Dimdator avser en decentraliserad datastruktur, där resurser, inklusive data och applikationer, placeras i logiska platser mellan datakällan och molnet. det är också känt under termen "dimma" och "dimma nätverk".

Målet med detta är att ge grundläggande analytiska tjänster till nätverkskanten, vilket förbättrar prestanda genom att placera datorresurser närmare där de behövs, vilket minskar det avstånd som data behöver transporteras på nätverket, vilket förbättrar övergripande nätverkseffektivitet och prestanda. Dimdator kan också användas av säkerhetsskäl, eftersom den har möjlighet att segmentera bandbreddstrafik och införa ytterligare brandväggar i ett nätverk för högre säkerhet.

Dimdator har sitt ursprung som en förlängning av cloud computing, vilket är paradigmet att ha data, lagring och applikationer på en avlägsen server och inte värd lokalt. Med molnberäkningsmodellen kan kunden köpa tjänster från en leverantör, som inte bara tjänsten, men också underhåll och uppgraderingar, med det plus att de kan nås var som helst och underlättar arbetet med lag.

Historia för dimbildning

Termen tågdatorer är associerad med Cisco, som registrerade namnet "Cisco Fog Computing", som spelades på cloud computing som i molnen är uppe på himlen, och dimmen hänvisar till molnen ner nära marken. År 2015 skapades ett OpenFog-konsortium med grundare ARM, Cisco, Dell, Intel, Microsoft och Princeton University, samt ytterligare bidragande medlemmar, inklusive GE, Hitachi och Foxconn. IBM introducerade den nära förbundna, och mestadels synonymt (även om det i vissa fall inte exakt) termen "edge computing".

Fördelar och nackdelar

Dimdator har ett antal fördelar. Genom att lägga till förmågan att bearbeta data närmare den där den skapas, syftar det på att skapa ett nätverk med lägre latens och med mindre data att ladda upp, ökar effektiviteten vid vilken den kan bearbetas.

Det finns också fördelen att data fortfarande kan bearbetas med dimma-databehandling i en situation där det saknas tillgänglighet för bandbredd. Duggdatorer tillhandahåller en mellanhand mellan dessa IoT-enheter och den cloud computing-infrastruktur som de ansluter till, eftersom det kan analysera och bearbeta data närmare varifrån den kommer, filtrera vad som laddas upp till molnet.

En nackdel med cloud computing är att all den här beräkningen över nätverket är beroende av datatransporter. Medan bredbandsinternetåtkomst i allmänhet har förbättrats under det senaste decenniet, finns det fortfarande utmaningar med tillgänglighet, toppbelastning, lägre hastigheter på mobila 3G och 4G-mobilnät samt tillfällen med begränsad tillgång på Internet, oavsett om det är underjordiskt, utanför nätet eller på ett flygplan.

Denna brist på konsekvent tillgång leder till situationer där data skapas med en hastighet som överstiger hur snabbt nätverket kan flytta det för analys. Detta leder också till oro över säkerheten för de skapade uppgifterna, vilket blir allt vanligare när Device of Things-enheter blir vanligare.

Fysiskt placeras denna extra beräkningskraft närmast data skapningsplatsen i en dimbildningskonfigurationskonfiguration vid en dimma, vilken anses vara en viktig ingrediens i ett moln-dimma-nätverk. Dimmanoden, som finns i en smart router eller gateway-enhet, möjliggör att data behandlas på den här smarta enheten, så att endast nödvändiga data överförs vidare till molnet och minskar den använda bandbredd.

Verkliga världsapplikationer av dimmaberäkningar

Ett exempel på ett användningsfall för dimbildning är ett smart elnät. Elektriska nät är idag ganska dynamiska, svarar mot ökad elförbrukning och sänker produktionen när det inte behöver vara ekonomiskt. För att kunna fungera effektivt beror ett smart grid kraftigt på realtidsdata om elektrisk produktion och konsumtion.

Dimdator är idealisk för detta, eftersom data i vissa fall skapas på en avlägsen plats, och det är bättre att bearbeta det där. I andra situationer är data inte från en isolerad sensor utan snarare från en grupp av sensorer, såsom de elektriska mätarna i ett grannskap, och det är bättre att bearbeta och aggregera data lokalt än att överbelasta dataflödet genom att sända de råa uppgifterna i sin helhet.

Ett annat användningsfall för duggdatorer är för IoT-applikationer, till exempel nästa generations smartare transportnätverk, känt som V2V i USA, och bil-till-bilkonsortiet i Europa. Dubbat på "Internet av fordon", varje fordon och trafiksäkerhetsanordning är en IoT-enhet som producerar en ström av data, och ansluter sig till de andra bilarna såväl som trafiksignaler och själva gatorna med löftet om säkrare transporter för bättre kollision Undvikande av trafik som flyter mer smidigt.

Varje fordon har potential att generera en hel del data bara på hastighet och riktning, liksom överföring till andra fordon när det bromsar, och hur svårt. Eftersom data kommer från rörliga fordon måste den överföras trådlöst på 5,9 GHz-frekvensen i USA; om inte gjort ordentligt kan mängden data enkelt överbelasta den ändliga mobilbandbredden. En nyckelkomponent för att dela den begränsade mobilbandbredden är bearbetningen av data i fordonets nivå via en dimma-databehandling genom en inbyggd fordonsbehandlingsenhet.

Dimbildning har också tillämpats inom tillverkningen i IIoT (Industrial Internet of Things). Detta möjliggör anslutna tillverkningsenheter med sensorer och kameror att samla och bearbeta data lokalt, istället för att skicka all denna data till molnet. Behandlar dessa data lokalt, i en trådlös verklig världsmodell som tillåts för en 98% minskning i paket av data som sänds, samtidigt som man behåller en noggrannhet på 97% i en distribuerad datafogmodell. Dessutom är energibesparingarna idealiska för effektiv energiförbrukning, en viktig funktion vid inställningen av batteridriven utrustning.

Medan dimbildning är en senare utveckling i paradigmet för cloud computing, har den betydande momentum och är väl positionerad för tillväxt. Med tanke på denna trend är Fog World Congress som framhäver denna växande teknik.

  • Vi diskuterar också behållarteknik här