X MinD
X MinD
خواندن ۸ دقیقه·۳ سال پیش

رایانش مه (شبکه مه ، مه گرفتگی)

محاسبه یا رایانش مه یک زیرساخت محاسباتی غیر متمرکز است که در آن داده ها ، محاسبات ، ذخیره سازی و برنامه های کاربردی در جایی بین منبع داده و ابر قرار دارند. مانند محاسبه لبه ، محاسبه مه مزایا و توان ابر را در نزدیکی جایی که داده ها ایجاد و بر اساس آنها عمل می شود ، نزدیک می کند. به بیان دیگر می توان گفت گسترش خدمات ابری به دستگاه های لبه، محاسبه مه است.

دامنه محاسبه مه از لبه های بیرونی محل جمع آوری داده ها شروع می شود تا جایی که در نهایت ذخیره می شود. گره های مه نقش مهمی در کار کلی محاسبات مه ایفا می کنند زیرا داده ها را از منابع متعدد برای پردازش بیشتر جمع آوری می کنند. این گره ها به شکل توزیع شده در سراسر شبکه مستقر شده اند. داده ها با کمک آنها تجزیه و تحلیل می شوند. این گره ها به عنوان دسترسی محلی غیر متمرکز عمل می کنند ، بنابراین وابستگی به بستر ابر را برای تجزیه و تحلیل داده های جمع آوری شده کاهش می دهند.

خیلی از مردم محاسبه مه و محاسبه لبه را بجای هم بکار می برند چرا که از جهاتی شبیه هم هستند.

گفته می شود که مدیر خط تولید شرکت سیسکو اصطلاح محاسبات مه را ابداع کرده است و اغلب نیز با نام Cisco Fog Computing شناخته می شود و این یک نام ثبت شده است.



تاریخچه:

در سال 2015 ، سیسکو با همکاری مایکروسافت ، دل ، اینتل ، آرم و دانشگاه پرینستون کنسرسیوم OpenFog را تشکیل داد. سازمان های دیگر از جمله جنرال الکتریک (GE) ، فاکسکان و هیتاچی نیز در این کنسرسیوم مشارکت داشتند. اهداف اولیه این کنسرسیوم ارتقاء و استانداردسازی محاسبات مه بود. کنسرسیوم در سال 2019 با کنسرسیوم اینترنت صنعتی (Industrial Internet Consortium -IIC) ادغام شد.



محاسبه مه در مقابل محاسبه لبه

طبق کنسرسیوم OpenFog که توسط Cisco راه اندازی شده است ، تفاوت اصلی بین محاسبه لبه و مه در جایی است که هوشمندی و توان محاسبه قرار می گیرد. در یک محیط کاملاً مه آلود ، اطلاعات در شبکه محلی (LAN) قرار دارد و داده ها از نقاط پایانی به درگاه مه منتقل می شوند ، سپس در آنجا به منابع برای پردازش و بازگشت انتقال داده می شوند.

در محاسبات لبه ، هوشمندی و توان می توانند در نقطه پایانی یا درگاه ارتباطی باشند. طرفداران محاسبه لبه از کاهش نقاط خرابی آن استقبال می کنند زیرا هر دستگاه به طور مستقل کار می کند و تعیین می کند که کدام داده را به صورت محلی ذخیره کند و کدام داده را برای تجزیه و تحلیل بیشتر به یک درگاه یا ابر ارسال کند. طرفداران محاسبه مه درمقابل محاسبات لبه می گویند که مقیاس پذیری آن بیشتر است و یک تصویر بزرگتر از شبکه را به نمایش می گذارد زیرا از چندین نقطه داده ها به آن وارد می شوند.

با این حال ، باید توجه داشت که برخی از مهندسان شبکه محاسبات مه را فقط یک برند سیسکو برای یک رویکرد در محاسبه لبه می دانند.

محاسبه مه چگونه کار می کند ؟

شبکه مه ، مکمل محاسبات ابری است و نه جایگزین آن. مه گرفتگی امکان کوتاه مدت تجزیه و تحلیل را فراهم می کند ، در حالی که ابر تجزیه و تحلیل طولانی مدت و منابع طولانی را انجام می دهد.

اگرچه دستگاهها و حسگرهای لبه محل تولید و جمع آوری داده ها هستند ، اما گاهی اوقات منابع محاسباتی و ذخیره ای برای انجام کارهای پیشرفته، تجزیه و تحلیل و یادگیری ماشین ندارند. اگرچه سرورهای ابری قدرت انجام این کار را دارند ، اما اغلب برای پردازش داده ها و پاسخ به موقع بسیار دور هستند.

