РЕФЕРАТ

Дипломная работа содержит: 57 страниц, 13 рисунков, да 10 источников.

Целью работы является анализ fog-инфраструктуры для будущего развития

IОT да поддерживаемых ным устройств.

В данной работе рассматриваются современные тенденции

телекоммуникационных. систем, трафик IoT да подаются рекомендации

относительно использование fog-инфраструктуры.

В дипломный работе рассмотрено тенденции развития систем передачи

информации, развитие технологии Интернета вещей да ее проблематика.

Рассмотрено парадигму cloud вычислений да исследовано свойства туманных

вычислений. Также проанализировано эталонную инфраструктуру туманных

вычислений да сформированные рекомендации по сфер использование данной

технологии.

ИНТЕРНЕТ ВЕЩЕЙ, ТОМАНИЯ ВЫЧИСЛЕНИЯ, ТРАФИК,

ПРЕИМУЩЕСТВА

2 
 
СОДЕРЖАНИЕ 
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ  ........................................................................................ 7 
ВВЕДЕНИЕ  ..................................................................................................................... 8 
1 ТЕНДЕНЦИИ РАЗВИТИЯ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ  ............ 9 
1.1 История развития современных систем передача информации  .......................... 9 
1.2 Интернет вещей (IoT) как один с трендов инфокоммуникационного общества 
13 
1.3 Сферы применение IoT  .......................................................................................... 14 
1.4 Проблемы постройки систем IoT  .......................................................................... 16 
1.5 Выводы к 1 раздела  ................................................................................................ 20 
2 ПАРАДИГМЫ ОБЛАЧНЫХ ВЫЧИСЛЕНИЙ ТА ТОМАНИЯ ВЫЧИСЛЕНИЕ 
(FOG) 
.................................................. .................................................. ..................................... 21 
2.1 Обзор парадигм облачных вычислений .................................................. ................... 
21 
2.2 Особенности трафика систем IoT  ......................................................................... 23 
2.3 Обоснование выбора парадигмы  FOG  вычислений для обслуживание ИоТ 
трафика  .......................................................................................................................... 28 
2.4 Характеристики парадигмы FOG вычислений  .................................................... 31 
2.5 Выводы с раздела 2  ................................................................................................ 36 
3 ОБЗОР АРХИТЕКТУР ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ FOG  ........................... 38 
3.1 Обзор архитектур вычислительных систем FOG  ................................................ 38 
3.2 Архитектурный взаимосвязь компонент парадигмы FOG вычислений  ........... 41 
3.3 Рекомендации относительно выбора телекоммуникационной FOG-
инфраструктуры да ее компонент в зависимости от задачи IoT  ............................. 46 
3.4 Выводы с раздела 3  ............................................................................................... 54 
ВЫВОДЫ  ...................................................................................................................... 55 
ПЕРЕЧЕНЬ Ссылок  ...................................................................................................... 57 

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ

АЭС

Атомно электростанция

ТЭЦ

Теплоэлктроцентраль

ГЭС

Гидроэлектростанция

ЛЭП

Линии электро передач

AWS

Amazon Web Service

BLE

Bluetooth low energy

IoT

Internet of Things

IoE

Internet of everything

IaaS

Infrastructure as a Service

ITS

Intellectual Transport Systems,

M2M

Machine 2 machine

NIST

National Institute of Standards and Technology

TCP/IP

Transmission Control Protocol /Internet Protocol

PaaS

Platform as a Service

QoS

Quality of Service

RAN

Radio Area Network

SaaS

Software as a Service

ВВЕДЕНИЕ

Развитие рынке информационных технологий привел к появления

концепции Интернета вещей (Internet of things), которая позволяет улучшить

человеческая жизнь и связать большую часть электронных устройств в единую

сеть. Принцип IoT базируется на взаимодействия привычных для нас в быту

вещей за помощью высокоскоростных вычислительных сетей. В широком

понимании Интернет вещей – это не просто множество разных приборов и

датчиков, объединенных между собой проволочными и беспроводными каналами

связи и подключенных к сети Интернет, а это более тесная интеграция реального

да виртуального миров, в котором основную роль играет общение между

людьми и техническими устройствами.

Несмотря на все преимущества и выгоды данной технологии, она ставит

перед разработчиками ряд задач и сложностей, которые необходимо решать. На

данном этапе трафик от устройств экосистемы Интернета вещей собирается и

отправляется к облаку, но это имеет ряд недостатков таких как доступность,

безопасность, анализ большого потока данных да др.

Поэтому нужно решение какое б позволило продолжать развитие данной

технологии и уменьшило б стоимость инфрастуктуры. Таким решением стол

Fog- инфраструктура – разновидность архитектуры вычислений

горизонтального типа, что используется для исполнение объемных вычислений,

хранение и обработки данных внутри сети облачных сервисов и оконечных

устройств локально и через Интернет. В данной работе было рассмотрена

проблематика трафика устройств экосистемы IoT да путь к их решение в виде

инфрастуктуры Fog.

1 ТЕНДЕНЦИИ РАЗВИТИЯ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ

1.1 История развития современных систем передача информации

История развития средств передачи информации является неотъемлемой

частью истории развития общества, причем потребности в обмене информацией

всегда превышали существующие технические возможности их удовольствие.

Информация всегда играла огромную роль в жизни общества и отдельного

индивидуума. Владение информацией, доминирование на информационном поле

с древнейших времен было необходимой условием наличии власти в

господствующей социальной группы. Потребность в общении, в передачи да

хранении информации возникла и развивалась вместе с развитием человеческого

общества. В данное время можно утверждать, что информационная сфера

деятельности человека является определяющим фактором интеллектуальной,

экономической да оборонной возможностей человеческого общества, государства.

Зародившись в те времена, когда начали оказываться ранний признаки

человеческой цивилизации, средства общение между людьми (средства связи)

непрерывно совершенствовались соответственно к изменения условий жизнь, с

развитием культуры и техники. Это именно можно утверждать по отношению

средств записи и обработки информации. Сегодня все или возможности стали

неотъемлемой частью производственного процесса и нашего быта.

С древнейших времен звук и свет служили людям для передачи сообщений

на далекий расстояния. на звезды своего развития человек, предупреждая своих

соплеменников об опасности или сзывая на охоту, подавала сигналы криком или

стуком. Звук – основа нашего языкового общение. Но если расстояние между

собеседниками большая и силы голоса нет хватает, нужны вспомогательные

средства. Поэтому человек начала использовать "технику" – свистки, рога

животных, факелы, костер, барабаны, гонги, а после изобретения пороха -

выстрелы и ракеты. Появились специальные люди-гонцы (герольды), которые

переносили и передавали сообщение, объявляли народа свободу владык. В

Южный Италии кое-где по

на берегу моря до последнего времени хранились руины сторожевых постов, из

которых за помощью звона передавались известия о приближение норманнов и

сарацин.

С незапамятных времен как носитель информации применялось и свет.

Первыми "системами" связи стали сторожевые посты, что располагались вокруг

поселений на специально построенных вышках или башнях, а иногда просто на

деревья. При приближение врага воспламенялся костер тревоги. Увидев огонь,

зажигавший костер часовые на следующем посту, и врагу не удавалось застать

жителей вдруг. Маяки и ракеты до сих пор несут свою "информационную

службу" на море да в горах.

Необходимость передавать не только отдельные сигналы типа "тревога", но

и разные сообщение привела к применение "кодов", когда разные сообщение

различались, например, числом и расположением очагов, числом и частотой

свистков или ударов в барабан. Греки в другому веке к нашей эры использовали

комбинации факелов для передачи сообщений "по буквам". на море широкое

применение нашли сигнальные флаги разной формы и цвета, причем сообщение

определяется не только самими флагами, но и их взаимным расположением, а

также "семафор" – передача сообщений изменением местоположения рук с

флажками (днем) или фонарями (ночью). Существовала необходимость в людях,

которые знали "язык" флагов или семафора, умели передавать и принимать

Присланные сообщения.

Рядом с развитием способов передачи сигналов с использованием звука и

света, происходил развитие способов и средств записи и запоминание

информации. Сначала это были просто разные зарубки на деревьях и стенах

пещер. За рисунками, выбитыми на стенах пещер более трех тысяч лет назад, мы

сейчас можем составить представление об отдельных сторонах жизни наших

предков в те далекие времена. Постепенно совершенствовались как форма

записи, да и средства ее воплощение. От серии примитивных рисунков человек

постепенно перешел к клинописи и иероглифов, а затем – и к фонетическому

письму по буквам. Звук и свет были и остаются важными средствами передачи

информации и нет смотря на свою

примитивность, огневая и звуковая сигнализация служили людям на протяжении

многих веков. За это время проводились попытки усовершенствовать приемы

сигнализации, но широкого практического применение они не получили.

Развитие средств хранение, передачи и обработки информации в истории

человеческого общества происходил неравномерно. Несколько раз в истории

человечества происходили радикальные изменения в информационной отрасли,

которые называют

«информационными революциями». Первая информационная революция связана

с изобретением письменности. Письменность создала возможность для

накопление и распространение знаний, для передачи знаний будущим

поколениям. Цивилизации, которые вышли письменность, развивались быстрее

других, достигали высшего культурного и экономического уровня Примерами

могут служить древний Египет, страны. Междуречье, Китай. Внутри этой

революции очень значимым оказался этап перехода от пиктографического и

иероглифического письма к алфавитному; это сделало письменность более

доступной и способствовало смещению центров цивилизации в Европу. Вторая

информационная революция (середина XVI века) была связана с изобретением

книгопечатание. Стало возможным нет только сохранять информацию, а и

сделать ее массово-доступной. Массовая грамотность населения способствовала

росту науки и техники, приблизила промышленную революцию. Книги пересекли

границы стран, что способствовало начала создание общечеловеческой

цивилизации. Третья информационная революция (конец XIX в.) была

обусловлена прогрессом средств связи. Телеграф, телефон, радио позволили

оперативно передавать информацию на любые расстояния. Именно в этот

исторический период появились зародыши того процесса, который в наши дни

называют «глобализацией». Прогресс средств передачи информации в

значительной степени способствовал бурном развития науки и техники, какой

нуждался надежных и быстродействующих каналов связи.

