Computação na borda da rede
Desde sua concepção, o modelo de computação em névoa tem sido percebido como um modelo de computação na borda (edge computing). Tal conceito inclui também os modelos de cloudlets, computação móvel na borda (mobile edge computing), entre outros, como sistemas de transportes inteligentes em nuvem (ITS-Clouds), VANETs (Redes Ad-Hoc de redes veiculares) e CDN (Content Delivery Networks) [Tordera et al, 2018]. A computação na borda é um modelo de arquitetura de TI que é aberto e distribuído, e possui como principais características o processamento descentralizado e local (ao invés da transmissão frequente a um datacenter central). Um dispositivo de borda seria qualquer coisa que forneça um ponto de entrada para uma rede, como gateways e roteadores.
Cloudlets
Basicamente, os cloudlets são datacenters de nuvem em pequena escala que ficam localizados próximo a borda da rede. Mais formalmente, de acordo com Satyanarayanan et al [2009], um cloudlet é um computador confiável, com grandes recursos computacionais ou um cluster de máquinas que são altamente conectadas com a Internet e disponível para uso de dispositivos próximos. Acessos a recursos computacionais normalmente fica a um salto (hop) de uma rede local sem fio.
Quando comparado com os modelos tradicionais de nuvem, há algumas características exclusivas de cloudlets [Ai et al, 2017]: (i) necessidade de ser mais ágil no provisionamento de recursos para ser tolerante à grande variação de densidade de dispositivos durante sua operação; (ii) as informações e serviços que estão concentrados em um determinado nó cloudlet precisam ser projetadas de forma que elas possam ser transferidas para outro nó de acordo com a mobilidade dos usuários; e (iii) os dispositivos móveis devem ser capazes de descobrir, selecionar e associar-se com o nó cloudlet apropriado dentre as diversas opções que lhe forem fornecidas.
Conforme apresentado na Figura 3 [Ai et al, 2017], o modelo de cloudlet pressupõe o uso de uma máquina virtual que deve ser pré-carregada na infraestrutura antes da conexão de qualquer usuário. Ao se conectar, a aplicação do dispositivo envia um pacote com informações personalizadas do cliente, de modo que esses dados são utilizados para sobrescrever a VM base do cloudlet (VM overlay). Em seguida, a base e as informações fornecidas pelo cliente serão sintetizadas e uma nova instância de máquina virtual é criada para aquele dispositivo. Quando a conexão é desfeita, o cloudlet descarta a máquina virtual criada e encaminha um pacote de informações (VM residue) para o dispositivo, que pode utilizá-las, por exemplo, para iniciar a instância em outro nó cloudlet
Computação móvel na borda
De acordo com o Instituto de Padrões de Telecomunicação Europeu [ETSI, 2014], a computação móvel na borda é capaz de prover serviços de tecnologia da informação e capacidades de computação em nuvem na borda de redes móveis, com redes de acesso por rádio (RAR) e próximo aos dispositivos móveis. Conforme explicado por Ai et al [2017], a computação móvel na borda pode ser usada em conjunto com um ambiente NFV (Network Functions Virtualization — Virtualização das Funções da Rede) De forma simplificada, o NFV permite que, ao invés da utilização de hardwares dedicados (para funções como NAT, firewall, DNS, etc), utilizem-se softwares executados em máquinas virtuais. Nesse caso, a computação móvel na borda utiliza todas as entidades e interfaces de gestão e orquestração do NFV.
A computação móvel na borda é um paradigma que pretende complementar as necessidades do modelo de uso de computação móvel apenas na nuvem, com foco especificamente nos requisitos de baixa latência, economia de energia, sensibilidade ao contexto e melhoria da privacidade e segurança [Mao et al, 2017]. A Tabela 2 apresenta uma breve comparação entre os dois modelos:
Nós na computação em névoa
A grande diferença conceitual entre a computação em névoa e os demais modelos de computação na borda refere-se às características específicas que um nó em uma rede de névoa (Fog Node) pode assumir. Sobre isso, Tordera et al [2018] afirma que é possível atribuí-lo ao conceito de Névoa para Nuvem (Fog to Cloud, F2C) onde a gestão de todos os recursos acontece de forma coordenada e em camadas (desde a nuvem até a borda), propiciando serviços colaborativos baseado em clusters de recursos e compartilhamento de informações.
