4
6
A
n
áli
s
i
s
d
e
la
P
la
t
a
f
o
r
m
a
F
O
G
FL
O
W
y
s
u
i
n
t
e
gr
a
c
i
ón
c
on
F
I
W
A
R
E
e
n
e
n
t
o
r
no
s
I
o
T
An
a
l
y
s
i
s
of
t
h
e
F
O
G
FL
O
W
p
l
a
t
fo
r
m
a
nd
i
t
s
i
n
t
e
g
r
a
t
i
o
n
w
i
t
h
F
I
W
A
R
E
i
n
I
o
T
e
n
v
i
r
o
n
m
e
n
t
s
M
Sc
.
Y
o
a
nd
i
G
u
z
m
á
n
Q
u
i
n
t
e
r
o
1
*
,
D
r
a
.
C
.
T
a
t
i
a
n
a
D
e
l
g
a
d
o
F
e
r
n
á
nd
e
z
2
1
*
E
T
E
C
S
A
-
D
V
L
H
.
y
o
a
nd
i
.
g
u
z
m
a
n
@
e
t
e
cs
a
.
c
u
2
U
n
i
ó
n
d
e
I
n
fo
r
m
á
t
i
c
o
s
d
e
C
ub
a
.
t
a
t
i
a
n
a
.
d
e
l
g
a
d
o
@
u
i
c
.
c
u
P
ala
b
r
a
s c
lav
e
R
e
s
u
m
e
n
sus infraestructura
s
dist
r
ibuidas geog
r
á
f
icamente y sopo
r
ta
r
los distintos se
r
vicio
s
IoT ofrecidos, especialmente aquellos que
r
equie
r
en una baja latencia. FogFlow e
s
un fra
m
ework de ejecución dist
r
ibuido que dinámicamente ensambla los di
f
e
r
ente
s
servicios IoT en la nube y los bo
r
des
(
Edge
)
con el
f
in de
r
educi
r
el consumo de
ancho de banda y se
r
capaz de o
fr
ece
r
una baja latencia, o
fr
eciendo una calida
d
de
servicio (
Q
o
S
) optimizada. Edge
-
Computing es un modelo de computación que centra
y sitúa las capacidades de análisis y p
r
ocesamiento donde se gene
r
an los datos. Fog
Co
m
puting extiende este concepto ubicando la capacidad de p
r
ocesamiento p
r
óximo
a la red local donde el
f
lujo de datos es enviado hacia nodos niebla o dispositivo
s
como routers o gateways de
I
oT que p
r
ocesan y en
r
utan el t
r
á
f
ico hacia donde
s
e
necesite.
P
ara un co
rr
ecto análisis
r
esulta necesa
r
io utiliza
r
, un fra
m
ework que
s
ea
capaz de simular e
s
te escena
r
io de computación en contextos
r
eales, que se
r
á p
r
esen-
tado en el presente a
r
tículo most
r
ando su
f
uncionamiento, a
r
quitectu
r
a y potencia-
lidades de procesamiento e implementación, así como su integ
r
ación con FiW
A
RE.
Computación en
A
ctualmente, los p
r
oveedo
r
es de soluciones pa
r
a ciudades inteligentes a
fr
ontan
u
na
la niebla/bo
r
desituación compleja y costosa que c
r
ece exponencialmente, a la ho
r
a de gestionar
Computación en la nube
I
nte
r
net de las
Cosas o
I
oT
F
I
WARE, NG
SI
(I
nte
rf
az de software de
P
r
óxima Gene
r
ación)
Fog
F
low
I
N
V
E
S
T
I
G
A
C
I
Ó
N
K
e
y
w
o
r
d
s
Ab
st
r
a
ct
gro
w
s exponentially,
w
hen managing thei
r
geog
r
aphically dist
r
ibuted in
fr
ast
r
uct
u
re
s
and supporting the di
ff
e
r
ent
I
oT se
r
vices o
ff
e
r
ed, especially those that
r
equi
r
e lo
w
latency.
F
og
F
lo
w
is a dist
r
ibuted execution
fr
ame
w
o
r
k that dynamically assemble
s
the di
ff
erent IoT se
r
vices in the cloud and the edges
(
Edge
)
in o
r
de
r
to
r
educe band-
w
idth consumption and be able to o
ff
e
r
lo
w
latency, o
ff
e
r
ing an optimized qualit
y
of
service (
Q
o
S
). Edge
-
Computing is a computing model that makes the data anal
ys
i
s
and processing capacities be
f
ocused on and located
w
he
r
e the data is gene
r
ated.
F
og Computing extends this concept by locating the p
r
ocessing capacity close to the
Fog/ Edge Computing
Currently, smart city solution p
r
ovide
r
s
f
ace a complex and costly situation that
Cloud
-
Computing
I
nte
r
net o
f
Things o
r
I
oT
F
I
WARE, NG
SI
(
Next Gene
r
ation
So
f
twa
r
e
I
nte
rf
ace)
Fog
F
low
R
e
c
i
b
i
d
o
:
11
/
2021
|
A
c
e
p
t
a
d
o
:
01
/
2022
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
4
7
local net
w
ork whe
r
e the data
f
lo
w
is sent to
f
og nodes o
r
devices such as
r
outer
s
or
IoT gate
w
ays that p
r
ocess and
r
oute the t
r
afic to
w
he
r
e it is needed. Fo
r
a correct
analysis, it is necessa
r
y to use a
fr
ame
w
o
r
k to simulate this computing scenario in
real contexts. This
fr
ame
w
o
r
k
w
ill be p
r
ovided in this a
r
ticle as
w
ell as its ope
r
ation,
architecture and p
r
ocessing and implementation potentialities, including also it
s
in-
tegration
w
ith
F
iW
A
RE.
I
n
t
r
odu
cc
i
ón
pa
r
ti
r
se e inte
r
cambia
r
se ent
r
e dispositivos, se
r
vicio
s
,
I
nte
r
net de las Cosas (IoT) habilita una sociedad
aplicaciones y plata
f
o
r
mas.
hipe
r
conectada en la que cada vez hay más p
r
esencia
Las ca
r
gas de t
r
abajo del sistema son dinámica
s
.
de objetos como autos, drones o edi
f
icios, convi
r
tién
-
Los dispositivos, se
r
vicios y aplicaciones se mueven,
dose en elementos inteligentes, capaces de
r
eacciona
r
r
econectan o desapa
r
ecen. Esto lleva a ca
r
gas y
f
lujo
s
a situaciones en tiempo real utilizando la info
r
mación
de datos en constante cambio.
gene
r
ada pa
r
a un determinado contexto por senso
r
es o
A
lgunos se
r
vicios
I
oT
r
equie
r
en baja latencia y un
actuado
r
es y fuentes de datos. Estos objetos inteligen
-
tiempo de
r
espuesta muy
r
ápido.
tes son gestionados normalmente por servicios que se
Las in
fr
aest
r
uctu
r
as de backend necesitan admini
s
-
ejecutan en infraestructuras de backend.
t
r
a
r
r
ecu
r
sos y dispositivos muy hete
r
ogéneos y geo-
Uno de los grandes retos hoy en día e
s
habilita
r
g
r
á
f
icamente dist
r
ibuidos.
métodos
f
áciles, rápidos y e
f
icientes, que pe
r
mitan o
r-
Todos estos aspectos suponen nuevos de
s
afío
s
questa
r
los servicios, garantizando reaccionen de ma
-
y añaden un alto g
r
ado de complejidad tecnológica
ne
r
a acele
r
ada utilizando el máximo de info
r
mación
a los p
r
oveedo
r
es de in
fr
aest
r
uctu
r
a pa
r
a admi
n
i
s
trar
posible. La i
n
tegración de las tecnologías del
I
oT, el
los di
f
e
r
entes se
r
vicios
I
oT o
fr
ecidos. En las ciuda-
Cloud Comp
u
ting y el Big
D
ata, junto al ap
o
yo de las
des inteligentes existe una amplia hete
r
ogeneidad
políticas de datos abiertos, ha permitido crea
r
las con
-
y movilidad de dispositivos
I
oT, y se
r
equie
r
en alto
s
diciones pa
r
a la transformación de las ciuda
d
es.
niveles de escalabilidad e inte
r
ope
r
abilidad entre la
s
La p
r
emisa inicial de una S
m
art City ―Ciudad
soluciones desplegadas. Los datos
r
ecopila
d
o
s
de
I
nteligente― es su condición de ciudad conectada.
los dispositivos
I
oT son p
r
ocesados y almacenado
s
P
a
r
a ello, uno de los pilares centrales sobre los que se
utilizando las posibilidades que b
r
inda la compu-
basa su construcción es la digitalización, en gene
r
al el
tación en la nube. Sin emba
r
go, a pesa
r
de su
p
oder,
uso de las T
I
C ―Teconologías de la Información y las
el modelo de la nube no es aplicable, po
r
sí
s
olo, a
Comunicaciones―.
