محاسبات مه (Fog Computing)، مدلی است که از طریق اتصال به اینترنت، منابع محاسباتی مانند سرورها، ذخیره سازی داده و سرویس‌ها را از طریق شبکه در اختیار کاربران قرار می‌دهد. در این مدل، منابع محاسباتی به صورت مجازی در دسترس قرار می‌گیرند و کاربران می‌توانند به راحتی از آن‌ها استفاده کنند. این ویژگی به کاربران امکان می‌دهد تا بدون نیاز به سرورها و زیرساخت‌های محلی قدرتمند، برنامه‌ها و سرویس‌های مختلف را اجرا و داده‌ها را ذخیره کنند. مزایای اصلی محاسبات مه شامل انعطاف پذیری، صرفه جویی در هزینه، قابلیت دسترسی آسان و امنیت بیشتر است. این روش با استفاده از مدل‌های مختلفی مانند زیرساخت به عنوان سرویس (IaaS)، پلتفرم به عنوان سرویس (PaaS) و نرم افزار به عنوان سرویس (SaaS) ارائه می‌شود. با استفاده از محاسبات مه، کاربران قادرند بدون نیاز به سرورها و زیرساخت های محلی قدرتمند، برنامه ها و سرویس های مختلف را اجرا و داده ها را ذخیره کنند.

 

معماری محاسبات مه به چه صورتی است؟

معماری محاسبات مه (Fog Computing Architecture) از مجموعه مولفه‌ها و سرویس‌هایی تشکیل شده است که برای ارائه منابع محاسباتی، ذخیره سازی داده و سرویس‌ها به کاربران استفاده می‌شود. معماری محاسبات مه معمولا شامل سه لایه اصلی است: لایه فیزیکی، لایه پلتفرم و لایه نرم‌افزار.

1. لایه فیزیکی (Physical Layer)

لایه فیزیکی (Physical Layer) در معماری محاسبات مه، بخشی از ساختار زیرساخت فیزیکی است که برای فراهم کردن منابع محاسباتی و ذخیره سازی پیاده‌سازی می‌شود. این لایه شامل تجهیزات فیزیکی و سخت‌افزارهای مورد نیاز برای اجرای سرویس‌های محاسبات مه است. در لایه فیزیکی، عناصری مانند سرورها، سوییچ‌ها، روترها، دیتاسنترها، تجهیزات شبکه و سیستم‌های خنک‌کننده مورد استفاده قرار می‌گیرند. این تجهیزات فیزیکی به عنوان زیرساخت اصلی برای ارائه منابع محاسباتی در محیط محاسبات مه عمل می‌کنند. از مولفه‌های مهم این لایه به موارد زیر باید اشاره کرد:

سرورها: سرورها نقش مهمی در لایه فیزیکی دارند. آن‌ها منابع محاسباتی مانند پردازنده، حافظه و ذخیره‌سازی را فراهم می‌کنند. این سرورها می‌توانند به صورت فیزیکی یا مجازی وجود داشته باشند و در دیتاسنترها یا شبکه‌های توزیع شده قرار گیرند.

شبکه: تجهیزات شبکه مانند سوئیچ‌ها و روترها در لایه فیزیکی استفاده می‌شوند تا ارتباطات داده‌ای را مدیریت کنند و امکان ارتباط بین سرورها، کاربران و دیگر عناصر محیط محاسبات مه را فراهم کنند.

دیتاسنترها: دیتاسنترها محیط‌های فیزیکی هستند که سرورها، شبکه‌ها و تجهیزات دیگر مورد نیاز را برای ارائه خدمات محاسبات مه در خود جای می‌دهند. این دیتاسنترها معمولا دارای زیرساخت‌های فیزیکی قوی و پایداری هستند که از طریق شبکه به یکدیگر و به کاربران متصل می‌شوند.

سیستم‌های خنک‌کننده: در دیتاسنترها و محیط‌های محاسبات مه، تجهیزاتی برای مدیریت دما و خنک‌کردن سرورها و تجهیزات مورد استفاده قرار می‌گیرند. تجهیزات سرمایشی این اطمینان خاطر را می‌دهند که دمای سرورها در محدوده مطلوب باقی می‌ماند و عملکرد بهینه را حفظ می‌کنند.

