Edge, fog and cloudالحافة والضباب والسحابة (Edge, Fog, Cloud)

Start with something you do every week. When you press play on Netflix in Dhahran, the video bytes do not cross an ocean from a data center in the United States. Netflix runs its own delivery network, Open Connect, and places caching appliances inside the networks of internet service providers and at Internet Exchange Points. The first bytes of your episode travel a few kilometres and a few router hops, not thousands of kilometres and dozens of hops.

ابدأ بشيء تفعله كل أسبوع. عندما تضغط تشغيل على Netflix في الظهران، لا تعبر بايتات الفيديو محيطًا قادمة من مركز بيانات في الولايات المتحدة. تشغّل Netflix شبكة توصيل خاصة بها اسمها Open Connect، وتضع أجهزة تخزين مؤقت (caching appliances) داخل شبكات مزوّدي خدمة الإنترنت وفي نقاط تبادل الإنترنت (Internet Exchange Points). أول بايتات الحلقة التي تشاهدها تقطع بضعة كيلومترات وبضع قفزات بين الموجّهات (router hops)، لا آلاف الكيلومترات وعشرات القفزات.

In the client-server model of the earlier parts, the Server looked like one box at the far end of the line. The Netflix example shows why that picture is too simple. Between the Client and the origin data center there are several stops, and each stop is a possible home for code or data. Moving work from one stop to another moves you along a continuum of latencies. A stop closer to the client means a shorter path, so less Propagation delay and fewer routers where a packet can wait in a queue.

في نموذج العميل والخادم من الأجزاء السابقة، بدا server كأنه صندوق واحد في الطرف البعيد من الخط. مثال Netflix يوضح لماذا هذه الصورة مبسّطة أكثر من اللازم. بين client ومركز البيانات الأصلي توجد عدة محطات، وكل محطة مكان محتمل لتشغيل الكود أو حفظ البيانات. نقل العمل من محطة إلى أخرى يحرّكك على سلسلة متصلة من أزمنة الاستجابة (latencies). المحطة الأقرب إلى العميل تعني مسارًا أقصر، وبالتالي propagation delay أقل وعددًا أقل من الموجّهات التي قد تنتظر فيها الحزمة في طابور.

The consequence for users is striking. The same service, running the same code, can make one user happy and another angry, and the only difference is where the service runs relative to each of them. A viewer served from a cache in their own city sees the video start at once; a viewer served from another continent watches a spinner. Placement is therefore not an operations detail. It is part of the design of the application.

النتيجة بالنسبة للمستخدمين لافتة. الخدمة نفسها، بالكود نفسه، قد تُسعد مستخدمًا وتُغضب آخر، والفرق الوحيد هو مكان تشغيل الخدمة بالنسبة لكل منهما. المشاهد الذي يُخدَم من ذاكرة مؤقتة في مدينته يرى الفيديو يبدأ فورًا، أما المشاهد الذي يُخدَم من قارة أخرى فيظل يحدّق في أيقونة التحميل. لذلك فإن اختيار المكان ليس تفصيلًا تشغيليًا، بل هو جزء من تصميم التطبيق نفسه.

The idea is older than cloud computing. Mahadev Satyanarayanan traces edge computing back to content delivery networks (CDNs) such as Akamai in the late 1990s: a CDN uses nodes close to users to prefetch and cache web content. Edge computing generalises that idea. Instead of only caching bytes near users, you run arbitrary code there. The rest of this part names the stops on the line and the trade each one offers; the course as a whole is about deciding what to put at each one, which is the heart of the Edge-to-cloud (E2C) continuum.

