ورود به حساب کاربری

نام کاربری *
رمز عبور *
یاداوری

محاسبات مه چه هستند و چه مزایا و معایبی دارند؟

امتیاز کاربران

ستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعال
 

در ابتدا همه چیز «ابر» بود، ولی حالا کلمه جدید «مه» هم به وجود آمده است. البته هیچ‌کدام از این دو موضوع ربطی به آب و هوا ندارند و به ذخیره و دسترسی داده‌ها مرتبط می‌شوند. حتماً می‌دانید که می‌توان به‌جای ذخیره داده‌ها در دستگاه خود، آن را از طریق اینترنت به این فضاهای ابری ارسال و هر زمان که خواستید آن‌ها را دریافت کنید. همچنین، خدماتی نیز وجود دارد که می‌توان داده‌ها را پردازش و از اپلیکیشن‌های ابری استفاده و متناسب با مصرف، هزینه پرداخت شود. اکنون مفهومی به‌نام مه به وجود آمده است که گزینه بهتری برای تأمین برخی نیازها است.

مشکل ابر که افرادی با ارتباطات کند از آن گلایه می‌کنند، پهنای باند است و اگر ارسال داده از طریق بی‌سیم صورت گیرد، اوضاع اهمیت بیشتری پیدا می‌کند. حال پیشرفت اینترنت اشیا و ارتباطات بیشتر و افزایش حجم داده‌ها را نیز تصور کنید. محاسبات مه یا رایانش مه (Fog computing) برای حل این مشکل به وجود آمده است؛ به این صورت که فاصله آن از ابر نسبت به دستگاه‌های محلی کمتر است. باید دقت داشت که خود داده موضوع اصلی نیست. مشکل ذخیره‌سازی و دسترسی سریع به داده در مواقع نیاز است. محاسبات مه اجازه دسترسی و پردازش سریع‌تری را می‌دهد. همچنین، قابلیت اطمینان نسبت ذخیره‌سازی محلی بیشتر می‌شود.

 

Cisco Systems و IBM پیشگامان این فناوری هستند. تمام تجارت‌هایی که برای ذخیره‌سازی داده‌ها از مرکز داده استفاده می‌کنند، بهتر است نگاهی هم به محاسبات مه داشته باشند و توجه کنند که ممکن است تجارت آن‌ها در آینده تحت تأثیر کمبود پهنای باند قرار گیرد. 

محاسبات مه چیست؟

محاسبات مه یک زیرساخت توزیع ‌شده است که در آن داده‌ها، محاسبات، ذخیره‌سازی و اپلیکیشن‌ها در محلی بین دستگاه‌های تولیدکننده داده و ابر پراکنده شده‌اند. مفهوم رایانش مه هم در سیستم‌های ابری و هم در ساختار بزرگ‌ داده وجود دارد، جایی که مشکلات دسترسی به اطلاعات بیشتر می‌شود. ما در حال انتقال از زیرساخت محاسباتی متمرکز ابر به زیرساخت توزیع ‌شده مه هستیم. هم محاسبات مه و هم محاسبات ابری، فضای ذخیره‌سازی، اپلیکیشن و داده را برای کاربران فراهم می‌کنند. اما مه نزدیکی بیشتری به کاربر نهایی دارد و توزیع جغرافیایی وسیع‌تری دارد. شبکه‌سازی مه شامل یک صفحه داده و یک صفحه کنترلی است. برای مثال در صفحه داده، محاسبات ابری به سرویس‌ها اجازه می‌دهند که به‌جای حضور در مرکز داده، در لبه شبکه قرار گیرند. 

