В статье рассматривается технология конвергентной распределенной обработки данных на основе сближения моделей GRID, облачных (cloud computing) и туманных (fog computing) вычислений. Предлагается использовать данную парадигму для организации аналитической обработки больших сенсорных данных (BigSensorData) в SCADA системах для организации диспетчерского контроля пространственно-распределенных объектов инженерных энергетических сетей и процессов распределения и потребления энергии. В данной концепции модель «туманных» вычислений может быть реализована для обработки, нормализации и агрегирования сенсорных данных на уровне узлов сенсорной сети и/или промышленных контроллеров, а модели GRID или «облачных» вычислений ? для анализа агрегатов данных в центральном вычислительном кластере диспетчерской SCADA системы. Для поддержки работы модели «туманных» вычислений и процессов защищенного сбора и обработки сенсорных данных используется беспроводная сенсорная сеть ZigBee и сегменты сети сотовой связи. Особое внимание уделяется решению вопросов по обеспечению информационной безопасности в среде «туманных» вычислений. Агрегаты данных и интегральные показатели передаются для накопления в информационном многомерном хранилище с целью последующего извлечения и интеллектуального анализа в вычислительном кластере GRID системы.
The article discusses the concept of convergent distributed data processing based on convergence models the GRID, the cloud and fog computing. It is proposed to use this paradigm for organizing analytical processing of big sensor data in SCADA systems for the organization of supervisory control of spatially distributed engineering networks and processes of energy distribution and consumption. This concept model of the «fog» of calculations can be implemented for the processing, normalization and aggregation of sensor data at the sensor network nodes and/or industrial controllers, and the GRID or «cloud» computing model to analyze the aggregate data in a computing cluster dispatching SCADA systems. To support the model of «fog» computing processes and secure collection and processing of sensor data using a wireless transport medium based on the ZigBee sensor network segments and cellular networks. Special attention is paid to decision of questions of information security among the fog computing. Aggregates of data and integrated parameters are transferred to the accumulation of information in the multi-dimensional store for later retrieval and mining in GRID computing cluster system.
1. Камаев В.А., Финогеев А.Г., Нефедова И.С., Финогеев Е.А Инструментальные средства облачного мониторинга распределенных инженерных сетей // Известия Волгоградского государственного технического университета, серия «Актуальные проблемы управления, вычислительной техники и информатики в технических системах». – 2014. – т. 22 (№ 25), Вып. 20. – С. 164–176.
2. Финогеев А.Г., Нефедова И.С., Финогеев Е.А., Куанг Винь Тхай, Камаев В.А., Шевченко С.В., Финогеев А.А. Анализ данных в системе диспетчеризации городского теплоснабжения // Прикаспийский журнал: управление и высокие технологии. – 2014. – № 2 (26). – С. 182–197.
3. Финогеев А.Г., Дильман В.Б., Финогеев А.А., Маслов В.А. Оперативный дистанционный мониторинг в системе городского теплоснабжения на основе беспроводных сенсорных сетей // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2010. – № 3. – С. 27–36.
4. Eisa Aleisa Wireless Sensor Networks Framework for Water Resource Management that Supports QoS in the Kingdom of Saudi Arabia Original Research Article, Procedia Computer Science. – 2013. – Vol. 19. – Р. 232–239.
5. Jamal N. Al-Karaki, Raza Ul-Mustafa, Ahmed E. Kamal, «Data Aggregation in Wireless Sensor Networks – Exact and Approximate Algorithms», Proceedings of IEEE Workshop on High Performance Switching and Routing (HPSR) 2004, Phoenix, USA.
6. Lorincz K., Malan D., Fulford-Jones T.R.F., Na woj A., Clavel A., Shnayder V., Mainland G., Welsh M., Moul ton S. Sensor networks for emergency response: challenges and opportunities, Pervasive Computing for First Response (Special Issue), IEEE Pervasive Computing, 2004.
7. Kamaev V.A., Fionova L.R., Finogeev A.G., Finoge ev A.A. Wireless monitoring and control at urban heating supply system // International Journal of Applied Engineering Research. – 2015. – Vol. 10 (№ 3). – Р. 6499–6507.
8. Hewwit C. ORGs for Scalable, Robust, Privacy-Friendly Client Cloud Computing // IEEE Internet Computing. – Vol. 12, NY, USA. – 2008. doi: 10.1109/MIC.2008.107.
9. OASIS Standard MQTT Version 3.1.1 29 (October 2014), Available at: http://docs.oasis-open.org/mqtt/mqtt/v3.1.1/os/mqtt-v3.1.1-os.html , (accessed 23.11.2015).
10. Armbrust M., Fox A., Griffith R., Joseph A., Katz R., Konwinski A., Lee G., Patterson D., Rabkin A., Stoica I., Above the clouds: A Berkeley view of cloud computing, EECS Department, University of California, Berkeley, Tech. Rep. UCB/EECS-2009-28, 2009.
11. Valery Kamaev, Alexey Finogeev, Anton Finogeev, and Sergiy Shevchenko Knowledge Discovery in the SCADA Databases Used for the Municipal Power Supply System // Knowledge-Based Software Engineering (JCKBSE 2014), 2014. – Р. 1–15.