Четвертая информационная революция (70-е гг. XX ст.) связана с

появлением микропроцессорной техники и, в частности, персональных

компьютеров Отметим, что не появление компьютеров в середине ХХ века само

по себе, а именно микропроцессорные системы сделали решающий влияние на

информационную революцию. Вскоре после этого возникли компьютерные

телекоммуникации, что радикально изменили системы хранения и поиска

информации Именно четвертая информационная революция дала толчок к

существенных изменений в развитии общества, для характеристики которых

ввели новый термин ¾ «информационное общество». В течение всего XX век

связисты стремились повысить скорость передачи информации. Потребность в

большей количества информации, что передается, стол причиной перехода от

телеграфа сначала к телефону, а затем – к радио. В ХХ веке железная дорога

революционизировала мир, обеспечив транспортную сеть, какая доставляла

материалы и продукты производств и дала толчок для развития индустриального

общества.

Цифровые коммуникационные сети ознаменовали начало новой революции,

обеспечив технологию, транспортирующую данные, необходимые обществу, в

котором информация играет ключевую роль. Сети уже проникли в

промышленность, образование и правительство. Они изменяют наше

представление о мире, сократив географические расстояния и образовав новые

сообщества людей, часто и эффективно взаимодействующих. Еще больше важно

то, что рост числа сетей носит характер взрыва. Революция уже началась.

Создание компьютерных сетей было вызвано практической потребностью

– иметь возможность совместного использования данных. Персональный

компьютер – мощный инструмент для создания документов, подготовки таблиц,

графических данных и других видов информации, но при этом Вы не можете

быстро поделиться своей информацией с другими. Когда не было сетей,

приходилось распечатывать каждый документ, чтобы другие пользователи могли

работать с ним, или в лучшем случае – копировать информацию на дискеты.

Одновременная обработка документа несколькими пользователями была

невозможной. Так схема работы называется работой в автономной среде. Развитие

волоконно-оптических сетей связи характеризуется очень быстрым увеличением

скорости передачи информации. Скорость передачи, достигнута

экспериментально в лабораторных условиях, и скорость передачи

высоконадежных коммерческих сетей растут экспоненциально, удваиваются

примерно каждые 2 годы. Эта тенденция обеспечивается как

неуклонным ростом скорости передачи информации по одному каналу, да и

ростом числа одновременно передаваемых по одному волокну каналов в системах

со спектральным разделением каналов Одновременно с увеличением скорости

передачи информации неукоснительно растет расстояние передачи.

1.2 Интернет вещей (IoT) как один с трендов инфокоммуникационного

общества

Сегодня большая количество устройств и датчиков IoT подключается к

Интернет. IoT или Интернет вещей известный как IOE, Internet of Everything

предполагает подключение все большей количества потребителей, которые

пользуются электронными приборами, бытовой техникой, средствами

медицинского назначение, камерами, разными типами датчиков для температуры,

давления или влажности в приложении для мобильных телефонов и

промышленных устройств IoT. Цифры впечатляют: согласно исследованиям

компании Ericsson, ожидается до 50 миллиардов подключенных устройств В 2025

году IoT будет иметь значительный экономический влияние на полученное доход

и операционные сборы до 11 триллионов долларов в год, что будет составлять

11% от мировой экономики, где публичные пользователи разворачивают к 1

трлн устройств к 2025 года, есть технологические изменения экономики,

управляемой IoT. В эволюционной фазе больших данных в Интернет, мы имеем

IoT или Internet of Things или Интернет of Everything (IOE) как недавнее и одну с

последних тенденций технического прогресса. Интернет вещей – отрасль, какая

быстро развивается и проникает в нашу жизнь на разных уровнях: от упрощения

быта к оптимизации заводов и фабрик, оказывает влияние на различные сферы

деятельности, такие как телекоммуникационная индустрия, индустрия

программного обеспечение да металлообрабатывающая промышленность,

включая производство устройств с большой возможностью для разных отраслей

индустрии и торговли.

Чтобы дать официальное определение, „IoT – это непрерывно связанное

сеть связанных объектов/устройств с идентификаторами, в которых

взаимодействует машина- машина (M2M) коммуникация без любого

вмешательство человека Возможно с помощью стандартных да совместимых

протоколов связи (телефоны, планшеты и П К вход ять к состав л ада I o T )

―

Интернет вещей ( I o T) благодаря введению датчиков сетей с триллионами

сенсорных устройств, которые соединены с Smart да Intel подсистемами связи да

миллионами информационных систем. Интернет вещей (IoT) обеспечит новые

перспективы для бизнеса да интересов потребителей, для которых будет нужно

все больше умных да интеллектуальных систем, которые автоматически

обеспечивают все большую количество возможностей для бизнеса в области

ИТ/IoT и их компаний-поставщиков. Количество подключенных к Интернета

устройств, что превышает 12 миллиардов, значительно превзошла количество

людей 7 миллиардов, а к 2025 года количество устройств подключенных к

Интернет, достигнет 30–50 миллиардов в всему мире. Чтобы обеспечить лучшее

качество жизни людей, живущих как в городской, так и в сельской местности,

устройства IoT, такие как датчики, располагаются в умных городах и умных селах

стран.

1.3 Сферы применение IoT

Применение IoT в реализации Smart City есть следующими направлениям:

1. Умное парковка

2. Умное городское освещение

3. Интеллектуальная транспортная система

4. Умное управление отходами

5. Телеобслуживание

6. Обслуживание Smart City

7. Цифровые вывески

8. Водное хозяйство

Интеллектуальные услуги Интернета для дома способствуют улучшению

личного способа жизнь, делая проще да удобнее мониторинг да эксплуатацию

разнообразных бытовых приборов.

Взаимодействуя между собой, устройства IoT производят большие объемы

данных. Обработка данных и интеграция устройств IoT приводит к созданию

системы. Разработка системы Smart City и Smart Village базируется на IoT и Big

Data. Так разработка да внедрение системы включает генерацию да сбор данных,

агрегирование, фильтрацию, классификацию, предыдущую обработку,

вычисление да завершается при принятии решений. В дополнение к

Интеллектуальным городам, умные и дистанционно управляемые устройства

могут помочь решить различные проблемы, какими сталкивается отрасль в

разных секторах, таких как сельское хозяйство, охрана здоровья, энергетика,

безопасность да предупреждение катастроф.

Это возможность для телекоммуникационной отрасли, с одной стороны, и

системных интеграторов, с другой, увеличить свои доходы, внедряя приложения

IoT, которые предлагают различные услуги, которые может предложить эта

разработка. Кроме того, ИТ-отрасль может предлагать прямые услуги, а также

услуги, связанные с аналитикой, или другие услуги, независимые от IoT.

Этапы IoT да заинтересованы стороны

Можно выделить четыре этапы внедрение IoT:

Этап 1. Определение датчиков, соответствующих

применению. Этап 2. Разработка программы.

Этап 3. Сервер должен получать данные датчика от программы.

Этап 4. Программа анализа данных, какая будет использоваться для

принятие решений.

Все развитые страны взяли на себя инициативу относительно внедрение

приложений

IoT.

Заинтересованные стороны

Основными заинтересованными сторонами в внедрении IoT есть:

1. Граждане.

2. Правительство.

3. Промышленность.

Каждая заинтересованная сторона должна быть склонна к сотрудничеству с

целью получение результатов.

Участие заинтересованных сторон на каждому этапе есть чрезвычайно

важной. Политика продвижение имеет важное значение для получение ответов на

вопрос: "Которые данные будут предоставлять услуги гражданам?» IoT имеет

четко разрабатывать стратегию с единственной целью - «Увеличение стоимости»

да «Снижение стоимости». С точки зрения практических реалий, имеет быть

осуществлено уменьшение масштаба IoT от видение миллиардов к реальности

тысяч устройств IoT в окрестностях, неплотно связанных между собой. Кроме

того, много таких устройств подключены или встроены в мобильные устройства с

подключением P2P, 2G/3G/4G/ 5G и Wi-Fi.

Облачно-ориентированное подключение, обеспечивающее сбор данных и

соответствующее аналитику больших данных, какая может быть

персонализированной, также может быть предоставлено.

Открыта экосистема без блокировка поставщика есть очень важной.

1.4 Проблемы постройки систем IoT

Мы нет можем присылать все данные в облако для аналитических целей. В

контексте смарт-телефонов да потенциально прерывного связи нам нужно

решить, когда да как присылать подмножество «Великих» данных на телефон,

как/когда присылать подмножество «Маленьких» данных к облака да как сделать

автоматическое принятие совместных решений. Связь и вычислительные

возможности, конфиденциальность данных да доступность да программа

конечного использование информируют о этот выбор. Также возникает проблема

безопасности да конфиденциальности в Интернете вещей и его приложениях.

Общеизвестными ключевыми проблемами, возникающими в системе

защиты данных на основе Интернет вещей, есть: (a) конфиденциальность данных,

и (b) доверие. Это на приложение к известных проблем безопасности, таких как

аутентификация, целостность да

контроль доступа Кроме того, защита личности и конфиденциальность важны для

пользователей.

Согласно с результатами исследований, вышеупомянутые проблемы

безопасности да конфиденциальности можно решить на уровне промежуточного

программного обеспечения на многих уровнях экосистемы IoT, как: на уровне

сенсора или оборудования, уровни передачи данных, аннотация контекста и

открытие уровня контекста, моделирование уровня контекста и распределение

уровня контекста Также для всестороннего представление, мы должны

рассмотреть некоторые вопросы безопасности.