 

دستگاه‌هایی که در مه وجود دارند تحت عنوان «نود» شناخته می‌شوند. نودها در هر جایی با یک ارتباط شبکه‌ای می‌تواند قرار گیرند: در کف یک کارخانه، در بالای یک منبع تغذیه، در طول مسیر راه ‌آهن، در یک خودرو یا در یک دکل نفتی. هر دستگاه با ارتباط شبکه‌ای، محاسباتی و ذخیره‌سازی می‌تواند یک نود باشد. کنترل‌کننده‌های صنعتی، سوئیچ‌ها، روترها و دوربین‌های نظارتی مثال‌هایی از آن هستند. تخمین زده می‌شود حجم داده‌های آنالیز شده در دستگاه‌های نزدیک به اینترنت اشیا حدود 40 درصد از کل آن‌ها است. دلیل آن ساده است: وقتی محل جمع‌آوری داده‌ها نزدیک است، تحلیل داده‌ها نیز تأخیر کمتری دارد. در جدول 1 برخی از مزایا و معایب محاسبات مه بیان شده است.

بر کسی پوشیده نیست که اینترنت اشیا در صنعت، مناطق عمومی و خانه‌ها جا باز کرده است و به‌تدریج به یک عنصر مهم در عصر فعلی تبدیل می‌شود. در برخی کاربردها اطلاعات آنقدر حیاتی هستند که با بروز یک اشتباه یا حتی تأخیر در ارسال اطلاعات نتایج وحشتناک خواهد بود. بنابراین نیازهای اصلی برای اینترنت اشیا تعیین شده است تا دچار این مشکلات نشویم:

 

• حداقل کردن تأخیر: برای جلوگیری از توقف خط تولید یا بازگردانی سرویس‌های الکترونیکی، گاهی یک میلی‌ثانیه هم اهمیت بالایی دارد. تحلیل داده توسط دستگاهی که اطلاعات را جمع‌آوری می‌کند، می‌تواند تفاوت بین روند عادی یا اتفاق یک فاجعه را رقم بزند.

 

• حفظ پهنای باند: سکوهای نفتی در هفته 500 گیگابایت داده تولید می‌کنند. این رقم برای برخی جت‌ها در هر 30 دقیقه پرواز 10 ترا بایت است. صدها هزار و شاید هزاران هزار دستگاه هستند که حجم داده‌های تولید شده آن‌ها بسیار زیاد است. لازم نیست داده‌های همه دستگاه‌ها به ابر منتقل شود و پردازش و ذخیره‌سازی ابری برای آن‌ها چندان کاربردی نیست.

 

• تأمین امنیت: داده‌ها در اینترنت اشیا چه در زمان نگهداری و چه در زمان انتقال باید محافظت شوند. مقابله با حمله‌ها نیازمند نظارت مداوم و خودکارسازی است.

 

• عملکرد قابل اطمینان: داده‌های اینترنت اشیا تأثیر مستقیمی بر تصمیم‌گیری‌ها، امنیت شهروندان و وضعیت زیرساخت‌ها دارد. یکپارچگی و در دسترس بودن داده‌ها و زیرساخت‌ها نباید زیر سؤال رود.

 

• جمع‌آوری و امن‌سازی داده‌ها در مناطق جغرافیایی مختلف در شرایط محیطی متفاوت: دستگاه‌های اینترنت اشیا می‌توانند در صدها کیلومتر مربع توزیع شده باشند. در محیط‌هایی مانند بزرگراه‌ها، خط آهن و ایستگاه‌های فرعی، دستگاه‌هایی قرار می‌گیرند که کنترل آن‌ها همانند دستگاه‌های داخل منزل آسان نیست.

 

• انتقال داده به بهترین مکان برای پردازش: انتخاب بهترین محل پردازش بستگی به نیازها دارد. در جاهایی که زمان اهمیت فراوانی دارد، نزدیکی به محل پردازش معیار اصلی است و در مقابل، زمانی که تحلیل بزرگ‌ داده مد نظر است، به منابع ذخیره‌سازی و محاسباتی ابری نیاز است.