S
u objetivo último es
p
e
r
miti
r
la
ento
r
nos en los cuales las ope
r
aciones son se
ns
ible
s
disponibilidad de información sobre la ciudad y la in
-
a la latencia, como la telemedicina, ent
r
e ot
r
o
s
, don-
teg
r
ación de distintos servicios.
de los milisegundos pueden tene
r
impo
r
tantes con
s
e-
A di
f
e
r
encia de las analíticas de datos t
r
adiciona
-
cuencias. Tene
r
cada dispositivo conectado a la nube
les, la o
r
questación de servicios IoT debe tene
r
en con
-
enviando datos, a t
r
avés de
I
nte
r
net, puede t
r
aer im-
side
r
ación los siguientes puntos medulares (Cheng et
plicaciones legales, de segu
r
idad y de p
r
ivacidad. La
al., 2017
)
.
complejidad de la gestión de g
r
andes cantidade
s
de
Gene
r
ación de nuevos datos constantemente po
r
datos, debido al constante aumento de dispo
s
itivo
s
los senso
r
es, no siendo sostenible enviar todos los da
-
I
oT, también puede constitui
r
una di
f
iculta
d
s
i
s
e
tos en b
r
uto
(r
aw) a servicios cloud centralizados pa
r
a
r
ealiza de
f
o
r
ma cent
r
alizada pues se ocupa un gran
su p
r
ocesamiento, debido fundamentalmente a las
r
es
-
ancho de banda en la t
r
ansmisión de dichos dato
s
.
t
r
icciones de ancho de banda y latencia existentes. El
Po
r
ot
r
a pa
r
te, en la actualidad, la mayo
r
ía
d
e lo
s
p
r
ocesamient
o
de
datos debe
descargarse dinámica
-
dispositivos de
I
oT no cuentan con los
r
ecu
rs
o
s
de
mente sob
r
e el edge, cerca de la fuente de
d
atos. Los
cómputo y de almacenamiento
r
eque
r
idos pa
r
a rea-
datos y el conocimiento existentes deben pode
r
com
-
liza
r
ta
r
eas de análisis y ap
r
endizaje automático; lo
s
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
A
n
á
li
s
i
s
d
e
l
a
P
l
a
t
a
fo
r
m
a
F
O
G
FL
O
W
y
s
u
i
n
t
e
gr
a
c
i
ó
n
c
o
n
F
I
W
A
R
E
e
n
e
n
t
o
r
n
o
s
I
o
T
I
N
V
E
S
T
I
G
A
C I
Ó
N
4
8
y el p
r
ocesamiento de las aplicaciones sensibles a la la
-
tencia en el bo
r
de de la red; mientras que otras, con alta
tole
r
ancia al
r
etardo y que requieren de un uso i
n
tensi
-
vo de
r
ecu
r
sos de computación, pueden procesa
r
se en
la nube. Esto signi
f
ica que la computación en la niebla
pe
r
mite el p
r
ocesamiento más cerca del borde de la
r
ed
s
i
n
deja
r
de o
fr
ecer la posibilidad de interactuar con la
nube
(P
é
r
ez et al., 2021).
S
imula
r
una red o infraestructura es entonces
u
n
a he
rr
amienta útil de análisis y diseño que pe
r
mite
c
o
n
f
o
r
ma
r
una i
d
ea del comportamiento de un sistema
r
eal. En conc
r
eto, un simulador es un software capaz de
modela
r
y ejecutar las operaciones de dispositi
v
os de
r
edes
r
eales y sus interacciones. Brinda análisis deta
-
llado del p
r
oceso y datos de utilidad para su despliegue
r
eal
(
Mahmud y Buyya, 2017).
El t
r
abajo con simuladores proporciona un g
r
upo
de ventajas y desventajas. Entre las desventajas, la
r
e
-
p
r
oducción que proporciona un simulador no es del
todo exacta, desde la complejidad de ciertos escena
-
r
ios
r
eales hasta la ausencia de eventos no controlados,
atenta cont
r
a la
f
iabilidad de muchas herramientas de
s
imulación
(
Mahmud y Buyya, 2017).
M
a
t
e
r
ial
e
s
y
M
é
t
odo
s
cidades de la nu
b
e, respalda la ingestión local de datos
s
e
r
vido
r
es de la
n
ube cuentan con los recursos nece
-
lia
r
ización con el mismo, tomando como
r
e
f
e
r
encia lo
s
s
a
r
ios, pe
r
o están demasiado lejos para proce
s
a
r
losmanuales y ca
r
acte
r
ísticas. Expe
r
imentando con la
s
datos y
r
esponder a tiempo a las peticiones que sedistintas posibilidades que o
fr
ece.
gene
r
an más ce
r
ca del borde de la red (
P
érez et al.,En la te
r
ce
r
a
f
ase se
r
ep
r
esenta el escena
r
io de in-
2
0
21
)
.teg
r
ación de FogFlo
w
con F
IW
ARE desplegando co-
La computación en la niebla ―Fog Co
m
puting―mandos y códigos necesa
r
ios pa
r
a ello.
sur
ge como un paradigma novedoso para dar s
o
luciónEn la cua
r
ta y última
f
ase se exponen dos casos de
a lo antes planteado. Con el empleo de recur
s
os deuso aplicando los modelos de p
r
og
r
amación utilizado
s
c
o
mputación, almacenamiento y redes imita las capa
-
po
r
el fra
m
ework.
R
e
s
u
l
t
a
do
s
y
d
i
sc
u
s
i
ón
La integ
r
ación de
I
oT, el bo
r
de y la nube ha incen-
tivado muchos t
r
abajos de investigación. Muchos ar-
tículos han p
r
esentado los desa
f
íos y
r
equisitos para
dicha integ
r
ación. Recientemente, se han p
r
esentado
muchas he
rr
amientas que admiten la simulación y
emulación de la computación en la niebla y de bo
r
de.
A
unque los estudios empí
r
icos exhaustivos apo
r
tan
conocimientos valiosos, los nuevos diseños de bo
r
de
s
no pueden hace
r
uso de estudios empí
r
icos. Po
r
lo tan-
to, pa
r
a nuevos diseños de bo
r
des, los investigadore
s
han utilizado intensamente la p
r
og
r
amación de ta
r
ea
s
,
los
r
ecu
r
sos in
f
o
r
máticos y las est
r
uctu
r
as de
r
ed, la
s
simulaciones y los métodos de estimación pa
r
a validar
expe
r
imentos.
H
asta la
f
echa, no
f
altan a
r
tículos
q
ue
desc
r
iban o analicen escena
r
ios de
I
oT/Cloud y el nú-
me
r
o aumenta continuamente.
La mayo
r
ía de los ma
r
cos de simulación de bo
r
de/
niebla son simulado
r
es de eventos disc
r
etos, mucho
s
se const
r
uyen a pa
r
ti
r
de simulado
r
es de
r
ed y nube.
