ما در دنیای مدرن همواره با نیاز فراوان به قدرت محاسباتی روبه‌رو هستیم. همین حالا در خانه چند دستگاه متصل دارید؟ گوشی، تبلت، لپتاپ و … . به‌نظرتان اگر لپ‌تاپ می‌توانست نرم افزارها را به‌روزرسانی کند و آن را با تلفن، تبلت و سایر دستگاه‌های خانه به اشتراک بگذارد چه می‌شد؟ ساده است. به‌جای مصرف وحشتناک پهنای باند جهت دانلود یکی یکی به‌روزرسانی‌ها، دستگاه‌ها از یک قدرت محاسباتی اطراف خود (مثل همان لپتاپ) استفاده می‌کردند و آپدیت‌ها را دریافت می‌کردند. این مفهوم اصلی رایانش مه است. مدلی که امکان پردازش و دسترسی سریع‌تر و مطمئن‌تر به داده‌ها را فراهم کرده و تاخیر را تا حد قابل توجهی کاهش می‌دهد. همراه ما باشید تا ببینیم رایانش مه چیست و درباره عملکرد آن صحبت کنیم.

رایانش مه چیست؟

محاسبات مه (Fog Computing) اساسا نوعی زیرساخت غیرمتمرکز است که در آن منابع محاسباتی بین منبع داده و مرکز داده یا ابر قرار گرفته و داده‌ها از دستگاه‌های IoT به صورت بلادرنگ در اختیار گره‌ها قرار می‌گیرند.

می‌پرسید چرا؟ چون اگرچه دستگاه‌ها و حسگرهای لبه محل تولید و جمع‌آوری داده‌ها هستند، گاهی اوقات منابع محاسباتی و ذخیره‌سازی برای انجام تحلیل‌های پیشرفته و وظایف یادگیری ماشینی ندارند و اگرچه سرورهای ابری قدرت انجام این کار را دارند، معمولا برای پردازش داده‌ها و پاسخگویی به موقع خیلی دور از دسترس هستند! رایانش مه تجزیه و تحلیل کوتاه‌مدت را در لبه شبکه امکان‌پذیر می‌کند.

در دنیای مدرن که کسب‌و‌کارها برای فعال‌سازی اتوماسیون بلادرنگ، کاهش تأخیر و به حداکثر رساندن پهنای باند و جمع آوری و تجزیه و تحلیل داده‌ها در زمان به‌صورت بلادرنگ به‌دنبال فناوری‌های جدید هستند، محاسبات مه در خط مقدم رایانش داده قرار می‌گیرد.

علت اهمیت رایانش مه در چیست؟

حالا که با مفهوم رایانش مه آشنا شدیم، شاید بپرسید با وجود مدل‌های محاسباتی دیگر، دلیل اصلی اهمیت و محبوبیت رایانش مه چیست. استفاده از اینترنت اشیاء در صنعت باعث جمع‌آوری حجم عظیمی از داده‌ها می‌شود و با مسائل مربوط به نگهداری داده و پهنای باند همراه است. محاسبات مه این فشار را با جمع آوری و توزیع سرویس‌های ذخیره سازی، محاسباتی و اتصال به شبکه کاهش می‌دهد. به این ترتیب مصرف انرژی را به میزان قابل توجهی کاهش یافته و عملکرد سازمان بهبود می‌یابد.

مزیت‌های مهم رایانش مه چیست؟

اما ببینیم مزیت‌های مهم رایانش مه چیست که در دنیای جدید پردازش داده‌ها، تا این اندازه محبوب و پرکاربرد است.