 

معماری سنتی محاسبات ابری تمامی این نیازها را برآورده نمی‌کند. انتقال تمام اطلاعات به مرکز داده باعث تأخیر می‌شود، ترافیک ایجاد شده توسط هزاران دستگاه به‌زودی محدودیت پهنای باند به وجود می‌آورد، مقررات صنعتی و حریم خصوصی مانع استفاده از برخی ذخایر ابری می‌شود. به‌علاوه سرورهای ابری تنها با IP تبادلاتشان را برقرار می‌کنند، در صورتی که پروتکل‌های بی‌شماری توسط دستگاه‌های اینترنت اشیا استفاده می‌شوند. روش مناسب برای تحلیل داده‌های اکثر دستگاه‌ها در اینترنت اشیا، نزدیکی محل پردازش به دستگاه است که ما آنجا را مه می‌نامیم.

 

اپلیکیشن‌های مه

اپلیکیشن‌های مه هم مانند اینترنت اشیا گوناگون هستند. کاری که آن‌ها انجام می‌دهند معمولاً نظارت و تحلیل داده‌های بی‌درنگ اشیا و سپس انجام یک عمل متناسب با آن است. عمل انجام شده می‌تواند شامل ارتباطات ماشین به ماشین (M2M) یا تبادلات انسان به ماشین (H2M) باشد. به عنوان مثال، می‌توان موارد زیر را نام برد: قفل در‌ها، تغییر تنظیمات در تجهیزات، ترمز کردن قطار، زوم کردن دوربین، تولید یک بارکد یا فرستادن یک اعلان به تکنسین برای تعمیرات.

توسعه‌دهندگان، اپلیکیشن‌های اینترنت اشیا را برای نودهای مه می‌سازند. نودهای نزدیک به دستگاه‌های اینترنت اشیا، داده‌ها را دریافت می‌کنند. سپس اپلیکیشن‌ها انواع مختلف داده را برای تحلیل، به بهترین مکان ممکن هدایت می‌کنند: 

 

• داده‌هایی که نمی‌توانند تأخیر را تحمل کنند به نزدیک‌ترین نود در مه فرستاده می‌شوند.

 

• داده‌هایی که ثانیه‌ها و دقیقه‌ها می‌توانند تأخیر را تحمل کنند، می‌توانند توسط یک نود به‌صورت یکجا و تجمیع شده ارسال شوند.

 

• داده‌هایی که حساس به زمان نیستند به ابر فرستاده می‌شوند تا برای تکمیل تاریخچه و تحلیل بزرگ‌ داده به کار گرفته شوند. نودهای مه نیز به صورت دوره‌ای خلاصه‌ای از تحلیل‌های داده‌ها را به ابر ارسال می‌کنند. (جدول 2)

 

 

اتفاقاتی که در مه و ابر می‌افتد به این صورت است:

نودهای (گره‌های) مه:

• به صورت بی‌درنگ از دستگاه‌های اینترنت اشیا (با هر پروتکلی) بازخورد دریافت می‌کند.

 

• سریعاً اپلیکیشن‌ها را برای کنترل و تحلیل اجرا می‌کند.

 

• فضای ذخیره‌سازی کوتاه‌مدتی را فراهم می‌کند.

 

• خلاصه‌ای از داده‌ها را به‌صورت دوره‌ای به ابر می‌فرستد.

 

زیرساخت ابر:

• از تعداد زیادی نود خلاصه داده را دریافت و تجمیع می‌کند.

 

• با تحلیل‌هایی که روی داده‌های اینترنت اشیا و داده‌های سایر منابع انجام می‌دهد، دانش به دست می‌آورد.

 

• می‌تواند بر اساس دانش به دست آمده قوانین جدیدی برای نودهای مه وضع کند.