Na Figura 4, é possível verificar um modelo clássico de arquitetura Névoa para a Nuvem, evidenciando duas definições distintas e características de um nó:
· A camada de névoa 1, que indica um nó intermediário entre o processamento local e o da nuvem, quase sempre com características de servidor. Assim, essa camada assemelha-se a uma pequena nuvem e/ou gateway, capaz de fornecer serviços de IdC e processar dados coletados pelos dispositivos de borda.
· A camada de névoa 2, que se refere à camada mais próxima dos dispositivos de borda — sensores, celulares, etc. Basicamente, essa camada trata o nó de névoa como um conjunto de componentes (que incluem servidores e dispositivos de borda) com mecanismos agregadores e controladores das capacidades da borda, como armazenamento, computação, sensoriamento e rede;
Nesse cenário, há diversos papéis que um nó pode assumir [Tordera et al, 2018]: (i) mero produtor de dados (nó “burro”); (ii) dispositivos de borda que processam seu próprio dado e os de sensores conectados (nós inteligentes), e; (iii) dispositivos de borda oferecendo capacidade de TI para executar serviços externos (nós verdadeiramente inteligentes). Além das definições de acordo com o papel dos dispositivos de borda, pode haver outras classificações quanto às estratégias de processamento, como, por exemplo: dispositivos de borda oferecendo suas capacidades de TI uns para os outros (computação distribuída), o que exige normalmente um gerenciador e/ou alocador de recursos e tarefas; e dispositivos de borda com processamento distribuído e offline.
Uma definição de um nó na computação em névoa é fornecida por Tordera et al [2018], que os classifica como entidades distribuídas de computação em nuvem, em um cenário composto por ao menos um dispositivo físico com capacidades de sensoriamento e/ou processamento, que possibilitam a implementação de serviços na névoa.
Referências (totais):
AI, Y; PENG, M.; ZHANG, K. Edge cloud computing technologies for internet of things: A primer. Digital Communications and Networks (DCN). 2017. Disponível em https://www.sciencedirect.com/science/article/pii/S2352864817301335
BAKTIR, A.; OZGOVDE, A.; ERSOY, C. How can edge computing benefit from software-defined networking: a survey, use cases & future directions. IEEE Communications surveys & tutorials. 2017. Disponível em https://www.researchgate.net/publication/317701794_How_Can_Edge_Computing_Benefit_from_Software-Defined_Networking_A_Survey_Use_Cases_Future_Directions?_sg=z_Ky2rFoev2IY7HpaAGhUBnIuiIcA3QwXEvuv7ElqdYOTuUig6EPR2n0ivVesNx3lLuBIcGze91F7b8dTdJAzaW5iSfFETxLPw
BILAL, K.; KHALID, O.; ERBAD, A.; KHAN, S. Potentials, trends, and prospects in edge Technologies: Fog, cloudlet, mobile edge, and micro data centers. Computer Networks 130, págs. 94–120. 2018. Disponível em https://www.sciencedirect.com/science/article/pii/S1389128617303778
BONOMI, F.; MILITO, R.; NATARAJAN, P.; ZHU, J. Fog Computing: A platform for Internet of Things and Analytics. Big data and Internet of Things: A roadmap for Smart Environments, págs. 169–186, Springer. 2014.
BONOMI, F.; MILITO, R.; ZHU, J.; ADDEPALLI, S. Fog Computing and its role in the internet of things. MCC’12 Proceedings of the first edition of the MCC workshop on Mobile cloud computing, pages 13–16. 2012. Disponível em https://dl.acm.org/citation.cfm?id=2342513
BORCOCI, E. Fog Computing, Mobile edge computing, Cloudlets — whice one? SoftNet Conference, 2016. Disponível em https://www.iaria.org/conferences2016/filesICSNC16/Softnet2016_Tutorial_Fog-MEC-Cloudlets-E.Borcoci-v1.1.pdf
BOTTA, A.; DONATO, W.; PERSICO, V.; PESCAPE, A. Integration of Cloud computing and Internet of Things: A survey. Journal of Future Generation Computer Systems 56, págs. 684–700. 2016. Disponível em https://www.sciencedirect.com/science/article/pii/S0167739X15003015
BRUIN, X.; TORDERA, E.; TASHAKOR, G.; JUKAN, A. REN, G. Foggy clouds and cloudy fogs: a real need for coordinated management of fog-to-cloud computing systems. IEEE Wireless Commun. 23 — págs. 120–128, 2016. Disponível em: <http://dx.doi.org/10.1109/MWC.2016.7721750>.
