امروزه با توجه به اینکه اینترنت اشیا یا (Internet of Things (IoT به ارائه داده در حجم بالا و طیف وسیعی می‌پردازد، این امکان وجود دارد که در زمان انتقال داده‌ها به Cloud جهت تجزیه و تحلیل، فرصت انجام هرگونه فعالیتی بر روی آنها از بین برود. در این مقاله که برای متخصصان تکنولوژی عملیاتی و IT ارائه می‌گردد، به بررسی یک مدل جدید برای تجزیه و تحلیل و فعالیت بر روی دادههای IoT می‌پردازیم که Edge Computing یا Fog Computing نامیده می‌شود و شامل اقدامات زیر می‌گردد:
- به جای ارسال حجم زیادی از دادههای IoT به Cloud، به تحلیل دادههای حساس به زمان یا Time-Sensitive در لبه (Edge) شبکه و در نزدیکی مکانی که اطلاعات ایجاد شده‌اند، می پردازد.
- بر اساس Policyهای تعیین شده، در مدت زمان چند میلی‌ثانیه بر روی دادههای IoT فعالیت می‌کند.
- دادههای انتخاب شده را برای تحلیل و بررسی مبتنی بر تاریخ و ذخیره‌سازی بلندمدت به Cloud می‌فرستد.
قبل از اینکه به مبحث Fog Computing اشاره نماییم، نیاز است تا به بررسی مواردی در مورد IoT بپردازیم.
مزایای استفاده از IoT
IoT، کسب اطلاعات در مورد رویداد‌ها و پاسخ‌گویی به آنها را تسریع می‌نماید. زمان پاسخ‌گوییِ کوتاه‌تر در صنایعی نظیر صنایع تولیدی، نفت و گاز، خدمات رفاهی، حمل و نقل، معدن و بخش دولتی می‌تواند موجب بهبود خروجی کار، ارتقای سطح خدمات و افزایش امنیت شود.
تصور کنید که سنسور دمای یکی از دستگا‌ه‌های اصلی و مهم در یک کارخانه از خرابی قریب الوقوع آن خبر دهد. تکنسین بلافاصله برای تعمیر دستگاه اعزام می‌شود تا مانع از خاموشی دستگاه و تحمیل هزینه‌های زیاد به کارخانه گردد. در صنعت نفت و گاز، تغییر دما توسط سنسورهای خطوط لوله ثبت می‌شود. پمپ‌ها در واکنش به این مشکل، به صورت خودکار سرعت را کم می‌کنند تا از بروز فاجعه جلوگیری نمایند. در بخش خدمات رفاهی، مزاحمان و اخلال‌گران در نظم را با دوربین‌های دقیق و قدرتمند از ایستگاه‌های کنترل از راه دور شناسایی نموده و ماموران امنیتی را در جریان امر قرار می‌دهند. دوربین‌های دیگر در سایر ایستگا‌ه‌ها نیز رویدادهای مشابه را نشان می‌دهند و زنگ هشدار به طور خودکار، به صدا درمی‌آید.
همچنین متصل شدن انواع دیگری از اشیاء به اینترنت می‌تواند فرصت‌های شغلی جدیدی را ایجاد نماید. برای نمونه می‌توان از Pay-as-you-Drive بیمه خودرو، Lighting-as-a-Service و Machine-as-a-Sevice یا Maas نام برد.
زیرساخت مناسب جهت استفاده از Fog Computing
سرمایه‌گذاری روی IoT مستلزم نوع جدیدی از زیرساخت‌ها می‌باشد. مدل‌های فعلی Cloud برای حجم، تنوع و سرعت دادههای ارائه شده توسط IoT طراحی نشده‌اند. تعداد زیادی از تجهیزاتی که قبلا به اینترنت متصل نبودند، در حال حاضر روزانه بیش از 2 اگزابایت داده تولید می‌کنند. تا سال 2020، حدود 50 بیلیون شیء به اینترنت متصل خواهند شد که انتقال تمامی دادههای تولید شده توسط آنها به Cloud جهت انجام فرآیند تجزیه و تحلیل مستلزم پهنای باند بسیار زیادی است و مدل‌های کنونی Cloud، برای حجم، تنوع و سرعت داده‌هایی که IoT ایجاد می‌کند، طراحی نشده‌اند.
این حجم وسیع از اشیاء می‌توانند انواع بی‌شماری از اشیاء جدید را نیز ارائه نماید (شکل 1). برخی از آنها شامل دستگاه‌هایی هستند که جهت اتصال به Controller از پروتکل‌های صنعتی استفاده می‌کنند نه IP، بنابراین با توجه به این موضوع، قبل از ارسال اطلاعات به Cloud برای تجزیه‌وتحلیل و یا ذخیره‌سازی باید آنها را به IP تبدیل کرد.
شکل 1- اتصال تعداد زیادی از اشیاء و انواع مختلف آن به Cloud با توجه به ساختار کنونی امکان پذیر نمی‌باشد.
