نوشته های مجتبی آهنگری

شبیه سازی پمپ آب با میکروکنترلر Atmega32

مجتبی آهنگری — Sun, 13 Dec 2020 18:34:57 +0330

مقدمه:با صنعتي شدن كشور ها مديريت منابع ابي از حالت هاي دستي به سمت حالت هاي اتوماتيك و الكتريكي پيش رفته است. امروزه در اكثر مناطق براي كنترل اب از پمپ هاي جابه جا كننده(مكنده) اب استفاده مي شود و براي كنترل مخازن وجو فردي ناظر براي روشن و خاموش كردن پمپ ها ضروري است اما با پيشرفت تكنولوژي توليد و توسعه كيت هاي كنترل كننده اب نسبت به قبل افزايش يافت كه جايگزين مناسبي براي فرد ناظر مي باشد. در اين پروژه ما با نرم افزار هاي Proteus و Code Vision يك كنترلر پمپ اب طراحي كرده ايم كه علاوه بر قطع و وصل كردن پمپ اب ميزان اب مخزن را در مانيتوري كوچك نمايش مي دهد.ابزار ها :در اين پروژه از دو ابزار Proteus و Code Vision استفاده شده است. در اين پروژه از برد ATMEGA32 براي توسعه استفاده شده است.Proteus :شرح : proteus برنامه اي کاربردي و کارآمد براي دوستان الکترونيکي! با استفاده از اين نرم افزار ميتوانيد براحتي انواع مدارها , ميکروکنترلرها , ميکروپروسسر هارا طراحي و حتي اجرا کرد تا مشاهده نمود در حالات مختلف اين مدار چه واکنشي نشان ميدهد و جه خروجي خواهد داشت و در صورت وجود هر گونه خطا برنامه را ديباگ کرد در ادامه ويژگي هاي اين برنامه کاملا شرح داده ميشود.نرم افزار پروتئوس دو بخش اصلي دارد.بخش Schematic Capture براي طراحي و شبيه سازي مدارات الکترونيکي و بخش PCB Layout براي طراحي برد مدار چاپي است.در بخش Schematic Capture نرم افزار پروتئوس مي توان مدارات الکترونيکي آنالوگ و ديجيتال را شبيه سازي کرد.يکي از قابليت هاي نرم افزار پروتئوس اين است که از برخي ميکروکنترلرهاي AVR، برخي ميکروکنترلرهاي شرکت Microchip Technology، برخي ميکروکنترلرهاي شرکت NXP Semiconductor، برخي ميکروکنترلرهاي شرکت STMicroelectronics و ... پشتيباني مي کند و مي توان با استفاده از نرم افزار پروتئوس به شبيه سازي مدارات مبتني بر اين ميکروکنترلرها و ديباگ و شبيه سازي نرم افزاري برنام? نوشته شده براي اين ميکروکنترلرها پرداخت.اين نرم‌افزار از نظر قدرت، آساني و انعطاف‌پذيري به‌ويژه براي مبتدي‌ها و نسبت به نرم‌افزارهاي ديگر، بسيار مورد توجه قرار گرفته‌است.قابليت‌هاي نرم افزار Proteus:طراحي مدارات الکترونيکيشامل ابزار‌هاي لازم براي طراحي حرفه‌ايمدلسازي دستگاه‌هاي قابل برنامه ريزيطراحي مسيريابي‌هاي پيشرفتهصرفه جويي در وقت و هزينه طراحي مدارشبيه سازي مدارات ميکرو کنترلري در سطح بسيار حرفه‌ايدارا بودن کليه المان‌هاي اندازه گيري واقعي نظير اسيلوسکوپ، سيگنال ژنراتور، ولت متر، آمپر متر و...امکان افزودن کتاب خانه‌هاي قدتمند و دارار بودن کليه قطعات الکترونيکامکان طراحي pcb براي مدار شبيه سازي شده بدون نياز به تغيير دادن مدارامکان ديباگ کردن برنامه‌ها و اجراي خط به خط آن‌ها در ميکرو کنترلرو ...Code Vision :شرح : يک نرم افزار تخصصي براي رشته هاي برق و الکترونيک (گرايش سخت افزار) مي باشد. در واقع اين نرم افزار يک کامپايلر براي زبان برنامه نويسي C مي باشد که براي برنامه نويسي ميکروکنترلر هاي AVR از آن استفاده مي شود. اين برنامه محيط برنامه نويسي و کامپايل کردن برنامه نوشته شده براي برنامه ريزي ميکروکنترلر را براي شما فراهم مي کند.بسياري از افراد حتي کساني که رشته کامپيوتر مي باشند با اين نرم افزار بخوبي آشنا مي باشند. آخرين نسخه اين برنامه قدرت بسيار بيشتري پيدا کرده است و از طرفي مشکلات قبلي آن برطرف شده است. اين برنامه در تمامي نسخه هاي ويندوز قابل نصب است.Page BreakATMEGA32:میکروکنترلر ATMega32یک میکروکنترلر ۸بیتی کم مصرف از تکنولوژی CMOSو از خانواده MEGA AVR است که بر اساس معماری RISCبهبود یافته می باشد. با اجرای دستورات قدرتمند در یک سیکل راMHz ) در هرMillions Instruction Per Second ( مخفف1MIPS کلاک این میکرو سرعتی معادل فراهم می کند. یعنی زمانی که فرکانس کاری میکرو 1مگاهرتز است ، میکرو می تواند یک میلیون دستور العمل در هر ثانیه انجام دهد. این قابلیت به طراح سیستم این اجازه را می دهد تا توان مصرفی میکرو را برحسب سرعت پردازش مورد نیاز پروژه مدیریت کندکارایی بالا ، توان مصرفی کم ، یک میکروکنترلر ۸بیتی از خانواده AVRدارای معماری RISCبهبود یافتهدارای 1۳1دستورالعمل قدرتمند که اکثر آنها تنها در یک سیکل کلاک اجرا می شونددارای ۳2رجیستر عمومی ۸بیتی همه منظورهعملکرد کاملا پایدارسرعتی حداکثر تا MIPS 1۶در فرکانس MHz1۶دارای ضرب کننده جداگانه داخلی که در دو کلاک سیکل عمل ضرب را انجام می دهددارای حافظه غیر فرار برای برنامه و دیتا32کیلوبایت حافظه فلش داخلی قابل برنامه ریزیپایداری : تا 10،000بار نوشتن و پاک کردنEEPROMبایت حافظه102۴ -پایداری : تا 100،000بار نوشتن و پاک کردن2کیلوبایت حافظه SRAMداخلیدارای قفل برنامه برای حفاظت نرم افزاری از حافظهقابلیت ارتباط به صورت JTAGتحت استاندارد)(IEEE std. 1149.1قابلیت مشاهده تمامی رجیسترها و متوقف کردن برنامه روی دستور خاص جهت عیب یابیبرنامه ریزی حافظه فلش، ،EEPROMفیوزبیت ها و بیت های قفل ) ( Lock Bitsاز طریقارتباطJTAG62خصوصیات جانبی میکروکنترلردو تایمر/کانتر ۸بیتی و یک تایمر/کانتر 1۶بیتییک کانتر زمان حقیقی ) (RTCبا اسیلاتور جداگانه۴کانال برایPWM۸کانال برای مبدل آنالوگ به دیجیتال 10بیتی۸کانال معمولی یک طرفه۷کانال تفاضلی ( که این قابلیت فقط در بسته بندی TQFPوجود دارد)دارای 2کانال تفاضلی با گین قابل برنامه ریزی 10 ، 1و 200برابر کنندهقابلیت ارتباط با پروتکل سریال دوسیمهI2Cدارای پورت USARTسریال قابل برنامه ریزیقابلیت ارتباط سریال SPIبه صورت MasterیاSlaveدارای تایمر قابل برنامه ریزی Watchdogبا اسیلاتور داخلی جداگانهدارای مقایسه کننده آنالوگ داخلیخصوصیات ویژه میکروکنترلرریست خودکار میکرو در هنگام روشن شدنشناسایی ولتاژ تغذیه ورودی قابل برنامه ریزی و ریست خودکار میکرودارای اسیلاتور RCداخلی کالیبره شدهمنابع وقفه داخلی و خارجیدارای ۶حالت خواب ) ( Sleep Modeبرای کم مصرف شدن میکروورودی/خروجی و بسته بندیدارای 32 خط ورودی/خروجی قابل برنامه ریزیدر بسته بندی های مختلف 40پایه ، PDIPMLFپایه۴۴ وTQFP پایه۴۴ولتاژهای کاریATMega32Lولت در۵٫۵ تا۷ -ATMega32ولت در۵٫۵ تا۵ -فرکانس های کاری63ATMega32LبرایMHz ۸ تا0 -ATMega32برایMHz 1۶ تا0 –طراحي هاي انجام شده در Proteus :اين طرح كلي طراحي شده در پروتئوس است كه داراي بخش هاي مختلفي مي باشد هر بخش به صورت جداگانه در زير توضيح داده مي شود:بخش بالا كليد هايي اند كه نشان دهنده مقادير سنسور هاي داخل مخزن اب مي باشند. در مخزن اب ما 4 سنسور وجود دارند كه يكي از ان ها در 25 درصد ظرفيت مخزن و يكي ديگر در 50 درصد ضرفيت مخزن و ديگري در 75 درصد ظرفيت مخزن و اخري در 100 درصد ضرفيت مخزن قرار دارند كه وقتي اب به ان سطح برسد ان سنسور ها فعال مي شوند. اين فرايند را توسط 4 كليد مدل سازي كرده ايم.اين چهار مقاوت كه به يك سر ان به زمين وصل است و سر ديگري هر كدام از ان ها به كليد وصل است كه مقدار اوليه كليد را pull down سخت افزاري يا صفر مي كند.در اين قسمت از 3 گيت AND استفاده شده است كه به اين منظور اسا اگر سنسور 75 درصد روشن شود بايد سنسور هاي قبلي ان نيز روشن شده باشند تا اكتيو شود يعني سنسور هاي 25 درصد و 50 درصد هم بايد اكيو باشند. . اين مسئله براي سنسور هاي 50 درصد و 75 درصد و 100 درصد به اجرا در امده است براي همين 3 عدد گيت AND داريم.در اين قسمت يك مانيتور كوچك داريم كه داراي 2 رديف است و 16 خانه در هر رديف كه در ان اطلاعات روشن يا خاموش بودن متور و ميزان لول اب با توجه به خروجي هاي سنسور ها نمايش داده مي شود.اين برد همان برد ATMEGA32 است كه براي توسعه ي مدل از اين برد استفاده شده است . در پروتئوس نيازي به مشخص كردن برق تيست بخش برق مدل هاي پروتئوس به صورت خودكار وصل مي باشند.در اين بخش متور DC تعريف شده است. كه براي مدل اوليه اين متور با برق خود دستگاه كار مي كند و ولتاژ ان 5volt مي باشد. در اينده مي توان با هر گونه پمپ ابي اين پروژه را پياده سازي كرد فقط كافيست اين پورت را به بخش كنترلي دستگاه وصل كرد(ممكن است براي اين كار نياز به يك مبدل ديگر باشد, طرح اين مبدل بستگي به پمپ اب انتخابي دارد.)كد هاي نوشته شده در Code Vision :ابتدا در نرم افزار code vision يك پروژه جديد مي سازيم و با استفاده از wizard نرم افزار نوع برد و نوع مانيتور را مشخص مي كنيم و همچنين مشخص مي كنيم كه اين مانيتور به كدام پورت ها وصل است. سپس كد ها را به گونه زير مي نويسيم:#include #include #include // Alphanumeric LCD functions#include // Declare your global variables herevoid main(void){lcd_init(16);DDRB=0X00;PORTB=0X00;DDRC=0XFF;PORTC=0b00000000;lcd_gotoxy(0,0);lcd_putsf("MOTOR = OFF");lcd_gotoxy(0,1);lcd_putsf("WATER_Level=0% ");while (1){if(PINB.0==1){//level 100% motor offPORTC=0b00000000;lcd_gotoxy(0,0);lcd_putsf("MOTOR = OFF");lcd_gotoxy(0,1);lcd_putsf("WATER_Level=100%");}else if(PINB.1==1){//level 75% motor onPORTC=0b00000001;lcd_gotoxy(0,0);lcd_putsf("MOTOR = ON ");lcd_gotoxy(0,1);lcd_putsf("WATER_Level=75% ");}else if(PINB.2==1){//level 50% motor onPINC.0=1;lcd_gotoxy(0,0);lcd_putsf("MOTOR = ON ");lcd_gotoxy(0,1);lcd_putsf("WATER_Level=50% ");}else if(PINB.3==1){//level 25% motor onPORTC=0b00000001;lcd_gotoxy(0,0);lcd_putsf("MOTOR = ON ");lcd_gotoxy(0,1);lcd_putsf("WATER_Level=25% ");}else{//level 0% motor onPORTC=0b00000001;lcd_gotoxy(0,0);lcd_putsf("MOTOR = ON ");lcd_gotoxy(0,1);lcd_putsf("WATER_Level=+0% ");}}نتيجه گيري:اين پروژه يك مدل كارامد براي ساخت كيت كنترل كننده اب است. و با تهيه سنسور ها و برد مي توان اين پروژه را به صورت عملي بست و كيت كنترل كننده داراي مانيتور را ساخت. چالش اصلي اين پروژه براي ساخت اين است كه برق برد و متور با هم تفاوت دارند و نياز به دو منبع مجزا برا ان ها است يا يك اداپتور براي برد مي باشد.