 

تفاوت محاسبات مه و محاسبات لبه‌ای

درباره محاسبات ابری و مه توضیح دادیم و گفتیم هم محاسبات مه و هم محاسبات ابری، فضای ذخیره‌سازی، اپلیکیشن و داده را برای کاربران فراهم می‌کنند، اما مه نزدیکی بیشتری به کاربر نهایی و توزیع جغرافیایی وسیع‌تری دارد. درباره محاسبات لبه‌ای یا edge computing برخی آن را با مفهوم محاسبات مه یکسان می‌دانند که درست نیست. هر دو معماری، هوشمندی و پردازش را به دستگاه‌های تولیدکننده داده نزدیک می‌کنند. مه دید کامل‌تری نسبت به لبه دارد. تفاوت اصلی در جایی است که هوشمندی و توان محاسباتی است قرار گرفته‌اند.

 

در محیط مه، هوشمندی در یک شبکه محلی قرار دارد. داده توسط دستگاه به یک دروازه فرستاده و سپس به منبع پردازش ارسال می‌شود و بازمی‌گردد. در محاسبات لبه‌ای هوشمندی و توان دورازه لبه در دستگاه‌هایی مانند کنترل‌کننده‌های خودکار قابل برنامه‌نویسی قرار دارد. طرف‌داران محاسبات ابری کاهش نقاط شکست را نقطه قوت آن می‌دانند. زیرا هر دستگاه به‌صورت مستقل عمل می‌کند و مشخص می‌کنند چه داده‌هایی به‌طور محلی ذخیره و چه داده‌هایی برای تحلیل بیشتر به ابر فرستاده شود. طرف‌داران محاسبات مه دلیل برتری به محاسبات لبه‌ای را مقیاس‌پذیری بیشتر و ارائه یک دید جامع نسبت به شبکه (به‌دلیل بازخوردهای بیشتر) می‌دانند.

 

مزایای محاسبات مه در تجارت‌ها

به وجود آمدن مه تأثیرات مثبتی زیادی در تجارت دارد:

 

• سرعت عمل بالاتر: با استفاده از ابزار مناسب، گسترش‌دهندگان می‌توانند اپلیکیشن‌های مه را به‌سرعت و هر زمان که خواستند گسترش دهند. 

 

• امنیت بیشتر: محافظت از نودها با استفاده از سیاست‌ها، نحوه کنترل و راه‌ حل‌های امنیتی که در سایر بخش‌های فناوری اطلاعات استفاده می‌شود، صورت می‌گیرد.

 

• دانش عمیق‌تر و حفظ حریم شخصی: داده‌های حساس به‌صورت محلی تحلیل می‌شوند. تیم فناوری اطلاعات می‌تواند به دستگاه‌هایی که تحلیل می‌کنند نظارت داشته باشند.

 

• کاهش هزینه‌های عملیاتی: از آنجا که داده‌ها به ابر فرستاده نمی‌شوند، قسمتی از پهنای باند حفظ می‌شود.

 

سخن آخر

هدف مه کنار زدن ابر نبود. همچنان بسیاری از پردازش‌ها توسط ابر انجام می‌شود. با این حال برای تکمیل شدن خدمات، محاسبات مه نیاز بود. کنترل اینترنت اشیا کار دشواری است و محاسبات مه یکی از مفاهیمی است که نقش پررنگی در آن داشته است.

 

__________________________________________________________

منبع : shabakeh-mag.com 

شرکت دانش بنیان رایانش سریع هزاره ایرانیان به منظور طراحی، ساخت و گسترش کاربردهای رایانش سریع در علوم مختلف پایه گذاری شده است. این شرکت به دنبال ایجاد بستری با ظرفیت محاسباتی و ذخیره سازی بالا مبتنی بر CPU و GPU می باشد تا بتواند از آن طریق سرویسهای متعددی را به محققین، اساتید، دانشجویان تحصیلات تکمیلی و سایر علاقه مندان این حوزه ارائه نماید.

 

سایت مرتبط : " بنیاد توسعه رایانش سریع و ابری "

 

 

آخرین مقالات

کامپایل و نصب mfix-2016.1

درک عملکرد دستگاه های انرژی، محیط زیست و فرایندها...

