Introdução a computação em névoa
Considerando o crescente número de soluções e dispositivos surgindo no contexto de Internet das Coisas (IdC), ou Internet of Things, a quantidade de dados coletados, armazenados e processados também tende a apresentar um crescimento acelerado. A Cisco estima mais de 20 bilhões de dispositivos conectados até 2020 [Gartner, 2017]. Este cenário traz consigo a necessidade de troca de dados sob demanda e a capacidade de manter uma rede confiável e íntegra mesmo sob condições adversas, como restrições de recursos computacionais e energia dos dispositivos. Novos sistemas que utilizam a Internet das Coisas vêm agregando diferentes tecnologias para possibilitar a composição de cenários de computação ubíqua (isto é, recursos computacionais e dados acessíveis a partir de qualquer lugar) baseados em elementos autoconfiguráveis sobre uma infraestrutura de rede dinâmica e global.
Quando soluções de Internet das Coisas precisam atingir escala global, com dispositivos presentes em diferentes localidades se comunicando de forma contínua, é comum adotar uma visão de IdC centrada na nuvem. Mais precisamente, o modelo de computação em nuvem pode auxiliar as soluções de IdC especialmente em relação à limitação de recursos computacionais. Afinal, os dados coletados pelos sensores podem ser processados e armazenados na nuvem, o que compensa as restrições dos dispositivos. Além disso, a nuvem pode ser utilizada como uma plataforma de IdC quando os sensores e as coisas estão concentrados de forma densa e/ou geodistribuídos. Nesse cenário, as soluções em Nuvem para IdC costumam operar no modelo Everything-as-a-Service (XaaS), no qual o usuário pode acessar os dados a partir de qualquer dispositivo, em qualquer lugar, a qualquer momento.
Com esse elevado volume de tráfego, entretanto, os centros de processamento e as redes que conectam esses centros aos dispositivos podem se tornar gargalos caso esses elementos não sejam projetados com capacidade adequada. Isso pode levar a aumentos significativos nos níveis de congestionamento na rede de backbone, com consequentes atrasos e perda de pacotes, prejudicando a experiência do usuário. Assim, esse cenário pode tornar-se incompatível com as necessidades de aplicações em Internet das Coisas, principalmente aquelas utilizadas em ambientes industriais e em ambientes de missões críticas: como elas exigem respostas mais rápidas aos estímulos do ambiente, a baixa latência se torna um requisito fundamental para esses sistemas. Nesses casos, o uso da nuvem para aplicações de IdC pode ser prejudicial devido à resultante dependência da estabilidade de rede e ao relativo alto número de saltos necessários para se alcançar esses datacenters.
Uma das alternativas que vêm sendo utilizadas para resolver essas questões de integração entre Nuvem e Internet das Coisas é o modelo de computação de névoa (fog computing). A visão da Cisco sobre de computação em névoa, por exemplo, consiste em transformar as bordas da rede em uma infraestrutura de computação distribuída, levando vantagens a bilhões de dispositivos já conectados na IdC. Entretanto, por ainda não ser um termo largamente difundido, não há ainda um consenso sobre qual a melhor definição para Computação em Névoa Alguns das definições mais utilizadas por acadêmicos podem ser observadas a seguir:
“Computação em névoa é uma proposta para habilitar computação diretamente na borda da rede, sendo capaz de entregar novas aplicações e serviços especialmente para a Internet das Coisas” [YI et al, 2015]
“Um cenário em que um elevado número de dispositivos, descentralizados e ubíquos, se comunicam e potencialmente cooperam entre si e com a rede para realizar tarefas de armazenamento e processamento sem a intervenção de terceiros. Estas tarefas podem ter como objetivo dar suporte a funções básicas de rede ou a novos serviços e aplicações que executam em ambientes isolados” [Vaquero apud YI et al, 2015]
“É uma plataforma altamente virtualizada que provê computação, armazenamento e serviços de rede entre dispositivos finais e servidores tradicionais na nuvem, tipicamente, mas não exclusivamente, localizados na borda da rede.” [Bonomi et al, 2012]
“Computação em névoa é uma extensão não trivial da Computação em Nuvem — ao prover serviços computacionais, de armazenamento e de rede próximos à borda de uma rede empresarial. As características peculiares da névoa são a proximidade aos usuários finais, sua distribuição geográfica densa, e seu suporte à mobilidade” [Gupta et al, 2017]
Em resumo, vamos assumir que o conceito de computação em névoa consiste em uma abordagem que combina a computação e armazenamento de dados na nuvem e na borda da rede, fornecimento de serviços que garantam maior distribuição geográfica do sistema/aplicação, menor latência para os dispositivos e/ou seja capaz de buscar recursos computacionais adicionais na nuvem quando necessário.