کاربرد big data قسمت دوم

مجتبی آهنگری — Wed, 03 Jun 2020 11:42:55 +0430

کاربردهای کلان داده 2. کاربردها در صنعت خرده‌فروشیاکثر خرده‌فروشان بزرگ مانند Costco، Wal-Mart، Target، و Amazon از کلان داده‌ها برای عملیات مختلف خود از جمله مدیریت اموال، توصیه‌ی محصولات، ردیابی جمعیت‌شناسی مشتریان، و همچنین ردیابی و مدیریت تاثیرات منفی یادآوری محصولات استفاده می‌کنند. برخی از خرده‌فروشان نیز از داده‌های مرتبط با مشتری‌ها برای بهبود کیفیت سرویس خود و ارتقای وفاداری مشتریان استفاده نموده‌اند.2-1. پیشنهاد محصولاتیکی از استراتژی‌های شناخته شده‌ای که شرکت‌های خرده‌فروشی برای افزایش درآمد خود از آن استفاده می‌کنند، پیشنهاد محصولات به مشتریان است، این محصولات پیشنهاد شده بر اساس محصولاتی توصیه می‌شوند که مشتری در حال حاضر مشغول خرید آنها می‌باشد و از این رو ممکن است علاقمند به خرید محصولات پیشنهادی نیز باشد. این مورد نوعی از یک خرده‌فروشی الکترونیکی است که در آن، سیستم‌های پایانی به اجرای موتورهای توصیه‌کننده‌ی محصولات می‌پردازند، این موتورها با استفاده از ارجاعات متقابل میان کالاهای فروخته شده به مشتریان مختلف، پیشنهاد خرید همان کالاها را به مشتریان دیگری می‌دهند که قصد خرید کالاهای مشابهی را دارند.خرده‌فروشانی که حضور آنلاین و آفلاین (تجارت خشت و ملات) دارند، می‌توانند از داده‌های جمع‌آوری شده از کانال‌های مختلف استفاده کنند و الگوهای خرید را یافته و محصولات را به صورت آنلاین پیشنهاد دهند. تحلیل مسیر و الگو برای تحلیل پیشینه‌ی رفتار خرید مشتری در کانال‌های مختلف مورد استفاده قرار می‌گیرد تا توصیه‌هایی با کیفیت بالا تولید شوند. روش‌های فیلتر کردن مشارکتی بر روی پیشینه‌ی خریدهای یک مشتری و الگوهای جستجو به کار گرفته می‌شوند، تا با مقایسه با رفتار دیگر مشتریان، توصیه‌های بعدی پیش‌بینی شود.روش‌های فیلتر کردن مشارکتی در سیستم‌های توصیه‌گر توسط خرده‌فروشان الکترونیکی از قبیل Amazon برای پیشنهاد محصولات مورد استفاده قرار می‌گیرند، همچنین روش‌های فیلتر کردن مشارکتی توسط موتور توصیه‌گر فیلم نیز به کار گرفته می‌شود، همانطور که Netflix از آن استفاده می‌کند. از این روش‌ها به صورت آفلاین نیز به کار گرفته می‌شوند تا تراکت‌های آخر هفته، تبلیغات بر روی رسید فروش‌ها، یا تبلیغ بر روی بسته‌ی محصولات به منظور ارتقاء فروش به درستی ایجاد شوند.2-2. پیش‌بینی گرایشاتخرده‌فروشان اطلاعات بسیار زیادی در مورد مشتری‌های خود از جمله مکان، جنسیت، و سن آنها را در حین تراکنش‌های مختلف معاملات خود جمع‌آوری می‌کنند. کاوش داده‌های خرده‌فروشی می‌تواند به شناسایی الگوهای خرید مشتریان و گرایشات آنها کمک کند که این امر به نوبه‌ی خود به شناسایی نیازهای مشتری برای برنامه‌ریزی موثر در جهت تبلیغ محصولات و جذب مشتریان بیشتر و افزایش درآمد/سود کمک می‌نماید. تحلیل چند-بُعدی و ابزارهای بصری‌سازی مجموعه‌دادگان می‌تواند برای پیش‌بینی مورد استفاده قرار گیرند تا بتوانند به برنامه‌ریزی تدارکات/حمل و نقل کالاهای مورد نیاز شرکت کمک کنند.3. کاربردهای کلان داده‌ها در ساخت و تولیدشرکت‌های تولیدی در سراسر جهان به شدت رقابتی شده‌اند و سود خالص نهایی در کسب و کار تجاری روز به روز کاهش می‌یابد. تولیدکنندگان همیشه به دنبال بهینه‌سازی هزینه‌های در حال اجرای کارخانه‌ها هستند و در نتیجه هزینه‌های نهایی افزایش می‌یابند. همانطور که در ادامه شرح داده می‌شود، تحلیل‌های کلان داده‌ها می‌توانند در چندین حوزه مورد استفاده قرار گیرند .3-1. تعمیر و نگهداری پیشگیرانهدر دنیای خودکار ساخت و تولید، حسگرها در هر جای ممکن برای نظارت بر خط مونتاژ مورد استفاده قرار می‌گیرند و بدین ترتیب خرابی سیستم‌ها می‌توانند به سرعت شناسایی و تعمیر شوند تا مدت زمانی که خط تولید کار نمی‌کند، به حداقل کاهش یابد. علت اصلی خرابی سیستم‌ها می‌تواند به یک یا چند پارامتر متعدد بستگی داشته باشد که در زیرسیستم‌های کوچکتری پخش شده‌اند که این زیرسیستم‌ها به خط مونتاژ متصل هستند. مقدار زیادی از داده‌های حسگر همگی داده‌های بدون ساختاری هستند که از سطح کارخانه‌ی در حال اجرا و تولید جمع‌آوری شده‌اند. سوابق تعمیر و نگهداری از زیرسیستم‌های مختلف نیز به صورت داده‌های نیمه‌ساخت‌یافته جمع‌آوری می‌شوند. مستنداتی مربوط به بهره‌وری نسبت به حداکثر ظرفیت نیز به همراه سوابق تعمیر و نگهداری و داده‌های حسگرها جمع‌آوری می‌شوند.تحلیل سری‌های زمانی بر روی زیرسیستم‌های مختلف بر اساس داده‌های حسگرهای مربوط به آن زیرسیستم‌ها انجام می‌گیرد و عمل تطابق الگو برای یافتن خرابی‌های احتمالی بر روی این داده‌ها اجرا می‌شود. همچنین، تحلیل مسیر و روش‌های ایجاد نشست نیز برای ضبط رویدادهای بحرانی مورد استفاده قرار می‌گیرند تا بر اساس همبستگی‌های موجود بین داده‌های خوانده شده توسط حسگرها، سوابق تعمیر و نگهداری، و مستندات جمع‌آوری شده به پیش‌بینی خرابی‌های احتمالی بپردازند. این امر کمک می‌کند تا اقدامات پیشگیرانه‌ای انجام شود تا خط مونتاژ برای مدت زمان طولانی و بدون وقفه در حال اجرا باشد و همچنین به بهبود ایمنی عملیات‌های در حال اجرا نیز کمک می‌کند.3-2. پیش‌بینی تقاضابا توجه به این که سفارشات روز-به-روز به صورت پویا در حال تغییر هستند، مهمترین عامل در کسب و کارهایی که با صنعت تولید در ارتباط هستند، این است که از منابع به صورت بهینه استفاده شود. وقتی که پیش‌بینی فروش و زمانبندی به درستی انجام گیرد، آنگاه به برنامه‌ریزی برای مواردی از قبیل به دست آوردن به موقع مواد اولیه، افزایش یا کاهش تولید، مدیریت انبار، و تدارکات حمل و نقل کمک خواهد کرد. در کوتاه مدت، اگر تخمین تقاضا بیش از حد زیاد در نظر گرفته شود، آنگاه سازنده را با محصولات به فروش نرفته‌ای مواجه می‌کند که می‌تواند تخلیه و خسارت مالی شدیدی به وی وارد نماید، همچنین اگر تخمین تقاضا بیش از حد کم در نظر گرفته شود، آنگاه منجر به از دست رفتن فرصت‌های فروش زیادی خواهد شد. در بلند مدت، پیش‌بینی تقاضا نیازمند برنامه‌ریزی بر روی سرمایه‌گذاری‌های استراتژیک و رشد کسب و کار است. از این رو، اجرای موثر یک کسب و کار با حداکثر سودآوری به یک سیستم جامع پیش‌بینی نیاز دارد.سری‌های زمانی یک روش پیش‌بینی مشهور است که برای پیش‌بینی تقاضاها در آینده مورد استفاده قرار می‌گیرد و بر اساس داده‌های سوابق فروش می‌باشد. وقتی که محیط با عواملی مانند نیازهای در حال تغییر مشتری و تاثیر رقابت به صورت پویا است، روش ساده‌ی سری‌های زمانی نمی‌تواند پیش‌بینی درستی از آینده داشته باشد.مدلسازی پیش‌بینی‌کننده یک روش پیشرفته‌تر و دقیق‌تر است که توانایی در نظر گرفتن تمام متغیرهایی را دارد که بر روی تقاضاهای آینده تاثیر می‌گذارند. این روش همچنین آزمایش سناریوهای متنوع را نیز ممکن ساخته و به درک روابط بین عوامل تاثیرگذار و نحوه تاثیر آنها بر روی تقاضای پایانی نیز کمک می‌کند.. کاربردهای کلان‌داده‌ها در مخابراتبا گسترش سرویس‌های مخابراتی در سراسر جهان، صنعت مخابرات در تلاش است با ارائه‌ی سرویس‌های گوناگون در زمینه‌ی صدا، ویدئو، و داده‌ها به بازارهای مختلف وارد شود. با توسعه‌ی فناوری‌ها و سرویس‌های جدید در میان کشورهای مختلف، بازار این صنعت نیز به سرعت در حال رشد است و بین فراهم‌کنندگان مختلف سرویس به شدت رقابت ایجاد شده است.شکل 7 چارچوبی از تحلیل کلان‌داده‌ها را برای حوزه‌ی مخابراتی نشان می‌دهد، که به عنوان پایه‌ای برای فرموله کردن استراتژی‌ها برای کسب و کار بهتر مورد استفاده قرار می‌گیرد. دیدگاه‌های تجاری برای بخش‌های مختلف کسب و کار بر اساس داده‌هایی استخراج می‌شود که از بسترهای متنوع جمع‌آوری شده‌اند. برخی از این موارد عبارتند از:داده‌های مشتری / مشترک: اطلاعات و پیشینه‌ی رابطه با فراهم‌کننده.الگوهای مصرف.سوابق سرویس مشتری: شکایات مربوط به سرویس یا درخواست برای سرویس‌های اضافی و بازخورد.اظهارنظرهای نوشته شده در رسانه‌های اجتماعی.شکل 7. چارچوب کلان‌داده‌ها در حوزه‌ی مخابراتدر بخش‌های زیر، ما به بررسی حوزه‌هایی خواهیم پرداخت که در آنها، صنعت با استفاده از کلان‌داده‌ها در تلاش است تا راه‌هایی را برای حفظ و تولید درآمد شناسایی کند.4-1. ریزش مشتریبه خوبی مشخص شده است که ریزش مشتری یک مشکل بزرگ برای تمام فراهم‌کنندگان سرویس مخابراتی می‌باشد. مشتریان فراهم‌کننده‌ی سرویس موجود را ترک نموده و در شرکت رقیب ثبت‌نام می‌کنند که باعث خسارت مالی و سوددهی می‌شود. به دست آوردن مشتریان جدید با استفاده از تبلیغات جدید، یک کار پُر هزینه است و بر روی افزایش هزینه‌های بازاریابی تاثیر دارد که به نوبه‌ی خود بر روی سودآوری شرکت تاثیر خواهد داشت.مطالعات نشان داده است که شناسایی عوامل کلیدی ریزش مشتری به صورت فعال و توسعه‌ی استراتژی‌های حفظ مشتری، برای به حداقل رساندن کاهش درآمد و سوددهی کمک می‌کند. پس از آن، فراهم‌کننده‌ی سرویس می‌تواند بر روی ارتقای زیرساخت شبکه در جهت کیفیت بهتر سرویس و پشتیبانی بهتر از سرویس‌ها برای حفظ و رشد پایگاه مشتریان تمرکز کند.به طور معمول برای شناسایی عوامل تحریک‌آمیز در ریزش مشتری‌ها و اعمال این عوامل بر روی مشترکان موجود و ارزیابی فرصت‌های لغو و انتقال سرویس آنها به فراهم‌کننده‌ی دیگر، روش‌های متعدد تحلیل داده‌های آماری مورد استفاده قرار می‌گیرند. با استفاده از داده‌های رفتار مشتری که از کانال‌های مختلف مانند پروفایل‌های تماس، تماس‌های شکایات مشتریان با مراکز تماس، اظهارنظرها از طریق پست‌الکترونیک، و بررسی بازخوردها جمع‌آوری شده‌اند، می‌توان پیش‌بینی ریزش بهتری برای شناسایی مشتریان با ریسک بالا انجام داد. به منظور تشخیص الگوهای رویدادهایی که منجر به ریزش مشتری می‌شوند، روش‌های تحلیل مسیر مورد استفاده قرار می‌گیرند. با استفاده از دسته‌بند نایو بیزین برای تحلیل متن، یک مدل ایجاد می‌شود تا مشتریان با ریسک بالا شناسایی شود.