Конфиденциальность. Мы стараемся обеспечить конфиденциальность,

предотвращая разглашению или открытому разоблачению личных или

финансовых технических деталей. Этого можно достичь, применяя следующие

методы контроля данных, как:

- шифрование;

- анонимизация;

- агрегация;

- синхронизация;

- интеграция

Идентификация/Контроль доступа. Включает контроль законных вторжений

людей/предметов в зоны ограниченного доступа. Это может касаться

идентификации да локализации транспортных средств, измерение влажности да

температуры, отслеживание продуктов, управление параметрами наблюдения в

чувствительных зонах тому подобное.

Доверие: Доверие может быть создана и складывается с следующего:

- взаимная доверие между людьми да умными объектами;

- гарантия безопасности;

- прозрачность предложения.

При внедрение вышеупомянутых принципов экосистема в всему мире

обеспечивает своевременную доступность информации тем, кто ее нуждается.

Надежность. В процессе (например, производственном процессе)

необходимо установить достоверность информации и составить результаты. Это

требует должных средств сканирования и измерения, метрик, калибровка

метрологии, диагностики обработки, обнаружение аномалий да периодического

обслуживание. Кроме того, для достижение высшей степени общей надежности

нужно разработать и создать автоматические и гибкие системы адаптивного

управления.

Механизмы обеспечения конфиденциальности в системах IoT. У

вездесущих системах программ IoT конфиденциальные данные могут сохраняться

распределенным образом. Поэтому необходимо создать адекватный механизм для

контроля да управление раскрытием данных третьим лицам в соответствии с их

соответствующими уровнями чувствительности.

Конфиденциальность данных нужно учитывать на разных этапах

использование данных, таких как сбор данных, передача данных да хранение

данных.

Следующий методы могут предложить возможны решение:

(1) Анонимизация

(2) Блочные-шифраторы

(3) Потоковые шифраторы

(4) Хэш-функции

(5) Функции генерации случайных чисел да

(6) Легкий примитивы открытых ключей

Конфиденциальность доступа касается возможных способов доступа к

информации, какая может быть личной. Необходимо применять эффективные

политики и механизмы с разными ограничениями для управления разными

типами данных.

Доступ.

Необходимо обеспечить приближение сети к датчиков. Широкое

распространение десятков и сотен тысяч датчиков приводит к ограничений в

мощности и пропускной способности связи Вместо того чтобы полагаться на

возможное широкомасштабное развертывание сетей нестандартных датчиков,

это может

иметь большую ценность для использования существующих стандартов. Мы

также можем интегрировать высокофункциональные шлюзы да облака.

Ассиметричная архитектура может быть лучше. Проникновение технологий нет

было равномерным в разных странах или даже в разных регионах одной страны,

отражающей неравенства и диспропорции в инфраструктуре, доступе, стоимости,

телесетях, услугах, политике тому подобное. Итак, доступны сенсорные

устройства, доступны сетевые расходы и соответственно имеют быть предложены

доступны аналитические решение.

Анализ больших данных да IoT.

Значительное и существенное увеличение подключенных устройств, что

состоится в Интернете вещей (IoT), приведет к экспоненциальному увеличению

объема данных, какими, как ожидается, управляет, анализирует да действует

предприятие. Итак, IoT становится обычным партнером для Big Data просто

потому, что обеспечивает необходимые объемы данных для Big Data Analytics.

Как говорит Говард Болдуин, "мы будем иметь данные, что выбрасывают с

всех направлений приборы, машины, железнодорожные колеи, транспортные

контейнеры, электростанции и т.д.". Все эти данные в реальном времени

нуждаются в обработке, анализе, чтобы почувствовать эффективные сигналы.

IoT все еще находится в первоначальном состоянии. Вскоре данные начнут

поступать с датчиков да устройств. Действенным решением может быть

обнаружение покупательских привычек клиентов или эффективность работы

машины. Например, LexisNexis имеет открытую платформу HPCC Big Data,

решение для интеграции данных, обработки да доставки результатов путем

интеграции, машинного обучение да интеграция BI.

Инфраструктура для интеграции больших данных с IoT.

Интеграция обширных данных с IoT зависит от среды инфраструктуры.

Сюда входят инфраструктура хранение да облака. Много организаций пытаются

перейти на облако платформы как услуги (PaaS) для размещения и анализа

огромных данных IoT, поскольку поддержка собственного хранилища для этой

цели будет очень по дороге. Ожидается, что туча PaaS обеспечит

масштабируемость,

гибкость и эффективную сложную архитектуру для хранения облачных данных

поступают из устройств IoT. Если данные чувствительны, тогда можно развернуть

приватную облачная архитектура. В противном случае могут быть развернуты

общедоступные. облачные службы, такие как AWS (Amazon) или Azure

(Microsoft). Много облачных сервисов предлагают и предлагают собственную

платформу IoT для реализации приложений IoT.

Для эффективного решение вышеупомянутых проблем сначала

предлагалось использовать параметры вычислительной техники для

использование своих вычислительных ресурсов для целей локального хранения,

предварительной обработки данных, чтобы уменьшить нагрузку или

перегруженность сети, а также обеспечить локальный анализ данных, что

приведет к быстрому процесса принятия решений на их основе Однако, к

сожалению, устройства Edge Computing имели очень ограничены ресурсы, что

приводило к ограничение ресурсов да увеличение задержки обработки.

Поэтому появилась новая парадигма, известная как Fog Computing, какая

плавно интегрировала крайние устройства, с одной стороны, с облачными

ресурсами, с другой, чтобы также преодолеть все ограничение Edge Computing.

Таким образом, туманные вычисление позволяют избежать ограничение

ресурсов на края, используя облачные ресурсы, а также координируя

географически распределены крайние устройства.

1.5 Выводы к 1 раздела

В данном разделе было рассмотрено историю развития да современные

тренды систем передачи информации Также были охарактеризованы сферы

применения IoT и проблемы связанные с реализацией данной технологии.

2 ПАРАДИГМЫ ОБЛАЧНЫХ ВЫЧИСЛЕНИЙ ТА ТОМАНИЯ ВЫЧИСЛЕНИЕ

(FOG)

2.1 Обзор парадигм облачных вычислений

Этот раздел сосредотачивается на сравнить туманных вычислений да

соответствующих вычислительных парадигм, чтобы продемонстрировать

значение туманных вычислений в разных случаях использования. Мы сравниваем

туманные вычисление с облачными вычислениями, а также другими связанными

вычислительными парадигмами и обобщаем эту информацию.

Облачные вычисление сыграли важную роль в расширении покрытие да

вычислительных программ, средств хранения данных и возможностей сетевой

инфраструктуры Национальный институт стандартов и технологий (NIST)

определяет облачные вычисления как модель, обеспечивающая уничтожение

повсеместного доступа к сети по запросу для общих вычислений

Облачные центры обработки данных - это большие группы

высокодоступных виртуализированных ресурсов, которые можно динамически

переконфигурировать для масштабируемой нагрузки; такая реконфигурация

выгодна для облачных услуг, предлагаются с стоимостной моделью. Модель

платы позволяет пользователям удобно получить доступ к удаленных

вычислительных ресурсов да служб управление данными, а плата взимается

только за то количество ресурсов, которое они используют. Облачные

провайдеры, такие как Google, IBM, Microsoft и Amazon, предлагают и

предоставляют большие центры обработки данных для размещения этих

облачных ресурсов

Облачные сервисы. Cloud предлагает инфраструктуру, платформу и

программное обеспечение в виде услуг (IaaS, PaaS, SaaS). Разработчики

программного обеспечение могут использовать разнообразные услуги в

зависимости от потребностей программ, которые они разрабатывают.

Предоставление облачных ресурсов Поскольку спрос на облачные ресурсы

нет есть фиксированным и может меняться с временем, установка фиксированной

количества ресурсов приводит или к излишка, или к дефицита обеспечение.

Основание

облачных вычислений базируется на обеспечении только необходимых ресурсов

для спроса. Это включает использование виртуализации для развертывание

программ на требование да использование ресурсов для управление аппаратным

да программным обеспечением в облачных центрах обработки данных

Поскольку оценить использование услуг от арендаторов сложно,

большинство облачных провайдеров имеют Pay-as-you-go (PAYGO) схему оплаты.

В результате, провайдеры могут быть более гибкими относительно

предоставление ресурсов да клиенты платят только за ту количество ресурсов,

какую они фактически используются.

Типы облаков. Существует несколько типов облачных развертываний:

частная облако, публичное облако и гибридное облако. Парадигма облачных

вычислений изначально была созданная, чтобы разрешить пользователям

получить доступ к группы вычислительных ресурсов Хотя облачные вычисления

помогли создать доступны вычисление, время, необходимый для доступа к

облачных программ могут быть слишком высокими, а для некоторых могут быть

не практичными. Кроме того, быстрое рост количества общих данных на края

сети за счет увеличение количества подключенных устройств требует, чтобы

облачные ресурсы были ближе к места, где находятся сгенерированы данные.

Больший спрос на высокую пропускную способность, географическую

распределенность, низкую задержку да конфиденциальность обработки данных

возникла - существенная потребность в вычислительных парадигмах, которые

имеют место ближе к подключенных устройств и которые поддерживают низкую

задержку, децентрализованные программы с высокой пропускной способностью.

Для удовлетворение этих потребностей промышленности служат туманные

вычисления. Для того, чтобы предоставить подробное сравнение между

парадигмами, связанными с туманными вычислениями, мы охарактеризуем

различные вычислительные парадигмы, начиная с туманных вычислений.