• حریم خصوصی: محاسبات مه را می توان برای کنترل سطح حریم خصوصی اعمال کرد. در این مدل داده‌ها به جای اینکه به یک زیرساخت ابری متمرکز فرستاده شوند، به‌صورت محلی تجزیه و تحلیل می‌شوند و مدیریت و پشتیبانی دستگاه برعهده تیم فناوری اطلاعات است. اگر مجموعه‌ای از داده‌ها به تجزیه و تحلیل بیشتری نیاز داده باشند، در صورت نیاز روانه فضای ابری خواهند شد.
• امنیت: در رایانش مه می‌توان دستگاه‌های متعدد را به یک شبکه متصل کرد تا عملیات پردازش داده به‌جای تمرکز در یک مکان واحد، در اندپوینت‌های مختلف اجرا شود. سپس تیم‌ها می‌توانند تغییرات بالقوه را شناسایی کنند، قبل از باعث اختلال در عملکرد شبکه شوند.
• پهنای باند: با وجود داده‌هایی که به‌صورت محلی و نه در فضای ابری پردازش می‌شوند، نیاز پهنای باند به‌شدت کاهش می‌یابد. بنابراین این نوع رایانش برای دستگاه‌های IoT که با تولید حجم زیادی داده، پهنای باند را اشغال می‌کنند، فوق‌العاده مفید است.
• تأخیر: جای تعجب نیست که با پردازش داده‌ها روی منبعی که از نظر فیزیکی به مکان کاربر نزدیک‌تر است، تاخیر کاهش و تجربه مشتری بهبود پیدا کند.

نقاط ضعف رایانش مه چیست؟

برخی از مهم‌ترین نقاط ضعف رایانش مه عبارت‌اند از:

• موقعیت فیزیکی: از آنجایی که محاسبات مه به یک مکان فیزیکی مشخص گره می‌خورد، مزیت «هرکجا و هر زمان» رایانش ابری را تضعیف می‌کند.
• مسائل امنیتی بالقوه: گاهی اوقات رایانش مه در معرض مسائل امنیتی ریز و درشت مانند جعل آدرس پروتکل اینترنت یا حملات مرد میانه قرار می‌گیرند.
• هزینه راه‌اندازی: رایانش مه راه حلی است که از منابع لبه و ابری استفاده می‌کند و راه‌اندازی آن در گرو هزینه‌های سخت‌افزاری اولیه است.
• مفهوم مبهم: با وجود سابقه چندین ساله حضور این مدل محاسباتی، هنوز ابهاماتی در تعریف آن وجود دارد؛ چرا که فروشندگان مختلف رایانش مه را به شیوه‌های متفاوتی تعریف می‌کنند.

نمونه هایی از کاربرد محاسبات مه

در دنیای امروز رایانش مه در صنایع مختلف نفوذ کرده و کاربردهای مختلفی دارد. در ادامه می‌خوانیم مهم‌ترین کاربردهای رایانش مه چیست و بیشتر به چه کاری می‌آید.

• شهر هوشمند: رایانش مه در تمام سطح شهر و برای تمام حسگرها قابل اجراست. گره‌های مه‌گیر داده‌ها را به‌جای ارسال مجدد به سرورهای ابری، بلافاصله پردازش می‌کنند. به لطف این پردازش فوری مثلا چراغ‌ راهنمایی می‌تواند زودتر سبز شود تا آمبولانس سریع‌تر به مقصد برسد.
• نظارت تصویری: رایانش مه که به طور بالقوه بخشی از استقرار شهر هوشمند محسوب می‌شود، می‌تواند مشکل ذخیره مقادیر زیاد داده‌ها از جمله تصاویر و فیلم‌های ضبط‌شده را در سرورهای پرهزینه کاهش دهد.
• خانه‌ هوشمند: محاسبات مه را می‌توان برای مدیریت داده‌های حساس به تأخیر و امنیت ارتباطات دستگاه‌های اینترنت اشیا خانگی به کار برد. این به پل زدن فضای بین لایه ابر و لایه دستگاه کاربر کمک می کند و چالش‌های مرتبط با معماری‌های سنتی را از میان برمی‌دارد.
• مراقبت‌های بهداشتی: یکی از کاربردهای مهم رایانش مه در بحث سلامت و مراقبت‌های بهداشتی است. در مواردی که بیماران از بیماری‌های مزمن رنج می‌برند، داده‌های حاصل از نظارت بر وضعیت آنها می‌تواند به‌کمک محاسبات مه سریع‌تر از روش‌های سنتی پردازش می‌شو و پزشک در موارد اضطراری سریع‌تر می‌تواند تصمیم‌گیری کند.

تفاوت رایانش لبه و رایانش مه چیست؟

تفاوت اصلی بین دو این مدل زیرساخت، محل پردازش است. محاسبات لبه، منابع داده نزدیک‌تر را به عنوان منابع محاسباتی در نظر می‌گیرد و به داده‌ها امکان دسترسی و پردازش محلی را می‌دهد؛ بی‌آنکه نیازی به برقراری ارتباط با زیرساخت‌های محاسباتی در دوردست‌ها باشد. در واقع داده‌ها روی یک گره مه یا دروازه اینترنت اشیا واقع در LAN پردازش می‌شوند. محاسبات مه چنین فعالیت‌هایی را به پردازنده‌هایی منتقل می‌کند که به شبکه LAN یا سخت‌افزار متصل‌اند و کمی از حسگرها فاصله دارند.