الفكرة أقدم من الحوسبة السحابية. يعيد Mahadev Satyanarayanan أصل الحوسبة الطرفية (edge computing) إلى شبكات توصيل المحتوى (CDNs) مثل Akamai في أواخر 1990s: شبكة CDN تستخدم عُقدًا قريبة من المستخدمين لجلب محتوى الويب مسبقًا وتخزينه مؤقتًا. الحوسبة الطرفية تعمّم هذه الفكرة: بدل الاكتفاء بتخزين البايتات قرب المستخدمين، تشغّل هناك أي كود تريده. بقية هذا الجزء تسمّي المحطات على الخط والمقايضة التي تقدمها كل محطة، والمقرر كله يدور حول تحديد ما تضعه في كل محطة، وهذا هو جوهر E2C continuum.

To reason about placement you need names for the stops. Follow one request from a smart doorbell outward. The doorbell's own small chip decides that the button was pressed. The event goes to your home Wi-Fi router. From there it reaches a site run by your mobile or broadband operator nearby, for example an AWS Wavelength Zone, which places AWS compute and storage at the edge of a carrier's 5G network. Next it may reach a metro micro data center that collects events from many homes. Finally it lands in an AWS Region, inside one of its Availability Zones.

لكي تفكر في التوزيع تحتاج أسماءً للمحطات. تتبّع طلبًا واحدًا من جرس باب ذكي إلى الخارج. الشريحة الصغيرة داخل الجرس نفسه تقرر أن الزر قد ضُغط. ينتقل الحدث إلى موجّه Wi-Fi في بيتك. ومن هناك يصل إلى موقع قريب يشغّله مشغّل شبكة الجوال أو النطاق العريض، مثل AWS Wavelength Zone، التي تضع حوسبة وتخزين AWS على حافة شبكة 5G الخاصة بشركة الاتصالات. بعد ذلك قد يصل إلى مركز بيانات مصغّر على مستوى المدينة يجمع الأحداث من بيوت كثيرة. وأخيرًا يستقر في AWS Region، داخل إحدى مناطق التوافر (Availability Zones) فيها.

Those stops group into three coarse layers. The Cloud is farthest from the client. The Fog is the middle: mini data centers or intermediate nodes that process data partially. The Edge is closest to the client. Each Layer then splits into sublayers, which gives a seven-stage chain:

هذه المحطات تتجمّع في ثلاث طبقات عامة. cloud (السحابة) هي الأبعد عن العميل. fog (الضباب) في الوسط: مراكز بيانات مصغّرة أو عُقد وسيطة تعالج البيانات جزئيًا. edge (الحافة) هي الأقرب إلى العميل. ثم تنقسم كل layer إلى طبقات فرعية، فتنتج سلسلة من سبع مراحل:

1. Device: the phone, sensor or doorbell itself.Device (الجهاز): الهاتف أو المستشعر أو جرس الباب نفسه.
2. Mist: tiny compute on or right beside the device.Mist (الضباب الخفيف): حوسبة صغيرة جدًا على الجهاز أو بجانبه مباشرة.
3. Near edge: the home router or on-premises gateway.الحافة القريبة (Near edge): موجّه البيت أو بوابة داخل المنشأة (on-premises gateway).
4. Far edge: a nearby telco data center or carrier site.الحافة البعيدة (Far edge): مركز بيانات قريب لشركة اتصالات أو موقع تابع للمشغّل.
5. Fog: metro nodes, micro data centers and aggregation nodes.الضباب (Fog): عُقد حضرية ومراكز بيانات مصغّرة وعُقد تجميع (aggregation nodes).
6. Regional cloud: a cloud region close to the user's country.السحابة الإقليمية (Regional cloud): منطقة سحابية قريبة من بلد المستخدم.
7. Cloud: the full hyperscale infrastructure of availability zones and regions.السحابة (Cloud): البنية التحتية الضخمة الكاملة (hyperscale) من مناطق التوافر والمناطق.

The chain is a spectrum, not a set of sealed boxes, which is exactly why it is called a continuum. Each stage is simply one more Server layer where you could run part of your application, and the boundaries between neighbouring stages are soft.