2.2 Особенности трафика систем IoT

Телекоммуникационная сеть должна развивайся да, чтобы обеспечивались

все необходимые условия для практического применение понятие "Интернет

вещей". Одной из таких условий следует считать обслуживание мультисервисного

трафика с заданными качественными показателями. Этот трафик можно

рассматриватели как результат сложение двух компонентов, что представляют

потоки IP-пакетов разной природы. Первый компонент иногда называют

трафиком. людей (пользователем, как правило, становится человек), второй - это

трафик вещей, создаваемый при реализации концепции IoT. Свойства первого

компонента активно изучаются специалисты по теории телетрафика на основании

теоретических моделей и результатов измерений в эксплуатируемых

мультисервисных сетях исследование второго компонента усложняется тем, что

пока сложно прогнозировать характер рост трафика IoT с необходимой

достоверностью. Правда, зависимость от недостаточности объема статистической

информации можно снизить, используя сценарий подход. Подобное решение нет

накладывает ограничений на изучение особенностей мультисервисного трафика, в

состав которого входят сообщение, что создаюсь конечномни устройствами IoT.

на характеристики мультисервисного трафика влияет множество факторов, но при

проведении исследований учитывается только часть с них. Такой подход -

общепринятая практика, какая объясняется в поэтому числе рядом объективных и

субъективных причин. В результате неизбежны ошибки.

Предположим, что характеристики трафика (атрибуты исследуемого

процесса) можно адекватно представить функцией F1(x1, x2, …, xk).

Совокупность переменных xi, i=l,k образует набор параметров, адекватно

характеризующих предмет исследований. При переходе к блоку "Содержательная

модель" ряд переменных, как правило, исключается из дальнейшего исследования

по причинам объективного и субъективного характерную. Это означает, что l > k.

Изменяется, естественно, и вид выходной функции, что отображает запись F2(x1,

x2, ..., xl). При переходе к блока "Математическая модель" также меняется

совокупность анализируемых переменных. Возможны варианты и l

≤ m, и l ≥ m. В результате исследования функция F3(x1, x2, ..., xm) приводится к

виду, который обозначен как F4(x1, x2, ..., xm). Разница этих функций определяет

ошибку, что возникает при исследовании математической модели. В процессе

объяснения результатов исследование модели формируются две функции –

F5(x1, x2,

..., xl) и F6(x1, x2, ..., xk). Разница функций F2(x1, x2, ..., xl) и F5(x1, x2, ..., xl), а

также F1(x1, x2, ..., xk) и F6(x1, x2, ..., xk) служит мерами возникающих

погрешностей. в блоках "Содержательная модель" и "Исследуемый процесс"

соответственно. Каждый IP- пакет, с точки зрения теории телетрафика, следует

рассматривать как заявку, которая должна быть обслужена - передана, принята

или обработана. Исчерпывающей характеристикой потока IP-пакетов служит

функция распределения продолжительности интервалов между моменты

поступления заявок. Для иллюстрации, приведенной на рисунке 2.1, этот

распределение представляет собой функцию F1 (x1, x2, …, xk). На рисунке 2.2

показана модель формирование потока IP-пакетов на входе узла коммутации.

Операция сборки IP- пакетов, что поступлений с разных источников, совершается

в данной модели в гипотетиническом блоки, какой обозначен символом "∑". Этот

блок можно рассматриватели как буферную память на входе узла коммутации.

Предполагается, что для обоих классов трафика (людей и вещей) известны

функции распределения продолжительности интервалов между моментами

поступления заявок. – υi(t), i = l, h, и j(t), j = l, g соответственно. На выходе

суммирующего устройства формируется поток заявок, которые должны быть

обработаны узлом коммутации. Для этого потока Необходимо определить вид

функции распределительной A(t) и ее параметры. Данная задача легко решается для

распределений υi(t) и υj(t) вида (1), но оно не составляет практической ценности для

исследование моделей мультисервисного трафика. Для произвольных законов

распределение ну υi(t) да j(t) необходимо оценить интенсивность входящего потока

заявок Λ. Если для обоих классов трафика величины интенсивности входных

потоков λiυ и λj известные, то справедливая неравенство:

(2.1)

Знак неравенства подчеркивает тот факт, что часть заявок может быть

потеряна в результате ограниченного объема буферной памяти. Современные

требования к величины вероятности потери таковы, что в соотношении можно

поставить знак равенства. Такой подход представляется разумным и с той

причины, что использование в дальнейших расчетах величины Λ, как суммы

всех значение λiυ и λj, позволит получить верхний предел необходимой

производительности узлов коммутации в составе телекоммуникационной сети.

Часто входящие потоки заданные моменты поступления заявок, которые удобно

выразить целыми числами, равными отношению текущего времени t к некоторому

малому периоду x. Это позволяет найти диаметрально противоположные законы

поступления заявок для суммарногного потока. Их можно назвать "лучшим" и

"худшим". Данное утверждение можно проиллюстрировать с помощью модели,

для которой определены законы поступления заявок для двух потоков – n1(t) и

n1(t). В верхней части рисунка 2.3 показаны соответствующие гистограммы. В

нижний части рисунка проиллюстрированы два законы поступление заявок для

суммарного потока. Они соответствуют диаметрально противоположным

случаям. Для "лучшего" случае сохраняется ординарность, а смежные заявки

находятся на расстоянии друг от друга, что равно не меньше 0,5. Для "худшего"

случая ординарность нарушается – в моменты времени 0, 3 и 4 приходят сразу две

заявки. Это происходит при непреднамеренной "синхронизации" двух входных

потоков Определения "лучший" и "худший" использованы для того, чтобы

акцентировать внимание на следующему факте: характеристики качества

обслуживание трафика при заданной величине пропускной способностные узла

коммутации для рассматриваемых случаев могут сравниваться при помощи этих

прилагательных. К сожалению, не всегда удается установить зависимость между

законом поступление заявок и соответствующим делением A (t).

В технической литературе, посвященной трафика мультисервисных сетей,

чаще других исследуют распределительную A(t) с так называемыми тяжелыми

хвостами. Эти функции определены на оси [x0, ∞). Рассматривается также пример

распределения, заданного на ограниченном интервале Подобные распределения

обозначаются как Al(t). Нижний индекс "l" - первая буква в слове "limited",

означающая ограничение. Тогда распределительное, для которого область

определения дело не ограничено, логично записать как Au(t). Нижний индекс "u"

– первая буква в слове "unlimited", переводится как неограниченный. Эти же

индексы уместно использовать для средних значений Al(1) и Au(1), а также

дисперсий σl2 и σu2 соответственно. На рисунке 2.3 показаны графики для двух

распределительных из классов Au(t) и Al(t). В качестве примеров использованы

распределение Парето и ступенчатая функция произвольного вида

соответственно. Параметры распределений Au(t) и Al(t) избранные таким

образом, чтобы соблюдали условия: Al(1)=Au(1) и σl2=σu2. Распределение Al(t)

имеет только три увеличение - в точках τ, 2τ и 10τ с Великанами P1 = 0,6, P2 = 0,3

и P10 = 0,1. Тогда для распределения Парето несложно вычислить параметры

положение и формы: x0 ≈ 1,244 и α ≈ 2,302. Для Распределительное Al(t) значение

τ принято равным единице. Примеры изучаемых распределений. Рассмотрим

однолинейную систему телетрафика с постоянным временем сервис заявок. Для

загрузки системы, равной 0,9 путем имитационного моделирования были

получены следующие результаты:

- среднее значение времени задержки заявок составляет 5,8 и 14,9 для

распределений Au

(t) и Al(t);

- коэффициент вариации времени задержки заявок составляет примерно 0,7

и 0,9 для распределителей Au(t) и Al(t). Результаты моделирование

подтверждают, что применение распределений вида Al(t) позволяет получить

верхние пределы для параметров времени задержки заявок. В качестве такой

функции можно использовать, например, бета-распределение.

2.3 Обоснование выбора парадигмы FOG вычислений для обслуживания

ИоТ трафика

Туманные вычисления – это модель, которая обеспечивает вычисление и

хранение данных между конечными устройствами и традиционными центрами

облачных вычислений Туманные вычисления заполняют разрыв между облаком и

конечными устройствами (например, узлы IoT), включив вычисление, хранение и

управление данными на сетевых узлах в непосредственный близости от устройств

IoT. Итак, вычисление, хранение, создание сетей, принятие решений да

управление данными происходят не только в облаке, но и по пути IoT-to-Cloud,

когда данные проходят к облаку (желательно близко к устройствам IoT).

Например, сжатие данных GPS может происходить на краю перед передачей в

облако в Интеллектуальных транспортные системы (ITS). Туманное вычисление

определяется Консорциумом OpenFog как «горизонтальная архитектура

системного уровня, распределяющая функции вычислений, хранение, управление

да сетей ближе к пользователей вдоль облачного к тонкому континуму»».

«Горизонтальная» платформа в вычислениях тумана позволяет распределять

вычислительные функции между различными платформами и отраслями, тогда как

вертикальная платформа способствует применению скрытых программ.

Вертикальная платформа может обеспечить мощную поддержку для одного

типа приложений (силоса), но она не учитывает взаимодействие между

платформами и другими вертикально сфокусированными платформами. В

дополнение к упрощению горизонтальной архитектуры, туманные вычисления

обеспечивают гибкую платформу для удовлетворения потребностей операторов и

пользователей, управляемых данными. Туманные вычисление назначены для

обеспечение мощной поддержки Интернет вещей.

Туман против облака. Типичным примером, который часто используют для

разрешение туманных да облачных вычислений, есть то, или можно

поддерживать программы, чувствительны к задержек, сохраняя

удовлетворительную качество обслуживание (QoS). Туманные узлы можно

размещать вблизи узлов источники IoT, что разрешает заметно уменьшить

задержку сравнительно с традиционными облачными вычислениями. Хотя этот

пример дает интуитивную мотивацию относительно тумана, программы,

чувствительны к задержек, есть только одной с многих программ, что

подтверждают необходимость туманных вычислений.

Узлы в туманных вычислениях, как правило, разворачиваются в меньше

централизованных местах сравнительно с централизованными облачными

центрами обработки данных Туманные узлы широко распространены и

географически доступны. большом количестве. При туманных вычислениях

безопасность должна обеспечиваться на края или в выделенных местах узлов

тумана, на отличие от разработанных централизованы механизмы безопасности в

специальных зданиях для облачных центров обработки данных.

