Dimmolnbaserad Databehandling: En Översikt
I vissa branschspecifika och kommersiella sammanhang är databehandlingsprocesser så pass kritiska att ett beroende av molntjänster kan leda till försämrad produktivitet och effektivitet. I dessa fall kan dimmolnbaserad databehandling (fog computing) vara en räddning.
Den tekniska utvecklingen går snabbt framåt, och nya IT-lösningar dominerar marknaden. Enligt Gartner Hype Cycle 2022, skapar många beräknings- och lagringstekniker för närvarande ett stort intresse på kort tid.
Några exempel på sådana tekniker är beräkningslagring, molnplattformar för industrin och cybersäkerhetsnätarkitektur. Inom industriell molndrift är dimmolnbaserad databehandling en framväxande teknik. Den fungerar som en brygga mellan snabb kantberäkning (edge computing) och molnberäkning med mellanhastighet.
Om ditt företag hanterar uppgifter som kräver snabb och säker hantering, är kantberäkning det bästa valet. Men vad händer om kantberäkningshårdvaran inte kan hantera den mängd data som produceras lokalt? Då kan dimnätverk komma till användning.
Läs vidare för att lära dig mer om dimmolnbaserad databehandling, från grunderna till avancerad kunskap, tillsammans med resurser för att bemästra den i affärs- eller professionella sammanhang.
Vad är dimmolnbaserad databehandling?
Dimmolnbaserad databehandling är ett decentraliserat nätverk av datorinfrastruktur eller processer för databearbetning. I detta nätverk är datorresurserna placerade mellan enheten eller datakällan och ett centralt datacenter eller tredjeparts molninfrastruktur.
Cisco introducerade termen ”fog computing” 2012, som ett alternativ till molntjänster. Dim-databehandling placerar datorresurser närmare de maskiner eller applikationer där snabb databehandling krävs för att undvika fördröjningar eller fel.
Senare, 2015, grundade ledande hård- och mjukvaruutvecklare som Intel, Microsoft, Dell Technologies, ARM Holdings och Cisco Systems ”OpenFog Consortium” för att främja utvecklingen av dimmolnbaserad databehandling.
Idag är dimmolnbaserad databehandling ett populärt koncept i industriella sammanhang där höghastighetsdatabehandling behöver ske i utkanten av molnnätverket. Det finns också andra benämningar för dim-databehandling, som till exempel:
- Dimnätverk
- Imma
Dimnätverk fungerar som en länk mellan kantberäkning och molnberäkning. För att minska kostnaderna för bandbredd och öka bearbetningshastigheten kan IoT-aktiverade tillverkningsprocesser, hemautomation, säkerhetssystem och andra tillämpningar använda ett extra beräkningslager som kallas ”imma”.
Detta beräkningslager har kapacitet för lagring, bearbetning och analys. Beroende på en fördefinierad uppsättning instruktioner, skickas data direkt till en infrastruktur för dim-databehandling som är placerad närmare IoT-enheterna eller sensorerna som samlar in data från den operativa miljön.
Det är samma plats där du lagrar ditt kantberäkningssystem. Kantberäkning och dim-databehandling befinner sig alltså nära varandra, medan molnberäkning ligger längre bort.
Om kantberäkningen inte kan hantera all data skickas den insamlade datan till ett dimnätverkssystem. Där bearbetas datan och används för att instruera IoT-systemen med specifika beslut. Den bearbetade informationen lagras sedan i molnet för arkivering.
Hur fungerar dimmolnbaserad databehandling?
Ett dimnätverksramverk består av olika hårdvarukomponenter och mjukvarufunktioner, beroende på den specifika industriella tillämpningen.
Det inkluderar ofta datorgateways som samlar in data från intelligenta maskiner och lokala datakällor. Ett dimnätverk kan också ta emot data från olika insamlingspunkter, till exempel switchar och routrar som ansluter digitala tillgångar inom ett nätverk.
I grund och botten handlar dim-databehandling om att transportera data från och till IoT-enheter och sensorer i en IoT-miljö. Så här sker dataöverföringen:
- En automationskontroller övervakar lässignaler från anslutna IoT-enheter, sensorer och andra intelligenta maskiner.
- Automationskontrollern kör ett programmerat program eller en algoritm som i sin tur automatiserar IoT-utrustningen.
- Detta förkonfigurerade program använder en standard OPC Foundation-server för att transportera data till nästa enhet i dimnätverkets kedja. OPC Foundation kallas även Object Linking and Embedding for Process Control (OLEPC) eller Open Platform Communications (OPC).
- Programmet kan även använda andra gateways.
- En maskin konverterar dessa data till ett dataprotokoll som är förståeligt för olika standarder för internetkommunikation, som HTTPS eller MQTT (MQ Telemetry Transport).
