رایانش مه (Fog Computing) چیست؟ آشنایی با رایانش مه و کاربرد آن

0 45
۵/۵ - (۳ امتیاز)

گسترش روزافزون داده ها و ظهور اینترنت اشیا که نیاز به فضای ذخیره سازی و پردازش برای داده ها در سطحی پایین تر از ابر و نزدیک تر به کاربر را افزایش داد، سبب شد که فضایی ذخیره سازی البته با حجم کمتر نسبت به ابر ایجاد شود. این فضا مه یا Fog نام داشته و یک فضای محاسباتی است که به آن رایانش مه یا Fog Computing گفته می شود. در این مقاله به این نوع رایانش خواهیم پرداخت.

فهرست

مفهوم رایانش مه یا Fog Computing

همان طور که در مقاله رایانش ابری (Cloud Computing) چیست؟ اشاره شد، یکی از کاربردهای فضای ابری، امکان ذخیره سازی داده های با حجم بالا بدون محدودیت زمانی و مکانی است. محاسبات در این فضا به صورت متمرکز انجام می شود و به همین دلیل افزایش تقاضا برای برنامه هایی که نسبت به تاخیر زمانی حساس هستند و یا با محدودیت پهنای باند شبکه مواجه اند، ابر گزینه ی مناسبی برای انجام امور پردازشی نیست. در اینجا فضای دیگری به اسم مه یا Fog نیاز است تا محاسبات توزیع شده را برای دستگاه های متعددی که به ابر متصل هستند در یک سطح پایین تر و به اصطلاح در لبه ابر انجام دهد. همین اتصال دستگاه های لبه ابر به مه سبب می شود که گاهی به رایانش مه، رایانش لبه یا Edge Computing نیز گفته شود. اگرچه برخی معتقدند این معادل سازی رایانش مه با رایانش لبه به دلیل تفاوت در حجم پردازش هایی که در رایانش لبه نسبت به مه می تواند صورت گیرد، درست نیست.

تاریخچه رایانش مه

رایانش مه یا Fog Computing پیشینه ی طولانی مدتی ندارد. نیاز به رایانش مه به منظور کاهش تاخیر برای داده های حجیم برنامه های که پردازش روی آن ها باید در زمان واقعی انجام شوند و یا تاخیر کمی را پذیرا هستند و همچنین به دلیل گسترده شدن اینترنت اشیا و برآورده کردن نیاز این دستگاه ها، احساس شد که همین امر سبب پیدایش این فضای رایانشی در سال ۲۰۱۱ شد. پس از آن کنسرسیوم OpenFog با مشارکت شرکت هایی همچون سیسکو (Cisco)، دل (Dell)، اینتل (Intel)، مایکروسافت (Microsoft)، آرم هولدینگز (ARM Holdings) و دانشگاه پرینستون با هدف آشنایی بیشتر و ترویج رایانش مه در سال ۲۰۱۵ ایجاد شد.

معماری و ساختار رایانش مه

شبکه مه شامل دو صفحه است. یکی از صفحات مربوط به داده و دیگری کنترلی است. قابلیت صفحه داده این است که به کمک آن، سرویس ها به جای حضور در مرکز داده در لبه شبکه قرار می گیرند. علاوه بر این دو صفحه، تمام دستگاه هایی که در شبکه مه وجود دارند به عنوان نود شناخته می شوند. نودها شامل دستگاه های مختلف همچون سوئیچ ها، روترها، دستگاه های اینترنت اشیا و… می شوند. به طور کلی هر دستگاهی که قابلیت محاسباتی، ذخیره سازی و شبکه ای داشته باشد، می تواند یک نود باشد که با ارتباط شبکه ای در شبکه مه قرار می گیرد. مه قابلیت اتصال به دستگاه های انتهایی یا همان نودها را توسط اینترنت بی سیم و از طریق فناوری هایی همچون Blutooth، Wi-Fi، ۴G و … دارد. همچنین لایه ی مه از طریق اینترنت به منظور بهره مندی کامل از منابع پردازشی و قدرت ذخیره سازی زیاد لایه ی ابر، از طریق اینترنت با این لایه در ارتباط است.به عبارتی می توان گفت لایه ی مه همانند پلی میان لایه ی ابر و دستگاه های انتهایی است و پردازش هایی که در مه صورت می گیرد جایگزین پردازش هایی که در ابر صورت می گیرد، نخواهد شد بلکه مکملی برای آن است.

