Behandl data der, hvor de genereres. Ikke alt behøver at sendes frem og tilbage til skyen — og for mange IoT-arbejdsbelastninger er det ikke muligt.

Du har enheder i felten — sensorer på fabriksgulve, kameraer på lagre, monitorer på landbrugsudstyr, wearables på patienter — der genererer data, som skal behandles, handles på og selektivt overføres til skyen. Latenstiden til en cloud-region er for høj for realtidsbeslutninger. Båndbredden er for dyr eller upålidelig til at streame alt. Enheder skal fungere, når netværket er nede. Du har brug for en arkitektur, der distribuerer intelligens på tværs af Edge-, Fog- og Cloud-lagene baseret på, hvor hver beslutning skal træffes.
Explore more design patterns and system architectures
Vores arkitekter kan hjælpe dig med at designe og bygge systemer ved hjælp af dette mønster til dine specifikke krav.
Kom i KontaktEdge-fog-cloud-arkitekturen fordeler beregninger på tværs af tre niveauer. Edge-enheder indsamler sensordata og udfører letvægtsinferens (anomalidetektion, tærskeladvarsler). Fog-noder (lokale gateways eller servere) aggregerer data fra flere Edge-enheder, kører mere komplekse modeller og administrerer enhedsflåder. Cloud-tjenester håndterer langsigtet lagring, modeltræning, flådeomfattende analyser og administrationsdashboards. Arkitekturen tager højde for intermitterende forbindelse, enhedsheterogenitet, over-the-air-opdateringer og sikkerhed på hvert niveau.
Data strømmer opad gennem niveauerne med intelligens på hvert lag. Edge-enheder publicerer sensoraflæsninger til fog-noder via MQTT eller CoAP. Fog-noder kører stream-behandling (Apache NiFi, AWS Greengrass eller tilpasset) for at filtrere, aggregere og berige data, før de videresendes til skyen. Cloud-indtagelse (Kinesis, IoT Core eller Event Hubs) dirigerer data til tidsseriedatabaser, data lakes og ML-træningspipelines. Kommandoer og OTA-opdateringer strømmer nedad ad samme sti. Et device shadow/twin-system opretholder den sidst kendte tilstand af hver enhed til forespørgsel og afstemning.
| Lag | Teknologier |
|---|---|
| Edge-enheder | ESP32, Raspberry Pi, Jetson Nano/Orin, STM32, custom PCBs |
| Protokoller | MQTT (Mosquitto, EMQX), CoAP, Modbus, BACnet, LoRaWAN, BLE |
| Fog/Gateway | AWS Greengrass, Azure IoT Edge, Apache NiFi, Docker på industrielle PC'er |
| Cloud IoT | AWS IoT Core, Azure IoT Hub, GCP IoT, tilpassede MQTT-brokers |
| Data | InfluxDB, TimescaleDB, ClickHouse, S3/Parquet til kold lagring |
| ML på Edge | TensorFlow Lite, ONNX Runtime, NVIDIA TensorRT (Jetson) |
| Brug når | Undgå når |
|---|---|
| Enheder genererer store mængder data, der er dyre at overføre fuldt ud | Alle enheder har pålidelig cloud-forbindelse med lav latenstid |
| Realtidsbeslutninger kræver < 100ms respons (sikkerhed, kontrolsystemer) | Arbejdsbelastningen er udelukkende dataindsamling med batch cloud-behandling |
| Enheder skal fungere under netværksudfald | Du har < 50 enheder og kan administrere dem individuelt |
| Privatliv/compliance kræver lokal behandling af data før cloud-overførsel | "Edge" er faktisk en webbrowser — det er en anden arkitektur |
MW designer IoT-arkitekturer med en "data gravity"-linse — vi kortlægger, hvor hver datatype skal behandles (Edge, Fog eller Cloud) baseret på latenstidskrav, båndbreddeomkostninger og beslutningsgranularitet. Vi skubber ikke alt til skyen og filtrerer senere. Vores Edge-implementeringer inkluderer automatiseret enhedsprovisionering med certifikatbaseret autentificering, OTA-opdateringspipelines med trinvise udrulninger og automatisk rollback samt lokale dashboards på fog-noder til on-site operatører, der ikke kan vente på cloud-round-trips.
Sikkerhed er ikke en funktion, du tilføjer efter lancering. Det er en arkitektonisk egenskab – enten er systemet designet til det, eller også er det ikke.
MicrocosmWorks anvender et beslutningsrammeværk baseret på latenstidfølsomhed, båndbreddeomkostninger og krav til databeskyttelse for at opdele arbejdsbyrder mellem edge og cloud. Tidskritiske opgaver som anomalidetektion på sensordata, lokale kontrolsløjfer og sikkerhedsafbrydelser kører på edge, mens modeltræning, historisk analyse og tværgående site-aggregering forbliver i skyen. Vi hjælper kunder med at kortlægge hver IoT-brugssituation til det rette beregningsniveau under vores arkitekturudforskningsfase.
MicrocosmWorks designer edge-noder med lokal persistens ved hjælp af letvægtsdatabaser som SQLite eller TimescaleDB, kombineret med store-and-forward køhåndtering, der buffer data under forbindelsesafbrydelser og synkroniserer automatisk, når forbindelsen er genoprettet. Vores edge firmware inkluderer konfliktløsningslogik for scenarier, hvor lokale beslutninger truffet offline afviger fra cloud-sidens tilstand. Dette sikrer nul datatab og kontinuerlig drift, selv i miljøer med intermitterende forbindelse som fjerntliggende industrianlæg eller mobile flåder.
MicrocosmWorks implementerer OTA (over-the-air) opdateringspipelines med kryptografisk signering, trinvise udrulninger og automatiske rollback-funktioner for at sikre, at hver edge-enhed modtager verificeret firmware uden nedetidsrisiko. Vi anvender gensidig TLS-autentificering mellem edge-enheder og opdateringsserveren, med hardware-understøttet sikker boot for at forhindre manipuleret firmware i at blive eksekveret. Vores faseinddelte implementeringsstrategi opdaterer enheder i små batches med sundhedstjek mellem faserne, så en dårlig opdatering aldrig når ud til hele jeres flåde.
MicrocosmWorks vælger edge-hardware baseret på arbejdsbyrdens profil – NVIDIA Jetson til computer vision og ML inference, AWS IoT Greengrass-kompatible gateways til generel edge computing og robuste industrielle pc'er fra leverandører som Advantech til barske produktionsmiljøer. Vi vedligeholder referencearkitekturer for hver platform, der inkluderer prækonfigurerede netværks-, sikkerheds- og telemetri-stacks, hvilket accelererer implementeringen med 40-60%. Vores team evaluerer strømforbrug, driftstemperaturområde og tilslutningsmuligheder for at matche jeres specifikke site-forhold.
MicrocosmWorks har gennemført flere SCADA-moderniseringsprojekter, hvor vi overlapper edge computing gateways, der oversætter ældre protokoller som Modbus og OPC-UA til moderne MQTT- eller gRPC-streams uden at forstyrre eksisterende kontrolsystemer. Vi kører en parallel arkitektur under migreringen, så det ældre SCADA fortsætter med at fungere, mens den nye edge-cloud-pipeline valideres mod produktionsdata. Vores konsulentpriser for industriel IoT-modernisering starter ved $20-$50/time afhængigt af protokollens kompleksitet og de involverede lovmæssige krav.