Fog Computing: трансформация потока данных IoT и снижение нагрузки на облако

Интернет вещей ожидается достигнет 20–30 млрд подключенных устройств к 2020 году. По мере добавления каждого нового устройства, объем данных, предназначенных для облака, будет расти экспоненциально.

Пока хранилище и вычислительная мощность продолжают удваиваться примерно каждые 18 месяцев — благодаря закону Мура — полоса пропускания расширяется гораздо медленнее, многие исследования цитируют менее 40% годового роста. Следовательно, объем данных, желавших достичь облака, скоро превысит доступную пропускную способность.

См. также: Чем fog computing отличается от edge computing?

Fog computing переносит вычисления из централизованных дата-центров к краю сети. Обрабатывая данные локально и отправляя в облако только дистиллированные результаты, этот подход драматически снижает требования к полосе пропускания и облегчает потребность в массиве облачных ресурсов.

Централизованное облачное вычисление долго предлагало предприятиям масштабируемость, понятное ценообразование и минимальные upfront-затраты. Однако оно также вводит латентность, джиттер и более высокую вероятность инцидентов безопасности, пока огромные объемы данных traverserшируют wide-area сети.

Fog computing митигирует эти вызовы, снижая объем данных, идущих в облако, резая латентность через on-site обработку и минимизируя экспозицию network-wide атакам.

В аналитике-драйвенных бизнесах real-time инсайты часто самые ценные. Ожидание, пока данные поедут в далекое облако, будут обработаны и вернутся, может задержать критические решения. Fog computing заставляет нас оценивать, какие вычисления должны происходить локально, а какие принадлежат облаку.

Какие данные нам действительно нужны?

Коммерческие самолеты несут датчики, генерирующие до 40 TB данных каждый час полета. Умноженное на ежедневные часы полетов, авиапром производит ошеломляющее количество данных — большая часть не требуется для real-time аналитики вроде оптимизации топливной эффективности. Аналогично, флот автономных авто сгенерирует сопоставимые объемы. Во многих случаях самые ценные данные — короткоживущие и могут быть обработаны on-device до потери релевантности.

См. также: 4 частые ошибки клиентов при переходе к облачным вычислениям

Fog computing заставляет нас отличать, какие данные критичны, а какие могут быть отброшены или обработаны локально, делая решения по обработке данных более гранулярными и эффективными.

По мере зрелости fog-парадигмы и подключения большего числа устройств мы увидим сдвиг в том, где данные обрабатываются и хранятся. Пока облако продолжит предлагать масштабируемость и стоимостные выгоды, стратегическое использование fog computing будет ключом к управлению взрывным ростом IoT-данных и поддержанию оптимальной производительности.