علاوه بر این ، داشتن تمام نقاط پایانی ، متصل شدن و ارسال داده های خام به ابر از طریق اینترنت می تواند حریم خصوصی ، امنیت و پیامدهای حقوقی را به همراه داشته باشد ، به ویژه هنگام برخورد با مقررات متفاوت مربوط به داده های حساس در کشورهای مختلف.

برنامه های رایج محاسبات مه شامل شبکه های هوشمند ، شهرهای هوشمند ، ساختمان های هوشمند ، شبکه های خودرو و شبکه های تعریف شده توسط نرم افزار است.

فرایند کار محاسبه مه را می توان به شرح زیر توضیح داد:

  • کنترل کننده خودکار، سیگنال های ارسال شده از دستگاه های اینترنت اشیا را می خواند.
  • سیستم کنترل از درگاههای ارتباطی تحت پروتکلهای خاص برای انتقال داده های جمع آوری شده استفاده می کند.
  • این داده ها به فرمت هایی تبدیل می شوند که به راحتی توسط HTTP یا MQTT قابل درک هستند.
  • این داده ها توسط گره های مه جمع آوری می شود که داده ها را تجزیه و تحلیل کرده و قبل از ارسال آنها به ابرها ، آنها را به مجموعه تبدیل می کند.

6 لایه معماری محاسبه مه

  • لایه فیزیکی و مجازی سازی: دو نوع گره در این لایه ها وجود دارد. گره های فیزیکی و مجازی. گره ها در ابتدا مسئول جمع آوری داده ها در چندین مکان هستند. آنها مجهز به فناوری حسگر هستند که به آنها در جمع آوری داده های محیط اطراف کمک می کند. داده های جمع آوری شده به کمک دروازه های ارتباطی (Gateway) برای پردازش ارسال می شوند.
  • لایه مانیتورینگ: این لایه معمولاً وظیفه نظارت بر گره های مختلف را دارد. این کار شامل نظارت بر زمان کار یک گره ، دما و عمر باتری دستگاه است.
  • لایه پیش پردازش: این لایه در قسمت تجزیه و تحلیل نقش دارد. وظیفه اصلی این لایه استخراج داده های معنی دار از اطلاعات جمع آوری شده از منابع متعدد است. داده هایی که توسط گره ها جمع آوری می شوند به طور کامل از نظر خطا و ناخالصی بررسی می شوند. در نهایت این لایه اطمینان حاصل می کند که داده ها قبل از استفاده برای اهداف دیگر به طور کامل بررسی شوند.
  • ذخیره سازی موقت: عمدتاً برای ذخیره داده ها قبل از ارسال به ابر استفاده می شود. داده ها با کمک فضای مجازی ذخیره می شوند.
  • لایه امنیتی: همانطور که از نامش پیداست ، این لایه کاملاً برای امنیت داده ها است ؛ و از حریم خصوصی داده ها ، شامل رمزگذاری و رمزگشایی آنها مراقبت می کند.
  • لایه نقل و انتقالات: وظیفه اصلی این لایه بارگذاری داده ها بر روی ابر برای ذخیره دائمی است. داده ها به طور کامل بارگذاری نمی شوند ، ترجیحاً تنها بخشی از آنها برای اهداف کارآمد بارگذاری می شود؛ برای اطمینان از اتمام کارآمد فرآیند ، از پروتکل های ارتباطی سبک استفاده می شود.

مزایا و معایب محاسبه مه

مانند هر فناوری دیگری ، محاسبه مه دارای مزایا و معایب است. برخی از مزایای محاسبه مه شامل موارد زیر است:

  • حفاظت از پهنای باند: محاسبه مه حجم داده های ارسال شده به ابر را کاهش می دهد ، در نتیجه مصرف پهنای باند و هزینه های مربوطه را کاهش می دهد.
  • بهبود زمان پاسخگویی: از آنجا که پردازش اولیه داده ها در نزدیکی داده ها اتفاق می افتد ، تأخیر کاهش می یابد و پاسخگویی کلی بهبود می یابد. هدف ارائه پاسخگویی در سطح میلی ثانیه است و امکان پردازش داده ها را در لحظه فراهم می کند.
  • ناهمگن بودن : محاسبه مه یک زیرساخت کاملاً ناهمگن است زیرا می تواند داده ها را از منابع مختلف جمع آوری کند. به عنوان یک پلت فرم مجازی که فضای ذخیره سازی کاربر نهایی و سایر خدمات مانند شبکه را فراهم می کند ، به عنوان پلی بین دستگاه های نهایی و مراکز رایانش ابری سنتی عمل می کند.
  • تحرک : بسیاری از برنامه های محاسبه مه باید با دستگاه های تلفن همراه ارتباط برقرار کنند. این باعث می شود آنها برای تکنیک های تحرک مانند LISP (پروتکل جداسازی مکان یاب/شناسه) مناسب باشند. وظیفه اصلی LISP جدا کردن مکان و هویت است.
  • تسلط دسترسی بی سیم : اگرچه محاسبات مه به طور گسترده ای در محیط های سیمی استفاده می شود؛ اما سنسورهای بی سیم در مناطق وسیعی که با دستگاه های اینترنت اشیا گسترش یافته اند نیازهای متفاوتی در رابطه با تجزیه و تحلیل دارند. برای این منظور ، محاسبه مه برای شبکه های دسترسی بی سیم IoT مناسب است.