یک روش مشهور دیگر از موتورهای گراف استفاده می‌کند تا اتصالات بین کاربران را بر اساس سوابق جزئیات تماس نمایش دهد و سپس جوامع و افراد تاثیرگذار را در میان جوامع کاربران شناسایی کند. یکی از اقدامات اصلاحی برای مقابله با این مشکل، متعهد کردن مشتریانی است که احتمال ریزش آنها بالا می‌باشد و همچنین ایجاد انگیزه و تمدید قرارداد آنها برای مدت زمان بیشتر است.4-2. ارتقاء سرویس‌هافراهم‌کنندگان سرویس مخابراتی به طور مداوم به دنبال افزایش درآمد خود هستند و این کار را با پیشنهاد سرویس‌های کمکی و بیشتر به مشتریان انجام می‌دهند، و این پیشنهاد بر این اساس صورت می‌گیرد که مشتریان بر اساس طرح اشتراک فعلی آنها ممکن است به سرویس‌های پیشنهاد شده نیز علاقمند باشند. این پیشنهاد همچنین بر اساس تحلیل ارجاع متقابل میان مشتریانی صورت می‌گیرد که پرفایل‌های مشابهی دارند. استراتژی دیگر، ارتقاء سرویس به بهترین طرح ممکن با افزایش اندک قیمت است. روش‌های تحلیل داده‌هایی که برای این موتورهای توصیه‌گر مورد استفاده قرار می‌گیرند، به طور اساسی مشابه روش‌هایی است که برای کسب و کار خرده‌فروشی الکترونیکی (e-tailing) به کار گرفته می‌شوند.5. کاربردهای کلان‌داده‌ها در مراقبت از سلامتیاستفاده از تحلیل کلان‌داده‌ها اهمیت زیادی در صنعت مراقبت از سلامتی به دست آورده است، علت این اهمیت نیز به مشخصات این حوزه از قبیل مجموعه‌داده‌ی عظیمی از پرونده‌های الکترونیکی افراد، ارائه‌ی سرویس با کمترین هزینه، نیاز به پشتیبانی از اخذ تصمیمات مهم و بحرانی، و غیره مربوط می‌شود.شکل 10 یک چارچوب معمول را برای کاربردهای کلان‌داده‌ها در صنعت مراقبت از سلامتی نشان می‌دهد که اجزای مختلف یک بستر معمولی در آن نمایش داده شده است. مقدار بسیار زیادی از داده‌های جمع‌آوری شده از حوزه‌ی مراقبت از سلامتی شامل داده‌های بالینی از قبیل پرونده‌های آزمایشگاهی، نسخه‌ی دکترها، مکاتبات پزشکی، پرونده‌های الکترونیکی پزشکی (EMRها)، درخواست‌ها، و هزینه‌ها می‌باشند. تحلیل‌های پیشرفته بر رو این داده‌ها برای بهبود حفظ مشتری و نتایج، افزایش کارایی، و حفظ هزینه‌ها در کمترین سطح ممکن مورد استفاده قرار می‌گیرند. این تحلیل‌ها همچنین برای انجام تحقیقات کامل و تشخیص عوارض جانبی داروها مورد استفاده قرار می‌گیرند که این امر به رد صلاحیت و جمع‌آوری داروهای مضر سرعت می‌بخشدشکل 9. چارچوب تحلیلی برای مراقبت از سلامتیدر ادامه چند مثال از تحلیل‌های کلان‌داده‌ها در صنعت مراقبت از سلامتی بیان می‌شود:یافتن روش‌های جدید درمانموسسات ملی بهداشت در ایالات متحده پایگاه‌داده‌هایی را نگه‌داری می‌کنند که شامل تمام مقالات پزشکی منتشر شده در حوزه‌های مختلف مراقبت از سلامتی می‌باشند و این مقالات را در دسترس تمام محققان علاقمند قرار می‌دهند. حجم این مجموعه‌داده‌ی متشکل از اسناد، بسیار بزرگ است و کاوش اطلاعات معنی‌دار و مفید در آن به یک چالش تبدیل شده است.محققان از جستجوهای معنایی بر روی این پایگاه‌داده استفاده کرده‌اند تا روابط جدیدی را بین درمان‌ها و نتایج آنها به دست آورند. تحلیل گراف توسط محققانی مورد استفاده قرار می‌گیرد که بر روی سرطان تمرکز دارند و به این حقیقت پی برده‌اند که ایمونوتراپی بهتر از شیمی‌درمانی در برخی از موارد خاص سرطان عمل می‌کند. روش‌های نمایش بصری نیز برای یافتن سریع همبستگی‌ها مورد استفاده قرار می‌گیرد.مسیر چند-رویدادی برای جراحیاستفاده از روش‌های تحلیل مسیر و الگو بر روی داده‌های به دست آمده از پرونده‌ی بیمارانی با رویه‌های درمانی مختلف، این امکان را فراهم می‌آورد تا توالی رویدادها برای جراحی‌های گران قیمت شناسایی شود (یعنی اینکه مشخص شود کدام عمل در ابتدا و کدامیک باید در ادامه انجام شود، و بدین صورت ترتیب رویدادهایی که باید انجام شوند، مشخص گردد). با استفاده از این اطلاعات، مراقبت‌های پیشگیرانه‌ی بهتری برای جلوگیری از جراحی‌های پر هزینه و کمک به کاهش هزینه‌های پزشکی می‌توانند ارائه شوند.کاهش بازبینی ادعاارزیابی ادعاهای پزشکی شامل بررسی نسخه‌ی دکترها، مدارک پزشکی، و مستندات رویه‌ای صورتحساب است، به خصوص در مواردی که رویه‌ی درمان پیچیده و شامل پروسه‌های متعدد است، انجام این کار بسیار وقت‌گیر و فرآیند دشواری می‌باشد. به منظور کاهش چنین تلاشی که باید به صورت دستی انجام شود، روش‌های تحلیل متن، یعنی نگاشت فازی (Fuzzy Match) برای تعیین شیوه‌های پرداخت نادرست و همچنین سوءاستفاده‌های احتمالی، کلاهبرداری، یا فعالیت‌های ناخواسته به کار گرفته می‌شوند.ویژگی های کلان دادهبرای کلان داده در ابتدا سه ویژگی (3 (vگفته می‌شد؛ اما حالا می‌گویند کلان‌داده دارای ۵ ویژگی زیر است.:۱. حجم زیاد (Volume)وقتی از داده‌های کلان صحبت می‌کنیم، مشخص است که منظورمان چند صد ردیف مشخصات افراد در فایل اکسل باشگاه مشتریان نیست.زمانی می‌توان از اصطلاح کلان‌داده استفاده کرد که حجم داده‌های جمع شده آنقدر بزرگ باشد که با ابزارهای معمولی نتوانیم آن‌ها را تحلیل کنیم.در ضمن دقت کنید که استفاده از واحدهای اندازه‌گیری مثل ترابایت یا پتابایت هم برای تعریف حجم داده چندان درست نیست؛ چون وابسته به نوع داده است. مثلاً حجم فیلم و تصویر قابل مقایسه با نوشتار نیست.2. نرخ تولید بالا(Velocity)در بسیاری از موارد جمع‌آوری داده‌ها به صورت مقطعی نیست. یعنی این داده‌ها همچنان تولید می‌شوند و حجم اطلاعات بزرگ‌تر و بزرگ‌تر می‌شود.به لطف اینترنت و فناوری‌های جمع‌آوری داده (از سنسورها بگیرید تا اپلیکیشن‌های گوشی)، جمع‌آوری حجم زیاد اطلاعات کار آسانی شده است.بهترین مثال از نرخ تولید بالای داده، شبکه‌های اجتماعی هستند. در هر ثانیه میلیون‌ها نفر در شبکه‌های اجتماعی فعالیت می‌کنند..3. . تغییر پذیری و تنوع زیاد (Variety)همه این اطلاعات یک‌دست و یک نوع نیستند. برای مثال در شبکه اجتماعی توئیتر روزانه میلیون‌ها نوشته، عکس، ویدیو و لینک به اشتراک گذاشته می‌شود. هرکدام از توئیت‌ها خودشان حاوی ده‌ها اطلاعات دیگر هستند؛ از اطلاعات ساده‌ای مثل ساعت و تاریخ توئیت تا اطلاعات عمیق‌تر مثل موضوع محتوا و چگونگی واکنش کاربران به آن.4. صحت داده‌ها (Veracity)داده‌هایی را می‌توان در رده بیگ دیتا قرار داد که از صحت آن مطمئن باشیم. این ویژگی کلان داده‌ شاید بدیهی به نظر برسد اما همین اطمینان از صحت منابع، استاندارها و شاخص‌های پیچیده و تخصصی دارد که به تحلیل‌گرها کمک می‌کند به خطا نروند.در مرحله فیلتر کردن داده‌ها اطمینان یافتن از صحت خیلی مهم است. اگر داده‌ها صحت کافی نداشته باشند، همه مراحل بعدی تحت تاثیر قرار می‌گیرد و نتایج درستی حاصل نخواهد شد.۵. ارزش(value)برای فهمیدن این که داده ارزش دارد یا نه، باید پاسخ یک سوال مهم را پیدا کرد:چطور می‌توان از داده‌ها برای استخراج چیزی بامعنی در راستای اهداف افراد یا کسب‌وکارها استفاده کرد؟داده‌ای ارزشمند است که در رسیدن به این هدف کمک کند؛ واگرنه بیشتر داده‌ها بی‌ارزش هستند. در بسیاری از سازمان‌ها و شرکت‌ها، روزانه حجم زیادی داده تولید می‌شود که شاید مدیران در نگاه اول فکر کنند با ارزش هستند اما در واقع داده‌هایی هرز باشند.انواع تحلیل کلان دادههدف تحلیل بیگ دیتا، به هدف کسب‌وکاری است که می‌خواهد آن را اجرا کند وابسته است. اما به‌هرحال خروجی هر تحلیل باید گزارش، الگو، روند، مدل یا پیش‌بینی باشد.در کل می‌‌توان انواع تحلیل مبتنی بر بیگ دیتا را به ۴ نوع تقسیم کرد.:1. تحلیل توصیفی (Descriptive)نتیجه تحلیل توصیفی یک نمودار، جدول یا هر نوع گزارش دیگر است که به مدیران کمک می‌کند بفهمند در یک نقطه معین چه اتفاقی در حال رخ دادن است. این نوع تحلیل، متمرکز بر رخدادهای گذشته است.2. تحلیل تشخیصی(Diagnostic)تحلیل تشخیصی به دنبال چرایی به وجود آمدن یک مشکل است. این نوع تحلیل نسبت به توصیفی پیچیده‌تر و عمیق‌تر است و به همین دلیل در بیشتر موارد نیازمند سیستم‌های مبتنی بر هوش مصنوعی و یادگیری ماشین است.3. تحلیل پیش‌بینی (Predictive)با در کنار هم قرار گرفتن الگوریتم‌‌های پیشرفته و هوش مصنوعی می‌توان قبل از وقوع مشکل آن را پیش‌بینی کرد. وقتی مشکلی قبل از وقوع پیش‌بینی شود می‌توان تا حد زیادی در هزینه‌‌ها صرفه‌جویی کرد.4. تجویزی(Prescriptive)این نوع از تحلیل پیچیده‌‌ترین و پرهزینه‌ترین نوع تحلیل بیگ دیتا است. در این نوع تحلیل راهکار مشکلاتی که هنوز اتفاق نیافتاده‌‌اند هم مشخص می‌شود.آینده Big Dataمتخصصین علوم داده می‌گویند هر انسانی که در حال حاضر در شهری پیشرفته زندگی می‌کند و به لوازم دیجیتال دسترسی دارد در هر ثانیه حدود ۱/۵ مگابایت دادهتولید می‌کند. این رقم هر روز بزرگتر می‌شود و این داده‌ها با سرعت بیشتری ذخیره می‌شود.بیگ دیتا در معنای دقیقش چیز عجیبی نیست. در واقع ما انسان‌ها می‌دانستیم که با داشتن داده‌های بیشتر می‌توان ارتباط پدیده‌ها را کشف کرد، اما امکانات و بستری برای این کار نداشتیم.به لطف اینترنت و ظهور سایر فناوری‌ها این بستر فراهم شد و در آینده‌ای نزدیک با گسترش بیشتر اینترنت اشیاء سرعت و حجم تولید داده افزایش چشم‌گیری خواهد داشت.در این که کسب‌وکارها ناچارند به سمت فرایندهای داده‌محور بروند شکی نیست اما آن‌هایی موفق خواهند شد که هرچه زودتر وارد این عرصه شوند.10. نتیجه‌گیریاکثر شرکت‌های بزرگ با مشکل پیدا کردن مقادیر در میان حجم زیادی از داده‌ها روبرو هستند، حجم عظیمی از داده‌ها که در طول سال‌ها جمع‌آوری کرده‌اند. بسته به بخش کسب و کاری که تجارت مورد نظر با آن سروکار دارد، روش‌های مختلفی برای تحلیل داده‌ها جهت شناسایی کسب و کارهای جدید، بهینه‌سازی بهره‌وری عملیاتی و غیره مورد استفاده قرار گرفته‌اند تا فروش کل را افزایش دهند.ما در این مقاله سعی کردیم تا چندین حوزه از صنایع مختلفی را ارائه دهیم که کاربردهای کلان داده‌ها و تحلیل‌های آن به طور موثری در این حوزه‌ها مورد استفاده قرار گرفته‌اند. شناسایی حوزه‌های جدید و بررسی راه‌حل‌های جدید می‌تواند مسیر تمرکز مطالعاتی برای آینده باشد. شرکت‌ها ارزش را در سرمایه‌گذاری بر روی استراتژی‌های داده-محور دانسته و پی برده‌اند که برای پیشرفت در میدان رقابت، استراتژی کلان داده‌ها یک جزء کلیدی در کسب و کار است.

