В результате у нас появляется возможность превращать сырые данные, собранные с подключенных устройств, в полезную информацию, на основании которой можно действовать незамедлительно – зачастую в реальном или почти реальном времени. Такая скорость становится возможной, когда туманные вычисления лишают IoT-транзакции задержки. Кроме того, используя новые приложения, включая аналитику в реальном времени и предиктивные контекстные системы, из этой информации можно извлекать ценные для бизнеса сведения.

Иными словами, туманные вычисления дают нам:

• возможности для обработки и аналитики данных на периферии облака в реальном или почти реальном времени;

• возможности для обработки и аналитики данных ближе к их источнику и области применения;

• гораздо более быструю и эффективную аналитику при помощи основанной на политиках системы периферия – облако – периферия.

Вспомните, что первый этап развития интернета был связан преимущественно с пакетной обработкой информации, не предоставлял возможностей для работы с чувствительными ко времени данными и не использовал механизмы и устройства, которые требовали широкой полосы пропускания. Теперь подумайте, что даже единственный автомобиль сегодня может генерировать огромные объемы данных и требовать широкой полосы пропускания, особенно потому, что эти данные более чувствительны ко времени, а следовательно, обладают и большей важностью. (К примеру, задумайтесь, сколько у вас будет времени на реакцию, если ваш автомобиль начнет перегреваться.)

Здесь и пригождаются туманные вычисления, которые решают целый ряд типичных современных проблем, включая:

• высокую задержку в сети;

• проблемы мобильности конечных точек;

• потерю связи;

• высокую стоимость полосы пропускания;

• непредсказуемые сетевые заторы;

• широкую географическую распределенность систем и клиентов.

Как мы уже упоминали на страницах этой книги, туманные вычисления являются главным стимулом развития IoT и способствуют возникновению целого ряда новых сценариев использования технологий во всех сферах жизни и деятельности – от розничной торговли и здравоохранения до производства и нефте– и газоразведки. Примером использования туманных вычислений может служить превентивное техническое обслуживание транспортных средств. Датчики в каждом новом подключенном к сети автомобиле генерируют до двух петабайтов данных в год. Было бы непрактично и невероятно дорого отправлять все эти сырые данные по мобильной сети в облако для обработки в реальном времени. Туманные вычисления превращают сами автомобили в мобильные центры обработки данных, которые могут в реальном времени осуществлять их сортировку и индексацию и посылать предупреждения, когда необходимо принять какие-либо меры – к примеру, когда надо проверить перегревшийся двигатель или подкачать спустившееся колесо.

Отрасль распознала революционную способность туманных вычислений создавать условия для появления новых сценариев использования технологий, которые были неосуществимы при работе с облаком, – поэтому в ноябре 2015 года и был создан OpenFog Consortium. «Мы сформировали OFC, чтобы ускорить внедрение туманных вычислений для решения проблем с полосой пропускания, задержками и скоростью коммуникаций, которые ассоциируются с IoT, искусственным интеллектом, робототехникой и другими передовыми технологиями цифрового мира, – сказал мне председатель OFC Хелдер Антюнес. – Наши технические рабочие группы создают архитектуру OpenFog, которая позволяет конечным пользователям или расположенным рядом с пользователем периферийным устройствам осуществлять вычисления, коммуникацию, управление и хранение данных. Мы планируем достичь этих целей в ходе совместной работы, обеспечивая совместимость технологий различных поставщиков».