Децентрализованный характер туманных вычислений разрешает

устройствам выполнять расчеты (например, автомобиль выполняет роль

туманного узла для бортовых датчиков) или использовать ресурсы тумана как

клиенты тумана.

Большинство отличий между облачными да туманными вычислениями

относятся к масштаба аппаратных компонентов, связанных с этими

вычислительными парадигмами. Облачные вычисление обеспечивают высокую

доступность вычислительных ресурсов при относительно высоком

энергопотреблении, тогда как туманные вычисления обеспечивают умеренную

доступность вычислительных ресурсов при меньшем потреблении энергии.

Облачные вычисление обычно используют большие центры обработки данных,

тогда как туманные вычисление используют небольшие серверы,

маршрутизаторы, коммутаторы, шлюзы, телевизионные приставки или точки

доступа. Поскольку оборудование для туманных вычислений занимает намного

меньше места, нож облачных вычислений, аппаратное обеспечение может быть

расположенное ближе к пользователей. Доступ к туманных вычислений можно

получить через подключенные устройства от края сети к сетевого ядра, тогда как

облачные вычисление должны быть доступны через сетевое ядро. Более того,

постоянное соединение с Интернетом не важно. работы служб, что выполняют

туманные вычисление. Есть службы могут работать независимо с низким

соединением или отсутствием подключение к Интернета и присылать

необходимы обновление к облака, когда соединение снова станет доступным.

Облачные вычисления, напротив, требуют подключения устройств во время

работы облачной службы.

туман помогает устройствам измерять, контролировать, обрабатывать,

анализировать да реагировать, а также распределяет вычисление, связь, хранение,

управление да принятие решений ближе к устройств IoT. Много отраслей

промышленности могли б использовать туман на свою польза: энергетика,

производство, транспорт, здравоохранение, умные города тому подобное.

Рисунок 2.4 - Преимущества для разработчиков приложений, которые

приносит Fog RAN. Вычисление тумана можно интегрировать в мобильные

технологии

в виде сетей радиодоступа (RAN), чтобы образовать то, что называется

туманным RAN (F-RAN). Вычислительные ресурсы на F-RAN могут быть

использованы для кэширования на сети, позволяющей быстрее получать

содержимое, уменьшать нагрузку на устройство. F-RAN может быть реализован

через мобильные технологии, связанные с 5G.

С другого стороны, облачный RAN (C-RAN) обеспечивает

централизованное управление узлами F-RAN. C-RAN использует преимущества

виртуализации да отделяет базовые станции в ячейке мобильной сети от функций

базовой полосы, виртуализуя или функции. В C-RAN большая количество

недорогих удаленных главных радиостанций (RRH) случайным образом

развертывается и подключается к пулу базовой полосы (BBU) посредством

фронтальных линий связи. И F-RAN, и C- RAN подходят для мобильных сетей с

базовыми станциями и являются кандидатами на 5G. развертывание. Кроме того,

использование F-RAN да C-RAN обеспечивает более энергоэффективную форму

работы сети

2.4 Характеристики парадигмы FOG вычислений

Ключевыми атрибутами открытых туманных структур, построенных на

основе горизонтальной архитектуры системного уровня, есть безопасность,

масштабируемость, открытость, автономность, программируемость,

работоспособность, ремонтопригодность, адаптивность, а также иерархичность.

БЕЗОПАСНОСТЬ

Значительно часть приложений IoT, поддерживаемых инфраструктурой на

основе OpenFog RA, имеет критически важное значение для бизнеса, управление

производством и жизнью людей. Потому любые инциденты в области

безопасности могут иметь самые серьезные последствия. Архитектура OpenFog

RA разрешает создавать вычислительные среды, оснащены широким спектром

средств безопасности, которые используются в всех их компонентах - от «вещ» и

устройств IoT к туманных структур и облачных сред. При такому подходе

защищенными оказываются все решение и технологии, которые могут быть

применены в узлах туманных структур – от чипов к приложениям.

Специфический набор требований к безопасности формируется с учетом

конкретных применений, вертикальных рынков, типов и места размещения таких

узлов. Однако к защите инфраструктуры предъявляется определенный набор

требований, которые необходимо соблюдать при разработке решений на основе

эталонной архитектуры. Прежде всего это конфиденциальность, анонимность,

целостность, доверие, аттестация, проверка и измерение. Соответствие

перечисленным требованиям гарантирует, что решение OpenFog будут

разворачиваться в безопасном вычислительном среде, что обеспечивает защита

узлов, сетевых компонентов, процессов управление да оркестровки. Архитекторы

да дизайнеры смогут сосредоточиться исключительно на проблемах безопасности

и конфиденциальности, которые характерны для устройств, используемых в их

приложениях. Все туманные узлы должны содержать компоненты доверенного

аппаратного обеспечения (Hardware Root of Trust), управление каким передается

при включении питание, после чего цепочка распространяется на другие

аппаратные и программные компоненты, а также на встроенное ПО. Узлы,

размещены на границе сети, осуществляют управление доступ и шифрование

данных. Они должны обеспечивать их контекстуальную целостность и изоляцию,

а также агрегировать конфиденциальные данные, прежде нож они будут

направлены на следующие уровни.

Узлы туманной сети

Узлы (Fog Nodes) - это физические и логические компоненты, которые

выполняют вычислительные функции в туманных сетях. Определенно мерой узлы

служат аналогами серверов облачных структур. Хотя узлы и есть

унифицированными компонентами туманных сетей, их архитектурные элементы

(включая центральные и графические процессоры, а также программируемые

логические матрицы и сетевые модули) варьируются в зависимости от места

узлов в туманной иерархии и выполняемых ими функций. Узлы способны

формировать пористые структуры, которые осуществляют балансировка

нагрузка, повышают отказоустойчивость и снижают объем облачный трафик. В

более сложных структурах, поддерживающих сервисные модели FaaS (Fog as a

Service), цепочки формируются от узла к узлу и распространяются на облачные

компоненты. Да как узлы могут динамически создаваться и расформовываться,

используемые для этого программные и аппаратные ресурсы должны быть

доверенными и аттестованными.

МАСШТАБИРОВАННОСТЬ

Масштабируемость обеспечивается динамическим соответствием

технологических возможностей туманных сред бизнес-требованиям с учетом

таких факторов, как рабочие нагрузки, производительность, стоимостные

характеристики. Масштабируемость предусматривает внесение изменений в

отдельные узлы сети путем добавления аппаратного и программного обеспечения,

увеличение числа узлов на особо загруженных уровнях или на соседних с ними

или уменьшения их количества по мере необходимости, а также добавление

систем хранение данных и средств аналитики Это разрешает наращивать

производительность в туманных структурах, изменять размеры сетей при

увеличении числа приложений, «вещей» или конечных пользователей, расширять

функциональность средств обеспечение надежности да безопасности. Кроме того,

для адекватной поддержки приложениями, инфраструктурой управление и

оркестровки огромного числа подключенных к сети «вещ» и объектов

осуществляется модификация аппаратных конфигураций компонентов узлов, а

также программного обеспечение. Будучи одним с важнейших принципов модели

FaaS, масштабируемость позволяет «оплату в меру рост». Это особенно важно на

этапе первичного развертывания облачных систем, а также для долгосрочного

успеха «туманных» проектов.

ОТКРЫТОСТЬ

Открытость есть фундаментальным принципом, какой способствует

формированию масштабной экосистемы туманных вычислений, что обеспечивает

развертывание и поддержку платформ и приложений Интернета вещей. Она

препятствует ограничению числа поставщиков и преобладание управленческих

решений, которые могут привести к удорожанию продуктов, снижение их

качества и замедление инновационного развития систем. Благодаря открытости

узлы можно размещать в любых сегментах туманных сетей, расширять сети путем

добавление узлов, использовать динамически формируемые программно-

конфигурированные узлы. Открытость обеспечивает интероперабельность,

поддерживает построение компонованной инфраструктуры, предоставляет

загруженным приложениям возможность использовать свободны ресурсы,

разрешает реализовать принцип прозрачности места расположение (Location

Transparency).

Прозрачность гарантирует узлам их размещения на любом иерархическом

уровне туманной сети, а «вещим» IoT - оптимизацию сетевых подключений и

выбор наиболее удобных маршрутов доступа к вычислительным да других

ресурсов

АВТОНОМНОСТЬ

Автономность определяется возможностями исполнение узлами туманных

сетей предложенных им функций в условиях отказов или отсутствия внешних

поддерживающих их сервисов. В архитектуре OpenFog RA этот принцип

распространяется на все уровни сети иерархии. Например, в случае операционной

автономности централизованное принятие решений в облаке не единственно

возможной опцией. Благодаря автономной реализации узлов подобные функции

выполняются локальными узлами границе сети на основе обрабатываемых ими

данных.

Среди других областей, где автономность необходима, - определение да

регистрация -подключаются к сети объектов, управление, обеспечение

безопасности.

Автономность – один из важнейших факторов повышения экономической

эффективности туманных структур, поскольку благодаря ей затраты на передачу в

облако больших объемов необработанных данных значительно снижаются.

ПРОГРАММИРОВАННОСТЬ

Программируемость, которая должна поддерживаться и аппаратными

компонентами, обеспечивает высокий уровень адаптированности программ,

развернутых в туманных средам. Это разрешает полностью автоматизировать

повторную постановку задач, которые должны выполняться узлами туманной

сети или кластерами, что состоят из нескольких узлов. Такой результат

достигается благодаря применению интерфейсов программирование функций,

которые описываются универсальными интерфейсами вычислительных или

ускорительных компонентов. Программируемость обеспечивает формирование

адаптивной инфраструктуры, что отвечает требованиям разных сценариев

развертывание приложений IoT, а также разрешает оптимизировать

использование имеющихся ресурсов, для чего, среди другого, применяется

Контейнеризация. В случае реализации в туманных структурах сервисных

моделей программируемость разрешает логично изолировать исполнительные

среды разных пользователей. Она автоматизирует обновление средств

безопасности и разрешает быстрее реагировать на возникающие угрозы.

