クラウドコンピューティングからフォグコンピューティングへの移行

[[353221]]

フォグ コンピューティングはクラウドを完全に置き換えることはできないかもしれませんが、データの負荷を軽減することでクラウドに貢献することは間違いありません。

IoT の成長により、既存のクラウド ネットワークでは、増大するデータ負荷と処理要件、特にリアルタイム要件を満たすことができなくなっています。モノのインターネットに接続された消費者向けおよび企業向けデバイスの増加により、最先端のプロバイダーが提供するクラウド サービスに過度の負担がかかっています。集中型アーキテクチャを提供しましたが、帯域幅が不足しており、コストが高すぎました。 IoT クラウド サービスが直面するその他の問題としては、高いレイテンシ、サイバー攻撃に対する脆弱性、位置認識の欠如、ダウンタイムの問題などがあります。これらの問題に対処するために、企業は徐々にフォグ コンピューティングに目を向け始めています。フォグ コンピューティングは、モノのインターネットによって生成されたデータとやり取りして動作するモノにクラウドを拡張するものです。ここでの設計では、リモート クラウド データ センターを使用する代わりに、エンドポイント (センサー、カメラなど) とクラウド データ センター間のローカル コンピューティング ノード (フォグ ノード) を使用してデータを収集、保存、処理します。基本的には分散型コンピューティング構造を指します。さらに、集中型クラウドとネットワーク エッジ デバイスの両方からデータを収集して処理する柔軟性と能力により、これは今日直面している情報過多を軽減する最も機敏で新しいテクノロジーの 1 つとなっています。

主な特徴

フォグ コンピューティングの主な機能には、低レイテンシ、位置認識、広範囲の地理的分散、モビリティ、多数のノードを含むスケーラビリティなどがあります。このため、フォグ コンピューティング システムは、エンド ユーザーのすぐ近くに広く分散して導入されます。ホストされたフォグ コンピューティング ノードには、リソースを大量に消費するユーザー要求を処理するのに十分なコンピューティング能力とストレージ容量があります。これらのフォグ ノードは、サードパーティの干渉なしにタスクを処理することもでき、IoT 継続性においてコンピューティングの柔軟性、より優れた通信、およびストレージ容量を総合的に提供します。フォグベースの分析は、リアルタイムのやり取りを可能にすると同時に、顧客の需要関係の意識的かつ応答性の高い再現を強化できます。フォグ コンピューティングはサーバーを介してクラウドから独立して実行できるため、クラウドへのネットワーク接続がない場合でも、ユーザーは継続的で中断のないサービスを受けることができます。また、暗号化されたデータがエンド ユーザーに近づくにつれてセキュリティが強化され、展開されているシステム内の悪意のある要素への露出が減少します。また、QoS が向上し、リソースが制限されたデバイスにソフトウェアとセキュリティのアップデートが提供されます。

霧とエッジ

フォグ コンピューティングは、エッジ コンピューティングという用語と同じ意味で使用されることがよくあります。どちらも、データとインテリジェンスをデータソースに近い分析プラットフォームにプッシュするという点では同じ機能を提供しますが、エッジ コンピューティングとフォグ コンピューティングの主な違いは、データが処理される場所です。エッジ コンピューティングの場合、プログラム可能なオートメーション コントローラーと同様に、データ処理はデータが生成される場所の近くで行われます。対照的に、フォグ コンピューティングでは、データはネットワークのローカル エリア ネットワーク (LAN) レベル内にあるフォグ ノードまたは IoT ゲートウェイ内で処理されます。

一般的な用途

フォグコンピューティングにはさまざまなアプリケーションがあります。たとえば、オンライン ストリーミング プラットフォームは、リアルタイムのデータ分析による低遅延、モビリティ、位置識別を構成できるフォグ ネットワークの容量と弾力性により、中断のない視聴サービスを提供できます。同様に、医療の分野では、毎日膨大な量の患者データが生成されます。フォグ コンピューティングを活用すると、数分かかるデータ転送を数秒に短縮できます。これは患者のケアに関してはサービスのスピードを大幅に向上させるため、非常に重要です。

自動運転システム (ADS) の場合、企業はマルチモーダル センサー、コンピューター ビジョン、人工知能、機械学習などの複数の高度なテクノロジーを統合する必要があります。これらのテクノロジーは、システムがデータ融合、画像分析、マッピング、予測を実行し、パワートレインの最適な動作と制御を決定するのに役立ちます。したがって、フォグ コンピューティング環境では、エッジ (車内) とそのエンドポイント (メーカー) の間でこれらすべてのデータ機能を通信することが可能になります。