La mayo
r
ía de estos fra
m
eworks
de simulación de
computación de bo
r
de/niebla están dedicados al estu-
dio de in
fr
aest
r
uctu
r
as, especialmente la gestión de re-
cu
r
sos. MyiFogSim simplemente simula la mig
r
ación
de una máquina vi
r
tual. EdgeCloudSim se concentra
P
a
r
a el desa
r
rollo del presente artículo se han sus
-
en la simulación de
r
endimiento pa
r
a la ejecución de
citado 4
f
ases:ta
r
eas de bo
r
de en a
r
quitectu
r
as de bo
r
de. iFogSim e
s
La p
r
ime
r
a fase consiste en la recopilación de launa he
rr
amienta de código abie
r
to altamente escala-
in
f
o
r
mación, p
r
incipalmente acerca de las dife
r
enciasble, que mide pa
r
ámet
r
os como ocupación de la red,
y
f
uncionamiento de los fra
m
ework para la sim
u
laciónlatencia, consumo de p
r
ocesamiento y de ene
r
gía, para
de la computaci
ó
n en la niebla y el borde, así comodi
f
e
r
entes políticas de gestión de
r
ecu
r
sos y aplicacio-
de las tecnologías y protocolos que lo hacen
p
osible.nes en ambientes de computación en niebla. Se desarro-
Pa
r
a ello se han consultado múltiples recursos
b
iblio
-
lla sob
r
e el ma
r
co
f
undamental de CloudSim
(G
ámez
g
r
á
f
icos, cont
r
astando la información obtenida de laset al., 2020
)
. CloudSim es uno de los simulado
r
es am-
f
uentes.pliamente adoptados pa
r
a modela
r
el ento
r
no de c
o
m-
La segunda
f
ase consiste en la presentación
d
el
f
un
-
putación en la nube, pe
r
o solo pa
r
a eventos disc
r
eto
s
.
cionamiento, A
rq
uitectura, Componentes y Modelos
I
FogSim además pe
r
mite de
f
ini
r
la ubicación de lo
s
de
Pr
og
r
amación del fra
m
ework, asociando una
f
ami
-
dispositivos que
r
eciben un se
r
vicio de los se
r
vidore
s
I
N
V
E
S
T
I
G
A
C I
Ó
N
M
Sc
.
Y
o
a
nd
i
G
u
z
m
á
n
Q
u
i
n
t
e
r
o
,
D
r
.
C
.
T
a
t
i
a
n
a
D
e
l
g
a
d
o
F
e
r
n
á
nd
e
z
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
4
9
te
r
acciones entre aplicaciones. En principio, es posible
estima
r
los costos del trabajo mediante la me
d
ición del
uso del se
r
vicio. FogFlow utiliza el monito
r
eo inte
-
g
r
ado con lo
s
servicios, pudiendo obtener la in
f
o
r
ma
-
ción pa
r
a determinar costos.
En este sentido, FogFlow está diseñado pa
r
a enca
r-
ga
r
se de estos problemas complejos y ayudar a adminis
-
t
r
a
r
estos se
r
vicios IoTde manera automática y e
f
iciente
en un ento
r
no compartido y distribuido. FogFlow p
r
o
-
vee un modelo de programación estándar y cent
r
ado en
el dato pa
r
a que los proveedores de servicios
p
uedan de
mane
r
a sencilla y rápida adaptarse a las demandas.
D
i
f
e
r
e
n
c
ia
c
i
ón
de la niebla, información que resulta estática y no ac
-
tes ca
r
acte
r
ísticas únicas como se ilust
r
a en la
f
igura 1
tualizada po
r
ningún modelo de movilidad, po
r
lo que
(
Ca
r
pinte
r
o, 2019
)
:
esta ve
r
sión no permite movilidad, además de limitadaProgra
m
ación cen
t
rada en los da
t
os: Facilita el
escalabilidad (Calheiros y Ranjan, 2010).diseño y uso de los se
r
vicios
I
oT al p
r
opo
r
cionar un
Emu
F
og permite de
f
inir una topología de in
fr
aes
-
modelo de p
r
og
r
amación cent
r
ado en los dato
s
para
t
r
uctu
r
as y
r
ealizar simulaciones de topología de
r
ed/di
f
e
r
entes
r
oles o puntos de vista, de ca
r
a a e
x
pre
s
ar
niebla utilizando simulaciones de eventos disc
r
etos.los objetivos en di
f
e
r
entes niveles de una manera má
s
F
ogNet
S
im ++ se enfoca en redes de borde/niebla yintuitiva.
A
nivel de ope
r
ado
r
, los p
r
oveedo
r
es s
o
lo tie-
nuevamente es una simulación basada en eventos pu
-
nen que anota
r
qué tipo de datos pueden manejar, qué
r
amente discretos. En otras investigaciones
s
e analiza
f
uncionalidad se p
r
opo
r
ciona y qué tipo de
r
es
u
ltado
s
la combinación de diferentes simulaciones pa
r
a c
r
ea
r
se p
r
oducen.
A
nivel de se
r
vicio, los diseñado
r
e
s
pue-
una simulación híbrida en escenarios de IoT /Edge. Sin
den compone
r
f
ácilmente di
f
e
r
entes ope
r
ado
r
e
s
para
emba
r
go, los métodos de simulación no se basan en
con
f
igu
r
a
r
las plantillas del se
r
vicio en pocos minuto
s
.
códigos y sistemas reales.
D
esde el punto de
v
ista de la
Po
r
último, los usua
r
ios del se
r
vicio pueden de
f
inir a
implementación, se basan en herramientas y código de
alto nivel el uso que va a tene
r
el dato, de ca
r
a a que,
simulación puro, por ejemplo, utilizando
OMN
eT ++
du
r
ante el p
r
ocesamiento de datos en tiempo de ejecu-
y MATLAB. Tampoco se centra en los servicios y los
ción, FogFlow pueda o
r
ganiza
r
automáticamente lo
s
aspectos de interoperabilidad (
H
ong, 2021).
f
lujos en
f
unción de esta in
f
o
r
mación.
En gene
r
al, la mayoría de los trabajos relacionados
Los usuarios del servicio pueden se
r
tanto pro-
se cent
r
an en métricas comunes, como el rendimiento
ducto
r
es de datos como consumido
r
es de los re
s
ul-
y la escalabilidad a través de simulacione
s
teó
r
icas.
tados.
D
esde la pe
r
spectiva del p
r
oducto
r
, pueden
Tampoco permiten el estudio de las relaciones con
establece
r
qué tipo de lógica se aplica
r
á a sus dato
s
,
las pa
r
tes interesadas, la integración con servicios del
mient
r
as que desde la pe
r
spectiva del consumid
o
r pue-
mundo
r
eal
y
el uso de infraestructuras del mundo
den
f
ija
r
el tipo de
r
esultado que se gene
r
a
r
á. Lo que
r
eal pa
r
a ejecutar la simulación.
A
demás, el sopo
r
te
hace FogFlow es “t
r
aduci
r
” estos objetivos de u
s
o de
se debe basa
r
en escenarios, más que en problemas es
-
los datos de
f
inidos a alto nivel en
f
lujos de p
r
oce
s
a-
pecí
f
icos, como la gestión de recursos, el consumo de
miento conc
r
etos, pa
r
a después desplega
r
los
y
man-
ene
r
gía o el
r
endimiento.
tene
r
los sin inte
rr
upciones en los nodos cloud/edge
FogFlow es diferente porque se enfoca en a
r
te
-
disponibles de la mane
r
a más e
f
iciente posible.
M
á
s
f
actos de software reales que se ejecutan en
b
ancos de
r
elevante aún
r
esulta que, con este modelo de progra-
p
r
uebas
r
eale
s
que emulan sistemas de bor
d
e pa
r
a in
-
mación cent
r
ado en el dato y basado en un modelo de
datos estánda
r
, los
f
lujos de p
r
ocesamiento sub
y
acen-
tes pueden compa
r
ti
r
se y optimiza
r
se ent
r
e múltiple
s
se
r
vicios y usua
r
ios.
Ges
t
ión
A
u
t
óno
m
a: FogFlow puede llevar a
cabo decisiones de o
r
questación de se
r
vicios de IoT
de mane
r
a descent
r
alizada y autónoma. Esto signi
f
i-
ca que cada nodo edge puede toma
r
sus p
r
opia
s
de-
cisiones teniendo en cuenta solo una vista de contex-
to local.
D
e esta mane
r
a, la mayo
r
ía de las carga
s
de
t
r
abajo se pueden maneja
r
di
r
ectamente en los borde
s
sin depende
r
de una nube cent
r
al. Este en
f
oque “
s
in
nubes” pe
r
mite no solo pode
r
p
r
opo
r
ciona
r
un tiempo
de
r
espuesta
r
ápido, sino que también pe
r
mite obtener
una g
r
an escalabilidad y
f
iabilidad.
