Aplicações da computação em névoa
O modelo de computação em borda, especialmente a computação em névoa, possibilita o surgimento de diferentes aplicações capazes de mudar a forma como os serviços podem ser prestados
Computação em névoa com redes veiculares (VANET)
A indústria de automóveis vem recebendo uma série de melhorias, não só no hardware, mas também nas aplicações de bordo (embarcadas no veículo) e em tecnologias de comunicação. Dentre essas melhorias, destaca-se a implementação de VANETs, isto é, redes específicas (ad-hoc) móveis utilizadas em veículos para comunicação entre veículos (V2V), com a infraestrutura de vias (V2I) ou com outros elementos (V2X). De acordo com Kai et al [2016] a computação em nuvem é o modelo atualmente mais utilizado em VANETs. Entretanto, a nuvem por si só não contempla todos os requisitos necessários, como necessidade de respostas rápidas a eventos (e.g., acidentes), análise de dados em tempo real e alta mobilidade. Considerando essa situação, a Tabela 9 mostra as principais necessidades identificadas em VANETs considerando os fatores propostos por Dolui et al [2017]:
Considerando o mapa de fatores apresentado na Figura 15 e os critérios selecionados na Tabela 9, verifica-se que há maioria dos critérios favoráveis ao desenvolvimento da aplicação no modelo de computação em névoa (mais favoráveis do que aos demais modelos). A computação em névoa pode ser implementada em VANETs em auxílio de redes SDN, como mostrado na Figura 16. Nesse caso, um controlador poderia ser usado para orquestrar e gerenciar as redes e interconexões entre (i) os nós de névoa — que seriam compostos principalmente pela infraestrutura de comunicação da via (RSU — Road-Site Unit); e (ii) os dispositivos finais — que incluiria a infraestrutura de comunicação dos carros (OBU — On-Board Unit).
A arquitetura da Figura 16 apresenta bem o porquê do uso de computação em névoa com VANETs: a arquitetura permite a criação de hierarquias de RSU (como as de nível nacional) e as demais que garantem a proximidade física e lógica (considerando 1 ou 2 hops). A comunicação de informações essenciais pode ser realizada entre os nós da névoa e os veículos sem a necessidade de ficar enviando informações para as nuvens — possibilitando comunicação offline. Também é possível a comunicação entre veículos (nesse caso, as OBUs podem ser consideradas nós de névoa), o que reduziria ainda mais a latência e aproximaria a borda dos dispositivos (aumentando, por exemplo, a consciência do contexto).
Computação em névoa em aplicações da medicina e saúde (eHealth)
A medicina vem sofrendo algumas modificações nos últimos anos e questões como envelhecimento da população, condições crônicas, mortalidade infantil, epidemias, entre outros, vêm aumentando as demandas dos hospitais e instituições da saúde. Apesar disso, o modelo hospitalar atual continua basicamente o mesmo: um modelo fisicamente centralizado, onde o paciente sempre se desloca fisicamente ao consultório [Farahani et al, 2018]. Nesse cenário, a tecnologia pode ajudar ao atendimento da demanda crescente, facilitando, por exemplo, o monitoramento contínuo à distância e a coleta de informações para diagnósticos. A Tabela 11 mostra as principais necessidades identificadas em aplicações de IdC na área da medicina e saúde (eHealth) em relação aos fatores propostos por Dolui et al [2017].
Considerando a árvore de decisão apresentada na Figura 15 e os critérios mostrados na Tabela 10, verifica-se o interesse da aplicação no modelo de computação em névoa nesse cenário. Considerando todo o ecossistema de aplicações eHealth, o modelo de computação em névoa possibilita a divisão (slicing) da rede e maior controle da variedade de dispositivos, velocidade e volume de dados gerados, conforme ilustrado na Figura 17.
As interações entre as camadas podem acontecer tanto em comunicações entre máquinas (M2M), quanto em comunicações entre humanos e máquinas (HMI), de acordo com as características do sistema de Internet das Coisas. A implementação de um modelo de computação em névoa para um ecossistema de eHealth auxilia na gestão dos dados, mas ao mesmo tempo traz alguns desafios que devem ser resolvidos:
· Necessita de avaliação e processamento de dados em tempo real, o que permite avaliar se determinada informação de evento merece uma notificação local (diretamente para os dispositivos e/ou outros nós) ou um alerta para maiores análises e/ou ciência da nuvem. Isso possibilita que, caso o paciente sofra de algum mal, haja algum tipo de ação M2M imediata no local, que os stakeholders (parentes, médicos, etc) sejam avisados (HMI), que os dados sejam armazenados historicamente, e que sejam realizadas análises mais profundas. A computação em névoa ajuda nessa situação, pois possibilita a análise de dados em partes, para cada uma de suas camadas;
· Necessita que os dados coletados dos pacientes sejam confidenciais, íntegros e estejam disponíveis sempre que necessário, especialmente pensando em atender questões de legislação (como o HIPAA e a GPRD). Como visto no Capítulo 2, é possível realizar um mapeamento de riscos específico para o tipo de aplicação alvo e tratar cada uma dessas ameaças de forma sistêmica.
Outras aplicações
Baseado nas aplicações analisadas, é possível verificar o alto nível de compatibilidade da computação em névoa com diferentes áreas e necessidades das aplicações. Essa ideia pode ser corroborada com a Tabela 11, que apresenta o nível de compatibilidade dos modelos de computação na borda com os tipos de aplicações [Baktir et al, 2017]. É possível notar que o modelo de Cloudlet é menos recomendável quando mobilidade é um requisito forte (como VANETS). Já o modelo de computação móvel de borda é menos recomendável quando o cenário envolve grandes volumes de dados e precisão de informação (ex: eHealth, ambientes militares e hostis).
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/