کاربرد big data قسمت اول

مجتبی آهنگری — Wed, 03 Jun 2020 11:25:48 +0430

بسم الله الرحمن الرحیمموسسه آموزش عالی صدرالمتالهینگروه مهندسی نرم افزارعنوان: کاربرد Big Dataتوسط: مجتبی آهنگری -951215271007استاد: جناب آقای داوود یعقوبی تبارخرداد 99 چکیدهدر طول چند دهه‌ی گذشته، سازمان‌های بزرگ تجاری در زمینه‌های مختلف اقدام به جمع‌آوری داده‌ها از بخش‌های متفاوت و در قالب‌های متعدد کرده‌اند و تلاش نموده‌اند تا مجموعه‌دادگان را به هم ارتباط داده و بر اساس آنها تصمیمات با ارزش تجاری اتخاذ نمایند. مانع کلیدی در اجرای این امر، ناتوانی سیستم‌های موجود برای پردازش داده‌های بزرگی است که بخشی از این داده‌ها دارای ساختار و بخشی دیگر بدون ساختار هستند. گام‌های بلند فناوری در طول چند سال گذشته توانسته است تا ناتوانی پردازش مجموعه‌دادگان بزرگ را رفع کرده و توانایی کاوش و تحلیل داده‌های بزرگ را فراهم نماید. شرکت‌هایی که در حوزه‌ی انبار داده‌ها هستند، این روند را به عنوان فرصت بزرگی در جهت کمک به کاربران خود دیده‌اند تا کاربران بتوانند به کاوش پیشینه‌ی داده‌های خود بپردازند و بر اساس دیدی که از کاوش داده‌های جمع شده‌ی خود در طول دهه‌ها به دست می‌آورند، به کسب و کار خود ارزش‌های تاکتیکی و استراتژیک بیفزایند. در این فصل، ما نمونه‌های کلی را خواهیم دید که چگونه کسب و کارهای مختلف به تحلیل داده‌های خود می‌پردازند و با استفاده از آنها اهداف تجاری خود را ارتقا می‌دهند. ما چندین مثال در زمینه‌های خدمات مالی، خرده‌فروشی، ساخت و تولید، ارتباطات، رسانه‌های اجتماعی، و مراقبت از سلامتی ارائه خواهیم داد.1. مقدمهتمام شرکت‌های بزرگ با محیط‌های به شدت رقابتی و با فشار ثابت روبرو هستند تا سودآوری را با استفاده از شناسایی راهکارهای عملیاتی افزایش دهند و در عین حال خطر کسب و کار را نیز به حداقل برسانند. تمام کسب و کارهای بزرگ به اهمیت تحلیل پیشینه و سوابق داده‌ها پی برده‌اند، پیشینه‌ی داده‌ها در واقع داده‌هایی هستند که این شرکت‌ها در طی سالیان دراز آنها را جمع‌آوری کرده‌اند، و تحلیل این داده‌ها به بخشی جدایی‌ناپذیر برای گرفتن تصمیمات استراتژیک در این شرکت‌ها تبدیل شده است. بنابراین انگیزه‌ی زیادی وجود دارد که سیستم‌های یکپارچه‌ای برای مدیریت داده‌ها راه‌اندازی شده و از هوش تجاری و روش‌های تحلیل برای بهبود کسب و کار آنها استفاده شود.در سال‌های گذشته، تحلیل‌های کلان داده‌ها توجه گسترده‌ای را در کاربردهای متعدد و در حوزه‌های مختلف، هم در صنعت و هم در دانشگاه به خود جلب نموده است. اگر چه این حوزه در دهه‌ی گذشته پیشرفت چشمگیری داشته است، با این حال همچنان مشکلات چالش‌برانگیزی وجود دارد و باید برای مسائل جدید و پیچیده در بازار رو به رشد این حوزه راه‌حل‌هایی یافته شوند. روش‌های مختلفی در مدلسازی، تحلیل آماری، داده‌کاوی، و یادگیری ماشین برای پیش‌بینی رویدادهای بعدی در آینده و پیش‌بینی رفتارهای مشتری مورد استفاده قرار می‌گیرند تا پس از آن بر اساس این موارد، اقدامات فعالانه‌ای برای حفاظت و ارتقای اهداف کسب و کار انجام شوند.در بخش‌های زیر، ما بررسی سطح بالایی بر چالش‌های مطرح شده توسط صنایع مختلف ارائه خواهیم داد و همچنین در این مورد بحث می‌کنیم که کلان داده‌ها چگونه برای حل این چالش‌ها در بخش‌های مربوط به کسب و کار آنها مورد استفاده قرار می‌گیرد. اگر چه تحلیل‌های کلان داده‌ها پتانسیل استفاده شدن در صنایع حوزه‌های مختلفی را دارند، ولی ما بررسی خود را به تعداد کمی از این حوزه‌ها، یعنی حوزه‌ی بانکی و مالی (بخش 2)، خرده‌فروشی (بخش 3)، ساخت و تولید (بخش 4)، مخابرات (بخش 5)، رسانه‌های اجتماعی (بخش 6)، و مراقبت از سلامتی (سلامتی 7) محدود می‌کنیم.2. معماری مرجع کلان داده‌هاشکل 1 چارچوب معماری سطح بالایی از یک سیستم معمولی کلان داده‌ها را نشان می‌دهد که شامل اجزای زیر است:1. جمع‌آوری داده‌ها از منابع مختلف،2. زیرساختی برای انجام تبدیل‌های گوناگون بر روی داده‌ها،3. ذخیره‌سازی داده‌ها در مخازن مختلف،4. اجرای موتورهای تحلیلی با عملکرد بالا،مجموعه ابزار گزارش‌دهی و نمایش نتایج و فرآیندها.شکل 1. معماری زیرساخت کلان داده‌هامنابع داده‌ها می‌توانند برگرفته از سیستم‌های عملیاتی باشند که ساختار خوبی دارند (مانند طرح‌ها/ جداول/ ستون‌ها/ غیره) یا می‌توانند بدون ساختار باشند مانند داده‌های رسانه‌های اجتماعی، داده‌های جریان کلیک، رویدادهای ثبت شده، و داده‌های چندرسانه‌ای. اکثر داده‌های با ساختار (ساخت‌یافته) در محیط‌های معمولی برای ذخیره‌سازی داده‌ها ذخیره می‌شوند و داده‌های نیمه‌ساخت‌یافته و بدون ساختار (غیر ساخت‌یافته) نیز در خوشه‌های Hadoop ذخیره می‌شوند. داده‌ها در سیستم‌های جمع‌آوری‌کننده‌ی داده‌ها از قبیل بازار داده‌ها و انواع مختلف موتورهای تحلیلی توزیع می‌شوند، کاربران در این اماکن می‌توانند با استفاده از ابزارهای تحلیلی و گزارش‌دهی بر اساس SQL به پرس و جو (کوئری) بر روی این داده‌ها بپردازند و اطلاعات موردنیاز خود را بیابند. بسته به کاربرد مورد نظر، روش‌های تحلیلی مختلفی از قبیل تحلیل همبستگی، تحلیل روند و الگو، فیلترسازی مشارکتی، تحلیل سری‌های زمانی، تحلیل گراف، تحلیل مسیر، و تحلیل متن بر روی داده‌ها اجرا می‌شوند و این روش‌های تحلیلی پیش از نمایش داده‌ها انجام می‌گیرند، نمایش داده‌ها بر روی پیشخوان با استفاده از روش‌های متعدد بصری‌سازی و نمایش صورت می‌گیرد. بحث دقیقی بر روی این اجزاء در فصول قبلی ارائه شده است.شرکت‌های فروشنده‌ی زیادی هستند که راه‌حل‌هایی را بر اساس معماری مرجع فوق ارائه می‌دهند، که Tera data و IBMدو نمونه از این شرکت‌ها می‌باشند.شکل 2 بستر تحلیل کلان‌داده را نشان می‌دهد که متعلق به شرکت Tera data است و بستر معماری داده واحد نامیده می‌شود [2] و قابلیت‌های زیر را دارد:1. ضبط و تبدیل داده‌ها از انواع منابع مختلفی که به صورت با ساختار، نیمه‌ساخت‌یافته، یا بدون ساختار هستند.2. توانایی پردازش حجم عظیمی از داده‌ها با استفاده از Hadoop به همراه کشف داده‌ها و ادغام ذخایر داده‌ها.3. پشتیبانی از توابع تحلیلی از پیش آماده در دسته‌هایی به صورت تحلیل مسیر، تحلیل خوشه، تحلیل آماری، تحلیل پیش‌بینی، تحلیل متن، تحلیل رابطه‌ای، و تحلیل گراف.4. مقیاس‌پذیری و عملکرد بالاشکل 2. معماری داده‌ی واحد شرکت Tera dataاگر چه معماری مرجع نشان داده شده در شکل 1 به ارائه‌ی مجموعه‌ی کاملی از قابلیت‌هایی می‌پردازد که در هر برنامه‌ی کاربردی کلان‌داده‌ها موردنیاز هستند، با این حال لازم به ذکر است که تمام زیرسیستم‌های نشان داده شده در این مرجع لازم نیست که در هر برنامه‌ی کاربردی حضور داشته باشند و داشتن تمام این اجزاء برای تمام کاربردها الزامی نیست. در ادامه در بخش‌های زیر به ارائه‌ی چارچوب‌ها و اجزای آن برای کاربردهای خاص صنعت می‌پردازیمکاربرد Big Data1. کاربردهای کلان‌داده‌ها در بانکداری و صنایع مالیمقادیر عظیمی از داده‌ها توسط صنایع مالی و بانکداری در حال تولید هستند، این داده‌ها از طریق سرویس‌های مختلفی تولید می‌شوند، از قبیل حساب‌های پس‌انداز/حسابرسی، بانکداری همراه، کارت‌های اعتباری و بدهی، وام‌ها، بیمه، و سرویس‌های سرمایه‌گذاری که همگی این سرویس‌ها توسط این صنایع ارائه می‌شوند. اکثر این داده‌های تولید شده به صورت داده‌های با ساختار (ساخت‌یافته) هستند. همچنین، اکثر این سازمان‌ها دارای شعب آنلاین نیز می‌باشند تا سرویس‌دهی و بازاریابی بهتری را ارائه دهند که مقادیر زیادی از داده‌ها نیز از این طریق جمع‌آوری می‌شوند. همانطور که در شکل 3 نشان داده شده است، برخی از کانال‌های جمع‌آوری داده‌ها عبارتند از:· تعاملات مشتری از طریق پست‌های الکترونیکی و چت‌های ثبت شده؛· شبکه‌های اجتماعی از طریق توییت‌ها و پُست‌ها/فیدهای Facebook؛ وداده‌های نیمه-ساخت‌یافته از طریق logهای ثبت شده از وب و عقاید مشتری‌هاشکل 3. تحلیل‌های کلان‌داده‌ها در صنعت بانکداری اکثر داده‌های جمع‌آوری شده مورد استفاده قرار نمی‌گیرند، و صنعت به دنبال فناوری جدیدی در زمینه‌ی داده‌کاوی و تحلیل تجاری است تا به درک و شناسایی نیازهای مشتری و پیشنهاد سرویس‌های جدید کمک کند، که این امر فرصت‌های کسب و کار آنها را ارتقا داده و سود خالص و میزان سودبخشی را افزایش خواهند داد. همچنین صنعت مالی به دنبال راه‌حل‌هایی در زمینه‌ی مدیریت خطر و تشخیص کلاهبرداری نیز می‌باشد تا افشای اطلاعات محرمانه‌ی تجاری را به حداقل برساند. یکی دیگر از زمینه‌های مورد علاقه برای صنعت در استفاده از تحلیل‌های کلان‌داده‌ها، یافتن استراتژی‌هایی برای حفظ مشتری‌ها می‌باشد.