به طورکلی لایه فیزیکی یکسری شرح وظایف دارد. اولین مورد انتقال داده‌ها است. لایه فیزیکی برای انتقال داده‌ها از یک دستگاه به دستگاه دیگر از طریق واسط‌های فیزیکی مختلف مانند کابل‌ها، فیبر نوری، رادیو، ماهواره و غیره استفاده می‌کند. این لایه مسئول ایجاد پیوندهای فیزیکی بین دستگاه‌ها و انتقال بیت‌های داده است. مورد بعد، کدگذاری و رمزگشایی است. قبل از ارسال داده‌ها، آنها باید به صورتی کدگذاری شوند که بتوانند در واسط‌های فیزیکی انتقال یابند. همچنین، دریافت کننده باید بتواند داده‌ها را دریافت و به درستی رمزگشایی کند. لایه فیزیکی مسئول این فرآیندها است. لایه فیزیکی باید از مکانیزم‌های مدیریت توان صحیح برای تجهیزات فیزیکی مرتبط با محیط محاسبات مه، مثل سرورها و تجهیزات شبکه، بهره ببرد که شامل کنترل مصرف برق، مدیریت دما و خنک‌کننده‌ها، بهینه‌سازی استفاده از منابع و مصرف انرژی است. لایه فیزیکی باید قادر باشد به طور موثر خطاهایی که در انتقال داده‌ها رخ می‌دهند را تشخیص داده و اصلاح کند. این فرآیند شامل استفاده از تکنولوژی‌های تشخیص خطا و تصحیح آن‌ها مانند تکنیک‌های تصحیح خطا برای جلوگیری از تخریب داده‌ها در طول انتقال است. به طور خلاصه، لایه فیزیکی در محاسبات مه مسئول انتقال داده‌ها بین تجهیزات مختلف و ایجاد پیوندهای فیزیکی بین

2. لایه پلتفرم (Platform Layer)

لایه پلتفرم (Platform Layer) در معماری محاسبات مه، بخشی از زیرساخت نرم‌افزاری است که برای اجرای و مدیریت برنامه‌ها و خدمات محاسبات مه استفاده می‌شود. این لایه شامل سیستم‌عامل‌ها، محیط اجرای برنامه‌ها، خدمات مورد نیاز برنامه‌نویسان و ابزارهای مدیریت و نظارت است. در لایه پلتفرم، عملکرد اجرایی برنامه‌ها و خدمات محاسبات مه انجام می‌شود و تمامی منابع مورد نیاز برنامه‌ها از جمله پردازنده‌ها، حافظه، ذخیره سازی و شبکه توسط این لایه مدیریت می‌شوند. برخی از مولفه‌های لایه پلتفرم به شرح زیر هستند:

سیستم‌عامل‌ها: سیستم‌عامل‌های مختلف مانند لینوکس، ویندوز سرور و سیستم‌عامل‌های مبتنی بر ابر مانند OpenStack استفاده می‌شوند. این سیستم‌عامل‌ها مسئول مدیریت منابع سخت‌افزاری و فراهم کردن محیط اجرایی برای برنامه‌ها و خدمات می‌باشند.

محیط اجرای برنامه‌ها: در این لایه، محیطی برای اجرای برنامه‌ها فراهم می‌شود. این محیط شامل ماشین‌های مجازی (Virtual Machines)، کانتینرها (Containers)، و پلتفرم‌های به عنوان خدمت (Platform as a Service – PaaS) می‌شود. این ابزارها به برنامه‌نویسان امکان اجرای برنامه‌ها را در محیط‌های محاسبات مه فراهم می‌کنند.

خدمات برنامه‌نویسی: لایه پلتفرم شامل خدماتی است که برنامه‌نویسان می‌توانند برای توسعه، مدیریت و اجرای برنامه‌ها استفاده کنند. این خدمات شامل سرویس‌های ذخیره‌سازی، پایگاه داده، سرویس‌های شبکه، تحلیل داده، امنیت و مدیریت است.

ابزارهای مدیریت و نظارت: لایه پلتفرم شامل ابزارها و سیستم‌های مدیریت و نظارت است که به مدیران و متخصصان کمک می‌کند تا عملکرد برنامه‌ها، منابع، امنیت و سیستم‌ها را نظارت و مدیریت کنند. این ابزارها می‌توانند شامل ابزارهای زماده‌سازی و مدیریت منابع، ابزارهای مانیتورینگ و نظارت، ابزارهای مدیریت شبکه و امنیت، و ابزارهای خودکارسازی باشند.