НАДЕЖНОСТЬ, ГОТОВНОСТЬ И УДОБНОСТЬ ОБСЛУЖИВАНИЕ

Совокупность этих свойств характеризует работоспособность и

ремонтопригодность туманных инфраструктур. Они есть неотъемлемым

атрибутом современной системной архитектуры, способствуя уменьшению

времени прос-тоя, понижению рисков нарушение непрерывности бизнес-

процессов и упрощение технической поддержки. Технологии, необходимы для их

реализации и представляют собой важнейшие компоненты архитектуры OpenFog

RA, охватывают аппаратные системы, программное обеспечение да операции.

Они особенно нужны при создании туманных инфраструктур, которые работают в

условиях промышленного производства, неблагоприятной природного среды или

развернутых на удаленных площадках решений, доступ к которым затруднен.

Адаптивность

Архитектурные подходы OpenFog RA позволяют разработчикам IoT-

решений оптимизировать размещение приложений, которые есть компонентами

системы принятие решений. Данные сенсоров и других устройств различаются по

объему массивов, которые поступают в разное (не определенное заранее) время и

при этом создают достаточно значительный сетевой трафик. Вытащить с них

полезную информацию и сформировать полезный контекст, в том числе

рекомендации для бизнеса, в большинстве случаев становится возможным только

после агрегации, сопоставление и анализа полученных данных. Такие действия

могут выполняться на облачном уровне, но это существенно увеличивает как

задержки, связаны с передачей больших объемов данных на значительные

расстояния, так и затраты на оплату каналов связи. С помощью архитектуры

OpenFog RA можно приблизить обработку данных в источники их генерации,

чтобы принимать оперативные решения сразу после того, как данные будут

преобразованы в осмысленный контекст. Это свойство Архитектуры ее

разработчики назвали адаптивностью (Agility). Адаптивность позволяет

принимать стратегические решение на разных уровнях иерархии туманных

структур, быстро внедрять инновации да осуществлять масштабирование в

рамках общей инфраструктуры.

ИЕРАРХИЧНОСТЬ

OpenFog RA дополняет традиционные облачные архитектуры в поэтому

числе поддержкой иерархичности. Вычислительные ресурсы эталонной

архитектуры могут быть представлены в виде компонентов логической

иерархической инфраструктуры, соответствующей требованиям развертывание

комплексных «сквозных» систем IoT. Вычислительные ресурсы OpenFog можно

рассматривать как логическую иерархию, что базируется на функциональных

требованиям IoT-систем. В зависимости от их масштаба и решаемых задач

иерархия может включать в себя сеть связанных между собой интеллектуальных

систем, расположенных на разных физических ос-ких или логических уровнях

архитектуры В то же время с задачами IoT может справляться одна физическая

система, как это предполагается принципом автономности. Каждый уровень

иерархии обеспечивает поддержку определенного набора функций, необходимых

для работы IoT-систем. Нижний уровень многоуровневой архитектуры систем IoT

формируют устройства: датчики, исполнительные механизмы, видеокамеры,

смартфоны, планшеты.

2.5 Выводы раздела 2

В данной главе была рассмотрена парадигма cloud вычислений.

Проанализировано их особенности, возможности да преимущества. Также был

рассмотрен трафик Интернета вещей да выбрано туманную инфраструктуру для

решение проблем экосистемы IoT. Были приведены ее характеристики и

преимущества.

3 ОБЗОР АРХИТЕКТУР ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ FOG

3.1 Обзор архитектур вычислительных систем FOG

Цель создания консорциума OpenFog была объявлена его учредителями еще

в 2015 году. Она заключалась в разработке системной архитектуры для туманных,

предельных и распределенных моделей. В список задач, что стоят перед

консорциумом, также входила проработка методов практического внедрения

новых моделей вычислений Для реализации намеченных целей были созданы

несколько рабочих групп Они занимались детальной проработкой по каждой из

заявленных направлений платформы OpenFog, выработкой единой модели

безопасности для этих систем и разработкой кейсов для иллюстрации

индустриального внедрение новых технологий. В основу эталонной архитектуры

OpenFog легли восемь технологических принципов: безопасность,

масштабируемость, открытость, автономность, RAS (reliability, availability,

serviceability – надежность, доступность и пригодность для сервисного

обслуживания), адаптированность, иерархический принцип выстраивание

входных элементов, программируемость.

Рисунок. 3.1 - Технологические принципы туманной инфрастуктуры

Инфраструктура OpenFog представляет собой набор узлов (fog nodes) на

базе сетевых смарт-устройств, которые выполняют обработку данных в рамках

модели туманных вычислений. В проекте также содержатся описания вариантов

иерархического выстраивание узлов, модели развертывание систем, примеры

возможных реализаций.

«Интернет появился своего времени благодаря поэтому, что предварительно был

разработан универсальный протокол TCP/IP, ставший стандартом для будущей

системы. Аналогичную роль может сыграть Эталонная архитектура OpenFog.

Рисунок. 3.2 - Эталонная структура Fog – инфраструктуры

Этот стандарт и универсальная платформа могут применяться для

строительства прикладных систем в сетях 5G, Интернета вещей, создание

приложений искусственного интеллект. Широкое внедрение туманных

вычислений начинается со строительства "умных" городов, выпуска

подключенных автомобилей, развития дронов и других "умных" устройств.

Эталонная архитектура OpenFog способна раскрыть потенциал этих систем для

цифровой трансформации экономики в

целом », - заявил Хельдер Антюнес (Helder Antunes), голова OpenFog

Консортиум и руководитель подразделения Corporate Strategic Innovation Group

компании Cisco.

Как Cloud, да и Fog Computing, используют подобные ИТ-ресурсы:

вычислительные устройства (серверы и процессоры компьютеров пользователей),

узлы коммутации сети и системы хранение данных. Однако, расширение облака к

границ сети нет возводится только к масштабирование этой облака. Техническая

реализация, а также спектр приложений Fog, могут значительно отличаться от

Cloud. Fog предназначен, в основном, для приложений и услуг, плохо

работающих в архитектуре Cloud Computing, или вообще нет могут в ней

работать. В в основном, это область интернета вещей, нарастающий развитие

которого не может полностью поддерживаться только с помощью решений

Cloud[2]. Развитие IoT столкнулся с необходимостью фильтрации и предыдущей

обработки данных перед отправкой в облако. Это следующие программы:

- приложения, что требуют низкой и предполагаемой задержки передачи

информации по сети, например, игровые приложения или видеоконференции;

- приложения для транспорта, такие как: беспилотные автомобили,

скоростные поезда, интеллектуальные транспортные системы;

- приложения, требующие локальной обработки данных в реальном

времени, такие как: интеллектуальные системы электроснабжение (Smart Grid),

интеллектуальные транспортные системы (ИТС), геофизическая разведка недр,

управление трубопроводами, сенсорные сети мониторинга окружающего среды да

др.

Fog не является альтернативой для Cloud. Напротив, Fog плодотворно

взаимодействует с Cloud, особенно в администрировании и аналитике данных, и

такое взаимодействие порождает новый класс приложений.

Архитектура Fog Computing есть каким-то «прослойкой» на границе между

облаком и устройствами интернета вещей с сенсорами, а также мобильными

устройствами пользователей. Существует много вариантов возможного

применение архитектуры OpenFog.

Сфера Применение для новой архитектуры было обозначено компанией

Cisco. Согласно ее предложению, туманные вычисления в наибольшей степени

подходят для работы с системами межмашинной взаимодействия (machine-to-

machine, M2M) и устройств, что используют человеко-машинный интерфейс

(human-machine interface, HMI). Cisco выделила три основные группы таких

устройств.

Первая - это устройства для сбора данных, что генерируются серийно

расставленными сенсорами с частотой от нескольких миллисекунд до долей

секунд. Подобные устройства встречаются в системах безопасности и комплексах

управление промышленными объектами. Для них характерны требования низкой

задержки при получении данных и высокая производительность для расчета

необходимых характеристик реального времени.

Ко второй группе устройств относятся системы, отвечающие за обработку

операционных и других данных Исходные данные поступают с частотой от

нескольких секунд к нескольких минут. До числа таких систем могут быть

отнесены устройства визуализации физических процессов, разные

технологические промышленные системы. Требования к задержке собранных

данных и их обработке не так высоки, как для устройств первой группы, однако

все данные обрабатываются в реальном режиме.

Третья группа устройств служит для накопление да обработки исторических

данных, собираемых с частотой от нескольких минут до нескольких дней.

Подобные требования характерны для систем визуализации и подготовки отчетов

3.2 Архитектурный взаимосвязь компонент парадигмы FOG вычислений

Как примеры использование модели туманных вычислений можно

назвать

«умную» систему дорожной сигнализации, какая умеет управлять текущей

обстановка на дорогах. Ее реализация в рамках города способна снизить

аварийность и избавиться от дорожных пробок Другие примеры - системы

безопасности на железной дороге, контроля расходов электроэнергии в «умных»

грид-сетях, киберзащиты предприятия.

Рисунок. 3.3 - Архитектура сети Fog Computing

Основные архитектурные отличия Fog от Cloud:

1. Обеспечение качества услуг (QoS, Quality of Service), что требует

динамической адаптации приложений к состояния сети.

2. Отслеживание места расположение (Location Awareness) для того, чтобы

поддерживать стабильность работы программы в условиях мобильности

терминала.

3. Отслеживание контекстной информации (Context Awareness), то есть

способность обнаруживать наличие доступных ресурсов поблизости, чтобы

задействовать их в работе приложения, с возможностью горизонтального

взаимодействия.

