برای حجم، تنوع و سرعت داده هایی که IoT ایجاد می کند، طراحی نشده اند. این حجم وسیع از اشیاء می توانند انواع بی شماری از اشیاء جدید را نیز ارائه نماید. برخی از آنها شامل دستگاه هایی هستند که جهت اتصال به Controller از پروتکل های صنعتی استفاده می کنند نه IP، بنابراین با توجه به این موضوع، قبل از ارسال اطلاعات به Cloud برای تجزیه و تحلیل و یا ذخیره سازی باید آنها را به IP تبدیل کرد. تجهیزات IoT به طور مستمر داده تولید می کنند و اغلب تحلیل این داده ها باید به سرعت انجام شود. برای مثال، وقتی دما در مخزن های شیمیایی به سرعت به حد از پیش تعیین شده نزدیک می گردد، اقدامات اصلاحی باید بلافاصله صورت گیرند، بنابراین مدت زمانی که برای خواندن دما و انتقال داده از Edge به Cloud و تحلیل آن صرف می شود، فرصت را جهت رفع خرابی از بین می برد.


مزایا و معایب رایانش مه

یکی از مواردی که در Fog Computing بسیار کاربردی و جذاب است، کاهش ترافیک در مسیرهای عبوری شبکه می باشد. در این روش که کاملاً متفاوت است از محاسبات ابری، به دلیل کاهش جابجایی تا حد امکان کاهش بار ترافیک بر روی شبکه به میزان قابل ملاحظه ای کاهش پیدا کرده است و باعث پردازش سریع تر داده ها می شود. همچنین به منظور داشتن رمزنگاری های مخصوص بر روی یک شبکه Fog Computing میتوان گفت امنیت داده ها بسیار بیشتر است و داده ها بدون دست خوردگی و یا بروز مشکل به منظور پردازش و پاسخ ارسال می گردند.

رایانش مه سبب کاهش برخی از معایب رایانش ابری و استفاده ی راحت تر توسط کاربر انتهایی شد. برخی از مهم ترین مزایای این نوع رایانش عبارت است از:

• کاهش زمان پاسخگویی یا کاهش تأخیر: این امر برای دستگاه هایی که عملیات آن ها به حداقل تأخیر در پردازش وابسته است بسیار اهمیت دارد.
• حفظ پهنای باند و کاهش ارسال داده ها به ابر: برخی از دستگاه ها همانند جت ها یا سکوهای نفتی حجم داده ی بالایی در حد ترابایت تولید می کنند که لزومی به ارسال همه ی آن ها به ابر و انجام پردازش ابری بر روی آن ها نیست. برخی از این داده ها برای پردازش می توانند به مه فرستاده شوند.
• چابکی بیشتر کسب و کار: Developer ها با ابزار درست می توانند به سرعت برنامه های Fog را توسعه داده و آنها را در موارد لازم به کار برند. تولید کنندگان ماشین به مشتریان خود، MaaS را پیشنهاد می کنند. برنامه های Fog می تواند دستگاه را مطابق با نیاز هر یک از مشتریان تنظیم نماید.
• اطلاعات دقیق تر همراه با کنترل حریم خصوصی: به جای ارسال داده های حساس به Cloud، این داده ها را به صورت Local تجزیه و تحلیل می کند. بنابراین تیم IT می تواند تجهیزاتی که داده ها را جمع آوری، تحلیل و ذخیره می نماید، کنترل و مانیتور نماید.
• اطلاعات دقیقتر همراه با کنترل حریم خصوصی: به جای ارسال داده های حساس به Cloud، این داده ها را به صورت Local تجزیه و تحلیل می کند. بنابراین تیم IT می تواند تجهیزاتی که داده ها را جمع آوری، تحلیل و ذخیره می نماید، کنترل و مانیتور نماید.
• افزایش امنیت: امنیت داده ها چه در زمان ارسال و چه در زمان نگهداری باید مورد توجه قرار گیرد. در مه به دلیل نزدیک نگهداشتن داده ها در لبه، امنیت بیشتر تأمین خواهد شد.
• پردازش در بهترین مکان پردازشی: مه امکان انتخاب محل پردازش را متناسب با نیاز کاربر و نوع پردازش فراهم می سازد. برای مثال در جایی که به پردازش با حداقل تأخیر نیاز است، مه می تواند انتخاب مناسبی باشد. در مقابل، زمانی که به منابع ذخیره سازی و محاسباتی قدرتمند نیاز است و داده های بزرگ برای تحلیل مدنظر هستند، رایانش ابری انتخاب مناسبی خواهدبود. در مقابل مزایایی که رایانش مه دارد، معایبی نیز دارد که مهم ترین آن ها عبارتند از:
1. نیاز به تجهیزات سخت افزاری بیشتر و به دنبال آن افزایش هزینه
2. نیاز به دسترسی دائمی به تجهیزات و دستگاه های مه