به طور خلاصه، لایه پلتفرم در محاسبات مه مسئول ارائه زیرساخت نرم‌افزاری برای اجرای و مدیریت برنامه‌ها و خدمات محاسبات مه است. این لایه شامل سیستم‌عامل‌ها، محیط اجرای برنامه‌ها، خدمات برنامه‌نویسی و ابزارهای مدیریت و نظارت است و در کنار لایه‌های دیگر مانند لایه‌های سخت‌افزاری و لایه‌های نرم‌افزاری دیگر قرار می‌گیرد.

 

3. لایه نرم‌افزار (Software Layer)

لایه نرم‌افزار (Software Layer) در معماری محاسبات مه، بخشی از زیرساخت نرم‌افزاری است که شامل اجزای نرم‌افزاری مختلف است که برای توسعه، اجرا و مدیریت برنامه‌ها و خدمات محاسبات مه استفاده می‌شوند. این لایه شامل سیستم‌عامل‌ها، برنامه‌های کاربردی، کتابخانه‌ها، فریم‌ورک‌ها، ابزارها و سرویس‌های مورد نیاز برنامه‌نویسان است. در لایه نرم‌افزار، برنامه‌ها و خدمات محاسبات مه توسط برنامه‌نویسان توسعه داده و اجرا می‌شوند. این لایه علاوه بر آن‌که میزبان سیستم‌عامل‌ها است، یکسری مولفه‌ها و چارچوب‌های کلیدی نرم‌افزار را به شرح زیر در خود جای داده است. این مولفه‌ها به شرح زیر هستند:

برنامه‌های کاربردی: برنامه‌های کاربردی توسط برنامه‌نویسان توسعه داده می‌شوند و وظایف خاصی را انجام می‌دهند. این برنامه‌ها می‌توانند شامل برنامه‌های وب، برنامه‌های دسکتاپ، برنامه‌های موبایل و سایر نرم‌افزارهای کاربردی باشند.

کتابخانه‌ها و فریم‌ورک‌ها: کتابخانه‌ها و فریم‌ورک‌ها ابزارهایی هستند که برنامه‌نویسان می‌توانند از آن‌ها برای تسریع فرآیند توسعه برنامه‌ها استفاده کنند. این ابزارها شامل کد‌های قابل استفاده مجدد، توابع، کامپوننت‌ها و ماژول‌هایی هستند که توسط توسعه‌دهندگان دیگر ساخته شده‌اند.

ابزارها و سرویس‌ها: در این لایه، ابزارها و سرویس‌های مورد نیاز برنامه‌نویسان برای توسعه، تست، مدیریت و راه‌اندازی برنامه‌ها قرار می‌گیرند. مثال‌هایی از این ابزارها شامل محیط‌های توسعه متن باز (IDEs)، ابزارهای تست و ابزارهای مدیریت کد منبع (Source Control) هستند.

سرویس‌ها: در این لایه، سرویس‌هایی که توسط ارائه‌دهندگان ابری فراهم می‌شوند، قرار می‌گیرند. این سرویس‌ها می‌توانند شامل سرویس‌های ذخیره‌سازی ابری، پایگاه داده ابری، سرویس‌های امنیتی، سرویس‌های شبکه و سرویس‌های تحلیل داده باشند. برنامه‌نویسان می‌توانند از این سرویس‌ها برای سرعت بخشیدن به فرآیند توسعه و اجرای برنامه‌ها استفاده کنند.

به طور خلاصه، لایه نرم‌افزار در محاسبات مه شامل مولفه‌های نرم‌افزاری است که برای توسعه، اجرا و مدیریت برنامه‌ها و خدمات محاسبات مه استفاده می‌شوند. این لایه شامل سیستم‌عامل‌ها، برنامه‌های کاربردی، کتابخانه‌ها، فریم‌ورک‌ها، ابزارها و سرویس‌های مورد نیاز برنامه‌نویسان است. با استفاده از این لایه، برنامه‌نویسان می‌توانند برنامه‌های خود را توسعه داده و بر روی زیرساخت نرم‌افزاری محاسبات مه اجرا کنند.