السلسلة طيف متدرّج، وليست مجموعة صناديق مغلقة، ولهذا بالضبط تُسمّى سلسلة متصلة (continuum). كل مرحلة هي ببساطة server layer إضافية يمكنك أن تشغّل عليها جزءًا من تطبيقك، والحدود بين المراحل المتجاورة مرنة وغير حادة.

The standards agree on the shape and admit the edges are fuzzy. The term fog comes from Bonomi and colleagues at Cisco in 2012, who wrote that fog computing extends the cloud paradigm to the edge of the network. NIST SP 500-325 later formalised it: fog nodes sit between smart end devices and centralised cloud services, and can be physical (gateways, switches, routers, servers) or virtual (virtual switches, virtual machines, cloudlets). It describes mist as a lightweight, rudimentary form of fog computing that uses microcomputers and microcontrollers to feed fog nodes, and it does not treat mist as a mandatory layer.

المعايير تتفق على الشكل العام وتعترف بأن الحدود ضبابية. مصطلح fog جاء من Bonomi وزملائه في Cisco عام 2012، إذ كتبوا أن حوسبة الضباب تمدّ نموذج السحابة إلى حافة الشبكة. ثم صاغته وثيقة NIST SP 500-325 رسميًا: عُقد الضباب تقع بين الأجهزة الطرفية الذكية وخدمات السحابة المركزية، ويمكن أن تكون مادية (بوابات، مبدّلات، موجّهات، خوادم) أو افتراضية (مبدّلات افتراضية، أجهزة افتراضية، cloudlets). وتصف الوثيقة mist بأنه شكل خفيف وبدائي من حوسبة الضباب يستخدم حواسيب صغيرة (microcomputers) ومتحكمات دقيقة (microcontrollers) لتغذية عُقد الضباب، ولا تعدّه طبقة إلزامية.

The cloud sublayers, preciselyالطبقات الفرعية للسحابة بدقة

Unlike fog and mist, the cloud's own sublayers have exact definitions from the providers. Learn them from AWS, since the terms are used across the industry.

على عكس fog وmist، للطبقات الفرعية للسحابة تعريفات دقيقة من مزوّدي الخدمة. تعلّمها من AWS، لأن هذه المصطلحات مستخدمة في الصناعة كلها.

Real products at each layerمنتجات حقيقية في كل طبقة

Commercial offerings make the stages concrete. Notice that the far edge alone has two flavours: sites inside a carrier's network, and sites in metro data centers near large populations.

العروض التجارية تجعل المراحل ملموسة. لاحظ أن الحافة البعيدة وحدها لها نوعان: مواقع داخل شبكة شركة الاتصالات، ومواقع في مراكز بيانات حضرية قرب التجمعات السكانية الكبيرة.

Names alone do not tell you where to run anything. What makes the continuum useful is that every stage offers a different bargain, and the bargain changes steadily as you move outward. Put a real part at each layer and the bargain becomes concrete. A Raspberry Pi Pico can decide "button pressed, turn on the light" instantly, and not much more; an AWS Region pools entire data centers. The steps between them fill in the gradient.

الأسماء وحدها لا تخبرك أين تشغّل أي شيء. ما يجعل السلسلة المتصلة مفيدة هو أن كل مرحلة تقدّم صفقة مختلفة، وأن هذه الصفقة تتغير بانتظام كلما تحركت للخارج. ضع قطعة حقيقية في كل طبقة فتصبح الصفقة ملموسة. لوحة Raspberry Pi Pico تستطيع أن تقرر «الزر ضُغط، أشعل الضوء» فورًا، ولا أكثر من ذلك بكثير، بينما AWS Region تجمع مراكز بيانات كاملة. والخطوات بينهما تملأ هذا التدرّج.

Two gradients running in opposite directionsتدرّجان في اتجاهين متعاكسين

Read the table top to bottom and two things change together. Proximity falls and resources rise. Each step outward serves more users over a wider area with bigger hardware, but sits further away. Bonomi and colleagues put it in one line: the higher the tier, the wider the geographical coverage and the longer the time scale.