- Nu kan internet- eller intranätverket enkelt skicka den konverterade datan till en eller flera dim-noder i utkanten av molnet för analys.
- Dim-noderna instruerar direkt de anslutna IoT-enheterna om vad de ska göra genom att analysera miljösignalen.
- Slutligen lagrar dim-noden datan på en avlägsen molnserver för granskning, analys och arkivering.
Låt oss nu undersöka den grundläggande skillnaden mellan dim- och kantberäkning.
Dim-databehandling jämfört med kantberäkning
Den största skillnaden mellan kant- och dimnätverk är placeringen av beräkningskraften.
I kantberäkning kan beräknings- och beslutskraften vara inbyggd i själva IoT-enheten, som till exempel ansiktsigenkänningskameror anslutna till ett lokalt nätverk (LAN) och molnlagring.
En annan möjlig arkitektur för kantberäkningsnätverk är när flera mindre IoT-enheter, som till exempel ställdon, temperatursensorer, vätskesensorer och rörelsesensorer, är anslutna till en kantberäkningshubb.
Dimmolnbaserad databehandling placerar däremot intelligensen eller beräkningskraften i LAN-et med hjälp av en dim-nod eller hubb. Hubben samlar in signaler från IoT-enheterna, bearbetar dem och instruerar sedan de anslutna, intelligenta maskinerna om hur de ska agera. Dim-noden ansvarar också för att skicka data till en central molnserver för mer djupgående analyser, vilket inte är nödvändigt för realtidsbeslut.
Vissa IoT-experter anser dock att imma är Ciscos version av kantberäkning.
Dim-databehandling jämfört med molntjänster
Nu när du kanske ser att dim- och molnbaserad databehandling är mycket lika är det viktigt att förstå skillnaderna mellan dem.
Molntjänster skapar en centraliserad hubb för alla beräknings- och lagringsbehov. Det gör nätverket ointelligent. Däremot ger dimnätverk intelligens till utkanten av ett nätverk som också är anslutet till molnet.
Denna intelligens i utkanten av nätverket minskar belastningen på moln- och internetresurserna.
Komponenter i dimmolnbaserad databehandling
Olika IoT-företag använder olika metoder för att skapa ett system för dimnätverk. Därför finns det flera arkitekturer i dimnätverkets ekosystem. De vanligaste komponenterna i alla typiska dim-arkitekturer är dock följande:
#1. Virtuella och fysiska noder
Dessa är slutanvändarenheter som till exempel mobiltelefoner, olika sensorer i en produktionslinje, smarta högtalare, smarta lampor med mera som genererar data och utför instruktioner.
#2. Dimenheter eller noder
Dessa är oftast dim-servrar, dim-portar och dim-enheter. Dimenheter lagrar data, medan en dim-gateway analyserar data från flera dim-enheter. Slutligen sköter dim-gateways data-routing och omdirigering.
#3. Övervakningstjänster
Dessa API:er ser till att dim-noderna och IoT-enheterna fungerar som de ska och att kommunikationen hela tiden är aktiv.
#4. Databearbetningsprogram
Dessa program körs på en dim-server för att filtrera, bearbeta, rensa, rekonstruera och slutligen lagra data i molnet.
#5. Resurshanteringssystem
Dessa system fungerar som en lastbalanserare och övervakar utnyttjandet av alla dim-noder.
#6. Säkerhetsappar och verktyg
Datakryptering under överföring och lagring är alltid nödvändigt för att säkerställa säker dim-databehandling. Dessa komponenter ger robust kryptering av digital data.
#7. GUI, programvara och appar
Dessa är de applikationer och verktyg som användare eller fabriksoperatörer använder för att styra hela systemet.
Varför och när behöver man dim-databehandling?
Dimmolnbaserad databehandling gör det möjligt för IoT-baserade företag att skala upp sin verksamhet. De kan inte bara förlita sig på molntjänster, eftersom molnet kan krascha om det uppstår en ökad trafik eller användning.
Molntjänster är en bra källa till prisvärd beräkningskraft, programmeringsplattform och masslagring. Du kan dock inte bara förlita dig på molnet eller virtualisering när det gäller processer som kräver en mycket hög nivå av noggrannhet och hastighet.
När det gäller praktiskt taget noll latens i en IoT-baserad fabrik eller smart stad behöver du använda ett eller flera dimnätverkssystem, beroende på storleken på IoT-miljön.
Några andra viktiga anledningar till att implementera dim-databehandling:
- Dina IoT-system samlar in för mycket data, och du behöver inte all den datan. Dimmolnbaserad databehandling kan hjälpa till med datafiltrering.