В архитектуре Fog сетевые узлы (Fog Sites), расположены ближе к облачных

дата-центров, имеют большую вычислительную мощность с большим объемом

данных в системах хранения Сетевые узлы, расположенные ближе к сенсоров

интернета вещей и мобильных устройств, имеют большую интерактивность и

быстрый отзыв. Отличной особенностью Fog есть то, что в качества сетевого

узла

могут выступать устройства пользователя, такие как персональные компьютеры,

домашние шлюзы, телеприставки и мобильные устройства. Чтобы устройство

пользователя могло работать как узел сети Fog, пользователь должен даты

оператору связи подходящий разрешение на использование вычислительной

мощности своего гаджета в фоновом режиме, в обмен на разные льготы с стороны

оператора.

Это современно технология, какая может принести облачные программы

ближе к физических устройств IoT на сетевой край, среди которого есть узел

тумана, как правило, по отношению определенного устройства края,

конкретного случае использование или программы. В этой главе мы описываем

архитектуру тумана при вычислении тумана. Учитывая современные устройства,

датчики и приложения, каждый день создается огромное количество данных.

Устройства для обработки данных часто слишком просты или нет имеют ресурсов

для исполнение необходимых задач аналитики, они просто передают информацию

в облако. Облако ма способность управлять этими вычислительными задачами.

Но облако часто слишком далеко, чтобы обрабатывать данные и своевременно

реагировать. Подключение всех конечных точек непосредственно к облаку не

возможно, хотя отправка необработанных данных в Интернет может иметь

конфиденциальность, безопасность и юридические последствия.

В настоящее время в архитектуре Fog Computing слой тумана описывается

исходя из перспективы Вещ. Это может быть машина, шлюз, маршрутизатор тому

подобное, где программное обеспечение уменьшает объем данных, что

присылаются в облако и принимает логические решение. Архитектура Fog

Computing используется для приложений да услуг в разных отраслях, таких

как отрасль IoT, транспортные сети,

«умные» города, «умные» здания тому подобное, как показано на рисунка 3.4

ниже.

Рисунок. 3.4 - Архитектурная взаимосвязь компонентов тумана

Расчеты с использованием парадигмы тумана являются более точными

благодаря поэтому, что мощность хранение, вычислений, обработки да

мультимедиа может существовать в любом месте структуры, на значительном

расстоянии от центров обработки данных, облачных вычислений, преимуществ

устройств, таких как шлюзы или маршрутизаторы, да самого оборудование

преимуществ, например, системы или даже от детекторов, и он имеет в основном

пять слоев, с помощью которых он работает, также ярко, что в них три важные

эшелоны умалчиваются, как показано на рисунка 3.4, от конечного пользователя

устройства до последнего слоя, где данные были широко покоренный.

Уровень центра управление данным

Это последний слой последних вычислений, как запотевания, здесь

основной акцент делается на хранении да управлении большими данным. Это

уровень сервисной модели, в котором находятся данные, поддержка, управление,

резервное копирование осуществляется удаленно и делается доступным для

пользователей через сеть (как правило, Интернет).

Обычно пользователи платят за облачное хранение данных за потребление,

в зависимости от того, что касается хранение и доступа к огромных объемов

данных организацией, облачные службы данных есть экономически эффективной

альтернативой созданию и работе центра обработки данных. Центр обработки

данных обычно относится к серверного оборудование в вашему помещении для

хранение да доступа к данных через вашу локальную сеть.

Промежуточный вычислительный узел

Узел – это базовый подход, это устройства или точки данных в большей

сети. Такие устройства, как персональный компьютер, мобильный телефон, среди

прочих узлами. При определении узлов в Интернете узлом называется все, что

имеет IP- адрес. Или узлы содержат значение или условие или, могут служить

другой независимой структурой данных. Узлы представлены единственным

родительским узлом. Самая высокая точка на древесной структуре называется не

имеющим корневым узлом родительского узла, но служит материалом всех узлов

под ним в иерархии. Высота узла определяется общей количеством краев на пути

от этого узла к самого дальнего листового узла, а высота дерева равна высоте

корневого узла и этого уровня, промежуточные вычисление осуществляются за

помощью этого узел шара.

Краевой вычислительный шар

Краевой вычислительный уровень за определением - это уровень, на

котором оптимизируется программа или облачные вычислительные системы

путем перемещения определенной части программы, ее данных или услуг от

одного или нескольких центральных узлов "ядро" к другому логическому

крайнему "краю" Интернета устанавливает контакт с физическим миром или

конечными пользователями. Он

локально и принципиально оптимизирует обработку и управляет датчиками сетей

IoT для лучших вычислений и приближение к пользователя.

Сенсорная сеть

Как только IoT известны на первом уровне, тогда фокус устройств

сосредотачивается на том, может ли он быть выбран цензурой по ограниченной

сетевой мощности. узлов для хранения данных, вычислений и доступа На этом

уровне контролируется использование ресурсов, наличие датчиков, узлов тумана

и элементов сети, отмечая, что разнообразие задач, что выполняются узлами,

также удостоверяет лучшую качество данных и базовое управление ресурсами.

Физический уровень

Это первый уровень на этапах запотевания, где мы диагностируем

логические связи устройств IoT, замечая поведение. Это укладывается с каждой

"вещью", какая способна подключаться к Интернету или даже, возможно, к сети

и генерировать данные. Он охватывает узлы, устройства, такие как транспортные

средства, смартфоны да интеллектуальные вещи в целом, как показано на

подробном рисунка выше, что показывает

3.3 Рекомендации по выбору телекоммуникационной FOG-инфраструктуры

и ее компонент в зависимости от задачи IoT

1. Энергетика и коммунальные службы

Энергетический сектор и коммунальные службы есть самым большим

рынком для систем Fog computing, с потенциалом роста до $3,84 млрд к 2022 г.

рынок включает в себя множество объектов энергетической инфраструктуры,

начиная с АЭС, ТЭЦ, ГЭС, высоковольтных ЛЭП, а также терминальных

объектов, включая местные счетчики ЖКХ. В настоящее время мировая

энергетическая промышленность испытывает трансформации, в результате

распространение технологий распределенной генерации энергии (солнечные и

ветряные генераторы), двусторонней передачи энергии в электросетях,

эффективных и компактных аккумуляторов электроэнергии, консервации воды, и

растущих инвестиций в замену устаревшей и неэффективной инфраструктуры

электросети.

1. Транспорт

Сектор транспорта - второй за значимостью потенциальный рынок для Fog

computing с потенциалом роста до $3,29 млрд к 2022 году. Транспорт - наиболее

актуальный рынок для Fog-систем, имея на виду, что постоянно изменяются сети

транспортных средств, устанавливающих соединение между собой и их

мобильность. На транспорте можно выделить три наиболее потенциальных

сферы. применение Fog систем: коннективность (подключенный автомобиль,

самолет, поезд), телематика (оптимизация маршрутов грузового транспорта,

обслуживание в зависимости от степени износа) и автономность (системы

помощи вождению ADAS, автономные транспортные средства).

3. Медицина

Отрасль медицины представляет третий по величине рынок Fog computing,

объем которого оценивается в $ 2,74 млрд к 2022 года. Например, в охране

здоровья США модель «оплаты за услугу» ('fee for service') постепенно

заменяется на модель «вознаграждения за параметры на выходе» (outcome-based

reimbursement), которая, по результатам опроса исследовательской компании

Research, снизила риск лечение почти на 61% . В центральной Африке, только 34%

больниц и 28% медицинских учреждений имеют надежное электропитание,

создающее предпосылки создания автономных систем Fog computing с функцией

временного хранение информации и передачи их при восстановлении

подключения по сети. В Азии требования к инфраструктуры охраны здоровья

быстро растут, в меру рост доли население старше 65 лет, какая, согласно с

демографическими прогнозами возрастет с 8,1% в 2016 г., к 20,5% в 2050 р. В

Европе старение население также ощутимо: четверть населения Европы будет

старше 60 лет к 2025 году года.

Также, как и энергетика, сектор охраны здоровья использует приложения,

как чувствительны к задержек (есть их работа должна осуществляться в

реальном времени,

поскольку часто это «вопрос жизнь и смерти»), да и нечувствительные к

задержек программы, которые должны анализировать большие объемы

накопленных телеметрических данных. Кроме того, в секторе охраны здоровья

растет спрос на локализованную аналитику данных, основанную на географии и

национально-государственное регулировка.

4. Промышленность

Промышленное производство имеет много секторов: строительство, добыча

полезных ископаемое, производство (как средств производства, да и предметов

потребление) и многие другие, а также поддерживающие отрасли для них. В то

время как для Интернета Вещей IoT, эта вертикаль – самая большая (IIoT,

Industrial Internet of Things), она занимает лишь четвёртое место по возможностям

развития Fog computing. Это объясняется рядом факторов, включая темп

амортизации промышленного оборудование и замены его новым, с функциями

Fog. Кроме того, имеет значение темп инноваций в секторе строительства, а также

макроэкономические изменения в добывающем секторе. Есть много вариаций

внедрение Fog-технологий в разные виды промышленного производства

(например, от высокотехнологичного роботизированного производства

электроники, к производства кормов для домашних животных), а также в

добывающем секторе. Эти вариации отличаются от автоматизации отдельных

операций, к высокоавтоматизированных открытых шахт с автономными

добывающими и транспортными механизмами и дронами. Поскольку масштаб и

разнообразие секторов промышленности очень широкие, эта вертикаль

подвергается прогнозированию с самым маленьким степенью вероятности.

В данной отрасли возможны два сценарии проникновение Fog-систем:

продажи нового оборудование, уже оснащенного Fog-функциями (т.н.