استفاده از سیستم چند عامل...

رایانش ابری یکی از راه حل های فشرده توسعه یافته بر...

۶ مهارت پر تقاضای بازار د...

متخصص دانش ابری (Cloud professional) یکی از عناوی...

جریان موازی بین منابع HPC...

چکیده انجام تجزیه و تحلیل یا تولید تصویری همزمان ب...

پردازش داده‌های جریانی در...

با ظهور وب ۲٫۰ و اینترنت اشیا، ردگیری همه نوع اطلا...

معرفی روش ها و ارائه پیشن...

چكیده محاسبات ابری یک فنآوری جدید نیست؛ بلکه روشی...

آیا فرآیند دموکراتیزه شدن...

ما وسط یک تحول تکنولوژیکی هستیم که شیوه سازماندهی...

کارکرد نظارتی و مدیریتی م...

محاسبات ابری و اینترنت اشیا به عنوان دو مبحث داغ د...

پیوند کلان داده با هوش مص...

سیستم‌های نرم‌افزاری تجاری همچون سرویس‌های ERP و...

محاسبات ابری قدرت رقابتی...

آیا فناوری دیجیتال، یک نیروی دموکراتیزه کننده است...

معماري لامبدا در مقابل مع...

معماري لامبدا تولید بی وقفه داده ها در دنیاي امروز...

زبان برنامه‌نویسی Milk سر...

زبان برنامه‌نویسی Milk که توسط دانشگاه MIT توسعه...

بیگ دیتا ، یادگیری ماشین...

سازمان‌ها گاهی اوقات به سختی تلاش می‌کنند تا با دس...

محاسبات مه چه هستند و چه...

در ابتدا همه چیز «ابر» بود، ولی حالا کلمه جدید «مه...

توسعه هوش مصنوعی مبتنی بر...

به گزارش ایسنا و به نقل از انگجت، پژوهشگران "ام.آی...

نگاهی به کاربردهای رایانش...

رایانش ابری مبحثی است که این روزها زیاد به آن پرد...

نرم افزار شبیه سازی، آنال...

دانلود CST Studio Suite: ارائه راه حل های محاسبات...

دانلود Siemens Star CCM+...

نرم افزار Star CCM یک ابزار شبیه سازی قدرتمند است...

ورود بیگ دیتا به صنعت دار...

تکنولوژی در حال ورود به صنعت داروسازی است و پیش‌بی...

چهارمین جلسه meetup: اصلا...

مهاجمان اغلب با استفاده از اشتباهات کدنویسی کوچک و...

مدیریت خصوصیات صف در کلاس...

 لیست زیر ,ویژگی های صف را نمایش می دهد : acl_grou...

AMD از رویکرد طراحی تازه‌...

AMD چند روز پیش به‌صورت رسمی از رویکرد طراحی جدیدی...

دومین جلسه meet up:مقدمه...

فهرست : توضیح مختصر از توسعه ی کلودسیم نصب کلودسیم...

نرم افزار Multiwfn

Multiwfn نرم افزاری قدرتمند برای آنالیز تابع موج ا...

بزرگترین استارتاپ‌های چین...

هوش مصنوعی و صنایع رباتیک یکی از پرطرفدارترین حوزه...

نرم افزار ترسیم ساختار سط...

نرم افزار Molekel نرم افزاری برای ترسیم ساختار و س...

اتحاد Cloudflare با شرکت‌...

استارتاپ کلادفلیر با ایجاد اتحاد جدیدی با شرکت‌های...

A Guide to High Performan...

In the world of HPC, on-premises infrastructure i...

نرم افزار مدل سازی مولکول...

نرم افزار جی‌مول (Jmol) نرم‌افزاری متن‌باز و نوشته...

۱۰ نرم افزار پرکاربرد رشت...

مهندسی شیمی (به انگلیسی: Chemical engineering) شاخ...

گالری تصاویر