توسط براندون باتلر
محاسبات مه به مفهوم یک شبکه است که از لبه های بیرونی جایی که داده ها ایجاد می شوند تا جایی که در نهایت ذخیره می شوند ، خواه در ابر و یا در مرکز داده مشتری جابجا شود. محاسبات مه “یک معماری افقی در سطح سیستم است که منابع و خدمات محاسبات ، ذخیره سازی ، کنترل و شبکه را در هر نقطه از پیوستار از ابر به چیزها توزیع می کند. “
مه یک لایه دیگر از یک محیط شبکه توزیع شده است و از نزدیک با رایانش ابری و اینترنت اشیا ارتباط دارد. زیرساخت های عمومی یک سرویس دهنده (IaaS) فروشندگان خدمات ابری را می توان به عنوان یک نقطه سطح بالا و جهانی برای داده ها در نظر گرفت. لبه شبکه جایی است که داده های دستگاه های موجود در اینترنت اشیا ایجاد می شود.
Fog computing یک شبکه توزیع شده است که این دو محیط را به هم متصل می کند. مونگ چیانگ ، رئیس دانشکده مهندسی دانشگاه پردو و یکی از برترین محققان کشور در زمینه مه اینگونه درباره آن توضیح می دهد: “مه حلقه گمشده برای داده هایی است که باید به ابر منتقل شود و آنچه را می توان در محاسبات لبه به صورت محلی تجزیه و تحلیل کرد”
بر مبنای پروتکل کنسرسیوم OpenFog ، گروهی از فروشندگان و سازمانهای تحقیقاتی که طرفدار پیشرفت استانداردها در این فناوری هستند ، محاسبات مه “یک معماری افقی در سطح سیستم است که منابع و خدمات محاسبات ، ذخیره سازی ، کنترل و شبکه را در هر نقطه از پیوستار از ابر به چیزها توزیع می کند. “
فواید محاسبات مه
اساساً ، ایجاد چارچوبهای محاسبات مه ، به سازمانها گزینه های بیشتری برای پردازش داده ها در هر کجا که مناسب ترین کار برای انجام یک کار باشد ، می دهد. برای برخی از برنامه ها ، ممکن است لازم باشد داده ها در اسرع وقت پردازش شوند – به عنوان مثال ، در یک موارد استفاده درفرایند های تولید که در آن ماشین های متصل باید بتوانند در اسرع وقت به یک حادثه پاسخ دهند.
محاسبات مه می تواند با تأخیر کم ، ارتباطات شبکه ای را بین دستگاه ها و نقاط پایانی تجزیه و تحلیل ، ایجاد کند. این معماری به نوبه خود میزان پهنای باند مورد نیاز را در مقایسه با اینكه این داده ها برای پردازش به مركز داده یا ابر ارسال می شدند ، كاهش می دهد. همچنین می تواند در سناریوهایی که اتصال پهنای باند برای ارسال داده وجود ندارد ، مورد استفاده قرار گیرد ، بنابراین باید نزدیک به مکانی که ایجاد شده پردازش شود. به عنوان یک مزیت اضافی ، کاربران می توانند ویژگی های امنیتی را در یک شبکه مه ، از ترافیک شبکه تقسیم شده تا فایروال های مجازی برای محافظت از آن قرار دهند.
برنامه های محاسبات مه
محاسبه مه ، در مراحل نوپایی خود است که در طرحهای رسمی به مرحله اجرا در می آید ، اما موارد استفاده متنوعی وجود دارد که به عنوان سناریوهای ایده آل بالقوه برای محاسبات مه شناسایی شده اند.
اتومبیل های متصل:
ظهور اتومبیل های نیمه خودمختار و خودران به میزان زیادی داده های ایجاد شده توسط وسایل نقلیه را افزایش می دهد. کارکردن اتومبیل به طور مستقل به توانایی تجزیه و تحلیل محلی برخی از داده ها در زمان واقعی مانند محیط اطراف ، شرایط رانندگی و جهت ها نیاز دارد. ممکن است لازم باشد داده های دیگر برای کمک به بهبود تعمیر و نگهداری خودرو یا ردیابی استفاده از خودرو ، به تولید کننده ارسال شود. یک محیط محاسبات مه امکان برقراری ارتباط برای همه این منابع داده را هم در لبه (در اتومبیل) و هم برای نقطه انتهایی آن (سازنده) فراهم می کند.