Respecto a otros fra
m
eworks de computaciónI
m
ple
m
en
t
ación op
t
i
m
izada: La con
f
iguración
en el bo
r
de existentes como EdgeX, Azure
I
oT Edgede las ta
r
eas y la implementación de los
f
lujo
s
de
y Amazon Greengrass, FogFlow presenta la
s
siguien
-
p
r
ocesamiento se optimizan pa
r
a que el ento
r
no c
o
mple-
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
A
n
á
li
s
i
s
d
e
l
a
P
l
a
t
a
fo
r
m
a
F
O
G
FL
O
W
y
s
u
i
n
t
e
gr
a
c
i
ó
n
c
o
n
F
I
W
A
R
E
e
n
e
n
t
o
r
n
o
s
I
o
T
I
N
V
E
S
T
I
G
A
C I
Ó
N
5
0
estos compo
r
tamientos de optimización es la mig
r
ación
dinámica de ta
r
eas de un borde a otro para mantene
r
el
tiempo de
r
espue
s
ta mínimo para objetos móviles, como
vicio adaptándose el mismo de forma dinámica. Uno de
to cloud/edge cumpla determinados objetivos, po
r
ejem
-
do
s
de bo
r
de
s
in p
r
oblema
s
,
s
in conoce
r
lo
s
detalle
s
plo, minimiza
r
el trá
f
ico interno de datos entre los nodos
de cómo e
s
tán plani
f
icada
s
y deben lleva
rs
e a cabo
cloud/edge o minimizar la latencia a la hora de produci
r
la
s
ta
r
ea
s
ent
r
e la nube y el bo
r
de o ent
r
e lo
s
di
f
e
r
en-
los
r
esultados. Cabe destacar que la optimización
d
e
f
lu
-
te
s
nodo
s
de bo
r
de.
S
in emba
r
go, pa
r
a la mayo
r
ía de
jos de p
r
ocesamiento de datos no solo ocurre al inicio del
lo
s
demá
s
f
r
a
m
ewo
r
k
s
de
I
oT/Edge
(H
ong, 2021
)
, lo
s
s
e
r
vicio, sino que continúa durante toda la vida útil del se
r-
s
e
r
vicio
s
o aplicacione
s
e
s
tán di
s
eñado
s
pa
r
a cada
bo
r
de y no
s
on
r
ealmente
s
e
r
vicio
s
o aplicacione
s
di
s
-
t
r
ibuido
s
, po
r
que e
s
o
s
s
e
r
vicio
s
o aplicacione
s
pue
d
en
ejecuta
rs
e en la nube o en algún pe
r
ímet
r
o, pe
r
o no
pueden ejecuta
rs
e
s
ob
r
e nodo
s
de la nube y de bo
r
de
en una
f
u
s
ión di
s
t
r
ibuida.
La
s
di
f
e
r
enciacione
s
má
s
detallada
s
s
e
r
e
s
umen
en la tabla 1:
O
t
r
o
s
(
E
d
g
e
X
,
S
i
st
e
m
a
sF
o
g
F
l
o
w
A
z
u
r
e
I
o
T
,
E
d
g
e
/
A
W
S
G
r
ee
n
g
r
a
ss
)
M
e
c
a
n
i
s
m
o
-
D
e
s
e
n
c
a
d
e
n
a
n
t
e
B
a
s
a
d
o
c
o
n
t
e
x
t
o
B
a
s
a
d
o
t
e
m
a
V
i
st
a
p
a
r
a
O
r
qu
e
st
a
c
i
ó
n
G
l
o
b
a
l
(
T
o
d
o
B
o
r
d
e
+
N
ub
e
)
C
a
d
a
B
o
r
d
e
+
R
e
s
p
a
l
d
o
B
r
o
k
e
r
e
n
l
a
nub
e
M
o
d
e
l
o
s
Pr
o
gr
a
m
a
c
i
ó
n
F
un
c
i
o
n
e
s
g
u
i
a
d
a
s
p
o
r
e
l
c
o
n
t
e
x
t
o
F
un
c
i
o
n
e
s
G
u
i
a
d
a
s
p
o
r
T
e
m
a
S
o
p
o
rt
e
d
e
M
o
v
ili
d
a
d
S
i
N
o
p
u
eden se
r
smartphones, coches conectados o dro
n
es.
La orque
s
tación del se
r
vicio en
F
og
F
lo
w
e
s
tá
impul
s
ada por el contexto, en luga
r
de evento
s
o
texto
s
en bruto. Esta ca
r
acte
r
ística es habilita
d
a po
r
la introducción en el diseño de una nueva capa, a
s
aber, Io
T
Di
s
c
o
very como se muest
r
a en la
f
igu
r
a
2 (Carpintero, 2
0
19
)
, que p
r
opo
r
ciona una actuali
-
zación re
s
umida de los datos de entidad disponible
s
s
obre todo
s
los inte
r
media
r
ios. En compa
r
ación
con la orque
s
tación basada en eventos o tema
s
, la
orque
s
tación ba
s
ada en el contexto en
FogFlow
e
s
má
s
f
lexible y más liviana. Esto se debe a q
u
e, en
la orque
s
tación, las decisiones se pueden toma
r
en
función de un contexto ag
r
egado, sin lee
r
todo
s
lo
s
f
lujo
s
de dato
s
involuc
r
ados.
P
o
r
ot
r
o lado,
FogFlow
tiene en cuenta las intenciones de alto nivel de
f
ini
-
da
s
por u
s
uario
s
pa
r
a toma
r
decisiones de o
r
que
s
ta
-
ción optimizada
s
pa
r
a una mejo
r
Qo
S(
Hong,
2
021
)
.
s
eñado
s
con una vista global de todos los nodos de la
Lo
s
s
ervicios y aplicaciones de
FogFlow
están di
-
T
a
b
la
1
.
D
i
f
e
r
e
n
c
i
a
c
i
ó
n
F
r
a
m
e
w
o
r
k
s
nube y lo
s
nodos de bo
r
de, en este sentido FogFlow
Po
r
lo que el fra
m
ework idóneo pa
r
a la sim
u
la-
puede admitir aplicaciones bien dist
r
ibuidas que po
-
ción del pa
r
adigma de computación en la
NI
EBL
A
drían ejecutar
s
e en todos los nodos de la nube y no
-
y el B
O
R
D
E, pa
r
a escena
r
ios
r
eales es FogFlow, a
F
i
g
u
r
a
1
.
R
o
l
e
s
e
n
F
og
F
lo
w
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
I
N
V
E
S
T
I
G
A
C I
Ó
N
M
Sc
.
Y
o
a
nd
i
G
u
z
m
á
n
Q
u
i
n
t
e
r
o
,
D
r
.
C
.
T
a
t
i
a
n
a
D
e
l
g
a
d
o
F
e
r
n
á
nd
e
z
5
1
F
i
g
u
r
a
2
.
C
a
r
a
c
t
e
rí
s
t
i
c
a
s F
og
F
l
o
w
v
s
O
t
r
o
s
f
r
a
m
e
w
o
r
k
s
F
un
c
i
on
a
m
i
e
n
t
o
F
og
F
l
o
w
En
FogFlow
, un se
r
vicio
I
oT es de
f
inido como
un
f
lujo de procesamiento de datos
r
ep
r
esentado po
r
continuación
s
erán descritos el funcionamiento, la a
r-
Como
s
e mue
s
t
r
a en la
f
igu
r
a 3
(
Ca
rp
intero,
quitectu
r
a,
lo
s
modelos
de programación
y
los casos
2019
)
, lo
s
s
e
r
vicio
s
s
e o
r
ganizan como
f
lujo
s
de
de usos.
p
r
oce
s
amiento dinámico
s
ent
r
e p
r
oducto
r
es (por
ejemplo,
s
en
s
o
r
e
s)
y con
s
umido
r
e
s
(
como actua-
do
r
e
s
o aplicacione
s)
pa
r
a
r
ealiza
r
el p
r
oce
s
ado de
dato
s
nece
s
a
r
io.
En p
r
ime
r
luga
r
, los desa
rr
ollado
r
es de
s
er-
operadore
s
vinculados. Un ope
r
ado
r
toma in
f
o
r
ma
-
vicios deben c
r
ea
r
una plantilla del se
r
vici
o
para
ción directamente de los dispositivos
I
oT o de pa
r-
de
f
ini
r
la lógica del mismo. FogFlow propor-
te
s
anteriores del
f
lujo de p
r
ocesamiento,
r
ealizauna
ciona un edito
r
de
f
lujos g
r
á
f
ico basado en la
cierta lógica de negocio del se
r
vicio
I
oT y pa
s
a el
r
e
-
w
eb
pa
r
a
el
diseño
de
las
di
f
e
r
entes
ta
r
eas.