اقرأ الجدول من الأعلى إلى الأسفل وستجد أمرين يتغيران معًا: القرب يقل والموارد تزيد. كل خطوة للخارج تخدم عددًا أكبر من المستخدمين على مساحة أوسع بأجهزة أكبر، لكنها أبعد. لخّص Bonomi وزملاؤه ذلك في سطر واحد: كلما ارتفعت الطبقة (tier) اتسعت التغطية الجغرافية وطال المقياس الزمني.

The role column follows from the resources column. An immediate decision needs no network at all, so it can live on a tiny chip. Aggregation needs a view of many sources, so it lives where many streams meet. Large-scale computation needs pooled capacity, so it lives in a data center. In Bonomi's smart grid example, the first tier runs control loops that react in milliseconds to sub-seconds, higher tiers run real-time analytics over seconds to minutes and transactional analytics over days, and the cloud keeps the data that must last.

عمود الدور ينتج من عمود الموارد. القرار الفوري لا يحتاج إلى شبكة إطلاقًا، لذلك يمكن أن يعيش على شريحة صغيرة. التجميع (aggregation) يحتاج رؤية لمصادر كثيرة، لذلك يعيش حيث تلتقي تدفقات كثيرة. والحوسبة واسعة النطاق تحتاج سعة مجمّعة، لذلك تعيش في مركز بيانات. في مثال الشبكة الكهربائية الذكية عند Bonomi، الطبقة الأولى تشغّل حلقات تحكم (control loops) تستجيب خلال مللي ثوانٍ إلى أجزاء من الثانية، والطبقات الأعلى تشغّل تحليلات لحظية على مدى ثوانٍ إلى دقائق وتحليلات معاملاتية على مدى أيام، والسحابة تحفظ البيانات التي يجب أن تدوم.

Why the latency side of the trade is physicsلماذا يحكم الفيزياء جانبَ زمن الاستجابة في المقايضة

The cost of moving outward is latency, and a head-tracked virtual reality headset shows how hard that cost can bite. Satyanarayanan reports that the display must respond to head movement in under 16 ms to feel stable. Citing Ang Li and colleagues, he gives an average round-trip time of 74 ms from 260 vantage points to their best Amazon EC2 data center, before the wireless first hop is even added. A VR application that renders in a distant cloud region therefore cannot meet its target, whatever the server does. The same application rendering on a cloudlet or far edge site one or two hops away can.

ثمن التحرك للخارج هو زمن الاستجابة، ونظارة واقع افتراضي تتبع حركة الرأس توضح كم يمكن أن يكون هذا الثمن قاسيًا. يذكر Satyanarayanan أن الشاشة يجب أن تستجيب لحركة الرأس في أقل من 16 ms لتبدو مستقرة. ونقلًا عن Ang Li وزملائه، يذكر متوسط زمن ذهاب وإياب (RTT) قدره 74 ms من 260 نقطة قياس إلى أفضل مركز بيانات Amazon EC2 لكل منها، وذلك قبل إضافة القفزة اللاسلكية الأولى أصلًا. لذلك فإن تطبيق واقع افتراضي يرسم الصور في منطقة سحابية بعيدة لا يمكنه بلوغ هدفه مهما فعل الخادم. أما التطبيق نفسه إذا رسم على cloudlet أو موقع حافة بعيدة على بعد قفزة أو قفزتين فيستطيع ذلك.

The reason comes straight from the previous part. The one-way latency to a layer can never be lower than the Latency lower bound, the distance divided by the speed of light. On top of that, every router on the way adds Queueing delay and processing. The Edge is one or a few hops away, the Fog is a metro away, and the Cloud may be a continent away. So latency, like resources, grows as you move outward: small at the edge, medium in the fog, large in the cloud.

