آشنایی با محاسبات مه و مزایا ومعایب آن (پارت دوم )

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.

شکل 1- نحوه قرارگیری ابر، مه و لبه

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 لبه ای 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 .

پاسخ دهید

آدرس ایمیل شما منتشر نخواهد شد. فیلدهای اجباری مشخص شده اند *
شما می توانید از این تگ های HTML و ویژگی ها استفاده کنید: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>