La
planti-
s
ultado al
s
iguiente ope
r
ado
r
. Las ta
r
eas se vinculan
lla del
se
r
vicio
r
ep
r
esenta la
lógica abst
r
acta y
e
s
tática
entre
s
í durante el tiempo de ejecución en
f
unción
de p
r
ocesamiento de datos del se
r
vicio
I
oT, incluido
s
de la dependencia de datos ent
r
e ent
r
adas
y
s
alida
s
.
los detalles sob
r
e qué ope
r
ado
r
se utiliza pa
r
a tomar
(
P
lataforma F
I
WARE
F
OG
F
LOW, 2021
)
qué ent
r
ada y p
r
oduci
r
qué salida, y también cuándo
F
i
g
u
r
a
3
.
M
o
d
e
l
o
d
e
a
l
t
o
n
i
v
e
l
d
e
F
o
g
F
l
o
w
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
A
n
á
li
s
i
s
d
e
l
a
P
l
a
t
a
fo
r
m
a
F
O
G
FL
O
W
y
s
u
i
n
t
e
gr
a
c
i
ó
n
c
o
n
F
I
W
A
R
E
e
n
e
n
t
o
r
n
o
s
I
o
T
I
N
V
E
S
T
I
G
A
C I
Ó
N
52
que incluye nodos de nube, nodos de bo
r
de y dispo
s
i-
tivos de
I
oT. La siguiente
f
igu
r
a 4 ilust
r
a la a
r
quitec-
tu
r
a del sistema de FogFlow y sus componentes p
r
in-
cipales
en t
r
es capas lógicas
(
Plata
f
o
r
ma F
I
W
A
RE
F
OG
FL
O
W, 2021
)
:
ges
t
ión de servicios: convie
r
te los
r
equisitos
d
el
se
r
vicio en un plan de ejecución conc
r
eto y luego im-
plementa los planes de ejecución sob
r
e la nube y lo
s
bo
r
des.
ges
t
ión de con
t
ex
t
o: gestiona toda la in
f
o
r
mación
de contexto y la hace visible y accesible a t
r
avés de
(P
lata
f
o
r
ma
FI
W
A
RE
FOGF
L
O
W, 2021).
dete
r
mina
r
cuándo y cómo se debe instancia
r
el
s
e
r
vicio. Así mismo, FogFlow también determina
cuántas instancias de tarea se requieren para cada
ope
r
ado
r
y también las con
f
iguraciones detalladas
de cada instancia.
La est
r
uctu
r
a de datos de todos los
f
lujos
d
e da
-
tos se desc
r
ibe según un mismo modelo de datos
n
or
malizado denominado
NGS
I. FogFlow puede
ap
r
ende
r
qué tipo de datos se crean en cada nodo
del bo
r
de
—
edge
—
y lanzar
f
lujos dinámicos de p
r
o
-
cesamiento de datos para cada nodo en función de la
disponibilidad de la metainformación de conte
x
to
r
e
-
y cómo debe activarse el operador. Los proveedo
r
esdel sistema en tiempo
r
eal, como puede se
r
la canti-
de se
r
vicios pueden así mismo reutilizar operado
r
es ya
dad de
r
ecu
r
sos disponibles en cada nodo edge o la
r
egist
r
ados o implementar sus propios operado
r
es
ca
r
ga de t
r
abajo p
r
evista.
Una vez de
f
inida la plantilla, el sistema moni
-
A
r
qu
i
t
e
ct
u
r
a
d
e
l
S
i
st
e
m
a
t
or
ea la in
f
o
r
mación de contexto de los datos dis
-
El ma
r
co de FogFlow ope
r
a en una in
fr
aest
r
uc-
ponibles en el sistema en tiempo de ejecució
n
pa
r
a
tu
r
a de T
I
C geodist
r
ibuida, je
r
á
r
quica y hete
r
ogénea
gist
r
ada. Aplicando algoritmos de optimización se de
-
inte
rf
aces de consulta y susc
r
ipción.
te
r
mina automáticamente, en qué lugar implementa
r
procesa
m
ien
t
o de da
t
os: inicia ta
r
eas de p
r
oce
s
a-
las instancias de la tarea de acuerdo con el contexto
m
i
ent
o
d
e
dato
s
y
establ
e
c
e
f
luj
os
d
e
da
t
o
s
ent
r
e
ta
r
ea
s
F
i
g
u
r
a
4
.
A
r
qu
i
t
e
c
t
u
r
a
S
i
s
t
e
m
a
F
o
g
F
l
o
w
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
I
N
V
E
S
T
I
G
A
C I
Ó
N
M
Sc
.
Y
o
a
nd
i
G
u
z
m
á
n
Q
u
i
n
t
e
r
o
,
D
r
.
C
.
T
a
t
i
a
n
a
D
e
l
g
a
d
o
F
e
r
n
á
nd
e
z
5
3
C
o
m
pon
e
n
t
e
s
d
e
l
s
i
st
e
m
a
Di
s
pone además de los siguientes componente
s
de
s
ervicio cent
r
alizados pa
r
a se
r
implementado
s
en
la nube (
P
lata
f
o
r
ma
FI
WARE
F
OG
F
LOW, 2021
)
:
Diseñador de tareas: proporciona la inter
f
az basa
-
da en web pa
r
a que los proveedores de servicios espe
-
ci
f
iquen,
r
egistren y administren sus tareas y topolo
-
gías de se
r
vicios;
T
opology
M
aster: descubre cuándo y qué ta
r
ea debe
instancia
r
se, con
f
iguración dinámicamente y también
decide dónde implementarlos en la nube y los bo
r
des;
Descub
r
imiento de IoT: administra toda la in
-
f
o
r
mación de disponibilidad de contexto regist
r
ada,
incluida su
ID
, tipo de entidad, lista de atributos, y
metadatos; permite que otros componentes consulten
y susc
r
iban su información de disponibilidad de con
-
texto inte
r
esado a través de
NGS
I9;
Componentes distribuidos para ser im
p
lementa
-
dos tanto en la nube como en los bordes;
W
orker: según la asignación del maestro de topolo
-
Rabbit
M
Q: la comunicación interna entre el maes
-
t
r
o de topología y los
w
orkers
PostgreSQ
L
: la base de datos backend
p
a
r
a gua
r-
da
r
la in
f
o
r
mación de disponibilidad de contexto
r
egist
r
ada.
M
O
D
E
L
O
S
D
E
P
R
O
G
R
A
M
A
C
I
Ó
N
a t
r
avés de las interfaces pub / sub proporcionada po
r
T
opo
l
o
g
í
a
d
e
s
e
r
vi
c
i
o
la capa de ge
s
tión de contexto.
El p
r
ime
r
pat
r
ón e
s
activa
r
lo
s
f
lujo
s
de
p
roce-
s
amiento nece
s
a
r
io
s
pa
r
a p
r
oduci
r
alguno
s
dato
s
de
s
alida
s
olo cuando lo
s
con
s
umido
r
e
s
s
olicitan lo
s
dato
s
de
s
alida.
P
a
r
a de
f
ini
r
un
s
e
r
vicio
I
oT ba
s
ado en e
s
te pa-
t
r
ón, el p
r
oveedo
r
de
s
e
r
vicio
s
nece
s
ita de
f
inir una
topología de
s
e
r
vicio, que con
s
i
s
te en un conjunto de
ope
r
ado
r
e
s
vinculado
s
en el que cada ope
r
ador e
s
tá
de
f
inido con una g
r
anula
r
idad e
s
pecí
f
ica.
FogFlow
toma
r
á en cuenta la g
r
anula
r
idad del ope
r
ad
o
r para
decidi
r
cuánta
s
in
s
tancia
s
de ta
r
ea de dicho opera-
do
r
s
e deben in
s
tancia
r
en
f
unción de lo
s
dat
os
di
s
-
ponible
s
(P
lata
f
o
r
ma
FI
W
A
RE
FOGF
L
O
W, 2021).