Motivações para se estudar computação em névoa
Aplicações em Internet das Coisas possui como característica principal a coleta de informações do mundo físico de forma que elas possam ser processadas e armazenadas por sistemas computacionais. Por exemplo, considerando uma loja física de departamentos que utiliza sistema de IdC para coletar dados de compras e interesses de clientes (e.g., utilização de beacons para localização geográfica de clientes nas lojas, para verificar as prateleiras e departamentos mais visitados, identificar os produtos mais comprados, etc…), há interesse em representar esses objetos de forma que as interações e mudanças de estado que eles possam sofrer (como ser visualizado e/ou manipulado por um cliente) sejam representados de uma forma digital. Assim, o processamento de informações passa a depender de uma versão digital do ativo — também conhecido como gêmeos digitais (digital twins) — para simulação, análise e processamento de informações das operações presentes e futuras (em caso de técnicas preditivas estatísticas e de data analytics).
A Gartner [2016] define o conceito de gêmeos digitais como um modelo de software dinâmico de uma coisa ou sistema físico que confia em dados de sensores para entender seu próprio estado, responder às mudanças, melhorar operações e adicionar valor. O conceito de gêmeos digitais está presente indiretamente na fase de gatilho de inovação (innovation trigger) do gráfico de ciclo de interesse de Internet das Coisas do Gartner [2016], mostrado na Figura 1. Esse conceito também é parte essencial de diversas tecnologias, como a convergência entre tecnologia da informação e tecnologia da operação (“IT/OT Convergence Alignment”), casas conectadas (“Connected Home”) e, principalmente para a arquitetura de IdC na borda (“IoT Edge Architecture”).
Entretanto, o surgimento dessas novas tecnologias também pressupõe o surgimento de novos riscos, que em médio/longo prazo precisarão ser endereçados. Por exemplo, a utilização de computação em borda aumenta a superfície de ataque. Assim, os equipamentos de fornecedores que não estiverem preparados para lidar com esse novo modelo podem apresentar vulnerabilidades, por exemplo, a ataques de negação de serviço, ou mesmo servir como portas de entradas para o core da rede [Gartner, 2017]. Por isso, um novo arcabouço de soluções é necessário para enfrentar os possíveis novos desafios desse cenário de computação mais próxima à borda de rede. De fato, é possível notar um crescimento significativo de investimentos da indústria e de interesses em pesquisa em relação ao tema.
Outro desafio nesse cenário é que o processamento de gêmeos digitais pode ser complexo, dependendo das informações processadas e das transações que se deseja realizar. Por exemplo, as diferentes necessidades de negócio podem exigir que o poder computacional fique mais próximo das coisas ou das pessoas que geram as informações, por requisitos de latência, segurança e/ou contexto dos dados. Um pouco por essa razão, atualmente cerca de 10% de todos os dados gerados nas empresas são criados e processados fora de datacenters tradicionais, e até 2022 a previsão é de que este cenário possa alcançar os 50% [Gartner, 2017]. Na perspectiva de um arquiteto de redes e sistemas, essa mudança de paradigma (de 10% para 50%) em relação à localidade de processamento e armazenamento de dados reside principalmente na infraestrutura de gateways e backhaul. Afinal, a conexão entre os dispositivos em campo e os datacenters (normalmente na nuvem) passa a se tornar importante e altamente suscetível a intermitência e sobrecarga de informações.
Há diferentes paradigmas para propor a integração entre os modelos de nuvem e Internet das coisas. Ainda que grande parte deles empregue terminologias distintas para representar conceitos semelhantes, uma característica comum é o fato dos recursos computacionais serem alocados próximos aos usuários para garantir mobilidade, localidade e baixa latência. Conforme pode ser verificado na Figura 2, o termo de computação na borda está em tendência de crescimento de interesse (hype) em buscas realizadas na rede mundial de computadores. Na Figura 2 também é possível identificar a popularidade de alguns dos principais paradigmas de computação na borda, como computação em névoa, computação móvel de borda e cloudlet, sendo a névoa o termo mais popular dentre eles.
Em suma, a computação em névoa expande o paradigma de computação em nuvem para a borda da rede, buscando atingir requisitos que ainda não eram endereçados apenas na nuvem. Enquanto computação em névoa e em nuvem usam os mesmos recursos (rede, computação e armazenamento), e compartilham os mesmos mecanismos e atributos (virtualização, multi-tenancy), há diferenças fundamentais entre os modelos — e a visão de névoa foi concebida para endereçar aplicações que não funcionam completamente bem exclusivamente na nuvem:
- Aplicações que requerem latências muito baixas e previsíveis: a nuvem liberta os usuários de maiores detalhes da implementação, incluindo o conhecimento preciso de onde a computação e o armazenamento acontece;
- Aplicações geodistribuídas: como exemplos, podem ser citados monitoramento de encanamento e redes de sensores para monitoramento do ambiente;
- Aplicações rápidas móveis: inclui exemplos como carros inteligentes e conectados, bem como vias conectadas;
- Sistemas de controle distribuídos em larga escala: por exemplo, redes elétricas inteligentes (smart grids), vias conectadas, sistemas inteligentes de iluminação pública, entre outros.
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/
