رایانش مه (Fog Computing)

رایانش مه  یک مفهوم شبکه یا یک زیرساخت محاسباتی توزیع شده است که در آن داده ها، محاسبات، ذخیره سازی و برنامه در جایی بین منبع داده و ابر قرار دارند. به طور کلی، رایانش مه، مزایا و امکانات ابر را به کاربر و جایی که داده ها ایجاد می شوند، نزدیک می کند. مه استعاره از اصطلاح هواشناسی برای ابر نزدیک به زمین است، درست همانطور که مه در لبه شبکه قرار دارد. مه امکانی ایجاد می کند تا داده ها به صورت محلی آنالیز شوند و پیوندی بین لبه شبکه و ابر فراهم می کند.

باید توجه شود که رایانش مه با رایانش لبه یا edge computing متفاوت است. تفاوت این دو در جایی است که هوش و قدرت محاسبه قرار می گیرد. در محیط مه، هسته محاسباتی در شبکه محلی یا همان LAN قرار دارد و داده ها از نقاط انتهایی یا کاربران به gateway مه ارسال می شود و سپس از طریق gateway به منابع مورد نظر برای پردازش منتقل می شود. رایانش لبه زیرمجموعه ای از رایانش مه است. در رایانش لبه این امکان وجود دارد تا هسته و قدرت محاسباتی در نقاط پایانی یا در gateway قرار بگیرد.

با استفاده از رایانش لبه نقاط منجر به خرابی کاهش می یابد چرا که هر دستگاه بطور مستقل کار می کند و تعیین می شود که کدام داده ها برای تجزیه و تحلیل به ابر فرستاده شود. در مقابل رایانش مه نسبت به رایانش لبه مقیاس پذیرتر است و دید بزرگتری از شبکه را می دهد.

رایانش مه چگونه کار می کند؟

توجه به این نکته مهم است که شبکه های مه رایانش ابری را تکمیل می کند و جایگزین آن نمی شوند. مه امکان تجزیه و تحلیل کوتاه مدت در لبه را بوجود می آورد و ابر بخاطر منابع بیشتری که در اختیار دارد مسئولیت تجزیه و تحلیل طولانی مدت را بر عهده دارد. دستگاه های لبه‌ی شبکه و سنسورها داده ها را تولید و جمع آوری می کنند اما گاها به منابع لازم برای محاسبه، ذخیره سازی و تجزیه و تحلیل پیشرفته نیاز ندارند. در چنین مواقعی از رایانش مه استفاده می شود. اگرچه سرورهای ابری توانایی انجام این کارها را دارند، اما اغلب از نظر جغرافیایی بسیار در فاصله ی دوری قرار دارند و باعث ایجاد تاخیر می شوند. علاوه بر این ، ارسال داده ها از نقاط انتهایی به ابر مستلزم اتصال به اینترنت است که در این صورت دارای مشکلاتی اعم از به امنیت، خطر افتادن حریم خصوصی و پیامدهای حقوقی است ، به ویژه هنگام برخورد با داده های حساس که تحت مقررات کشورهای مختلف هستند. برنامه های رایج محاسبات مه شامل شبکه هوشمند ، شهر هوشمند ، ساختمان های هوشمند ، شبکه های وسایل نقلیه و شبکه های تعریف شده توسط نرم افزار (SDN) است.

مزایای استفاده از رایانش مه :

  1. کاهش حجم داده ها ارسالی به ابر
  2. کاهش حجم پهنای باند مورد نیاز
  3. افزایش زمان پاسخ دهی سیستم
  4. بهبود امنیت اطلاعات با نگه داشتن اطلاعات نزدیک به لبه شبکه
  5. کاهش تاخیر اینترنت
  6. پشتیبانی از mobility

کاربردهای رایانش مه:

  1. IoT : از آنجا که برای بسیاری از کاربردهای اینترنت اشیاء استفاده از ابر امکان پذیر نیست، بدین جهت از رایانش مه استفاده میشود. رویکرد توزیع شده رایانش مه، نیاز های IoT و IoT صنعتی و همچنین تولید حسگرهای هوشمند را برآورده می کند، در حالی که ارسال این اطلاعات برای پردازش به ابر بسیار هزینه بر و زمان بر است.
  2. ماشین های هوشمند: برای اینکه خودروهای خودران و هوشمند بتوانند بطور مستقل عمل کنند نیازمند آنالیز محلی اطلاعاتی همچون شرایط محیط اطراف، مسیرها و ماشین های دیگر هستند. ممکن است لازم باشد یکسری از این اطلاعات برای کمک به بهبود تعمیر، نگهداری یا ردیابی خودرو مورد استفاده قرار گیرد و از خودرو به تولید کننده ارسال شود. محیط مه امکان برقراری ارتباط بین تمام این منابع داده را در لبه شبکه فراهم می کند.
  3. شهرهای هوشمند: سیستم های خدمات شهری بطور افزاینده ای به داده های لحظه ای نیاز دارند تا بتواند با کارایی بالا اجرا شوند. گاهش اوقات این داده ها در مناطق دور افتاده قرار دارند و همچنین باید از تعداد سنسورهای زیادی جمع آوری شوند، برای حل هردو این مسئله از معماری محاسبات مه استفاده می شود.
  4. آنالیز لحظه ای اطلاعات: از سیستم ها تولیدی که باید قابلیت واکنش بلادرنگ به حوادث و اتفاقات را داشته باشند تا موسسات مالی که برای اطلاع از تصمیمات تجاری یا نظارت بر کلاه برداری ها از داده های زمان واقعی و لحظه ای استفاده می کنند، به رایانش مه نیاز دارند که باعث تسهیل انتقال داده ها بین مکان ها می شود.