السبب يأتي مباشرة من الجزء السابق. زمن الاستجابة باتجاه واحد إلى أي طبقة لا يمكن أبدًا أن يكون أقل من latency lower bound، أي المسافة مقسومة على سرعة الضوء. وفوق ذلك، كل موجّه على الطريق يضيف queueing delay ووقت معالجة. edge على بعد قفزة أو قفزات قليلة، وfog على بعد مدينة، وcloud قد تكون على بعد قارة. لذلك فإن زمن الاستجابة، مثل الموارد، يزداد كلما تحركت للخارج: صغير على الحافة، ومتوسط في الضباب، وكبير في السحابة.

How low is low enough? Human perception gives useful targets. Satyanarayanan cites that people take about 370 to 620 ms to recognise a face and 300 to 450 ms to recognise speech, but only about 4 ms to tell that a sound is a human voice. He concludes that an end-to-end latency of a few tens of milliseconds is a safe but achievable goal. That is what a far edge footprint buys: Cloudflare reports that 95% of the connected population is within 50 ms of one of its data centers, and most are within 20 ms.

ما مدى الانخفاض الكافي؟ الإدراك البشري يعطي أهدافًا مفيدة. ينقل Satyanarayanan أن الإنسان يحتاج نحو 370 إلى 620 ms للتعرف على وجه، و300 إلى 450 ms للتعرف على الكلام، لكنه يحتاج نحو 4 ms فقط ليعرف أن صوتًا ما صوت إنسان. ويستنتج أن زمن استجابة من طرف إلى طرف يبلغ بضع عشرات من المللي ثانية هدف آمن وقابل للتحقيق. وهذا ما يشتريه انتشار الحافة البعيدة: تذكر Cloudflare أن 95% من السكان المتصلين بالإنترنت يقعون ضمن 50 ms من أحد مراكز بياناتها، وأن معظمهم ضمن 20 ms.

One nuance matters at PhD level. "Close" is about the network, not just the map. Satyanarayanan defines logical proximity by low latency, low jitter and high bandwidth, and warns that the question "how close is physically close enough?" has no abstract answer. A fog node behind a congested link can respond more slowly than a well-connected cloud availability zone, so the small, medium and large ordering is typical, not guaranteed.

هناك دقيقة مهمة على مستوى الدكتوراه. «القرب» يتعلق بالشبكة، لا بالخريطة فقط. يعرّف Satyanarayanan القرب المنطقي (logical proximity) بزمن استجابة منخفض وتذبذب منخفض (jitter) وعرض نطاق مرتفع، ويحذّر من أن سؤال «ما مدى القرب المادي الكافي؟» ليس له جواب مجرد. عقدة ضباب خلف رابط مزدحم قد تستجيب أبطأ من منطقة توافر سحابية متصلة جيدًا، لذلك فإن ترتيب صغير ثم متوسط ثم كبير هو الحالة المعتادة، وليس مضمونًا.

You now have both halves of the trade: processing power and storage increase from edge to fog to cloud, in the same direction as latency. Every step toward the cloud buys capacity and costs latency. That turns placement into a real decision, and the decision has three inputs: the latency requirement of the task, its processing and storage needs, and cost.

لديك الآن نصفا المقايضة: قدرة المعالجة والتخزين تزدادان من الحافة إلى الضباب إلى السحابة، في الاتجاه نفسه الذي يزداد فيه زمن الاستجابة. كل خطوة نحو السحابة تشتري سعة وتكلّف زمن استجابة. وهذا يجعل التوزيع قرارًا حقيقيًا، وللقرار ثلاثة مدخلات: متطلب زمن الاستجابة للمهمة، واحتياجاتها من المعالجة والتخزين، والتكلفة.

Picture a neighbourhood of smart doorbell cameras. Each camera, at the Edge, compares consecutive frames to detect motion, which is cheap arithmetic, and sends nothing while nothing moves. A fog node in the neighbourhood combines motion events from 200 cameras and door sensors to spot a pattern across streets, which is sensor data processing. The Cloud trains and hosts the large recognition model and keeps months of clips. One application, three layers, each doing the part it is equipped for.