- Nätverksansluten IIoT-utrustning behöver reagera inom en millisekund efter att ha upptäckt en avvikelse. En sådan hastighet kan endast uppnås med hjälp av kant- eller dim-databehandling.
Låt oss nu titta närmare på fördelarna med dimmolnbaserad databehandling.
Fördelar med dimmolnbaserad databehandling
Här är några potentiella fördelar med dimnätverk inom smarta städer, hem och industriell automation:
Minimerar latens
Om latens är viktigt för din verksamhet är dim-databehandling ett bra val. Det utför dataanalys nära datakällan, vilket minimerar latensen jämfört med andra tekniker.
Speciellt inom industrier som tillverkning och energi, där varje sekund är värdefull, kan dimnätverk ge snabbare varningar och därmed minska tidsförlusten.
Minskar användningen av bandbredd
Med dim-databehandling behöver datan inte flyttas till en molnserver för analys. Det minskar behovet av stor nätverksbandbredd och minskar därmed både internetberoendet och kostnaderna för företaget.
Även om de anslutna enheterna fortsätter att generera data för analys, utförs bearbetningen på närmaste punkt, vilket gör att den största delen av datan inte behöver transporteras.
Integritet
Datasekretess är mycket viktigt idag, och dim-databehandling tar hänsyn till detta. När företag behöver upprätthålla en viss nivå av integritet kan de använda dimnätverk.
All verksamhetskritisk data analyseras lokalt eftersom ett IT-team noggrant övervakar och underhåller enheten. Endast den data som behöver analyseras på högre nivå skickas till molnservern.
Detta gör att data som bearbetas med dim-databehandling är säkrare från intrång.
Minskade kostnader
Kostnader är ofta en stor fråga för alla typer av organisationer. Genom att välja dim-databehandling minskar den totala kostnaden för företaget. Eftersom denna typ av databehandling kräver mindre nätverksbandbredd minskar driftskostnaderna avsevärt.
Maximerad säkerhet
All data som genereras av IoT bör skyddas mot obehörig åtkomst och cyberbrottslingar. Inom dim-databehandling kan dim-noderna övervakas och skyddas med samma kontroller och policyer som företagen använder för resten av sin IT-miljö. Detta gör att datan är säker under transport och lagring.
Ökad tillförlitlighet
I de flesta fall måste IoT-enheter fungera under krävande miljöförhållanden. Dimnätverk kan öka datans tillförlitlighet även under svåra förhållanden, samtidigt som behovet av dataöverföring till molnet minskar.
Realtidsanalys
Företag som använder dim-databehandling får också tillgång till dataanalys i realtid. De kan använda detta för att få ett försprång gentemot sina konkurrenter.
Tillverknings- och finansföretag måste fatta omedelbara beslut med hjälp av analysdata. De kan dra nytta av dim-databehandling med sin snabba överföring av realtidsdata.
Lärresurser
#1. Dimmolnbaserad databehandling: koncepter, ramverk och tillämpningar
Letar du efter en lärobok för att lära dig mer om dim-databehandling från grundläggande till avancerad nivå? Prova denna bok om dimmolnbaserad databehandling av CRC Press som finns på Amazon.
Här är några av bokens mest intressanta funktioner:
- Introduktion till dim-databehandling och grunderna
- Arkitektur för dim-databehandling
- Utvärdering av dim-databehandling i IoT
- Maskininlärning i dim-databehandling
- Informationssäkerhet i dim-databehandling
- Applikationer och verktyg för dim-databehandlingssimulering
- Olika verkliga tillämpningar av dim-databehandling
#2. Dimmolnbaserad databehandling och Internet of Things
Denna konferens om dim-databehandling och Internet of Things ägde rum nyligen och riktade sig till det framväxande ämnet inom IT-branschen.
Denna sammanfattningsbok från datorkonferensen finns i inbunden och pocketutgåva på Amazon.
Sammanfattning
Internet of Things och Industrial Internet of Things växer snabbt. Enligt Statista fanns det 8,6 miljarder aktiva IoT- och IIoT-enheter år 2019. År 2023 hade antalet ökat till 15,14 miljarder. En noggrann prognos från samma statistikföretag säger att det kommer att finnas cirka 29,42 miljarder aktiva IoT-enheter år 2030.
Dessa enorma mängder IoT-enheter i hemmen, kommuner i smarta städer och industrier kommer att kräva petabyte med internetbandbredd om de använder sig av en molnbaserad infrastruktur.
Dessutom kommer vissa viktiga IoT-processer aldrig att uppnå högre bearbetningshastighet om de är beroende av molnet. Dimmolnbaserad databehandling är en bra lösning som placerar sig mellan molnet och utkanten av nätverket. Du kan undersöka affärsmöjligheter eller välbetalda professionella positioner genom att lära dig mer om och bemästra dim-databehandling.