BUYYA, R.; CHANG, C.; SRIRAMA, S. Indie fog: An efficient fog-computing infrastructure for the Internet of Things. Journal of Computer IEEE — Cloud Cover. 2016. Disponível em http://www.cloudbus.org/papers/IndieFog2017.pdf
CISCO. Cisco delivers vision of Fog Computing to Accelerate value from billions of connected devices. Cisco Newsroom. 2014. Disponível em https://newsroom.cisco.com/press-release-content?type=webcontent&articleId=1334100
COUTINHO, A.; CARNEIRO, E.; GREVE, F. Computação em Névoa: Conceitos, Aplicações e Desafios. XXXIV Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos. SBRC — 2016. Disponível em https://www.researchgate.net/profile/Antonio_Augusto_Coutinho/publication/309312665_Computacao_em_Nevoa_Conceitos_Aplicacoes_e_Desafios/links/5809143f08ae040813483c45/Computacao-em-Nevoa-Conceitos-Aplicacoes-e-Desafios.pdf. Acessado em 06/02/2018.
DOGHMAN, F.; CHACZKO, Z.; JIANG, J. A review of aggregation algorithms for the Internet of Things. 25th International Conference on Systems Engineering (ICSEng). 2017. Disponível em https://ieeexplore.ieee.org/document/8121713/
DOLUI, K.; DATTA, S. Comparison of edge computing implementations: fog computing, cloudlet and mobile edge computing. Eurecom, 2017. Disponível em http://www.eurecom.fr/en/publication/5193/download/comsys-publi-5193_1.pdf
ETSI. Mobile-Edge Computing. Introductory technical white paper. 2014. Disponível em: https://portal.etsi.org/portals/0/tbpages/mec/docs/mobile-edge_computing_-_introductory_technical_white_paper_v1%2018-09-14.pdf
FARAHANI, B.; FIROUZI, F.; CHANG, V.; BADAROGLU, M.; CONSTANT, N.; MANKODIYA, K. Towards fog-driven IoT eHealth: Promises and challenges of Iot in medicine and healthcare. Journal of Future Generation Computer Systems 78, págs. 659–676. 2018. Disponível em https://www.sciencedirect.com/science/article/pii/S0167739X17307677
FUGAHA, A.; GUIZANI, M., MOHAMMADI, M; ALEDHARI, M., AYYASH, M. Internet of things: a survey on enabling technologies, protocols, and applications, IEEE Commun. Surv. Tutor. 17 (4). 2015. Disponível em http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7123563
GAI, K.; QIU, M.; SUN, X. A survey on FinTech. Journal of Network and Computer Applications 103, págs. 262–273. 2018. Disponível em https://www.sciencedirect.com/science/article/pii/S1084804517303247
GARTNER. Technologies underpin the Hype Cycle for the Internet of Things. 2016. Disponível em https://www.gartner.com/smarterwithgartner/7-technologies-underpin-the-hype-cycle-for-the-internet-of-things-2016/
GARTNER. What edge computing means for infrastructure and operation leaders. 2017. Disponível em https://www.gartner.com/smarterwithgartner/what-edge-computing-means-for-infrastructure-and-operations-leaders/
GARTNER. Gartner says 8.4 billion connected “things” will be in use in 2017, up 31 percent from 2016. Newsroom, 2017. Disponível em https://www.gartner.com/newsroom/id/3598917
GOMES, R.; PONTE, F.; URBANO, A; BITTENCOURT, L.; MADEIRA, E. Fatiamento de rede baseado em demanda elástica em provedores de Internet do Futuro. SBRC. 2018. Disponível em http://www.sbrc2018.ufscar.br/wp-content/uploads/2018/04/179530.pdf
GUBBI, J.; BUYYA, R.; MARUSIC, S.; PALANISWAMI, M. Internet of Things (IoT): A vision, architectural elements, and future directions. Future Generation Computer Systems. Volume 29, Issue 7, pags. 1645–1660. 2013. Disponível em: https://www.sciencedirect.com/science/article/pii/S0167739X13000241
GUPTA, G.; CHAKRABORT, S.; GHOSH, S.; BUYYA, R. Fog Computing in 5G Networks: An application perspective. Cloud and Fog Computing in 5G Mobile Networks: Emerging advances and applications, chapter 1 — eISBN: 9781785610844. 2017. Disponível em http://digital-library.theiet.org/content/books/10.1049/pbte070e_ch2