تخيّل حيًّا مليئًا بكاميرات أجراس أبواب ذكية. كل كاميرا، على edge، تقارن الإطارات المتتالية لاكتشاف الحركة، وهذه عمليات حسابية رخيصة، ولا ترسل شيئًا طالما لا شيء يتحرك. عقدة ضباب (fog node) في الحي تجمع أحداث الحركة من 200 كاميرا ومستشعر أبواب لتكتشف نمطًا عبر الشوارع، وهذه معالجة لبيانات المستشعرات. وcloud تدرّب نموذج التعرّف الكبير وتستضيفه وتحتفظ بمقاطع شهور. تطبيق واحد، ثلاث طبقات، كل منها تنفذ الجزء المجهّزة له.

The pattern generalises into a rule of thumb: put each task on the layer closest to the client that still has enough resources for it, and push data outward only when you need more compute, more storage or a wider view. Bonomi and colleagues describe the fog tier doing exactly this, filtering data to be consumed locally and sending the rest to higher tiers. Filtering early also saves bandwidth, since raw video is expensive to ship; Satyanarayanan lists scalability through edge analytics as a key benefit of cloudlets. Splitting one Service pipeline across layers like this is what the next part calls a Mapping.

هذا النمط يتعمّم إلى قاعدة عملية: ضع كل مهمة على الطبقة الأقرب إلى العميل التي ما زالت تملك موارد كافية لها، وادفع البيانات للخارج فقط عندما تحتاج حوسبة أكثر أو تخزينًا أكثر أو رؤية أوسع. يصف Bonomi وزملاؤه طبقة الضباب وهي تفعل هذا بالضبط: تصفّي البيانات ليُستهلك بعضها محليًا وترسل الباقي إلى الطبقات الأعلى. والتصفية المبكرة توفّر عرض النطاق أيضًا، لأن نقل الفيديو الخام مكلف، ويذكر Satyanarayanan قابلية التوسع عبر التحليلات على الحافة (edge analytics) كفائدة رئيسية لـcloudlets. وتقسيم pipeline واحد عبر الطبقات بهذه الطريقة هو ما يسميه الجزء التالي mapping.

Treat the typical roles (motion at the edge, sensor processing in the fog, AI in the cloud) as tendencies, not rules. Training and very large models belong in the cloud, but inference increasingly runs at the edge: a Jetson Orin Nano Super delivers 67 TOPS within 7 to 25 W. Edge platforms are not unlimited either. A Cloudflare Worker gets 128 MB of memory per isolate and, on the free plan, 10 ms of CPU time per request.

تعامل مع الأدوار المعتادة (الحركة على الحافة، ومعالجة المستشعرات في الضباب، والذكاء الاصطناعي في السحابة) على أنها ميول، لا قواعد. التدريب والنماذج الكبيرة جدًا مكانها السحابة، لكن الاستدلال (inference) يعمل على الحافة بشكل متزايد: لوحة Jetson Orin Nano Super تقدّم 67 TOPS ضمن 7 إلى 25 W. ومنصات الحافة ليست بلا حدود أيضًا: Cloudflare Worker يحصل على 128 MB من الذاكرة لكل isolate، وعلى الخطة المجانية 10 ms من وقت المعالج لكل طلب.

Cost is the third axis. AWS states that Local Zone resources are priced differently from the same resources in their parent Region. Red Hat describes the move toward the edge as an increase in the number of distributed locations but a decrease in each location's size, which means many small sites to buy, power and manage.

التكلفة هي المحور الثالث. تذكر AWS أن موارد Local Zone تُسعَّر بشكل مختلف عن الموارد نفسها في المنطقة الأم (parent Region). وتصف Red Hat التحرك نحو الحافة بأنه زيادة في عدد المواقع الموزعة مع نقص في حجم كل موقع، أي مواقع صغيرة كثيرة يجب شراؤها وتزويدها بالطاقة وإدارتها.