Fog Computing: sistema decentralizzato per IoT e Cloud

L’IoT, vale a dire l’Internet of Things, sta cambiando il panorama informatico a livello globale. Ancor più del collegamento in rete di oggetti d’uso quotidiano, è la cosiddetta Smart Factory a porre nuove sfide alle architetture Cloud tradizionali. Nell’ambito dell’industria 4.0, l’IoT sta diventando una tecnologia cruciale per gli impianti industriali.

Il problema che ne deriva è che la concreta e completa realizzazione di una Smart Factory potrebbe generare ogni giorno diverse centinaia di Gigabyte di dati. Si tratta di volumi di dati che attualmente, con le tecnologie a disposizione, non possono né essere caricati in modalità wireless in Cloud né essere elaborati in maniera centralizzata.

Il Fog Computing offre un approccio risolutivo a queste problematiche con l’implementazione dell’IoT.

Il Fog Computing è una tecnologia Cloud in cui i dati generati dai dispositivi non vengono caricati direttamente in Cloud, ma vengono prima pre-elaborati in mini data center decentralizzati. Tale sistema richiede una struttura che si estende dai confini esterni della rete, in cui i dati vengono generati da dispositivi IoT, fino all’endpoint centrale dei dati nel Public Cloud o in un data center privato (Cloud privato).

Un’architettura di riferimento per sistemi Fog è in fase di sviluppo da parte del Consorzio OpenFog.

Il Fog Computing si distingue dal Cloud Computing soprattutto per il luogo in cui vengono fornite le risorse ed elaborati i dati. Il Cloud Computing avviene di norma in data center centralizzati. Risorse come la potenza di calcolo e la memoria sono raggruppati e resi disponibili da server back-end per essere utilizzati dai client in rete. La comunicazione tra due o più terminali avviene sempre tramite un server in background.

Questo tipo di architettura dimostra i propri limiti in progetti come quello della “fabbrica intelligente” in cui avviene uno scambio continuo di dati tra innumerevoli dispositivi finali. Il Fog Computing si basa su un’elaborazione a livello intermedio in prossimità della sorgente dati per ridurre il flusso dei dati verso il data center.

Non è soltanto il volume di dati delle grandi architetture IoT a far sì che il Cloud Computing raggiunga i propri limiti. Un problema ulteriore è posto dal tempo di latenza. L’elaborazione centralizzata dei dati comporta in molti casi un ritardo dovuto a lunghi percorsi di trasmissione. I terminali e i sensori, infatti, devono necessariamente collegarsi al server del data center per poter comunicare e attendere sia l’elaborazione esterna della richiesta sia la risposta. Tempi di latenza di questo tipo rappresentano un problema, ad esempio, nei processi di produzione supportati da IoT, dove è indispensabile un’elaborazione delle informazioni in tempo reale in modo tale che le macchine possano reagire immediatamente a eventuali incidenti.

Un tipo di approccio che punta a risolvere il problema della latenza è l’Edge Computing, concetto che deriva dal Fog Computing, dove l’elaborazione dei dati non viene soltanto decentralizzata, ma effettuata direttamente dal dispositivo finale e dunque al confine ("edge”) della rete. In questo caso ogni "dispositivo intelligente" viene dotato di un proprio micro controllore che consente l’elaborazione dei dati principali e la comunicazione con altri dispositivi e sensori nell’IoT.

L’IoT di oggi non può essere paragonato a quello di domani. Secondo una ricerca Cisco già nel 2020 l’Internet delle cose interesserà circa 50 miliardi di dispositivi e altrettanto alto sarà il volume di dati da memorizzare, analizzare e preparare per elaborazioni ulteriori.

La fabbrica intelligente non è l’unico campo di applicazione per il Fog Computing. Anche altri progetti futuri come le connected cars (automobili semiautonome o senza conducente) o le smart city, città dotate di reti di alimentazione intelligenti, richiederanno un’analisi dati in tempo reale, cosa impossibile nel Cloud Computing di stampo classico. Ad esempio, un veicolo intelligente sarà in grado di raccogliere dati sull’ambiente circostante, sulle condizioni di guida e del traffico che dovranno essere valutate senza latenza in modo da poter reagire tempestivamente a incidenti imprevedibili. In uno scenario simile, il Fog Computing consentirà l’elaborazione dei dati del veicolo sia all’interno del veicolo stesso che presso il fornitore del servizio.

Il Fog Computing offre approcci risolutivi per diversi problemi in infrastrutture IT basate su Cloud. Fondamentalmente tali sistemi consentono di abbreviare i percorsi di comunicazione e di ridurre al minimo il caricamento in Cloud. Tuttavia, anche l’elaborazione decentralizzata ai margini della rete presenta degli svantaggi, che derivano principalmente dalle spese di manutenzione e amministrazione di un sistema condiviso.

Tabella: Vantaggi e svantaggi di un’architettura Fog Computing

Entro il 2020 al più tardi, il nuovo standard per le comunicazioni mobili 5G con velocità di download fino a 10 Gbit/s sarà introdotto in tutta Europa. Gli esperti prevedono una crescita esorbitante dei dati, soprattutto nel settore professionale. Con il sistema 5G, la larghezza di banda e la velocità della trasmissione mobile di dati aumenteranno enormemente e apriranno possibilità di applicazione completamente nuove nell’industria e nel settore dei servizi. Il 5G promette agli utenti un tempo di latenza inferiore al millisecondo. Con le attuali tecnologie Cloud, tuttavia, i vantaggi del nuovo standard di comunicazione mobile non verrebbero sfruttati in modo efficace, ad esempio a causa del numero di Hops (salti) che un pacchetto dati richiede dall’origine alla destinazione in Cloud. Il caricamento diretto dei dati in Cloud non si addice, quindi, alle applicazioni che richiedono un’elaborazione dati in tempo reale.

Grazie al metodo proposto dal Fog-Computing, il 5G diventa utilizzabile nel settore industriale. Un sistema Fog condiviso fornisce la potenza di calcolo e la capacità di memoria ai confini della rete. In questo modo i dati generati dalle applicazioni aziendali possono essere valutati localmente, selezionati e aggregati per il Cloud e si garantisce che risultati importanti, come il comando di spegnimento di emergenza di una linea di produzione, vengano restituiti in tempo reale. Al Cloud vengono inviati soltanto i dati difficili o impossibili da valutare localmente o che richiedono un’analisi più dettagliata, come ad esempio valori di misura imprevisti che indicano che la macchina deve essere sottoposta a manutenzione.