Fog Computing Dijelaskan: Mengubah Aliran Data IoT dan Mengurangi Beban Cloud
Internet of Things diproyeksi mencapai 20–30 miliar perangkat terhubung pada 2020. Seiring dengan setiap perangkat baru yang menghasilkan data, volume yang ditujukan ke cloud akan tumbuh eksponensial.
Sementara kapasitas penyimpanan dan komputasi terus melipat ganda sekitar setiap 18 bulan—berkat Hukum Moore—bandwidth berkembang dengan laju yang jauh lebih lambat, dengan banyak studi yang menyebutkan kurang dari 40% pertumbuhan per tahun. Akibatnya, jumlah data yang ingin mencapai cloud akan segera melampaui bandwidth yang tersedia.
Lihat juga: Bagaimana fog computing berbeda dari edge computing?
Fog computing memindahkan komputasi dari pusat data terpusat ke tepi jaringan. Dengan memproses data secara lokal dan hanya mengirim hasil yang distilasi ke cloud, pendekatan ini secara dramatis mengurangi kebutuhan bandwidth dan mengurangi kebutuhan akan sumber daya cloud yang masif.
Komputasi cloud terpusat selama ini menawarkan skalabilitas, harga yang sederhana, dan biaya awal minimal bagi perusahaan. Namun, ini juga memperkenalkan latensi, jitter, dan probabilitas yang lebih tinggi insiden keamanan saat sejumlah besar data melintasi jaringan luas.
Fog computing mengatasi tantangan ini dengan mengurangi volume data yang bepergian ke cloud, memendekkan latensi melalui pemrosesan di lokasi, dan meminimalkan paparan terhadap serangan jaringan luas.
Di bisnis yang didorong analitik, wawasan real-time seringkali adalah yang paling berharga. Menunggu data bepergian ke cloud jauh, diproses, dan kembali dapat menunda keputusan kritis. Fog computing memaksa kita untuk mengevaluasi perhitungan mana yang harus terjadi secara lokal dan mana yang termasuk di cloud.
Data Apa yang Sebenarnya Kita Butuhkan?
Pesawat komersial membawa sensor yang menghasilkan hingga 40 TB data setiap jam penerbang. Dikalikan dengan jam penerbangan harian, industri penerbangan menghasilkan jumlah data yang besar—banyak di antaranya tidak diperlukan untuk analitik real-time seperti optimasi efisiensi bahan bakar. Sederhananya, armada kendaraan otonom akan menghasilkan volume yang sebanding. Dalam banyak kasus, data yang paling berharga adalah berumur pendek dan dapat diproses di perangkat sebelum kehilangan relevansinya.
Lihat juga: 4 kesalahan umum yang dilakukan pelanggan dalam beralih ke cloud computing
Fog computing memaksa kita untuk membedakan data mana yang esensial dan mana yang dapat dibuang atau diproses secara lokal, membuat keputusan penanganan data lebih granular dan efisien.
Seiring paradigm fog berkembang dan lebih banyak perangkat terhubung, kita akan melihat pergeseran di mana data diproses dan disimpan. Sementara cloud akan terus menawarkan skalabilitas dan manfaat biaya, penggunaan strategis fog computing akan menjadi kunci untuk mengelola pertumbuhan data IoT yang meledak dan mempertahankan kinerja optimal.