U
na topología de
s
e
r
vicio debe
s
e
r
activada
explícitamente po
r
una petición emitida po
r
un con-
s
umido
r
o aplicación. La petición de
f
ini
r
á qué parte
de la lógica de p
r
oce
s
amiento en la topología de
s
er-
vicio debe activa
rs
e y también puede de
f
ini
r
opcio-
nalmente un alcance geog
r
á
f
ico e
s
pecí
f
ico, de cara
a
f
ilt
r
a
r
la
s
f
uente
s
de dato
s
pa
r
a aplica
r
la lógica de
p
r
oce
s
amiento activada.
T
opo
l
o
g
í
a
d
e
n
i
e
b
la
gía, cada worker lanzará su tarea programada instancia
-
das en contenedores docker en su host local; con
f
igu
r
a
El segundo pat
r
ón está diseñado pa
r
a un escenario
sus ent
r
adas/salidas y administra todas las instancias de
en el que los diseñado
r
es del se
r
vicio no conocen a
ta
r
eas localmente según la prioridad de la tarea;
p
r
io
r
i la secuencia exacta de pasos de p
r
ocesamiento
I
o
T
Broker: cada agente gestiona una pa
r
te de las
de
la
secuencia.
En
su
luga
r
,
pueden
de
f
ini
r
una
f
unción
entidades de contexto publicadas por dispositivos de
de niebla o
f
unción fog pa
r
a inclui
r
un ope
r
ado
r
e
s
pe-
I
oT ce
r
canos y también proporciona una vista única
cí
f
ico que maneja
r
á un tipo de in
f
o
r
mación. Fo
g
Flow
de todas las entidades de contexto para que los dispo
-
puede c
r
ea
r
la g
r
á
f
ica de
f
lujos de p
r
ocesamie
n
to en
sitivos de
I
o
T
consulten y suscriban las entidades que
base a esta desc
r
ipción de todas las
f
unciones fog.
necesitan.
A
di
f
e
r
encia de la topología de se
r
vicio, esta topo-
Componentes de servicio externos que se utiliza
-
logía de niebla es muy simple, con un solo operador
r
á
n
e
n
FogFlow:
que se activa cuando sus datos de ent
r
ada están di
s
-
Dock Registry: administra todas las imáge
-
ponibles.
D
ado que se pueden encadena
r
automática-
nes de la ventana acoplable proporcionadas po
r
los
mente di
f
e
r
entes
f
unciones de niebla y pe
r
mitir que
desa
rr
ollado
r
es;
más de una
f
unción de niebla maneje los nue
vos
da-
tos, du
r
ante el tiempo de ejecución se pueden activar
y administ
r
a
r
automáticamente nuevas instancia
s
en
f
unción de la ca
r
ga de datos.
D
esde la pe
r
spectiva del diseño, la
f
unción de
niebla es más
f
lexible que la topología de se
r
vicio, ya
que la lógica de p
r
ocesamiento gene
r
al de un
s
ervi-
cio
I
oT se puede modi
f
ica
r
f
ácilmente con el tiempo,
En la act
u
alidad FogFlow proporciona dos mode
-
ag
r
egando o eliminando
f
unciones de niebla cuando
los de p
r
og
r
amación diferenciados para admiti
r
di
f
e
-
la lógica de p
r
ocesamiento del se
r
vicio deba modi
f
i-
r
entes tipos de patrones de carga de trabajo.ca
r
se pa
r
a da
r
r
espuesta a nuevos
r
equisitos. Con e
s
te
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
A
n
á
li
s
i
s
d
e
l
a
P
l
a
t
a
fo
r
m
a
F
O
G
FL
O
W
y
s
u
i
n
t
e
gr
a
c
i
ó
n
c
o
n
F
I
W
A
R
E
e
n
e
n
t
o
r
n
o
s
I
o
T
I
N
V
E
S
T
I
G
A
C I
Ó
N
5
4
modelo de p
r
og
r
amación basado en funciones de nie
-
sudo
docker
run
-
d
--
na
m
e
orion1
--
link
m
on-
bla,
F
og
F
low soporta arquitecturas de computación sin
godb
:m
ongodb
-
p 1026
:
1026
fi
ware/orion
-
dbho
s
t
s
e
r
vido
r
―serve
r
less co
m
puting― en entornos cloud/
m
ongodb
e
d
ge
(P
lata
f
o
r
m
a
F
I
W
A
R
E
FOGF
L
O
W,
2021)
.
f
inalmente
s
e comp
r
ueba que todo
f
unciona c
o
n:
I
N
T
E
G
R
A
C
I
Ó
N
C
O
N
F
I
W
A
R
E
c
u
r
l http://<O
r
ion IP>:
1026
/
vers
ion
Se debe pe
r
miti
r
el pue
r
to 1026 en el
fi
rewall para
acceso público.
Pa
r
a emiti
r
una susc
r
ipción
r
eenviando el
r
esulta-
do gene
r
ado a
O
rion Context Broker se debe utiliza
r
la
siguiente solicitud curl pa
r
a susc
r
ibi
r
Fog
fl
ow Broke
r
a F
IW
ARE
O
rion:
cu
r
l
-
i
X
P
O
ST \
‘
http://co
r
ese
r
vice_ip/ngsi10/subsc
r
ibeContext’ \
-H
‘
Content
-
Type: application/json
’
\
-H
‘D
estination: o
r
ion
-
b
r
oke
r’
\
-
d
‘
El módulo FogFlow como
G
eneric Enabler (GE
)
en
el ecosistema F
IW
ARE ocupa una posición ideal como
o
r
questado
r
clou
d
/edge para procesar y administ
r
a
r
f
lu
-
jos de datos dinámicos sobre la nube y los borde
s
de la
r
ed, así como la inserción o transformación de datos y el
análisis avanzado
.
Como muestra la
f
igura 5 (Carpinte
r
o,
2019
)
puede inte
r
actuar coordinadamente con otros mó
-
dulos de F
IW
ARE de manera nativa y proveer servicios
avanzados a distintas plataformas inteligentes.
FogFlow puede trabajar, por un lado, conjunta
-
mente con el Context Broker
O
rion, pieza cent
r
al de
F
IW
ARE y la mayoría de plataformas inteligentes
b
asadas
en esta iniciativa
,
mediante noti
f
icaciones de inte
rf
aces
quie
r
a.
P
osibilitando que cualquier nodo FogFlow sea
capaz de comunicarse con una amplia gama de disposi
-
tivos
I
oT cub
r
iendo prácticamente la totalidad de casos
posibles.
(P
lata
f
orma
F
IW
A
RE
FOGF
L
O
W, 2021
)
P
a
r
a con
f
igurar
O
rion
s
e necesita un requisito
previo, tene
r
el
DO
CKER
instalado, además el conte-
nedo
r
de Orion depende de
la base de datos Mongo
D
B,
contenedo
r
que debe ser ini-
ciado utilizando el siguiente
comando:
N
G
SI
estanda
r
izadas, y a través de esta con cualquie
r
{
ot
r
o Generic En
a
bler o aplicación FIWARE en la capa
“entities”:
[
s
upe
r
io
r
. En la in
f
erior, al trabajar de manera acoplada
{
y
r
eutiliza
r
los conocidos
A
daptadores (
A
gentes
I
oT
)
“id”: “.*”,
basados en el modelo de programación de función nie
-
“type”: “Result”,
bla, pe
r
mite la integración de cualquiera de lo
s
p
r
in
-
“isPatte
r
n”: t
r
ue
cipales p
r
otocolos
N
o-
NGS
I soportados por FIWARE
}
nativamente, como M
QTT
, C
O
AP,
O
neM2M,
O
PC
-U
A
]
,
o
L
oRa
W
AN.FogFlow puede dinámicamente desplega
r
“
r
e
f
e
r
ence”
: “
http:/
/
<
Or
io
n
I
P>:
1
026/
v
2/
o
p
/
los adaptado
r
es necesarios para la integración di
r
ecta
not
i
f
y
”
de los dispositivos en cualquier nodo edge que lo
r
e
-
}
’
sudo docker run --na
m
e
mongodb
-
d mon
g
o:3.4
y luego
s
e ejecuta Orion
con e
s
te coman
d
o
:
F
i
g
u
r
a
5
.