تجهیزات IoT به طور مستمر داده تولید می‌کنند و اغلب تحلیل این داده‌ها باید به سرعت انجام شود. برای مثال، وقتی دما در مخزن‌های شیمیایی به سرعت به حد از پیش تعیین‌شده نزدیک می‌گردد، اقدامات اصلاحی باید بلافاصله صورت گیرند، بنابراین مدت زمانی که برای خواندن دما و انتقال داده از Edge به Cloud و تحلیل آن صرف می‌شود، فرصت را جهت رفع خرابی از بین می‌برد.
کنترل حجم، تنوع و سرعت دادههای IoT مستلزم یک مدل Computing جدید می‌باشد که شرایط اصلی آن شامل موارد ذیل می‌گردد:
- کاهش زمان تاخیر:
در هنگام تلاش برای جلوگیری از توقف خط تولید و یا بازیابی برخی سرویس‌ها، حتی چند میلی‌ثانیه نیز حائز اهمیت می‌باشد. تحلیل داده‌ها در نزدیکی تجهیزاتی که آنها را جمع‌آوری نموده‌اند، می‌تواند بین جلوگیری از فاجعه و کنترل خرابی‌های سیستم، تفاوت ایجاد نماید.
- محافظت از پهنای‌باند شبکه:
با توجه به اینکه امروزه در صنعت هایی مانند سکوهای نفتی هر هفته 500 گیگابایت و یا در صنعت پرواز، جت‌های تجاری در هر سی دقیقه پرواز، 10 ترابایت داده تولید می‌گردد، انتقال حجم زیاد این داده‌ها از هزاران یا صدها هزار تجهیزات Edge به Cloud عملی نخواهد بود؛ حتی می توان عنوان کرد به دلیل اینکه بسیاری از آنالیزهای مهم نیازی به ذخیره سازی و پردازش در مقیاس Cloud ندارند، انجام این انتقال غیر ضروری خواهد بود.
- توصیف دغدغه‌ها و مشکلات امنیتی:
دادههای IoT باید در طول فرآیند انتقال و حتی غیر از آن نیز محافظت گردند. این موضوع مستلزم مانیتورینگ و پاسخ خودکار در کل زنجیره‌ی حمله یعنی قبل از حمله، در طول مدت حمله و بعد از آن می‌باشد.
- عملکرد قابل اطمینان:
دادههای IoT در تصمیمات اثرگذار بر ایمنی شهروندان و زیرساخت‌های مهم به میزان زیادی مورد استفاده قرار می‌گیرند بنابر این Integrity و Availability زیرساخت و داده‌ها را نمی‌توان مورد بحث قرار داد.
- داده‌ها را از یک محدوده‌ی گسترده جغرافیایی با شرایط محیطی متفاوت جمع‌آوری و محافظت می‌نماید:
تجهیزات IoT را می‌توان در فاصله صدها مترمربع یا بیشتر توزیع نمود. علاوه بر آن تجهیزات به کار رفته در محیط‌هایی مانند ریل‌ها، جاده‌ها، ایستگاه‌های خدماتی و همچنین وسایل نقلیه ممکن است نیازمند مقاوم‌سازی باشند؛ اما این موضوع در مورد تجهیزاتی که در فضای داخلی کنترل می‌شوند، مطرح نمی‌گردد.
- داده‌ها را جهت پردازش به بهترین مکان منتقل می‌نماید:
تصمیم‌گیری در مورد بهترین مکان برای داده‌ها تا حدودی به سرعت لازم برای اتخاذ یک تصمیم بستگی دارد. تصمیمات مهم به لحاظ زمانی باید درنزدیکی شئی اتخاذ شوند که داده‌ها را تولید و روی آنها کار انجام می‌دهد. در مقابل، تجزیه و تحلیل دادههای بزرگ در مورد دادههای گذشته نیازمند منابع رایانش (Computing) و ذخیره‌سازیِ Cloud می‌باشد.
معماری Cloud Computing یا رایانش ابریِ سنتی نمی‌تواند تمام نیازهای مربوط به شرایط فوق را تامین کند. رویکرد عمومی این نوع Computing، انتقال تمام داده‌ها از لبه (Edge) شبکه به Data Center جهت انجام فرآیند پردازش می‌باشد که باعث افزایش زمان تاخیر می‌گردد. علاوه بر آن ترافیک مربوط به تجهیزات خیلی بیشتر از ظرفیت پهنای‌باند خواهد شد. مقررات صنعت و دغدغه‌های مربوط به حریم خصوصی مانع از ذخیره‌سازی به صورت Offsite برای انواع خاصی از داده‌ها می‌شود. علاوه بر این، سرورهای Cloud فقط با IP مرتبط می‌شوند و با تعداد زیادی از پروتکل‌های دیگر که توسط تجهیزات IoT مورد استفاده قرار می‌گیرند، مرتبط نمی‌گردند. بنابر این مکان مناسب برای تحلیل و بررسی اکثر دادههای IoT، در نزدیکی تجهیزاتی است که آنها را تولید و روی آنها فعالیت انجام می‌دهند؛ این فرآیند Fog Computing نامیده می‌شود.
در قسمت دوم (پایانی) به تفصیل راجع به Fog Computing و نحوه کار آن خواهیم پرداخت.
ـــــــــــــــــــــــــــــــــــــــــــــــــ