در بخش‌های زیر، ما در مورد نحوه‌ی استفاده از تحلیل‌های کلان‌داده‌ها در برخی از این حوزه‌های مهم با جزئیات بیشتری بحث می‌کنیم.1-1. تشخیص کلاهبرداریبررسی‌ها و مطالعات متعدد نشان می‌دهند که صنعت سرویس‌های مالی و بانکداری در میان صنایع مختلف، قربانی بسیاری از موارد کلاهبرداری می‌باشد. برخی از کلاهبرداری‌هایی که به طور گسترده در صنعت بانکداری شناخته می‌شوند، عبارتند از:1. کلاهبرداری آنلاین بانکی: این نوع کلاهبرداری شامل کلاهبردارانی است که دسترسی به حساب قربانیان را در دست گرفته و تراکنش‌هایی را انجام می‌دهند تا وجوه بانکی را از حساب‌های آنها خارج نمایند.2. کلاهبرداری در کارت: این نوع کلاهبرداری شامل کلاهبردارانی است که اطلاعات کارت بانکی را ربوده و تراکتش‌های تقلبی را انجام می‌دهند.3. کلاهبرداری در داخل سیستم بانکی: این نوع شامل کلاهبرداری‌هایی است که توسط کارکنان بانک انجام می‌شوند.4. پولشویی: جُرمی است که شامل تراکنش‌هایی عمدتا با بانک‌های خارجی می‌باشد تا از این طریق ریشه‌های ثروت‌های غیرقانونی را پنهان کنند.رویکرد رایج و معمولی برای غربال این موارد، گزارش به صورت دستی و استفاده از قوانین مختلف است که این رویکرد تنها برای روند پذیرش عملیات بانکی مفید بوده و برای تشخیص کلاهبرداری و متوقف کردن خسارت مفید نمی‌باشد. صنعت مالی نیاز دارد که تشخیص کلاهبرداری به صورت بی‌درنگ انجام شود تا تراکنش‌های مربوط به کلاهبرداران به صورت بی‌درنگ شناسایی شده و اجرای آنها متوقف شود .استفاده از تحلیل‌ها برای تشخیص الگوهای رفتار کلاهبرداری، عنصر کلیدی در تشخیص کلاهبرداری است. این امر نیاز به درک روشنی از رفتار گذشته‌ی مشتری از لحاظ ماهیت تراکنش‌ها دارد تا بتوان تراکنش‌های سالم و تراکنش‌های مربوط به کلاهبرداری را به طور موثری تفکیک نمود، این کار با تحلیل تراکنش‌ها بر اساس پروفایل مشتری صورت می‌گیرد، تراکنش‌هایی که ممکن است شامل یک نمره منفی (امتیاز خطر) باشد. این فرآیند امتیاز دادن به تراکنش‌ها نیاز دارد که ماهیت غیرقابل پیش‌بینی بودن تراکنش‌ها بر اساس رفتار مشتری‌های مختلف در نظر گرفته شود، چرا که مجموعه‌ی مشتری‌ها شامل مشتریان عادی و مُجرمان است.از این رو تشخیص کلاهبرداری شامل یک فرآیند دو مرحله‌ای است که عبارتند از:ایجاد پروفایل مشتریان بر اساس سوابق تراکنش‌ها و شناسایی الگوی تراکنش‌هایی که منجر به کلاهبرداری می‌شوند.پروفایل مشتریان برای شناسایی هر گونه نمونه‌ی پَرت یا تطابقی از توالی‌ها / رویدادها با الگوهای از پیش‌تعریف شده‌ی کلاهبرداری‌ها مورد استفاده قرار گرفته و از انجام تراکنش‌های احتمالا مرتبط با کلاهبرداری پیشگیری شود.ایجاد پروفایل مشتریان به صورت استفاده از روش‌های آماری با استفاده از محاسبه‌ی میانگین آماری، مقادیر بیشینه و کمینه، انحراف معیار و غیره بر روی سوابق تراکنش‌ها است تا ترکیبی از تراکنش‌های معمولی به دست آید. شکل دیگری از ایجاد پروفایل مشتریان به صورت به دست آوردن روابطی است که تراکنش‌ها میان چه کسانی انجام شده‌اند. روش‌های گرافیکی برای ثبت روابط موجود در شبکه مورد استفاده قرار می‌گیرند و این کار را با استفاده از انطباق تراکنش‌ها بین مشتریانی انجام می‌دهند که از روش‌های پرداخت استفاده کرده‌اند. شکل 4 جریان ایجاد این الگوها و پروفایل مشتریان را نشان می‌دهد.شکل 4. ایجاد پروفایل مشتری برای تشخیص کلاهبرداریشکل 5 جریان تشخیص بی‌درنگ کلاهبرداری و جداسازی آن در حین اجرای یک تراکنش را نشان می‌دهد. اگر تراکنش انجام شده از نظر مقدار تراکنش، اتصال تراکنش، و غیره با پروفایل مشتری مطابقت ندارد، آنگاه برای بررسی‌هایی در سطوح بالاتر تشخیص داده می‌شود. تشخیص آماری نمونه‌ی پرت بر اساس سوابق آماری در پروفایل مشتری یکی از روش‌های تشخیص تراکنش مشکوک استشکل 5. تشخیص بی‌درنگ کلاهبرداری با استفاده از پروفایل مشتریتحلیل الگو در رویداد تراکنش‌ها و مقایسه‌ی آن با الگوهای از پیش‌تعریف شده‌ی فعالیت‌های کلاهبرداری، روش محبوبی است که در شناسایی بی‌درنگ هر گونه مشتری کلاهبردار مورد استفاده قرار می‌گیرد. روش‌های تحلیل سری‌های زمانی نیز برای شناسایی این مورد به کار گرفته می‌شود که آیا فعالیت مشتری با قوانین تجاری که عنوان کلاهبرداری تعریف شده‌اند، مطابقت دارد یا خیر1-2. پولشوییپولشویی یک نوع کلاهبرداری پیچیده‌تری است، و تشخیص آن نیاز به راه‌اندازی مراحل پیچیده‌تر و ادغام سیستم‌های چند-بُعدی پایگاه‌داده‌ها را دارد که داده‌های هر یک از این پایگاه‌داده‌ها نیز از منابع مختلف مانند پایگاه‌داده‌های تراکنش‌های بانکی و اجرای قانون و غیره جمع‌آوری شده‌اند.شبکه‌های پیچیده‌ای از روابط میان اجزای مختلف با استفاده از پیوند دادن داده‌های تولید شده بر روی منابع مختلف از قبیل تلفن، ایمیل، مرورگر وب، سوابق سفر و غیره شناسایی می‌شوند و بدین ترتیب پیوندهای موجود بین بازیگران آشنا و ناشناس تشخیص داده می‌شوند. گراف‌هایی از موسسات متصل بانکی، حساب‌های بانکی مشتری‌ها، و تراکنش‌های انجام شده‌ی بانکی در زمان‌های خاص با استفاده از وسایل خاص مورد استفاده قرار می‌گیرند تا به روش‌های شناسایی بالقوه پولشویی کمک نمایند. روش‌های تحلیل داده‌ها از قبیل خوشه‌بندی، دسته‌بندی، شناسایی داده‌های پَرت، و ابزارهای بصری‌سازی داده‌ها نیز می‌توانند برای تشخیص الگوها در تراکنش‌ها مورد استفاده قرار گیرند، تراکنش‌هایی که شامل حجم عظیمی از جابه‌جایی پول بین مجموعه‌ی خاصی از حساب‌ها هستند. این روش‌ها پتانسیل شناسایی الگوها و روابط بین فعالیت‌های کلیدی را دارند که این امر می‌تواند به شناسایی موارد مشکوک جهت تحقیق و رسیدگی بیشتر کمک نماید.1-3. تحلیل خطربه طور کلی، بانک‌ها و موسسات مالی روش‌هایی برای اندازه‌گیری میزان خطر و کاهش آن دارند. نیروهای مختلف بازاری با انواع مختلف خطرها روبرو هستند، و درک درستی از ضررهای احتمالی برای تمام شرایط ممکن مورد نیاز است.علاوه بر انواع مختلف خطرها در صنایع مالی ، پیش‌بینی اعتبار دادن وام و حساب‌های کارت اعتباری نیز یکی از حوزه‌های مهمی است که به علت گستردگی این گونه حساب‌ها و کاهش ضررهای ناشی از آنها، به یکی از مسائل اساسی در کسب و کارها تبدیل شده است. پیش‌بینی عوامل مختلفی که در دادن اعتبار نقش اساسی دارند با استفاده از روش‌های داده‌کاوی انجام می‌شوند، روش‌هایی که مربوط به انتخاب ویژگی و ارتباط ویژگی هستند (شکل 6). بر اساس نتایج به دست آمده از تحلیل‌ها، بانک‌ها می‌توانند مشتریانی را شناسایی کنند که متعلق به دسته‌ی کم-خطر هستند یا مبالغ پرداخت مناسب و قابل قبولی را به مشتریان پیشنهاد دهند.شکل 6. چارچوب تحلیل خطر مالیدر قسمت بعدی این مقاله به موارد دیگر کاربردهای کلان داده و ویژگی آن خواهیم پرداخت.