"greenfield"), и модернизация существующего оборудование путем оснащение его

Fog-устройства, чтоб повысить его производительность и срок службы

("brownfield"). Brownfield- рынок Fog-систем для промышленности является

определяющим, поскольку цикл амортизации для многих видов основного

оборудования может составлять 20-30 лет.

на рисунка ниже показана схема решение «интеллектуальный карьер»

русского компании ВЕСТ Майнинг Технолоджи (слово «Майнинг» в названии

русского компании используется в своему первоначальном значении - добыча

полезных ископаемых).

Рисунок 3.4 - Схема решение «интеллектуальный карьер»

5. Торговля

Торговля - широкий сектор экономики, куда входят оптовые торговые

предприятия, а также предприятия розничной торговли: крупные супермаркеты и

небольшие магазины шаговой доступности, а также разнообразные торговые

точки и сетевые магазины. Сюда же можно отнести кафе и рестораны, АЗС, аптеки

и т.д. Сектор торговли, хотя и с трудом воспринимает разные нововведения,

однако, имеет ярко выраженный спрос на IoT и Fog. В настоящее время широкое

распространение в рознице получают Bluetooth-маячки (beacon), на основе

технологии BLE (Bluetooth Low

Energy) с низким энергопотреблением и низкой скоростью передачи данных. Они

отслеживают перемещение покупателей по торговому залу, и используются для

многоканального маркетинга

Покупатель может получать рекламные и другие сообщения от магазинов с

помощью Bluetooth-маячков, в том числе, и электронные купоны на скидки. При

этом отправка таких сообщений может производиться с учетом предпочтений

пользователя, определяемые с учетом предыдущих посещений магазина. Если в

магазине одежды покупатель несколько раз подряд покупал вещи одного и того

же бренда, то и предложение на его смартфон придет именно от этой торговой

марки. Более того, ему может прийти сообщение, что одежда его любимой марки

продается еще и в других магазинах, и покажет в котором направлении нужно

двигаться.

На рисунке ниже показана примерная схема работы маркетинга на основе

Bluetooth-маячков.

6. Сельское хозяйство

В аграрный сектор народного хозяйства, кроме растениеводства, входит

также животноводство, разведение рыбы, моллюсков, лесное хозяйство,

фермерство и производство сельхозоборудования. Существенную долю рынка

Fog-систем для деревенского хозяйства занимает «Точное сельское хозяйство»

(precision agriculture): тракторы, сеялки тому подобное оборудование с

использованием сенсоров и датчиков IoT, а также беспилотная сельхозтехника,

способная двигаться самостоятельно. В секторе IoT для сельского хозяйства уже

активно используется дроны и машинное обучение. Например, один с стартапов

по машинном обучению, компания Blue River, была приобретена самым большим

производителем сельхозмашин, Deere & Company за $305 млн в сентябре 2017 г.

Функционал Fog-узлов будет в ближайшем будущем встраиваться в системы

управление да навигации сельхозтехники, как в новом оборудование, да и для

переоснащение старика оборудование. на рисунка ниже показан пример

использование Fog-узла в решении Precision Agriculture компании Deere &

Company. Трактор со встроенным GPS / GLONASS-приемником очень точно

выдерживает борозду, что помогает повышать урожайность к 10%. В тот же

время, Возможно ведение второго беспилотного трактора рядом с ведущим, что

сокращает потребность в рабочей силе.

Рисунок 3.6 - Решение Precision Agriculture с использованием Fog Computing

7. Дата-центры

В дата-центрах технологии IoT внедряются наиболее быстро. За

результатами опрос агентства 451 Research, в 2017 году 42,6% новых проектов в

дата-центрах да или иначе содержали элементы IoT. Однако, часть проектов IoT

или Fog в стоимостном выражении в дата-центрах невысокая. Кроме того, что IoT

и Fog используются в дата-центрах для их внутренних нужд, развитие Fog

computing само по себе рождает рост требований к емкости дата-центров на

границе сети, а также дата-центров операторов связи и облачных провайдеров в.

Эта дополнительная емкость включает ресурсы серверов, систем хранения и

коммутаторов. как непосредственно задействованную для приложений Fog.

на рисунка ниже показано применение решений Fog computing в дата-

центрах на границе сети (Edge).

Рисунок 3.7- Применение решений Fog computing в дата-центрах Edge

8. Переносные устройства

Носятся устройства представляют собой целый спектр устройств, от

фитнес- трекеров и «умных» часов к устройствам виртуальной и дополненной

реальности, а также много более сложные устройства военного назначение,

причем именно только сектор, за прогнозом 451 Research, составит больше 70%

рынке носятся устройств с функциями Fog В основном, это объясняется

стоимостью устройств, а не тем, что в солдат их будет намного больше. Однако,

развитие дополненной и виртуальной реальности может поменять это

соотношение в свою сторону. За результатами опроса 451 Research, в 3 кв. 2017 г.

17% респондентов заявили, что уже носят смарт-часы, а 18% - фитнес-монитор.

На рисунке ниже показано переносное устройство для контроля сахара в

крови для диабетиков по анализу состава пота на коже, а также устройство для

неинвазивных микро-инъекций инсулина . Устройства разработаны корейскими

учеными в центре Centre for Nanoparticle Research в Сеули.

Рисунок 3.8 – Носящие устройства для контроля сахара в крови для

диабетиков и неинвазивных микро-инъекций инсулина

3.4 Выводы с раздела 3

В данном разделе рассмотрена архитектура туманной инфраструктуры , ее

компоненты и их взаимодействие. Были даны рекомендации по сферам

возможного использования fog – инфрастуктуры в зависимости от задач IoT.

ВЫВОДЫ

Мы переживаем взрыв мобильных услуг вместе с многими другими

беспроводными приложениями в таких областях, как умные города,

здравоохранение, киберфизические системы, интеллектуальные транспортные

системы и IoT. Очевидно, что беспроводные сети должны быть

масштабируемыми, чтобы удовлетворить быстро растущие требования. Для этого

исследователи исследуют интегрированные решение облачных технологий IoT.

Программы IoT могут воспользоваться практически неограниченными ресурсами

облака, тогда как облако может расширить свой репертуар. услуг с помощью

соответствующих узлов и программ IoT. Однако несколько существующих да

экстренных беспроводных приложений имеют разнообразные требования к

качества обслуживание, которые невозможно удовлетворить с помощью простого

решение интеграции облачных IoT. Возникновение тумана как промежуточного

программного обеспечение помогает решать наготы Задача локально да

выгружаться с ограниченных ресурсов узлов. В этой работе мы представили

всестороннюю архитектуру тумана вместе с его преимуществами и

ограничениями.

Также В этой работе мы обсудили многочисленны нарушение уязвимости

конфиденциальности да безопасности под время использование метода анализа,

чтобы привлечь внимание среды исследователей, а также проблемы безопасности

в контексте туманных сетей, что есть новой вычислительной парадигмой для

обеспечение переменных свойств на краю сети для ближайших конечных

пользователей. Объем вычислений Fog достаточно большой, что включает IoT,

приложения, стандарты, протоколы, устройства, технологии, безопасность,

надежность, требования к реакции, производительность, задержку, энергию,

условия окружающего среды. Также было обследовано литературу относительно

существующих методов защиты да обнаружение инфраструктуры безопасности да

обобщено или методы безопасности да состояние существующих решений

относительно решение проблем безопасности при вычислении тумана. Для

обеспечение конфиденциальности и безопасности требуется целостная система

кибербезопасности, которая охватывает все концептуальные уровни разнородных

систем IoT да пересекает границы платформы. между всем важным есть

безопасность да конфиденциальность сетевых устройств. Также было проведено

анализ да приведено рекомендации относительно использование разных fog –

инфраструктура в зависимости от потребностей IoT девайсов.

ПЕРЕЧЕНЬ ЛИТЕРАТУРЫ

1. J. V al e n z u e la, J. W a n g, a nd N. B is si ng er ,

Real - ti m e i n tr

us i o n de t ec tio n in power system operations,‖ IEEE Transactions on Power

Systems, vol. 28, no. 2, pp. 1052–1062, May 2013

2. W. W ei, F. X u, a nd Q. L i,

―

M obi S h are: F l e x ib le p r i vac y

-pr e se r v in g location sharing in mobile online social networks,‖ in 2012 Proceedings

IEEE INFOCOM, Orlando, FL, США, 2012, pp. 2616–2620

3. All One Needs to Know about Fog Computing and Related Edge

Computing Paradigms: A Complete Survey Ashkan Yosefpour Tam Duy Nguyen

4. B. T. Ba w ono a n d A. Ma sh d u r o h a tu n, Pe ne g a k a n H u k

um P id a na D i Bidang Illegal Logging Bagi Kelestarian Lingkungan Hidup Dan

Упая

Penanggulangannya,‖ Jurnal Hukum, vol. 26, no. 2, pp. 590–611, 2019.

5. A. Bra ga de e sh a n d U. A r u m ug a m ,

―

A Co n ce p t ual Fra m

e w ork f o r Security and Privacy in Edge Computing,‖ in Edge Computing, F. Al-

Tudjman, Ed. Cham: Springer International Publishing, 2019, pp. 173-186.

6. Fog Computing Architecture, Evaluation , and Future Research Directions

Мохаммад Aazam Sherali Zeadally May 2018 IEEE Communications Magazine

56(5):46-52

7. John Gantz и David Reinsel. Увеличение стоимости от chaos. IDC iview,

1142 (2011):1–12, 2011.

8. R. Mahmud, R. Котагири, and R. Buyya, "Fog computing: A

taxonomy, survey and future directions," в Интернете, Springer, 2018, pp. 103-130.

9. S. Reif, L. Gerhardt, K. Bender, and T. Hönig, "Towards Low-Jitter

and Energy-Efficient Data Processing in Cyber-Physical Information Systems," p. 8

10. Z. Meng et al., "Multimode fibre spectrometer with scalable bandwidth

using space-division multiplexing," AIP Advances, vol. 9, no. 1, p. 015004, 2019.