این سه لایه در معماری محاسبات مه با هم تعامل دارند و به کاربران امکان می‌دهند تا به راحتی منابع محاسباتی را مدیریت و استفاده کنند. برای اتصال بین اجزا مختلف، شبکه‌های اینترنت و پروتکل‌های ارتباطی مورد استفاده قرار می‌گیرند. همچنین، معماری محاسبات مه معمولا از مفهومی به نام مجازی‌سازی (Virtualization) نیز استفاده می‌کند، که امکان ایجاد منابع مجازی و جداگانه بر روی یک سخت‌افزار فیزیکی را فراهم می‌سازد. این مجازی‌سازی به کاربران اجازه می‌دهد تا منابع محاسباتی را به صورت انعطاف‌پذیر و بهینه به اشتراک بگذارند و از آن‌ها استفاده کنند.

به طور خلاصه، معماری محاسبات مه از لایه فیزیکی برای فراهم کردن زیرساخت‌های فیزیکی، لایه پلتفرم برای ارائه سرویس‌های پلتفرم به عنوان سرویس و لایه نرم‌افزار برای ارائه سرویس‌های نرم‌افزار به عنوان سرویس تشکیل شده است. این معماری باعث می‌شود که کاربران بتوانند به راحتی و با انعطاف‌پذیری بیشتر، منابع محاسباتی را مدیریت و استفاده کنند و از مزایا و قدرت محاسبات مه بهره‌برداری کنند.

 

محاسبات مه چه مزایایی در اختیار ما قرار می‌دهند؟

محاسبات مه (Cloud Computing) مزایای گسترده‌ای در اختیار ما قرار می‌دهند. اولین مورد انعطاف‌پذیری (Scalability) است. یکی از مزیت‌های اصلی محاسبات مه، انعطاف‌پذیری در استفاده از منابع محاسباتی است. با استفاده از این روش، کاربران قادر هستند به سرعت و با اعمال تغییرات آسان، منابع محاسباتی خود را افزایش یا کاهش دهند. این ویژگی به کاربران اجازه می‌دهد بر اساس نیازهای متغیر خود، منابع را بهینه استفاده کنند، به پیش‌بینی خطاها بپردازند و منابع را متناسب با پیک زمانی، افزایش یا کاهش دهند. مورد بعد در ارتباط با صرفه‌جویی در هزینه‌ها (Cost Efficiency) است. با استفاده از محاسبات مه، کاربران نیازی به سرورها و زیرساخت‌های محلی قدرتمند ندارند. این حرف به معنای کاهش هزینه‌های سخت‌افزاری، نگهداری و به‌روزرسانی آنها است. همچنین، با استفاده از مدل پرداخت بر اساس استفاده (Pay as You Go)، کاربران تنها برای منابعی که واقعا استفاده دارند، پرداخت می‌کنند.

مورد بعد دسترسی آسان (Easy Accessibility) است. محاسبات مه به کاربران امکان می‌دهد تا از هر جایی با اتصال به اینترنت به منابع محاسباتی و سرویس‌ها دسترسی پیدا کنند. این روش از هرگونه محدودیت مکانی و زمانی جلوگیری می‌کند و به کاربران اجازه می‌دهد به راحتی و به‌سرعت به منابع مورد نیاز خود دسترسی پیدا کنند. همچنین، امنیت افزایش‌یافته (Enhanced Security) را ارائه می‌کنند. ارائه‌دهندگان محاسبات مه معمولا تلاش می‌کنند تا امنیت داده‌ها و سرویس‌ها را تضمین کنند. آن‌ها از تکنولوژی‌های امنیتی متنوعی استفاده می‌کنند، از جمله رمزنگاری داده‌ها، پروتکل‌های امنیتی، روش‌های شناسایی و احراز هویت، و مکانیزم‌های پشتیبانی از بازیابی اطلاعات در صورت بروز مشکلات.

 

نقاط ضعف رایانش مه چیست؟

رایانش مه (Fog Computing) بدون شک مزایای قابل‌توجهی را در زمینه ارائه انعطاف‌پذیری، مقیاس‌پذیری، کاهش هزینه‌ها و دسترسی آسان به خدمات فناوری اطلاعات به کاربران فراهم می‌کند. با این حال، همچنین نقاط ضعفی نیز در رایانش مه وجود دارد که به شرح زیر هستند:

امنیت: یکی از نقاط ضعف مهم رایانش مه امنیت است. اطلاعات و داده‌هایی که در ابر ذخیره می‌شوند، باید محافظت شوند تا مجرمان سایبری به راحتی قادر به دسترسی به آن‌ها نباشند. این مساله می‌تواند باعث نگرانی کاربران شود، زیرا اعتماد به امنیت سرویس‌های ابری برای ذخیره‌سازی اطلاعات حساس ممکن است کاسته شود.