رایانش ابری قسمت اول

مجتبی آهنگری — Wed, 03 Jun 2020 10:54:54 +0430

بسم الله الرحمن الرحیمموسسه آموزش عالی صدرالمتالهینگروه مهندسی نرم افزارعنوان: رایانش ابری(cloud computing)توسط: مجتبی آهنگری -951215271007استاد: جناب آقای داوود یعقوبی تبارخرداد 99چکیدهرایانش ابری Cloud Computing یک مفهوم جدید است که به استخری از منابع کامپیوتری مجازی اشاره دارد. توسعه پویای و مقیاس پذیر مبتنی بر اینترنت که اغلب به عنوان یک سرویس ارائه می شود ، آن را به یک موضوع بسیارجالب و قابل توجه تبدیل کرده است. سرویس ها در این ابر میتواند ماشین فیزیکی، ماشین مجازی، نرم افزار و ... باشد. تحقق عدالت اجتماعی، کاهش هزينهها، گسترش امنيت در فضای مجازی و از همه مهمتر حفظ و دستيابی به قوانين امنيتی در عرصه وب، مهمترين عوامل بهرهگيری از رايانش ابری میباشند .با توجه به اينكه رايانش ابری مزيت های بالقوه ای دارد، استفاده از آن در برنامه های سازمانی در حال افزايش است. فناوری رايانش ابری در يک طيف گسترده ایی از معماری، تحت سرويسها و مدلهای استقرار مختلف کاربرد دارد. همچنين میتوان از آن در ساير فناوریها و روشهای طراحی نرم افزار بهره گرفت. از طرف ديگر، کسب دانش در موضوعاتی همانند تهديدات، حفظ حريم خصوصی، درک آسيبهای احتمالی و ارائه راهكار موثر برای موفقيت در اين فناوری ضروری است.در این مقاله به مزایا و معایب و چالش های پیش روی رایانش ابری خواهیم پرداخت.مقدمهدر سال‌های اخیر رایانش ابری در حال تبدیل شدن به یک فناوری مهم در حوزه‌ی فناوری اطلاعات است.در یک تعریف عمومی، دیتاسنترهای سخت‌افزاری و نرم‌افزارهای تأمین‌کننده‌ی سرویس پردازشی را «رایانش ابری» می‌نامند. رایانش ابری یک روش نوین پردازش است که در آن منابع قابل گسترش و اغلب مجازی شده، به صورت یک سرویس پردازشی و از طریق شبکه‌های ارتباطی مانند شبکه‌های محلی و اینترنت عرضه می‌شود. محوریت این مدل، سرویس‌دهی به کاربر بر اساس تقاضا است، بدون آن که کاربر نیازی به تجهیزات خاصی برای پردازش داشته یا از محل انجام این پردازش آگاه باشد. این سرویس را می‌توان به شبکه برق‌رسانی تشبیه کرد که مشترک بدون نیاز به داشتن اطلاع از نحوه‌ی تولید برق و مکان دقیق تولید آن، تنها با اتصال از طریق یک درگاه، انرژی لازم برای استفاده از وسایل الکتریکی خود را تامین می‌کند.شرکتهای دنیا همواره به دنبال راهی برای سرعت بخشیدن و ارتقای خدمات خود به مشتری هستند. طبیعتا هر شرکتی که سریعتر عمل کند و خدمات بهتری در اختیار کاربرانش قرار دهد برنده این میدان خواهد بود.گوگل از مدت ها پیش با ارائه خدمات(google docs) خود گام مهمی را در قرار دادن سرویس ها در ابر قرار داد.شما می توانید فایلهای متنی خود و یا اکسل را آپلود و یا حتی آنلاین ایجاد کنید و ویرایش کنید. می توانید دیگران را دعوت کنید تا این فایل ها را ببینند و همزمان با هم ویرایش آن را انجام دهید. دیگر شما باکی ندارید که اگر کامپیوتر شما خراب شود چرا که مطمئن هستید فایل ها بر روی سرورهای گوگل وجود دارند. مانند هر پدیده دیگر قرار دادن فایل ها و اطلاعات بر روی یک سرور مرکزی نیز با مشکلات و مخالفت هایی رو به رو بوده است.تاریخچهپیدایش مفاهیم اساسی رایانش ابری به دهه 1960 بازمی گردد.زمانی که جان مک کارتی اظهار داشت که (رایانش ممکن است روزی بعنوان یکی از صنایع همگانی سازماندهی شود).عبارت ابر در سال 1990 در حوزه تجارت به معنای شبکه بزرگ ATM شناخته می شد.در سال 1999 وب سایت Salesforce.com توسط مارک بینوف و پارکر هرس راه اندازی شد.آنها از فناوری های مختلفی در سایت هایی چون گوگل و یاهو استفاده می کردند.سایت آمازون با مدرنسازی مرکز داده خود نقش مهمی در گسترش رایانش ابری ایفا کرد. بعد از حباب دات کام آنها دریافتند که با تغییر مرکز داده های خود ( که مانند اغلب شبکه های رایانه ظرفیت آن استفاده ٪۳4 ای در بیشتر اوقات تنها از می شد و مابقی ظرفیت برای دوره های کوتاه اوج مصرف در نظر گرفته شده بود ) به معماری ابر می توانند بازده داخلی خود را بهبود ببخشند.آمازون از سال 2006 امکان دسترسی به سامانه خود را از طریق وب سرویس های آمازون برپایه رایانش همگانی ارائه کرد. در سال 2007 گوگل و IBM به همراه چند دانشگاه پروژه ایی تحقیقاتی در مقیاسی بزرگ را در زمینه رایانش ابری آغاز نمودند. در اواسط سال 2008 شرکت گارتنر متوجه وجود موقعیتی در رایانش ابری شد که برای شکل دهی ارتباط بین مصرف کنندگان خدمات فناوری اطلاعات، بین آنهایی که این سرویسها را مصرف می کنند و آنها که این سرویسها را می فروشند، بوجود می آید.طبق تعريف موسسه ملی فناوری و استاندارد(NIST) در سال 2011 رايانش ابری مدلی برای فراهم کردن دسترسی آسان براساس تقاضای کاربر از طريق شبكه به مجموعهای از منابع محاسباتی قابل تغيير و پيكربندی(مانند: شبكه، سرور، فضای ذخيرهسازی، برنامههای کاربردی و سرويسها)است، که این دسترسی با کمترین نیاز به مدیریت منابع و یا دخالت مستقیم فراهم کننده سرویس، به سرعت فراهم می گردد.در واقع رايانش ابری توانايی اشتراک گذاری منابع محاسباتی فيزيكی در بين بسياری از کاربران مختلف میباشد. مشتريان رايانش ابری دارای زيرساخت فيزيكی واقعی ابر نيستند اما فقط با پرداخت هزينه اشتراک به فراهم کننده خدمات ابر قادر به استفاده از منابع ابر و زیرساخت های آن می باشد. پس میتوان نتيجه گرفت رايانش ابری موجب بهره وری کامل از سخت افزار و جلوگيری از هزينه اضافی میشود. وجود اين عوامل موجب رشد سريع رايانش ابری در جوامع جهانی گردید.رایانش ابری چیست؟در اصل رایانش ابری به این معنا است که سورس یک نرم افزار، داده های آن و همینطور پردازش های مربوط به آن را به یک فضای بیرونی منتقل کنیم. کاربران می توانند به اپلیکیشن ها و داده ها با استفاده از ورود به این سیستم با استفاده از هر دستگاهی که به اینترنت متصل است دسترسی داشته باشند. اطلاعات و برنامه ها توسط یک فضای خارجی میزبانی می شوند و به جای یک هارد دیسک فیزیکی بر روی یک شبکه جهانی از مراکز داده های امن نگهداری می شوند. این کار باعث می شود تا قدرت پردازش افزایش پیدا کند، امکان اشتراک داده ها و همکاری بیشتر با سایر افراد راحت تر می شود و امکان دسترسی امن به این داده ها از طریق تلفن همراه را بدون توجه به موقعیت مکانی کاربر فراهم می کند.تعریف دیگر رایانش ابریرایانش ابری در اینترنت عبارت است از: ارائه خدمات رایانشی برای سرورها، ذخیره سازی، پایگاه‌های داده، شبکه، نرم‌افزار، آنالیزها و .... شرکت‌هایی که این خدمات رایانشی را ارائه می‌دهند، شرکت‌های ارائه دهنده Cloud نامیده می‌شوند و معمولاً هزینه خدمات رایانش ابری را براساس استفاده، مشابه نحوه پرداخت هزینه آب و برق خانه‌ها می‌پردازند.دلیل انتخاب نام رایانش ابرییک مفهوم پایه‌ای نهفته در پس رایانش ابری، آن است که موقعیت (مکان) سرویس و جزئیات زیاد دیگری مانند سخت‌افزار یا سیستم‌عاملی که روی آن اجرا می‌شود، عمدتا به کاربر مرتبط نیستند. رایانش ابری، از شماتیک شبکه‌های مخابراتی قدیمی الهام گرفته شده است که در آن‌ها، شبکه تلفن عمومی (و بعدها اینترنت) معمولا به صورت ابری نمایش داده می‌شدند تا نشان دهند که فقط ابری از چیزها هستند. البته، در آنچه بیان شد مفهوم رایانش ابری بیش از حد ساده‌سازی شده است. نباید فراموش کرد که برای بسیاری از افراد، موقعیت سرویس و داده‌های آن‌ها، یک مسئله مهم و قابل توجه است.زندگی قبل از راینش ابریکارمندان جوان ممکن است بسیار سخت این موضوع را تصور کنند که زمانی وجود داشته است که کارمندان تنها می توانستند به فایل های کاری، پیام ها و سیستم ها از طریق یک ترمینال در شرکت که از طریق کابل های فیزیکی به سایر کامپیوترها وصل می شد، دسترسی داشتند. این نرم افزار باید به صورت دستی بر روی هر کامپیوتر نصب می شد، داده های شرکت در یک فضای بزرگ که می توانست یک اتاق و یا یک کمد باشد نگهداری می شدند و برای جلوگیری از گرمای بیش از حد تهویه مناسبی نیز باید درون اتاق قرار می گرفت. از بین رفتن یک دستگاه و یا خرابی در یک بخش می توانست فاجعه ای بزرگ را به بار آورد.محاسبات ابری بسیاری از ویژگی های بد کار کردن در گذشته را حذف کرده است و یا آنها را ساده تر کرده است که در ادامه به بررسی آنها می پردازیم.آینده رایانش ابریپذیرش رایانش ابری (Cloud Computing) به صورت روزافزونی در حال افزایش است. بسیاری از شرکت‌ها همچنان در حال برنامه‌ریزی پیرامون این هستند که کدام برنامه‌های خود را و در چه زمانی، به ابر منتقل کنند. ولیکن، مهاجرت به ابر هنوز در ابتدای مسیر طویل خود قرار دارد و بسیاری از کسب و کارها هنوز هم آگاهی‌ای لازم پیرامون مهاجرت به ابر را ندارند و در مقابل آن مقاومت می‌کنند. همچنین، مشکلاتی نیز در بحث تخصیص بودجه به مهاجرت به ابر وجود دارد که مدیران ارشد فناوری اطلاعات سازمان‌ها با آن‌ها درگیر هستند. برای اغلب سازمان‌ها، هزینه‌های مهاجرت به ابر هنوز هم روشن نیست. مهاجرت به ابر به سازمان‌ها کمک می‌کند تا فرایندهای سازمانی خود را بازنگری کنند و تغییرات کسب و کار را سرعت ببخشند.ویژگی هایی که توسط رایانش ابری ساده تر و یا حذف شده اند1) سرورهای بزرگ: کسب و کارها دیگر نیازی به سرورهای بزرگ و زیادی ندارند که آنها را در اتاق های با تهویه مناسب نگهداری کنند.2) پشتیبانی اختصاصی در منزل: استعدادهای فنی همیشه از ارزش زیادی برخوردار است، اما از این رو کسب و کارها دیگر نیازی به کارمندانی برای رفع مشکلات سخت افزاری و نرم افزاری ندارند. کارهای خسته کننده مانند به روز رسانی یک به یک کامپیوترها دیگر از بین رفته اند3) دستگاه های ذخیره داده : کارمندان شرکت ها دیگر نیازی به تهیه نسخه پشتیبان از داده های هارد دیسک، دیسک ها و دستگاه های خارجی ندارنددسترسی محدود از لحاظ موقعیت جغرافیایی : کارمندان و مدیران مجبور نیستند که هر لحظه در دفتر کار باشند، آنها می توانند تاثیر خود را از راه دور نیز بر روی کارهای شرکت بگذارند و از راه دور در دفتر مرکزی کار کنند. دسترسی به پردازش ها و اطلاعات دیگر به یک موقعیت جغرافیایی خاص وابسته نیست4) از دست دادن اطلاعات : مدیران همواره از این موضوع ترس داشتند که یک فاجعه اضطراری و یا یک حادثه طبیعی می تواند تمامی اطلاعات یک شرکت بزرگ را از بین ببرد. داده هایی که به صورت محلی در کامپیوترهای اداری ذخیره می شوند در برابر از بین رفتن و یا خرابی آسیب پذیر هستند اما داده هایی که به کمک رایانش ابری ذخیره می شوند این مورد را کاملا به شما تضمین می کنند.چرا فضای ابری بهتر از سیستم های امروزی است؟محاسبه ابری و فضای ابری بسیار به صرفه هستند، رایانش ابری نیاز به سرمایه گذاری های بزرگ در زیرساخت ها را برطرف می کند و هزینه های شما را کاهش می دهد. کار کردن با آن بسیار راحت است، موقعیت مکانی هیچ اهمیتی ندارد، دسترسی آسان کاربران به داده ها فراهم شده است، امنیت بیشتری دارد و به صورت مداوم از آن نسخه های پشتیبان تهیه می شود.آیا فضای ابری امن است؟اگرچه هیچ سیستمی کاملا امن نیست، اما احتمالا داده هایی که با خدمات محاسبه ابری ذخیره می شوند از امنیت بیشتری نسبت به ذخیره در هارد دیسک برخوردار هستند، با استفاده کردن از درایوهای سخت افزاری اطلاعات به راحتی از بین می روند و یا خراب می شوند. با سرویس های فضای ابری اطلاعات شما رمزگذاری می شوند و به طور مداوم پشتیبان گیری می شوند.کاربرد رایانش ابریاحتمالاً شما هم اکنون در حال استفاده از رایانش ابری هستید و ممکن است متوجه آن نباشید! اگر از یک سرویس آنلاین برای ارسال ایمیل استفاده کنید، اسناد را ویرایش کنید، فیلم یا تلویزیون تماشا کنید، موسیقی گوش دهید، بازی کنید یا عکس‌ها و فایل‌های دیگر را ذخیره کنید، احتمال دارد که رایانش ابری همه این موارد‌ را در پشت صحنه ممکن سازد.اولین سرویس‌د‌هی رایانش ابری به یک دهه گذشته بازمی‌گردد اما در حال حاضر انواع سازمان‌ها از استارپ‌ها کوچک تا شرکت‌های جهانی، آژانس‌های دولتی تا کمپانی‌های کوچک، به دلایل مختلف تکنولوژی را به‌کار می‌گیرند.در ادامه چند مورد از کارهایی که می‌توانید با Cloud انجام دهید آمده است:1) اپلیکیشن‌ها و سرویس‌های جدید بسازید؛2) داده‌ها را ذخیره کنید، از آن‌ها back up بگیرید و آن‌ها را بازیابی کنید؛وبسایت‌ها و وبلاگ‌ها را سازمان‌دهی کنید؛3) فایل‌های صوتی و ویدئوها را منتشر کنید؛4) داده‌ها را برای ارائه الگوها و پیش‌بینی تجزیه و تحلیل کنید.5) نرم‌افزارها را براساس نیازهای موجود ارائه کنید؛در قسمت بعدی این مقاله به موضوعات مدل های پیاده سازی و مزایای رایانش ابری خواهیم پرداخت.