KAI, K.; CONG, W.; TAO, L. Fog computing for vehicular Ad-hoc networks: paradigms, scenarios and issues. The Journal of China Universities of Posts and Telecommunications, págs. 56–65. 2016. Disponível em https://www.sciencedirect.com/science/article/pii/S1005888516600213
KUMAWAT, D.; PAVATE, A.; PANSAMBAL, S. Fog Computing and Its comparative study with other cloud-based technologies. IOSR Journal of Engineering, volume 7, págs. 09–12. 2018. Disponível em http://www.iosrjen.org/Papers/Conf.ICIATE-2018/Volume-7/3-09-12.pdf
LU, R.; HEUNG, K.; LASHKARI, A.; GHORBANI, A. A lightweight privacy-preserving data aggregation scheme for Fog Computing-Enhanced IoT. IEEE Access. Volume 5, págs. 3302–3312. 2017. Disponível em https://ieeexplore.ieee.org/document/7869305/
MAO, Y.; YOU, C.; ZHANG, J.; HUANG, K.; LETAIEF, K. A survey on mobile edge computing: The communication perspective. Mobile edge computing: Survey and Research outlook. 2017. Disponível em https://arxiv.org/abs/1701.01090
MCAFEE LABS. Threats Report: March 2018. Disponível em https://www.mcafee.com/us/resources/reports/rp-quarterly-threats-mar-2018.pdf
OPEN-FOG CONSORTIUM. Open Fog Reference Architecture for Fog Computing. 2017. Disponível em https://www.openfogconsortium.org/wp-content/uploads/OpenFog_Reference_Architecture_2_09_17-FINAL.pdf
RAMIREZ, W.; BRUIN, X.; TORDERA, E.; SOUZA, V.; JUKAN, A.; REN, G.; DIOS, O. Evaluating the benefits of combined and contínuos Fog-to-Cloud architectures. Journal of Computer Communications 113, págs. 43–52. 2017. Disponível em https://www.sciencedirect.com/science/article/pii/S0140366417301792
ROMAN, R.; LOPEZ, J.; MAMBO, M. Mobile edge computing, Fog et al.: A survey and analysis of security threats and challenges. Journal of Future Generation Computer Systems 78, págs. 680–698. 2018. Disponível em https://www.sciencedirect.com/science/article/pii/S0167739X16305635
SATYANARAYANAN, M.; BAHL, P./ CACERES, R.; DAVIES, N. The case for VM-based Cloudlets in Mobile Computing. Pervasive Computing, volume 8, págs. 14–23. 2009. Disponível em https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/cloudlets09.pdf.
SOHAL, A.; SANDHU, R.; SOOD, S.; CHANG, V. A cybersecurity framework to identify malicious edge device in fog computing and cloud-of-things environments. Journal of Computers & Security. 2017. Disponível em https://www.sciencedirect.com/science/article/pii/S0167404817301827
TANG, B.; CHEN, Z.; HEFFERMAN, G.; PEI, S.; WEI, T.; HE, H.; YANG, Q. Incorporating Intelligence in Fog Computing for Big Data Analysis in Smart Cities. IEEE Transactions on Industrial Informatics. Volume 13, Issue 15. 2017. Disponível em https://ieeexplore.ieee.org/document/7874167/
TORDERA, E.; BRUIN, X.; ALMINANA, J.; JUKAN, A.; REN, G.; ZHU, J. Do we really know what a fog node is? Current trends towards an open definition. Journal of Computer Communications, págs. 117–130. 2017. Disponível em https://www.sciencedirect.com/science/article/pii/S0140366416307113
WEINMAN, J. Fogonomics — The strategic, economic, and financial aspects of the cloud. Computer Software and Application Conference. IEEE, 2017. Disponível em http://ieeexplore.ieee.org/document/8029683/
YI, S.; LI. C.; LI, Q. A survey of fog computing: concepts, applications and issues. Mobidata’15 — Proceedings of the Workshop on Mobile Big Data. Pages 37–42. 2015. Disponível https://dl.acm.org/citation.cfm?doid=2757384.2757397
ZHENG, L.; JOE-WONG, C. Fogonomics: Pricing and incentivizing fog computing. OpenFogConsortium — Resources/Insights. 2017. Disponível em https://www.openfogconsortium.org/fogonomics-pricing-and-incentivizing-fog-computing/