قابلیت اطمینان: هرچند سرویس‌های ابری تلاش می‌کنند تا قابلیت اطمینان بالا را فراهم کنند، اما همچنان وابستگی به ارتباط اینترنت و سرویس‌های شبکه ممکن است باعث از بین رفتن دسترسی به داده‌ها و خدمات شود. این مساله می‌تواند در مواقعی که دسترسی به اینترنت محدود است یا در صورت بروز خطاهای سیستمی باعث قطعی در ارائه خدمات شود.

سرعت و عملکرد: استفاده از رایانش مه معمولا به معنای استفاده از منابع مشترک است که ممکن است به معنای کاهش سرعت و عملکرد برخی از خدمات باشد، زیرا منابع سخت‌افزاری و نرم‌افزاری بین کاربران به اشتراک گذاشته می‌شود. در برخی موارد، این مساله می‌تواند برای برنامه‌ها و خدماتی که نیازمند پاسخ‌دهی سریع هستند، مشکل‌ساز شود.

وابستگی به ارائه دهنده: استفاده از رایانش مه به معنای وابستگی به ارائه‌دهنده خدمات است. به بیان دقیق‌تر، کاربران برای دسترسی به خدمات خود باید به ارائه‌دهنده اعتماد کنند و وابسته به آن‌ها باشند. اگر ارائه‌دهنده خدمات با مشکلات مالی، فنی یا سیاسی مواجه شود، ممکن است خدمات متوقف شود یا کیفیت آن‌ها کاهش یابد.

پهنای باند محدود: استفاده از رایانش مه به معنای انتقال داده‌ها و اجرای برنامه‌ها از طریق اینترنت است. حال اگر محدودیت در پهنای باند شبکه وجود داشته باشد، مشکلاتی را در ارتباط با برنامه‌ها و انتقال حجم زیادی از داده‌ها به وجود می‌آورد. این مساله می‌تواند منجر به کاهش سرعت انتقال داده‌ها و افزایش زمان پاسخ است.

همچنین، لازم به ذکر است که برخی از این نقاط ضعف با توجه به پیشرفت‌های فناوری و تلاش ارائه‌دهندگان سرویس‌های ابری قابل حل هستند. با این حال، در انتخاب و استفاده از رایانش مه، بهتر است این نقاط ضعف را در نظر داشته باشید و به درستی برنامه‌ریزی کنید تا مشکلات احتمالی را به حداقل برسانید.

 

محاسبات مه (Fog Computing) به چه شکلی پیاده‌سازی می‌شوند؟

محاسبات مه (Fog Computing) به شکلی پیاده‌سازی می‌شوند که امکان ارائه سرویس‌های محاسباتی و ذخیره‌سازی داده‌ها را در نزدیکی دستگاه‌های محلی و منابع مرتبط با آن‌ها فراهم می‌کنند. روش‌های اصلی پیاده‌سازی محاسبات مه به شرح زیر هستند:

نزدیکی فیزیکی: در این روش، سرویس‌ها و منابع محاسباتی در نزدیکی دستگاه‌های محلی و محیط‌های فیزیکی قرار می‌گیرند. این محیط‌ها می‌توانند شامل دستگاه‌های IoT (اینترنت اشیا)، روترها، سوییچ‌ها، آنتن‌ها و تجهیزات شبکه محلی باشند. این روش به دستگاه‌ها امکان اجرای سرویس‌های محاسباتی را در نزدیکی منابع محلی فراهم می‌کند، که منجر به کاهش تاخیر در پاسخگویی و افزایش سرعت در ارائه سرویس‌ها می‌شود.

نرم‌افزارهای زیرساختی: در این روش، نرم‌افزارها و سرویس‌های محاسباتی در لایه‌هایی قرار می‌گیرند که نزدیک به منابع محلی و دستگاه‌های کاربر هستند. این منابع می‌توانند دروازه‌ها (Gateway)، سرورهای محلی (Local Servers) یا سرویس‌های ابری در نزدیکی دستگاه‌ها باشند. با استفاده از این روش، قابلیت پردازشی و قابلیت ذخیره‌سازی به منابع محلی نزدیکتر به دستگاه‌ها و داده‌های تولید شده توسط آن‌ها منتقل می‌شود.