رایانش ابری قسمت دوم

مجتبی آهنگری — Wed, 03 Jun 2020 10:22:05 +0430

در ادامه بحث رایانش ابری مدل های پیاده سازیتمام ابرها(cloud) با یکدیگر یکسان نیستند.به طور عمده چهار راه برای گسترش یا پیاده سازیه منابع رایانش ابری وجود دارد:1) ابر عمومی public2) ابر خصوصی private3) ابر ترکیبی hybrid4) ابر گروهیابر عمومی : ابر عمومی یا ابر خارجی توصیف کننده رایانش ابری در معنای اصلی و سنتی آن است.ابرهای عمومی متعلق به ارائه دهنده سرویس Cloud شخص ثالث است که منابع کامپیوتری خود مانند سرورها و ذخیره‌سازی در فضای مجازی اینترنت را معمولاً رایگان یا با دریافت هزینه اندکی ارائه می‌کنند و توسط آن اداره می‌شوند. Microsoft Azure یا Google نمونه‌هایی از یک Cloud عمومی هستند.ابر خصوصی : ابر خصوصی یک زیر ساخت رایانش ابری است که توسط یک سازمان برای استفاده داخلی آن سازمان به وجود آمده است. عامل اصلی که ابرهای خصوصی را از ابرهای عمومی تجاری جدا می سازد، محل و شیوه نگهداری از سخت افزار زیرساختی ابر است. ابر خصوصی امکان کنترل بیشتر بر روی تمام سطوح پیاده سازی ابر (مانند سخت افزار، شبکه، سیستم عامل، نرم افزار) را فراهم می سازد. مزیت دیگر ابرهای خصوصی امنیت بیشتری است که ناشی از قرارگیری تجهیزات در درون مرزهای سازمان و عدم ارتباط با دنیای خارج ناشی می شود.اما بهره گیری از ابرهای خصوصی مشکلات ایجاد و نگهداری را به همراه دارد. یک راه حل میانه برای دوری از مشکلات ابرهای خصوصی و در عین حال بهره مند شدن از مزایای ابرهای خصوصی، استفاده از ابر خصوصی مجازی است. ابر خصوصی مجازی بخشی از زیر ساخت یک ابر عمومی است که برای استفاده اختصاصی یک سازمان کنار گذارده می شود و دسترسی به آن تنها از راه شبکه خصوصی مجازی امکان پذیر است.(بعنوان نمونه میتوان از ابر خصوصی مجازی آمازون نام برد.)ابر ترکیبی : ابرهای ترکیبی، ابرهای خصوصی و عمومی را باهم ترکیب کرده و آنها را توسط تکنولوژی به یکدیگر متصل می‌کنند که امکان به اشتراک گذاشتن داده‌ها و برنامه‌های کاربردی بین آن‌ها فراهم می‌شود.ابر ترکیبی با فراهم کردن امکان انتقال داده‌ها و برنامه‌های کاربردی بین ابرهای خصوصی و عمومی موجب انعطاف‌پذیری بیشتر کسب و کارها می‌شود و گزینه‌های گسترده‌تری را در اختیار آن‌ها قرار می‌دهد.ابر گروهی : ابر گروهی در جایی به وجود می آید که چندین سازمان نیازهای یکسان دارند و به دنبال این هستند که با به اشتراک گذاردن زیرساخت از مزایای رایانش ابری بهره مند گردند. به دلیل اینکه هزینه ها بین کاربران کمتری نسبت به ابرهای عمومی تقسیم می شود، این گزینه گران تر از ابر عمومی است اما میزان بیشتری از محرمانگی، امنیت و سازگاری با سیاست ها را به همراه می آورد.نمونه یک ابر گروهی(ابر گوگل) است.تفاوت های عمده میان Cloud , Grid:• محاسبات grid: به حل مسائل محاسباتی تمرکز دارد. اما cloud computing، به ارائه خدمات بنابر درخواست تمرکز نموده است.• محاسبات grid: تنها با برنامه های کاربردی که قابلیت اجرا شدن موازی دارند، کار می کند. اما cloud computingهیچ محدودیتی در این زمینه ندارد.• محاسبات گرید: برای تعداد کمی از کاربران که درخواست های بزرگی دارند، استفاده می شود. اما کلاود کامپیوتینگ برای تعداد زیادی از کاربران که درخواست های کوچکی دارند ساخته شده است.• در محاسبات گرید، تمامی سیستم های شبکه گرید باید از سیستم عامل ها و نرم افزارهای مشابه و یکسانی استفاده کنند. ولی در کلاود کامپیوتینگ هیچ محدودیتی در این زمینه وجود ندارد.• نتیجه گیری:رایانش ابری: هدف ارائه بالاترین خدمات نهایی به کاربران نهایی می باشد.محاسبات گرید: هدف انجام محاسبات سنگین و بالاتر در شبکه است.مزایای استفاده از cloud computingرایانش ابری یک روش مناسب برای ارائه منابع محاسباتی می باشد، با رایانش ابری محیط های نرم افزاری و خدماتی بر اساس روابط اشتراکی می باشند، کاربران به جای اینکه یک مجوز را خریداری کنند، ماهانه هزینه ای را می پردازند، نرم افزارها و پلتفرم ها توسط ارائه دهندگان مدیریت می شوند و به صورت مداوم به روز رسانی می شوند تا عملکرد و امنیت آنها بیشینه شود. قدرت محاسباتی به جای اینکه در نقطه ای متمرکز باشد از راه دور قابل کنترل است، بنابراین کاربران می توانند به جای از راه دور به این اطلاعات دسترسی داشته باشند. در ادامه 7 دلیل رایج برای به‌کارگیری رایانش ابری توسط سازمان‌ها آمده است:هزینه: رایانش ابری هزینه‌های خرید نرم‌افزار، سخت‌افزار، نصب و راه‌اندازی دیتاسنترها یا رک‌های سروری سایت (برق روزانه برای 1) تأمین برق و خنک کردن آن‌ها) و همچنین نیاز به کارشناسان فناوری اطلاعات برای مدیریت زیرساخت ها را از بین می‌برد که این‌ موارد باعث سرعت بخشیدن به کارها می‌شود.2) سرعت : بیشتر سرویس‌های رایانش ابری به صورت سلف سرویس و براساس نیازهای موجود هستند، بنابراین مقادیر وسیعی از منابع رایانش را می‌توان در چند دقیقه فراهم کرد و تنها با چند کلیک ماوس، کسب و کاری با انعطاف‌پذیری بسیار زیاد ممکن ساخت و از فشار برنامه‌ریزی کاست.3) انعطاف پذیری و مقیاس پذیری: نرم افزارهایی که در فضای ابری ساخته می شوند به میزان زیادی قابل شخصی سازی هستند، افزایش قدرت، فضای ذخیره سازی و تغییر پهنای باند توسط کاربر در این نرم افزارها بسیار راحت است.4) به روزرسانی های بدون دردسر: نرم افزارهای تحت وب دائما به روز می شوند، فروشنده فضای ابری، مسئول نگهداری، تهیه نسخه پشتیبان و عیب یابی نرم افزار است.5) قابلیت اطمینان: رایانش ابری امکان پیشتیبانی و بک آپ گرفتن از داده‌ها، بازیابی اطلاعات و تداوم کسب و کار را ساده‌تر و ارزان‌تر می‌سازد، زیرا می‌تون داده را در محل‌های دیگر شبکه ارائه دهنده Cloud منعکس کرد.امنیت: اطلاعات شما در مقابل سیل، آتش سوزی، بلایای طبیعی و یا خرابی های سخت افزاری در یک مکان آسیب پذیر نیستند، پروتکل های امنیتی و زیرساخت ها به صورت دائمی و مداوم تجزیه و تحلیل و به روز رسانی می شوند تا تهدیدات و عیب های جدید را 1) برطرف کنند. اما نگرانی ها به دلیل از دست دادن کنترل روی داده های حساس همچنان پابرجاست. امنیت در رایانش ابری اغلب بیشتر یا برابر با سیستمهای سنتی می باشد، زیرا ارائهدهندگان رایانش ابری به منابع اختصاصی امنیتی دسترسی دارند که بیشتر مشتریان از عهده خرید این منابع بر نمی آیند.2) نگهداری : به دلیل عدم نیاز به نصب برنامه های کاربردی برای هر کاربر نگهداری آسانتر و با هزینه کمترانجام می شود. شرکت هایی که سکوهای خودشان را پیاده سازی و اجرا می کنند، باید زیرساخت های سختافزاری و نرمافزاری خودشان را خریداری و نگهداری نمایند و کارمندانی را برای مراقبت از سیستم استخدام کنند، همه ی اینها می تواند پرهزینه و زمانبر باشد. درحالیکه رایانش ابر نیاز به انجام این کارها را از میان می برد. هر دستگاه ساده که توانایی اتصال و برقراری ارتباط با سرور را داشته باشد، برای استفاده از خدمات رایانش ابر کافی است و می تواند نتایج را با دیگران به تشریک مساعی بگذارد.معایب استفاده از رایانش ابریبا توجه به این که تمام اطلاعات، اسناد و مدارک شخصی کاربران در ابر نگهداری می گردد. در نتیجه شرکت های فراهم کننده منابع زیرساخت به راحتی می توانند به تمام این اطلاعات و مدارک دسترسی داشته باشند و این امر امکان هرگونه سوء استفاده از این مدارک را ممکن می سازد.1) نیاز به سرعت اینترنت مطلوب: تمامی این سرویس ها در فضای مجازی راه اندازی شده و برای استفاده از آنها نیاز به اینترنتی پر سرعت خواهید داشت تا بتوانید به صورت کامل و مطلوب از آن ها بهره ببرید.2) اتصال دائم به اینترنت: همانطور که در قسمت قبلی گفته شد ، شما علاوه بر سرعت اینترنت بالا ، نیاز به اتصال دائم اینترنت ، برای استفاده از سرویس های رایانش ابری خواهید داشت.3) آسیب پذیری در برابر رکود اقتصادی: مدل خدمات رایانه  ای، در مقابل رکورد اقتصادی بسیار آسیب پذیر است. همانگونه که شرکت ها در طی یک رکود محتاطانه عمل می کنند، هزینه های صرف شده برای خدمات رایانه ای را نیز کاهش می دهند.4) میزان در دسترس بودن و کارایی: علاوه بر امنیت داده ها، میزان در دسترس بودن و کارایی برنامه های کاربردی که روی ابر میزبانی می شوند برای کاربران از اهمیت بالایی برخوردار است.5) حفظ حریم خصوصی: طرفداران حفظ حریم خصوصی  ها مدل ابر را مورد انتقاد قرار می دهند، زیرا ارائهدهندگان سرویسهای ابر می توانند کنترل و نظارت کامل قانونی و یا غیر قانونی بر روی داده ها و ارتباطات بین کاربران سرویس و میزبان ابر داشته باشند.6) امنیت: امنیت نسبی رایانش ابری موضوعی بحث برانگیز است که ممکن است پذیرش رایانش ابری را به تأخیر بیندازد.گروهی بر این باورند که امنیت داده ها وقتی که در داخل سازمان اداره شوند بالاتر است، در حالی که گروهی دیگر عقیده دارند که ارائه دهندگان سرویس انگیزه ای قوی برای حفظ اعتماد دارند و از این رو سطح امنیت بالاتری را بکار می گیرند.7) عدم اطمینان سرمایه گذاران،هزینه های پهنای باند، رعایت حریم خصوصی کاربران از دیگر معایب استفاده از cloud computing است که می شود به آن اشاره کرد.امنیت رایانش ابریقطعا، بسیاری از سازمان‌ها نگران امنیت سرویس‌های ابری هستند. اگرچه، نقص‌های امنیتی در این حوزه کم و ناچیز است. اینکه رایانش ابری چه میزان امن باشد، به شدت بستگی به این دارد که سیستم‌های کنونی موجود چقدر امن هستند. سیستم‌های داخلی مدیریت شده به وسیله یک تیم داخلی در سازمان، ممکن است بعضا حتی از سیستم‌های نظارت شده توسط مهندسان سازمان ارائه‌دهنده خدمات ابری که به طور کامل خود را وقف این کار کرده‌اند، رخنه‌پذیرتر باشند. اگرچه، نگرانی‌ها پیرامون امنیت ابر همچنان باقی است؛ به ویژه برای سازمان‌هایی که داده‌های خود را بین سرویس‌های ابری زیادی جا به جا می‌کنند.همین امر موجب رشد ابزارهای امنیت ابری شده است که داده‌های در حال انتقال به ابر و همچنین، بین پلتفرم‌های ابری را مورد نظارت قرار می‌دهند. این ابزارها می‌توانند استفاده کلاهبردارانه از داده‌ها در ابر، دانلودهای غیر مجاز و بدافزارها را شناسایی کنند. اگرچه، استفاده از این ابزارها بر کارایی و مسائل مالی نیز تاثیرگذار است. زیرا به روایتی تا ۱۰درصد موجب کاهش میزان صرفه‌جویی انجام شده بر اثر مهاجرت به ابر و تا ۱۵ درصد، موجب کاهش کارایی می‌شوند. گاهی، منطقه جغرافیایی که سرویس ابری را ارائه می‌کند نیز می‌تواند محل نگرانی سازمان‌ها در بحث امنیت رایانش ابری باشد.آشنایی با سه نوع از رایانش ابریمحاسبه ابری راهی برای منتقل کردن منابع از راه دور است، بر اساس نوع منابعی که ارائه می شوند سه مدل رایانش ابری وجود دارد. نرم افزار به عنوان یک سرویس(SaaS) برای ارائه محصولات فانکشنال به کاربران نهایی، زیرساخت ها به عنوان یک سرویس(IaaS) یک شبکه امن و فضای ذخیره سازی را برای مدیران سیستم ها فراهم می کنند و بسترهای نرم افزاری نیز به عنوان یک سرویس(PaaS) در جایی قرار گرفته اند که به سازندگان امکان ایجاد برنامه ها را می دهند و در عین حال برای آنها فضا می سازند.زیرساخت به عنوان یک سرویس (IaaS):اساسی‌ترین بخش خدمات رایانش ابری است. با IaaS، شما زیرساخت‌های فناوری اطلاعات (سرورها و ماشین‌های مجازی ( V Mها))، ذخیره سازی، شبکه‌ها و سیستم عامل‌ها را از یک ارائه دهندهCloud ، بر اساس پرداختی که انجام می‌دهید، اجاره می‌کنید.پلتفرم به عنوان یک سرویس :(PaaS)پلتفرم به عنوان یک سرویس(PaaS) به بخشی از خدمات رایانش ابری اشاره دارد که یک نیاز محیطی را به‌منظور توسعه، آزمایش، ارائه و مدیریت نرم‌افزارهای کاربردی تأمین می‌کند. در واقع فرد برای ساخت برنامه‌های کاربردی خود آزادی عمل دارد.نرم‌افزار به عنوان یک سرویس(SaaS):نرم‌افزار به عنوان (SaaS) یک روش برای ارائه نرم‌افزارهای کاربردی در فضای مجازی اینترنت، بر اساس نیاز و معمولا بر اساس اشتراک است. با SaaS، ارائه دهندگان Cloud نرم‌افزارهای کاربردی و زیرساخت‌های اساسی را مدیریت می‌کنند و هر گونه تعمیر و نگهداری مانند ارتقاء نرم‌افزار و پچ کردن امنیتی را سامان‌دهی می‌کنند. کاربرن معمولاً از طریق یک مرورگر وب بر روی گوشی تلفن همراه، تبلت یا کامپیوتر شخصی به برنامه‌های کاربردی در اینترنت متصل می‌شوند.در آخرین قسمت از این مقاله به تعریف انواع رایانش ابری و نتیجه گیری میپردازیم.