I
n
t
e
g
r
a
c
i
ó
n
c
o
n
o
t
r
o
s
G
E
’
s
d
e
F
I
W
A
R
E
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
I
N
V
E
S
T
I
G
A
C I
Ó
N
M
Sc
.
Y
o
a
nd
i
G
u
z
m
á
n
Q
u
i
n
t
e
r
o
,
D
r
.
C
.
T
a
t
i
a
n
a
D
e
l
g
a
d
o
F
e
r
n
á
nd
e
z
55
F
unction subscribe
F
og
F
lo
w
(entityType, orionB
r
oke
r)
{
va
r
subscribeCtxReq = {};
subsc
r
ibeCtxReq.entities = [{type: entityType,
is
P
atte
r
n: t
r
ue}];
subsc
r
ibeCtxReq.reference = ‘http://
’
+ o
r
ion
-
B
r
oke
r
+
‘
/v2/op/notify’;
client.subscribeContext4
O
rion(subsc
r
ibeC
-
txReq
)
.then
(
function(subscriptionId) {
console.log(subscriptionId);
ngsi
p
roxy.report
S
ubI
D
(subscriptio
nI
d
)
;
}
)
.catch(function(error) {
console.log(‘failed to subscribe co
n
text
’)
;
}
)
;
}
// client to interact
w
ith IoT Broker
va
r
client=ne
wNGS
I10Client
(
con
f
ig.
b
r
oke
r
URL
)
;
subsc
r
ibe
F
og
F
lo
w
(‘
P
o
w
er
P
anel’,‘cpaasio
-f
og
-
f
low.in
f
.um.e
s
:1026’);
C
A
S
O
S
D
E
U
S
O
no utiliza
r
est
r
icciones ni atributos, es una solicitud de
susc
r
ipción general basada en el tipo de enti
d
ad.
P
a
r
a consultar el resultado de
O
rion Context
Broker, la p
r
imera forma es considerar a
O
rion Broker
como el desti
n
o de cualquier información de contex
-
to gene
r
ada por un servicio FogFlow/Io
T
. En este
caso, una aplicación externa o el panel de cont
r
ol de
FogFlow debe emitir una suscripción a
NGSI
pa
r
a so
-
licita
r
a FogFlow que reenvíe las actualizaciones de
contexto solicitadas a un agente de
O
rion es
p
ecí
f
ico.
S
e p
r
oporcionan dos formas de decirle a FogFlow
qué entidad debe enviarse al corredor de
O
rion. La
p
r
ime
r
a
f
o
r
ma es emitir una suscripción sin p
r
ocesa
r
a
FogFlow Broker. La segunda forma es escribi
r
un pe
-
queño p
r
og
r
ama Java
S
cript para hacer esto. La integ
r
a
-
ción utiliza la interfaz N
G
SI V2 de
O
rion Broker.
Tenga en cuenta que esta solicitud de susc
r
ipción
B
u
sc
a
do
r
d
e
n
i
ño
s
p
e
r
d
i
do
s
Este caso de uso p
r
etende localiza
r
a un niño perdi-
do lo antes posible ap
r
ovechando la computación edge
habilitada po
r
FogFlow
(
Figu
r
a 6
)
.
U
n se
r
vicio
f
ácilmente implementable basado en
FogFlow pa
r
a la localización de un niño usando la to-
pología de se
r
vicio pod
r
ía se
r
el siguiente, contando el
mismo de t
r
es ope
r
ado
r
es di
f
e
r
entes:
Ex
t
racción de ros
t
ros, enca
r
gado de
r
econocer y
ext
r
ae
r
imágenes de
r
ost
r
os de secuencias de video de
las cáma
r
as existentes.
Generación de rasgos, que, en base a una ima-
gen de
r
ost
r
o, calcula el vecto
r
de ca
r
acte
r
ísticas única
s
pa
r
a cada
r
ost
r
o detectado.
C
oincidencia de ros
t
ros, que compa
r
a los
r
o
s
tro
s
detectados con una imagen de
r
e
f
e
r
encia
(
la cara del
niño pe
r
dido
)
en té
r
minos de sus vecto
r
es de caracte-
r
ísticas y
r
asgos.
Cabe destaca
r
que se de
f
ine una g
r
anula
r
idad di-
f
e
r
ente pa
r
a cada ope
r
ado
r
en la topología de se
r
vicio,
po
r
ejemplo, la coincidencia de
r
ost
r
os se instancia por
cada pe
r
sona a detecta
r
, mient
r
as que los ot
r
os do
s
ope-
r
ado
r
es se instancian po
r
cada cáma
r
a.
Pa
r
a dispa
r
a
r
esta topología de se
r
vicio, una apli-
cación exte
r
na debe
r
ealiza
r
la petición y suscribir
s
e
a la salida del ope
r
ado
r
de coincidencia de
r
o
s
tro
s
pa
r
a obtene
r
el
r
esultado.
A
l cambia
r
el alcance geo-
g
r
á
f
ico de
f
inido pa
r
a la petición, la aplicación externa
puede cont
r
ola
r
FogFlow pa
r
a o
r
questa
r
la topología
de se
r
vicio con un alcance geog
r
á
f
ico cambiante. En
nuest
r
o caso de uso, la búsqueda comenza
r
ía en un
ámbito pequeño y se expandi
r
ía el
r
adio de búsqueda
p
r
og
r
esivamente paso a paso si el niño no es localizado
(
Ca
r
pinte
r
o, 2019
)
.
En este ejemplo la aplicación exte
r
na, que ac-
túa como consumido
r
,
r
esulta muy simple, ya
q
ue e
s
FogFlow quien maneja toda la complejidad de cómo
o
r
ganiza
r
dinámicamente los
f
lujos de p
r
ocesamiento
de datos pa
r
a un alcance geog
r
á
f
ico va
r
iable.
D
e acue
r
do a expe
r
imentos
r
ealizados, se con
s
igue
r
educi
r
el ancho de banda consumido en hasta un 95%
r
especto a una ap
r
oximación t
r
adicional basada plena-
A
c
ontinuaci
ó
n
, se ex
pl
i
ca
n d
o
s c
aso
s de u
s
o en
mente en cloud
(
Ca
r
pinte
r
o, 2019
)
.
los que FogFlow puede emplearse para el diseño de
E
st
acio
n
a
m
ie
nt
o i
nt
elige
nt
e
se
r
vicios de Smart. El primero de ellos está basado enSe distinguen dos tipos de estacionamiento
s
. Por
la topología
d
e servicio, mientras que el segundo estáun lado, zonas de estacionamiento
r
egulado y q
u
e pue-
basado en
f
u
n
ciones de niebla.den p
r
opo
r
ciona
r
in
f
o
r
mación histó
r
ica sob
r
e cómo
s
e
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
A
n
á
li
s
i
s
d
e
l
a
P
l
a
t
a
fo
r
m
a
F
O
G
FL
O
W
y
s
u
i
n
t
e
gr
a
c
i
ó
n
c
o
n
F
I
W
A
R
E
e
n
e
n
t
o
r
n
o
s
I
o
T
I
N
V
E
S
T
I
G
A
C I
Ó
N
5
6
C
on
c
l
u
s
i
on
e
s
(
Ca
r
pinte
r
o, 2019).
En este caso, no resulta fácil aplicar una topología
de se
r
vicio, pe
r
o haciendo uso de funciones fog la ló
-
utilizan, y po
r
otro lado parqueos privados, ope
r
adosdisponible a su llegada, po
r
lo que po
r
cada vehículo
s
e
po
r
emp
r
esas p
r
ivadas, y que pueden proveer in
f
o
r
ma
-
conta
r
á con dos
f
unciones de niebla
(
Ca
r
pinte
r
o, 2019).
ción en tiempo
r
eal sobre la disponibilidad de plazas.Estas instancias se encuent
r
an desplegadas en no-
Utilizando estos dos tipos de información y otra in
f
o
r-
dos edge ce
r
canos al o
r
igen de cada uno de los dato
s
mación pública disponible de transporte, el servicio dede ent
r
ada, consiguiendo una
r
educción de ancho de
e
s
tacionamiento inteligente planteado puede p
r
ovee
r
ba
n
d
a
c
onside
r
abl
e
fr
ent
e
a
e
n
f
oque
s
t
r
adiciona
l
es
,
lo
in
f
o
r
mación en tiempo real y recomendaciones de
qu
e l
og
r
a p
r
ovee
r
i
n
f
o
r
mació
n a
ctual
i
zad
a
e
n
t
iem
po
e
s
tacionamiento personalizadas para cada con
d
ucto
r
r
e
al
y
pe
r
sonalizad
a
pa
r
a
cad
a
vehícul
o.