شهرهای هوشمند و شبکه های هوشمند مانند اتومبیل های متصل ، سیستم های کمکی به طور فزاینده ای از داده های زمان واقعی برای کارایی بیشتر سیستم ها استفاده می کنند. گاهی اوقات این داده ها در مناطق دور افتاده قرار دارند ، بنابراین پردازش در نزدیکی مکان ایجاد شده ضروری است. در سایر مواقع داده ها باید از تعداد زیادی حسگر جمع شوند. برای حل هر دو این مسئله می توان معماری های محاسبات مه را طراحی کرد.
تجزیه و تحلیل در زمان واقعی تعداد زیادی از موارد استفاده تجزیه و تحلیل در زمان واقعی را می طلبند. از سیستم های تولیدی که باید بتوانند در هنگام وقوع یک حادثه واکنش نشان دهند ، تا موسسات مالی که از داده های زمان واقعی برای اطلاع دادن به تصمیمات تجاری یا نظارت بر تقلب استفاده می کنند. استقرار محاسبات مه می تواند به تسهیل انتقال داده ها بین مکان ایجاد شده و مکان های مختلفی که باید مورد استفاده قرار گیرد ، کمک کند.
محاسبه مه و محاسبات موبایل 5G
برخی از کارشناسان بر این باورند که انتظار می رود اتصال 5G تلفن همراه در سال 2018 و بعد از آن بتواند فرصت بیشتری را برای محاسبات مه ایجاد کند. اندرو داگان ، معاون ارشد برنامه ریزی فناوری و معماری شبکه در CenturyLink ، توضیح می دهد: “فناوری 5G در برخی موارد به استقرار آنتن بسیار متراکم نیاز دارد.” در برخی شرایط آنتن ها باید کمتر از 20 کیلومتر از یکدیگر فاصله داشته باشند. در مواردی مانند این ، می توان یک معماری محاسبات مه در میان این ایستگاه ها ایجاد کرد که شامل یک کنترل کننده متمرکز است که برنامه های در حال اجرا در این شبکه 5G را مدیریت می کند و اتصالات را به مراکز داده یا ابرهای پشتی مدیریت می کند.
محاسبات مه چگونه کار می کند؟
یک سیستم محاسباتی مه می تواند اجزا و عملکردهای مختلفی داشته باشد که می تواند شامل گیتهای محاسبات مه باشد که داده های دستگاه های اینترنت اشیا را جمع آوری می کند. این می تواند شامل انواع نقاط انتهایی مجموعه سیمی و بی سیم ، از جمله روترهای ناهموار و تجهیزات سوئیچینگ باشد. جنبه های دیگر می تواند شامل تجهیزات طرح مشتری (CPE) و دروازه های دسترسی به گره های لبه باشد. با بالاتر رفتن معماری های stack fog computing نیز می توان شبکه ها و روترهای اصلی و سرانجام سرویس ها و سرورهای ابری جهانی را وصل کرد.
کنسرسیوم OpenFog ، گروه توسعه دهنده معماری مرجع ، سه هدف برای توسعه چارچوب مه را ترسیم کرده است. محیط های مه باید به صورت افقی مقیاس پذیر باشند ، به این معنی که از چندین مورد استفاده عمودی از صنعت پشتیبانی می کند. قادر به کار در سراسر ابر به چیزهای پیوسته بوده و یک فناوری در سطح سیستم باشد که از چیزهایی ، از لبه های شبکه ، از طریق ابر و از طریق پروتکل های مختلف شبکه گسترش یابد.
آیا محاسبه مه و محاسبه لبه یک چیز هستند؟
هلدر آنتونس ، مدیر ارشد نوآوری استراتژیک شرکت در سیسکو و عضو کنسرسیوم OpenFog ، می گوید که محاسبات لبه ای یک جز یا زیرمجموعه محاسبات مه است. محاسبات مه را به عنوان روش پردازش داده ها از جایی که ایجاد شده تا جایی که ذخیره می شود ، در نظر بگیرید. محاسبات لبه فقط به داده هایی گفته می شود که در نزدیکی محل ایجاد پردازش شوند. محاسبات مه نه تنها آن پردازش لبه ، بلکه همچنین اتصالات شبکه مورد نیاز برای رساندن این داده ها از لبه به نقطه انتهایی آن را در بر می گیرد.