کاربرد رایانش مه یا Fog Computing

رایانش مه کاربردهای متفاوتی به دلیل کاهش تاخیر نسبت به رایانش ابری و نزدیکی به دستگاه های انتهایی می تواند داشته باشد. اما یکی از مهم ترین و پراستفاده ترین کاربردهایی که امروزه دارد در اینترنت اشیا است که کاهش زمان پردازش و پاسخگویی به کاربر در حالی که حجم داده ها زیاد است، بسیار اهمیت دارد. در مقالات آینده به طور مفصل به استفاده از Fog Computing در اینترنت اشیا (IoT) می پردازیم. با این حال یکی از مهم ترین کاربردهای رایانش مه عبارت است از تحلیل در زمان واقعی یا بلادرنگ (Real-Time).
 در رابطه با آنالیز در زمان واقعی می توان گفت برخی از سیستم ها همانند سیستم های مالی نیاز دارند که تحلیل در زمان واقعی انجام شود و انتظار دارند که سیستم های تولیدکننده و تحلیل کننده به محض رخداد یک اتفاق نسبت به آن واکنش نشان دهند. رایانش مه به دلیل نزدیکی به دستگاه های انتهایی این امکان را برای این گونه سیستم ها فراهم می کند تا داده ها به هر مکانی که مورد نظر کاربر است انتقال یافته و تحلیل مورد نظر روی آن با شرط حداقل تاخیر و نزدیک به زمان واقعی صورت گیرد. این اتفاق برای برخی از کاربردهای روزمره همچون ماشین های نیمه هوشمند یا تمام هوشمند که در حال گسترش است نیز اهمیت به سزایی دارد. زیرا باید تحلیل مسیر و ترافیک و نشان دادن عملکرد مستقل نیاز دارند تا داده های دریافتی از محیط در هر لحظه به سرعت پردازش شوند.

تفاوت رایانش مه و رایانش ابری

همان طور که در قسمت های پیشین بیان شد، مه در یک لایه پایین تر نسبت به ابر قرار دارد و همین امر سبب نزدیکی به دستگاه های انتهایی خواهدشد. ایده ی اصلی رایانش مه یا Fog Computing، سرعت پردازش بالاتر نسبت به رایانش ابری یا Cloud Computing بود. این لایه سبب تاخیر کمتر شده، قابلیت اطمینان و امنیت بالاتری نیز دارد. همچنین می توان گفت که در رایانش ابری، پردازش و محاسبات به صورت متمرکز انجام می شود اما در رایانش مه، پردازش به صورت غیرمتمرکز انجام می شود.

مزایا و معایب رایانش مه

رایانش مه سبب کاهش برخی از معایب رایانش ابری و استفاده ی راحت تر توسط کاربر انتهایی شد. برخی از مهم ترین مزایای این نوع رایانش عبارت است از:

  • کاهش زمان پاسخگویی یا کاهش تاخیر: این امر برای دستگاه هایی که عملیات آن ها به حداقل تاخیر در پردازش وابسته است بسیار اهمیت دارد.
  • حفظ پهنای باند و کاهش ارسال داده ها به ابر: برخی از دستگاه ها همانند جت ها یا سکوهای نفتی حجم داده ی بالایی در حد ترابایت تولید می کنند که لزومی به ارسال همه ی آن ها به ابر و انجام پردازش ابری بر روی آن ها نیست. برخی از این داده ها برای پردازش می توانند به مه فرستاده شوند.
  • افزایش امنیت: امنیت داده ها چه در زمان ارسال و چه در زمان نگهداری باید مورد توجه قرار گیرد. در مه به دلیل نزدیک نگهداشتن داده ها در لبه امنیت بیشتر تامین خواهدشد.
  • پردازش در بهترین مکان پردازشی: مه امکان انتخاب محل پردازش را متناسب با نیاز کاربر و نوع پردازش فراهم می سازد. برای مثال در جایی که به پردازش با حداقل تاخیر نیاز است، مه می تواند انتخاب مناسبی باشد. در مقابل، زمانی که به منابع ذخیره سازی و محاسباتی قدرتمند نیاز است و داده های بزرگ برای تحلیل مدنظر هستند، رایانش ابری انتخاب مناسبی خواهدبود.

در مقابل مزایایی که رایانش مه دارد، معایبی نیز دارد که مهم ترین آن ها عبارتند از:

  • نیاز به تجهیزات سخت افزاری بیشتر و به دنبال آن افزایش هزینه
  • نیاز به دسترسی دائمی به تجهیزات و دستگاه های مه

سخن پایانی

مهم ترین هدف ایجاد لایه ی میانی بین دستگاه های انتهایی و ابر که به مه یا Fog شناخته می شود، کاهش زمان و به حداقل رساندن تاخیر در پردازش ها است. در این مقاله به جزییات در رابطه با تعریف رایانش مه و معماری و کاربردهای آن پرداختیم. یکی از مهم ترین کاربردهای رایانش مه در اینترنت اشیا است که در مقالات آینده به تفضیل به آن خواهیم پرداخت.

درباره ما

 آکادمی ترجنس | edu.thregence.ir
دوره‌های آکادمی ترجنس | courses.thregence.ir
اینستاگرام | instagram.com/thregence
تلگرام | t.me/thregence
یوتوب | https://bit.ly/30mGowo
آپارات | aparat.com/thregence

ارسال یک پاسخ