Fog Computing es un modelo de computación que extiende la computación en la nube (cloud computing) más cerca del borde de la red (edge); es decir, más cerca de los dispositivos que generan y consumen los datos (sensores, cámaras, vehículos, smartphones...) en vez de enviarlos directamente a la nube para su tratamiento.

De manera literal, Fog Computing es algo así como una "nube más cercana a los dispositivos" que se sitúa a medio camino entre la nube tradicional y el borde de la red (edge computing).

Objetivos y claves principales de Fog Computing

Fog Computing distribuye recursos de cómputo, almacenamiento y red entre el cloud y los dispositivos finales y permite procesar datos localmente, o cerca del origen, antes de enviarlos a la nube.

Es importante destacar que Fog Computing no sustituye a la nube, sino que la complementa, así que, si es necesario, la información procesada localmente podría enviarse posteriormente a la nube para su almacenamiento o análisis más profundo.

Fog Computing destaca por su capacidad para el procesamiento distribuido de datos cerca de su fuente, su menor uso de ancho de banda y un mejor control de datos que facilita la privacidad y la seguridad en entornos locales, aumentando también la confiabilidad y seguridad en sistemas críticos.

Además, prioriza la reducción de la latencia y mejora el tiempo de respuesta, optimiza el tráfico hacia la nube y resulta especialmente eficiente y escalable en aplicaciones IoT.

Para qué se usa Fog Computing

Fog Computing es un modelo polivalente esencial para aplicaciones IoT, escenarios industriales y contextos urbanos o sanitarios donde resulte fundamental la velocidad, la eficiencia y la autonomía en el procesamiento de datos.

Algunos ejemplos prácticos de uso son:

  • Vehículos autónomos: Fog Computing es capaz de procesar datos en tiempo real sin depender de la nube.

  • Industria 4.0: ofrece múltiples posibilidades a la hora de monitorizar y controlar maquinaria localmente.

  • Smart Cities: ayuda en la gestión de, por ejemplo, semáforos, cámaras, iluminación pública o sensores de tráfico.

  • Salud y telemedicina: permite la monitorización de pacientes con dispositivos médicos conectados (wearables) que procesan y filtran la información localmente, enviando solo alertas críticas.

  • Videovigilancia: analiza en tiempo real imágenes de cámaras instaladas en espacios públicos o privados y detecta anomalías o incidencias.