رایانش ابری قسمت پایانی

مجتبی آهنگری — Wed, 03 Jun 2020 10:08:56 +0430

قسمت پایانی مقاله رایانش ابری1_ زیرساخت به عنوان یک سرویس(IaaS) چیست؟زیرساخت به عنوان یک سرویس( IaaS)یک زیرساخت ضروری رایانش است که در محیط مجازی اینترنت ارائه و مدیریت شده است. مقیاس انعطاف پذیری دارد و به سرعت برای نیازهای زیاد و کم انطباق‌پذیر است همچنین پرداخت به اندازه آنچه استفاده می‌شود صورت می‌گیرد. IaaS به شما کمک می‌کند از هزینه و پیچیدگی خرید و مدیریت سرورهای فیزیکی خود و دیگر زیرساخت‌های مرکز داده (دیتا سنتر) جلوگیری کنید.هر منبع به عنوان یک جزء خدمت جداگانه ارائه می‌شود و فقط لازم است شما تا زمانی که به آن نیاز دارید، یک منبع خاص را اجاره کنید. ارائه دهنده سرویس رایانش ابری cloud computingدر حین اینکه شما نرم افزارهای خود (سیستم عامل‌ها و برنامه‌های کاربری) را خریداری، نصب، پیکربندی و مدیریت می‌کنید، زیرساخت را سامان‌دهی و مدیریت می‌کند.مزیت های IaaS:1) زیرساخت به عنوان یک سرویس( IaaS):هزینه سرمایه گذاری را از بین می‌برد و هزینه‌های فعلی را کاهش می‌دهد: هزینه‌های پیش‌رو برای راه‎‌اندازی و مدیریت یک مرکز داده سایت را از بین می‌برد، و این یک گزینه مقرون به صرفه برای استارتاپ‌ها، کسب و کار و تست‌ ایده‌های جدید است.2) موجب تداوم کسب و کار می‌شود و از بروز خطر جلوگیری می‌کند: رسیدن به قابلیت دسترسی بالا، تداوم کسب و کار و جلوگیری از بروز خطر هزینه زیادی را به دنبال دارد زیرا نیازمند تکنولوژی و کارکنان زیادی است. اما IaaS می‌تواند با بکاربردن سطحی مناسبی از سرویس‌ها در موقعیت درست (service level agreement) یا (SLA)، این هزینه‌ها را کاهش دهد و به برنامه‌ها و داده‌ها در حین بروز مشکل یا قطع شدن دسترسی پیدا کند.3) سرعت بالا در نوآوری: به محض اینکه تصمیم بگیرید یک محصول یا ابتکار جدید را راه اندازی کنید، زیرساخت رایانشی لازم را می توانید در چند دقیقه یا چند ساعت، به جای روزها یا هفته‌ها و گاهی چند ماه، آماده کنید.4) زیرساخت به عنوان یک سرویس( IaaS): موجب می‌شود بر روی کسب و کار خود تمرکز کنید: باعث می‌شود که اعضای تیم به جای تمرکز بر زیرساخت‌های IT بر کسب و کار اصلی سازمان تمرکز کنند.سناریوهای رایج کسب و کارIaaSکسب و کارهای معمولی با IaaS عبارتند از: 1) تست و توسعه: تیم‌ها می‌توانند به سرعت محیط‌های تست و توسعه را راه‌اندازی و پیاده‌سازی کنند و برنامه‌های کاربردی جدید را سریعتر به بازار عرضه کنند. 2) مدیریت وب سایت: راه‌اندازی وب سایت با استفاده از IaaS می‌تواند ارزان‌تر از مدیریت سایت به صورت سنتی باشد. 3) ذخیره‌سازی، Backup و بازیابی: سازمان‌ها از اختصاص دادن سرمایه به ذخیره‌سازی و رفع پیچیدگی مربوط به مدیریت ذخیره‌سازی اجتناب می‌کنند که به طور معمول نیازمند یک کارمند ماهر برای مدیریت داده‌ها و رعایت الزامات قانونی و برآوردن آن‌ها است. IaaS برای رسیدگی به نیازهای غیرقابل پیش‌بینی و درحال رشد ذخیره‌سازی مفید است. همچنین می‌تواند برنامه‌ریزی و مدیریت سیستم‌های بک‌آپ گیری و بازیابی را ساده کند.2_ پلتفرم به عنوان یک سرویس (PaaS) چیست؟یک محیط رشد و توسعه کامل در رایانش ابری است با منابعی که شما را قادر می‌سازد همه چیز را از برنامه‌های کاربردی سادهCloud به برنامه‌های کاربردی سازمانی که پیچده تر هستند، تحویل دهید. شما منابع مورد نیاز از یک سرویس ارائه دهنده Cloud را بر اساس پرداختی که انجام می‌دهید خریداری می‌کنید و از طریق یک اتصال ایمن اینترنت به آن‌ها دسترسی دارید.مانند IaaS، PaaS شامل زیرساخت‌هایی مانند: سرورها، ذخایر و شبکه می‌شود که علاوه بر آن شامل نرم‌افزارهای ارتباطی، ابزارهای توسعه، خدمات هوش تجاری (BI)، سیستم‌های مدیریت پایگاه داده و... نیز می‌شود.PaaS برای پشتیبانی از یک چرخه حیات کامل برنامه‌های کاربردی وب طراحی شده است این چرخه عبارت است از: ساخت، آزمایش، رشد و توسعه، مدیریت و به‌روزرسانی.PaaS به شما این امکان را می‌دهد که هزینه و پیچیدگی خرید و مدیریت لایسنس نرم‌افزارها، زیرساخت برنامه‌های کاربردی بنیادی، نرم‌افزار‌های ارتباطی، ابزارهای توسعه و سایر منابع را از بین ببرید. شما برنامه‌های کاربردی و خدماتی را که توسعه می‌دهید، مدیریت می ‌نید و ارائه دهنده سرویس Cloud به طور معمول سایر چیزها را مدیریت می کند.مزایای PaaSبا ارائه زیرساخت به عنوان یک سرویس، PaaS همان مزایای IaaS را دارد با این تفاوت که ویژگی‌های اضافی آن مانند نرم‌افزارهای ارتباطی، ابزارهای توسعه و سایر ابزارهای تجارتی، مزایای دیگر در اختیار شما قرار می‌دهد که عبارتند از:1) کوتاه کردن زمان کدنویسی: ابزارهای توسعه PaaS می‌توانند زمان لازم برای کد کدنویسی برنامه‌های جدید را با اجزای از پیش کد‌نویسی شده که در یک پلتفرم ساخته شده‌اند، مانند گردش کار، سرویس‌های دایرکتوری، ویژگی‌های امنیتی، جستجو و غیره، کاهش دهند.2) پشتیانی تیم‌های توسعه ازلحاظ موقعیت جغرافیایی: از آنجا که محیط توسعه از طریق اینترنت قابل دسترسی است، تیم‌های توسعه می‌توانند در پروژه‌ها حتی با اعضای تیم در مکان‌های دور همکاری کنند. 3) مدیریت کارامد چرخه عمر برنامه‌های کاربردی: PaaS تمام قابلیت‌هایی را که شما برای پشتیبانی کامل چرخه عکر یک برنامه ‌کاربردی وب (مانند: ساخت، آزمایش، رشد و توسعه، مدیریت و به‌روزرسانی در محیط یکسان) نیاز دارید، فراهم می‌کند.سناریو رایج PaaS1) چارچوب توسعه: PaaS چارچوبی را ایجاد می‌کند که توسعه دهندگان می‌توانند براساس آن برنامه‌های کاربردی مبتنی بر Cloud را توسعه داده یا آن‌ها را سفارشی‌سازی کنند. از همان راهی که شما یک ماکرو در نرم‌افزار اکسل می‌سازید، PaaS به توسعه‌دهندگان اجازه می‌دهد برنامه های کاربردی خود را با استفاده از اجزای موجود در نرم‌افزار ایجاد کند. ویژگی‌های Cloud مانند قابلیت مقیاس پذیری، قابلیت دسترسی بالا و ظرفیت چندکاربره بودن، از میزان برنامه‌نویسی که توسعه‌دهندگان بلید انجام دهند، می‌کاهد.2) هوش تجاری یا تحلیلی: ابزارهایی که به عنوان یک سرویس توسط PaaS ارائه می‌شوند به سازمان اجازه می‌دهد که: داده‌های خود را تجزیه و تحلیل و استخراج کنند، الگوهایی را یافته و خروجی‌ها را پیش‌بینی کنند تا تخمین‌ها، تصمیم‌گیری در مورد طراحی محصول، بازدهی سرمایه‌گذاری و سایر تصمیمات تجاری بهبود یابد.3) خدمات اضافی: ارائه‌دهندگان PaaS ممکن است خدمات دیگری مانند گردش کار، دایرکتوری، امنیت و برنامه‌ریزی را ارائه دهند که نرم‌افزار کاربردی را بهبود بخشد.3_ نرم‌افزار به عنوان یک سرویس (SaaS) چیست؟به کاربران اجازه می‌دهد به برنامه‌های کاربردی مبتنی بر Cloud در فضای مجازی اینترنت متصل شده و از آن‌ها استفاده کنند. مثال‌های رایج در این زمینه عبارتند از: ایمیل، تقویم و ابزارهای آفیس.نرم‌افزار به عنوان یک سرویس (SaaS) یک راه‌حل نرم‌افزاری کامل ارائه می‌دهد که شما براساس پرداختی که به ارائه دهنده سرویسCloud انجام می‌دهید، آن را خریداری می‌کنید. شما استفاده از برنامه کاربردی را برای سازمان و کاربران خود که معمولاً به‌وسیله یک مرورگر در فضای اینترنت به آن متصل می‌شوند، اجاره می‌کنید. همه زیرساخت‌های بنیادی، نرم‌افزارهای ارتباطی، نرم‌افزارها و داده‌های برنامه‌ کاربردی، در مرکز داده (دیتاسنتر) ارائه دهنده سرویس قرار داده شده است. ارائه‌ دهنده سرویس، نرم‌افزار و سخت‌افزار را مدیریت می‌کند و با شرایط خدمات مناسب قابلیت دسترسی و امنیت برنامه و داده‌های شما تضمین خواهد کرد.SaaS به سازمان شما این امکان را می‌دهد با یک برنامه کاربردی مقرون به صرفه به سرعت پیشرفت کنید و امور خود را اداره کنید.مزایای SaaS1) پراداخت فقط برای آنچه استفاده می‌کنید: شما می‌توانید پول خود را ذخیره کنید زیرا سرویس SaaS به صورت خودکار مقیاس خود را متناسب با سطح مصرف افزایش یا کاهش می‌دهد.2) از نرم‌افزار مشتری رایگان استفاده کنید: کاربران می‌توانند بسیاری از برنامه‌های کاربردی SaaS را از مرورگر خود و بدون نیاز به دانلود و نصب هر نرم‌افزار، اجرا کنند، اگرچه تعدادی از این برنامه‌ها به پلاگین نیاز دارند. این به این معنی است که شما نیازی به خرید و نصب نرم‌افزار خاصی برای کاربران خود ندارید.3) نیروهای کاری خود را به راحتی بسیج کنید SaaS: به شما این امکان را می‌دهد که به راحتی نیروی کار خود را بسیج کنید زیرا کاربران می‌توانند از هر کامپیوتر و دستگاه موبایلی که به اینترنت متصل است، به برنامه‌های کاربردی و داده‌های SaaS دسترسی پیدا کنند. نیازی نیست در مورد توسعه برنامه‌ها برای اجرا بر روی انواع مختلف کامپیوتر و دستگاه نگران باشید، زیرا ارائه دهنده خدمات قبلاً این کار را انجام داده است. علاوه بر این، شما نیازی به تخصص ویژه‌ای در زمینه مدیریت مسائل امنیتی بالقوه در رایانش موبایل ندارید. یک ارائه دهنده خدمات که با دقت انتخاب شده است، امنیت اطلاعات خود را بدون در نظر گرفتن نوع دستگاه مصرفی آن تضمین می کند.در هر جایی به داده‌های برنامه کاربردی دسترسی داشته باشید: با داده‌های ذخیره شده در Cloud، کاربران با هر کامپیوتر یا موبایل متصل به اینترنت می‌توانند به اطلاعات خود دسترسی داشته باشند و هنگامی که داده‌ها در Cloud ذخیره می‌شوند، اگر کامپیوتر یا دستگاه کاربران از کار بیافتد، هیچ داده ای از بین نمی‌رود.سناریوهای رایج SaaSاگر شما یک سرویس ایمیل مبتنی به وب مانند Outlookو Yahoo Mail دارید، بنابراین شما باید شکلی از SaaS را مورد استفاده قرار دهید. با این سرویس‌ها، شما از یک مرورگر وارد حساب کاربری خود در فضای مجازی اینترنت می‌شوید. نرم‌افزار ایمیل در شبکه ارائه خدمت قرار داده شده است و پیام‌های شما نیز در آن‌جا ذخیره می‌شود. شما می توانید به ایمیل‌ها و پیام‌های ذخیره شده خود از طریق یک مرورگر وب در هر رایانه یا دستگاه متصل به اینترنت دسترسی داشته باشید.مثال‌های قبلی خدمات رایگان برای استفاده شخصی است. برای استفاده سازمانی شما می‌توانید برنامه‌های بهره‌وری مانند ایمیل، همکاری و تقویم، علاوه بر این‌ها برنامه‌های کاربردی مانند مدیریت ارتباط با مشتری (CRM)، برنامه‌ریزی منایع سازمانی (ERP) و مدیریت اسناد را اجاره کنید. شما برای استفاده از این برنامه‌ها از طریق اشتراک و یا با توجه به سطح استفاده پرداخت انجام می‌دهید.نتیجه گیریرایانش ابر بطور چشمگیری موانع ورود به تجارت نرم افزاری را کاهش میدهد و برای شرکت ها روش های جدیدِ کسب سود را مینمایاند. ارائه دهندگان خدمات ابر از طریق تسهیم، بهبود دادن و سرمایه گذاری بیشتر در نرم افزار و سخت افزار به سود دست میابند یک بار نصب نرمافزار میتواند نیازهای کاربران متعددی را پوشش دهد. نیرو محرکه های اصلی که پشت سر رایانش ابر قرار دارند عبارتند از فراگیری شبکه ی بی سیم و پهنای باند، کاهش هزینه های ذخیره سازی، و بهبود تصاعدی در نرم افزارهای پردازشگر اینترنتی. مشتریان خدمات ابر قادر خواهند بود تا ظرفیت بیشتری را در هنگام اوج تقاضا به سیستم خود تزریق کنند، هزینه ها را کاهش داده، خدمات نوینی را تجربه کنند، و ظرفیت های بلا استفاده را حذف کنند. بدین ترتیب، وب از منابع محاسباتی قدرتمند با قیمت هایی قابل پرداخت، میزبانی می کند و سازمان ها بسته به شرایط اقتصادی وضعیت موجود خود- یعنی اینکه خرید نرم افزار و زیرساخت ها ارزانتر است یا خرید سرویس بر حسب نیاز- از امکانات رایانشی درون سازمانی شاهد افزایش تمایل استفاده از وسایل قابل حمل سبک برای دسترسی به خدمات ابر خارجی استفاده می کنند.در قرن 21 شاهد افزایش تمایل استفاده از وسایل قابل حمل سبک برای دسترسی به خدمات اینترنت بجای کامپیوترهای شخصی هستیم. از آنجایی که چنین وسایلی، امکانات پردازشی قوی ندارند (بعبارتی علاقه ای به داشتنِ چنین امکاناتی ندارند)، پس چه کسی قدرت پردازشی را تامین خواهد کرد؟ پاسخ به این سوال در رایانش ابر نهفته است.