Che cos’è, come funziona e esempio di Fog computing in informatica

Definizione

Il Fog computing (o Edge computing) è un’architettura orizzontale, a livello di sistema, utile a distribuire risorse e servizi di calcolo, immagazzinamento di dati, controllo e funzionalità di rete più vicino agli utilizzatori (dispositivi), lungo l’infrastruttura che li connette al Cloud.

Il Fog computing, dunque, estende il modello tradizionale del Cloud avvicinando in parte risorse e servizi all’edge della rete: è metaforicamente una “nuvola” più vicina al suolo. Un esempio dell’architettura è mostrato nella figura seguente.

Fog e Cloud offrono la stessa tipologia di risorse (capacità di elaborazione e immagazzinamento dati, funzionalità di rete) e condividono gli stessi meccanismi di funzionamento (virtualizzazione, multi-tenancy), tuttavia esiste una fondamentale differenza che dà al Fog la sua ragion d’essere. Il Cloud è un’architettura fortemente centralizzata dove grosse moli di dati, provenienti dai dispositivi che ne utilizzano i servizi, sono costretti a transitare lungo il core della rete fino a raggiungere i datacenter di un service provider. Contrariamente, il Fog offre risorse e servizi seguendo la naturale distribuzione geografica degli utilizzatori. Nonostante questa apparente controtendenza presente nei due paradigmi, Fog e Cloud traggono reciproci benefici dalla loro mutua interazione.

Le applicazioni real-time o quelle installate su dispositivi con mobilità veloce o scarsa connettività non possono fare affidamento sul Cloud, ed è qui che il Fog computing entra in gioco: la vicinanza all’edge implica ritardi molto bassi; l’elaborazione locale consente l’invio di una quantità ridotta di dati ai datacenter, con relativo risparmio di banda e costi; la perdita temporanea di connettivà non pregiudica lo svolgimento delle operazioni in corso. Tutti questi vantaggi vengono riassunti, dall’OpenFog Consortium, con il termine SCALE:

• Security: dati sensibili elaborati localmente su un nodo fidato
• Cognition: approccio client-centric che favorisce una maggiore autonomia dal Cloud
• Agility: innovazione rapida e applicazioni scalabili utilizzando un’infrastruttura comune
• Latency: basso ritardo di comunicazione
• Efficiency: condivisione di risorse localmente inutilizzate, derivanti dalla partecipazione dei dispositivi finali

Caso d’uso: Videosorveglianza

Ai fini di garantire sicurezza alle persone, alle cose e ai luoghi negli ultimi anni sono state installate sempre più telecamere di sorveglianza. Una singola telecamera può generare (dipende dalla risoluzione e dalla qualità scelta) anche 1TB di dati al giorno. Le telecamere dei sistemi di sorveglianza generano dati che devono essere analizzati in tempo reale per garantire la pubblica sicurezza. Il numero crescente di telecamere e l’aumentare della risoluzione e della qualità dei video prodotti, hanno generato un enorme flusso di dati verso il Cloud.

I problemi quindi legati a questo scenario sono molteplici:

1. Alta definizione: il modello tradizionale del cloud era stato realizzato per sistemi a bassa risoluzione, attualmente non è difficile trovare in commercio telecamere a basso costo che generano filmati ad una risoluzione Full-HD (1080p) o 4K, questo aumenta drasticamente la dimensione dei dati da trasmettere.
2. Tempi di risposta: nel caso di un’intrusione all’interno di un edificio, è necessario accedere immediatamente ai dati per poter permettere alla sicurezza di localizzare la minaccia in tempi brevi, lo stesso discorso vale per un fuggitivo a bordo di un mezzo che scappa per le vie di una città.
3. Scalabilità: nel caso di luoghi con numerosi dispositivi di acquisizione video (es: aeroporti, stazioni, stadi) la quantità di dati da trasmettere al cloud supera di gran lunga la banda che si ha a disposizione.

Il Fog computing forma una maglia di nodi che intelligentemente partizionano il processamento video tra i nodi fog stessi e il Cloud garantendo il tracciamento real-time, il rilevamento di anomalie e la raccolta di informazioni significative. Gli algoritmi di analisi video possono essere installati direttamente sui nodi fog, riducendo il traffico verso il cloud e garantendo tempi di latenza ridotti.