البته محاسبه مه نیز معایبی دارد که برخی از آنها شامل موارد زیر است:

  • موقعیت فیزیکی: از آنجا که محاسبات مه با یک مکان فیزیکی مرتبط است ، برخی از مزایای "در هر زمان/هر مکان" مربوط به رایانش ابری را تضعیف می کند.
  • مسائل احتمالی امنیتی: تحت شرایط مناسب ، محاسبه مه می تواند در معرض مسائل امنیتی قرار گیرد ، مانند جعل آدرس پروتکل اینترنت (IP) یا حملات مرد میانی(MitM).
  • هزینه های شروع: محاسبه مه راه حلی است که از منابع لبه و ابری استفاده می کند ، به این معنی که هزینه های سخت افزاری مربوطه وجود دارد.
  • مفهوم مبهم: با وجود اینکه رایانش مه چندسالی است که وجود دارد ، هنوز ابهامی در رابطه با محاسبه مه وجود دارد و فروشندگان مختلفی که محاسبه مه را متفاوت تعریف می کنند.

محاسبه مه و اینترنت اشیاء

از آنجا که رایانش ابری برای بسیاری از برنامه های اینترنت اشیا قابل استفاده نیست، محاسبه مه اغلب استفاده می شود. رویکرد توزیع شده آن نیازهای اینترنت اشیاء و اینترنت اشیاء صنعتی (IIoT) و همچنین حجم عظیمی از سنسورهای هوشمند و دستگاه های اینترنت اشیا را تأمین می کند که ارسال و سپردن پردازش آنها به ابر هزینه بر و زمان بر است. محاسبه مه پهنای باند مورد نیاز را و ارتباط رفت و برگشت بین حسگرها و ابر را کاهش می دهد ، که در حالت معمول می توانست بر عملکرد اینترنت اشیا تأثیر منفی بگذارد.

محاسبه مه و 5G

محاسبه مه یک معماری محاسباتی است که در آن مجموعه ای از گره ها داده ها را از دستگاه های اینترنت اشیا در لحظه دریافت می کنند. این گره ها ظرف چند میلی ثانیه پردازش زمان واقعی داده هایی را که دریافت می کنند را انجام می دهند. گره ها به صورت دوره ای اطلاعات خلاصه تحلیلی را به ابر ارسال می کنند. سپس یک برنامه مبتنی بر ابر، داده های دریافت شده از گره های مختلف را با هدف ارائه یک بینش عملی، تجزیه و تحلیل می کند.

این معماری به چیزی بیشتر از قابلیت های محاسباتی صرف نیاز دارد. اتصال سریع بین دستگاه های اینترنت اشیا و گره ها هم نیازاست. به یاد داشته باشید ، هدف این است که بتوانید داده ها را در عرض چند ثانیه پردازش کنید. البته ، گزینه های اتصال براساس مورد استفاده متفاوت است. به عنوان مثال ، یک حسگر اینترنت اشیا در طبقه کارخانه می تواند از اتصال سیمی استفاده کند. با این حال ، یک منبع متحرک ، مانند یک وسیله نقلیه مستقل ، یا یک منبع جدا شده ، مانند یک توربین بادی در وسط یک میدان ، به شکل متفاوتی از اتصال نیاز دارد.

شبکه 5G یک گزینه بسیار قانع کننده است زیرا یک اتصال سریع را فراهم می کند که برای تجزیه و تحلیل داده ها در لحظه مورد نیاز است.

منبع: IoT Agenda و Wisdomplexus


رایانش مهمحاسبات مهاینترنت اشیاfog computingiot
اینترنت اشیا و سایر متعلقات...
شاید از این پست‌ها خوشتان بیاید