تفاوت بین محاسبات مه و رایانش ابری

اگر اطلاعات چندانی در زمینه محاسبات ابری نداشته باشید، احتمالا با شنیدن نام رایانش مه این سوال در ذهنتان شکل می‌گیرد که تفاوت رایانش ابری و رایانش مه چیست. در این بخش به این سوال شما پاسخ می‌دهیم.

• اطلاعات: در رایانش مه، داده‌ها از طریق دستگاه‌های IoT با هر پروتکلی دریافت می‌شوند؛ اما رایانش ابری داده‌ها را از گره‌های مه مختلف دریافت و خلاصه می‌کند.
• ساختار: رایانش مه یک معماری غیر متمرکز دارد که در آن اطلاعات بر روی گره‌های مختلف و در نزدیک‌ترین منبع به کاربر قرار می‌گیرند. در حالی که در رایانش ابری، مراکز داده متمرکز بسیاری وجود دارند که دسترسی کاربر به اطلاعات شبکه در نزدیکترین منبع را دشوار می‌سازند.
• امنیت: رایانش مه یک سیستم امن‌تر با پروتکل‌ها و استانداردهای مختلف است که احتمال فروپاشی در طول شبکه را به حداقل می‌رساند؛ در حالی که Cloud روی بستر اینترنت کار می‌کند و در صورت برقراری اتصالات ناشناخته، احتمال فروپاشی آن بیشتر است.
• ویژگی‌ها: رایانش مه علاوه بر ویژگی‌های فضای ابری، مولفه‌های دیگری هم دارد که ذخیره‌سازی و عملکرد شبکه را تقویت می‌کند.
• مسئوليت: در مدل محاسبات مه زمان پاسخگویی سیستم در مقایسه با رایانش ابری نسبتا بالاتر است؛ چراکه آلودگی داده را جدا می‌کند و بعد آن‌ را به سمت ابر می‌فرستد. این در حالی است که سرویس ابری داده‌ها را حین انتقال ایزوله نمی‌کند، بار شبکه را افزایش می‌دهد و باعث پاسخگویی ضعیف‌تر می‌شود.
• کاربرد: از رایانش مه در مدیریت هوشمند ترافیک شهر، خودکارسازی ساختمان‌های هوشمند، شبکه‌های حسگر بی‌سیم و غیره استفاده می‌شود. اما رایانش ابری در نرم افزارهای تجارت الکترونیک، پردازش کلمات، ذخیره‌سازی آنلاین فایل‌ها، برنامه‌های کاربردی تحت وب، ساخت آلبوم‌های تصویری، برنامه‌های کاربردی مختلف و غیره کاربرد دارد.
• تجزیه و تحلیل زمان واقعی: رایانش مه حساس‌ترین داده‌ها را در کمتر از یک ثانیه تجزیه و تحلیل می‌کند. در حالی که رایانش ابری پشتیبانی فنی شبانه‌روزی ارائه نمی‌دهد.

کلام آخر

در دنیای امروز تقاضا برای اطلاعات و افزایش کانال‌های شبکه در حال افزایش است؛ برای مقابله با این مسئله خدماتی از جمله محاسبات مه ارائه شده‌اند تا مدیریت سریع‌تر و انتشار بی‌تاخیر داده‌ها به کاربران امکان‌پذیر شود. این مدل محاسباتی به زیباترین شکل ممکن پچ‌های امنیتی سطح بالا را مدیریت می‌کند و مشکلات پهنای باند را به حداقل می‌رساند. همچنین به ما امکان می‌دهد داده‌ها را در گره‌های منابع محلی مکان‌یابی کنیم و این تجزیه و تحلیل داده‌ها را راحت‌تر از قبل می‌کند.

اگر شما عزیزان اطلاعات بیشتری در زمینه رایانش مه دارید، صمیمانه مشتاق شنیدن نظرات‌تان هستیم. دانسته‌های خود را در بخش ارسال دیدگاه با ما و همراهان تسکا در میان بگذارید.