El p
r
e
s
ente a
r
tículo p
r
etende apo
r
ta
r
una vi
s
ión
gi
ca
d
e
p
r
ocesamient
o
d
e
dat
os
result
a s
encilla
.
Com
o
gene
r
al de FogFlow como f
r
a
m
ewo
r
k de de
s
a
rro
llo
s
e o
bse
r
v
a en la
f
i
gur
a 7, s
ol
o es n
ec
e
sari
o d
i
s
e
ñ
a
r
e
y ejecución di
s
t
r
ibuido pa
r
a o
r
ganiza
r
s
e
r
vicio
s
I
oT
i
m
plementa
r
f
uncione
s
fog
dedi
c
ada
s
par
a
c
a
d
a
objet
o
mediante la ge
s
tión dinámica de lo
s
f
lujo
s
de p
r
o-
o
va
r
i
a
bl
e
involucrad
a
e
n
e
l
cas
o
d
e
uso
.
ce
s
amiento de dato
s
ent
r
e la nube y lo
s
bo
r
de
s
de
E
n
est
e
ejempl
o
s
e
implementarí
a
un
a
funció
n
d
e
una mane
r
a t
r
an
s
pa
r
ente y e
s
calable, p
r
e
s
entando
niebl
a
po
r
cad
a
zon
a
d
e
estacionamient
o
públic
o
r
e
-
s
u
s
objetivo
s
de di
s
eño, ca
r
acte
r
í
s
tica
s
tecnológica
s
gulad
a
pa
r
a
r
ealiza
r
l
a
predicció
n
d
e
cuanta
s
plaza
s
clave y p
r
opue
s
ta de valo
r
, a
s
í como
s
u a
r
quitectura.
esta
r
án disponibles en base a la información hi
s
tó
r
ica
También
s
e explica b
r
evemente
s
u
s
modelo
s
de
de uso, así como otra para realizar las estimaciones de
p
r
og
r
amación, incluida la topología de
s
e
r
vicio para
ocupación en los estacionamientos privados.
P
o
r
su
el p
r
oce
s
amiento de dato
s
bajo demanda y la
f
un-
pa
r
te, los vehículos conectados por una parte apo
r
tan
ción de niebla
(
fog
)
pa
r
a la computación edge sin
i
nf
o
r
mación sob
r
e su ruta y hora estimada de lle
g
ada al
s
e
r
vido
r
(s
e
r
ve
r
le
ss)
.
destino, y po
r
ot
r
a parte esperan recibir una recomen
-
S
e p
r
e
s
entan do
s
po
s
ible
s
ca
s
o
s
de u
s
o para
dación pe
r
sonalizada sobre el mejor estacionamiento
mo
s
t
r
a
r
cómo e
s
to
s
do
s
modelo
s
de p
r
og
r
amación
F
i
g
u
r
a
6
.
C
a
s
o
d
e
U
s
o
d
e
B
u
sc
a
d
o
r
d
e
n
i
ñ
o
s
p
e
r
d
i
d
o
s
F
i
g
u
r
a
7
.
C
a
s
o
d
e
U
s
o
d
e
E
s
t
a
c
i
o
n
a
m
i
e
n
t
o
I
n
t
e
li
g
e
n
t
e
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
I
N
V
E
S
T
I
G
A
C I
Ó
N
M
Sc
.
Y
o
a
nd
i
G
u
z
m
á
n
Q
u
i
n
t
e
r
o
,
D
r
.
C
.
T
a
t
i
a
n
a
D
e
l
g
a
d
o
F
e
r
n
á
nd
e
z
5
7
pueden u
s
ar
s
e pa
r
a
r
ealiza
r
se
r
vicios de
I
oT a e
s-D
e
f
o
r
ma gene
r
al
s
e expone y mue
s
t
r
a porqué
cala de ciudad. Los dos casos de uso p
r
opue
s
to
s
e
s
el f
r
a
m
ewo
r
k mejo
r
po
s
icionado pa
r
a de
s
plegar
ayudan a ilust
r
a
r
cómo los dos modelos de p
r
og
r
a
-
un e
s
cena
r
io de
s
imulación pa
r
a S
m
a
r
t City utilizan-
mación (top
o
logía de se
r
vicio y topología de nie
-
do el pa
r
adigma de la computación en la niebla y el
bla) pueden usa
r
se pa
r
a implementa
r
se
r
vicio
s
I
oTbo
r
de.
V
ale la pena de
s
taca
r
que en e
s
te apa
r
tado no
reale
s
, contribui
r
a la optimización de ancho
s
de
s
e t
r
ató el tema de la dependencia tecnológica, aun-
banda
s
y a
s
impli
f
ica
r
toda la p
r
oblemática y com
-
que
s
i
s
e p
r
e
s
entó
s
u integ
r
ación con F
IW
ARE, hoy
plejidad a
s
ociada a la gestión y diseño de e
s
te tipoen día el
D
ocke
r
nece
s
a
r
io pa
r
a
s
u ejecución no
s
e
de
s
ervicio
s
.encuent
r
a lib
r
e pa
r
a de
s
ca
r
ga.
R
e
f
e
r
e
n
c
ia
s
b
i
b
li
o
g
r
á
f
ic
a
s
Calhei
r
o
s
R.
N
., y Ranjan, R. (2010). CloudSim: a toolkit fo
r
modeling and
s
imulatio
n
of
cloud co
m
puting envi
r
onment
s
and evaluation of
r
e
s
ou
r
ce p
r
ovi
s
ioning algo
r
ithm
s
. Wiley
O
nline Lib
r
a
r
y.
Ca
r
pinte
r
o
Or
dóñez,
J
. (2019). Cambiando la
s
nube
s
po
r
niebla: O
r
que
s
tando
s
ervi-
cio
s
I
o
T
ent
r
e cloud y edge. Smartcity.
Cheng, B.,
S
olmaz, G., Cirillo, F., Kovac
s
, E. Tera
s
awa, K. y Kitazawa, A. (2017). FogFl
o
w:
Ea
s
y
Pr
og
r
amming of IoT Service
s
Over Cloud and Edge
s
for Smart Citie
s
. IEEE Inte
r
net
of
T
hing
s
Jou
r
nal, 5(2), 696-707.
G
ámez
P
icó, L., Rollón Riu
s
, Y. D., Anía
s
Calderón, C. y Frómeta Fon
s
eca, D. (20
2
0).
Pr
ocedimiento de
s
imulación de rede
s
de computación en la niebla. Revi
s
ta Cientí
fi
co
T
écnica
T
ono, 16(2), 4-16.
H
ong Linh, T.
(
2021
)
. U
s
ing IoTCloudSample
s
a
s
a Softwa
r
e F
r
amewo
r
k fo
r
Simulation
s
of
Edge Co
m
puting
S
cena
r
io
s
.
M
ahmud R., y Buyya R. (2017). Modelling and Simulation of Fog and Edge Computing
Envi
r
on
m
ent
s
u
s
ing iFogSim Toolkit. Fog and Edge Computing: P
r
inciple
s
and
Pa
r
adig
ms
.
P
é
r
ez Colomé,
A
. L.,
A
nía
s
Calderón, C. y Delgado Fernández, T. (2021). Procedimiento para
la implementació
n
de la computación en la niebla en ciudade
s
inteligente
s
. Ingenie
r
ía
Elect
r
ónica, Auto
m
ática y Comunicacione
s
, 42(1), 45-57.
P
lata
f
o
r
ma
FI
W
A
RE FOGFLOW. (2021). FogFlow v3.2.6 documentation. FogFlow.
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
1
,
e
n
e
r
o
-
j
u
li
o
,
2022
,
pp
.
46
-
57
A
n
á
li
s
i
s
d
e
l
a
P
l
a
t
a
fo
r
m
a
F
O
G
FL
O
W
y
s
u
i
n
t
e
gr
a
c
i
ó
n
c
o
n
F
I
W
A
R
E
e
n
e
n
t
o
r
n
o
s
I
o
T
I
N
V
E
S
T
I
G
A
C I
Ó
N