ترکیبی از ابر و مه: در این روش، سرویس‌ها و منابع محاسباتی همزمان در لایه‌های مه و ابری قرار می‌گیرند. این به دستگاه‌ها امکان اجرای سرویس‌های محاسباتی در نزدیکی منابع محلی و در صورت نیاز به منابع ابری را می‌دهد. با استفاده از این روش، می‌توان به طور همزمان از قدرت پردازشی و ذخیره‌سازی منابع محلی و امکانات قدرتمند و مقیاس‌پذیری منابع ابری استفاده کرد.

محاسبات مه به منظور کاهش تاخیر در پاسخگویی، افزایش کارایی و بهبود عملکرد سرویس‌ها در دستگاه‌های محلی به عنوان یک مدل محاسباتی برای پردازش داده‌ها و اجرای سرویس‌ها در نزدیکی دستگاه‌های محلی و لبه شبکه طراحی شده است. این معماری به منظور کاهش تاخیر، بهبود عملکرد و استفاده بهینه از منابع شبکه در مقابل محاسبات ابری (Cloud Computing) استفاده می‌شود.

 

محاسبات ابری به چه شکلی پیاده‌سازی می‌شوند؟

اکنون که معماری محاسبه مه را بررسی کردیم، بد نیست نیم نگاهی مختصر به معماری محاسبات ابری نیز داشته باشیم تا تفاوت‌ها را بهتر درک کنیم. (Cloud Computing) به صورت یک زیرساخت فناوری اطلاعات پیاده‌سازی می‌شود که به کاربران اجازه می‌دهد تا از طریق شبکه اینترنت به منابع محاسباتی متمرکزی دسترسی پیدا کنند. این منابع محاسباتی شامل سرورها، ذخیره‌سازی داده، شبکه‌ها، برنامه‌ها و سرویس‌ها هستند. پیاده‌سازی محاسبات ابری در عمل به شکل زیر انجام می‌شود:

مرکز داده: ارائه‌دهنده‌های خدمات ابری (مانند Amazon Web Services، Microsoft Azure، Google Cloud Platform و غیره) مراکز داده‌ای را در سراسر جهان برای میزبانی منابع محاسباتی فراهم می‌کنند. این مراکز داده تجهیزات سخت‌افزاری مانند سرورها، شبکه‌ها و ذخیره‌سازی داده را در خود جای داده‌اند.

مجازی‌سازی: یکی از اصلی‌ترین تکنولوژی‌های استفاده شده در محاسبات مه، مجازی‌سازی است. با استفاده از نرم‌افزارهای مجازی‌سازی مانند VMware، Hyper-V یا Xen، منابع سخت‌افزاری فیزیکی (مانند سرورها) به چندین ماشین مجازی تقسیم می‌شوند. این ماشین‌های مجازی به عنوان موجودیت‌های مستقل و قابل مدیریت در نظر گرفته می‌شوند و به کاربران اجازه می‌دهند تا به صورت مجزا از منابع محاسباتی استفاده کنند.

ارائه سرویس: ارائه‌دهنده‌های خدمات ابری خدمات مختلفی مانند ذخیره‌سازی داده (مانند سرویس‌های ذخیره‌سازی شی‌ی، پایگاه‌داده ابری)، پردازش (مانند سرویس‌های پردازش توزیع شده، سرویس‌های تحلیل داده)، شبکه (مانند سرویس‌های شبکه‌های خصوصی ابری، شبکه تحویل محتوا) و سرویس‌های دیگر (مانند سرویس‌های هوش مصنوعی، اینترنت اشیا) را به کاربران ارائه می‌دهند. این خدمات بر اساس مدل‌های مختلف ارائه می‌شوند، مانند زیرساخت به عنوان سرویس (Infrastructure as a Service – IaaS)، پلتفرم به عنوان سرویس (Platform as a Service – PaaS) و نرم‌افزار به عنوان سرویس (Software as a Service – SaaS).

شبکه: برای اتصال کاربران به منابع محاسباتی مرکزی، ارتباطات شبکه حیاتی است. شبکه‌های ابری این امکان را فراهم می‌کنند تا کاربران از هر جای جهان به منابع محاسباتی دسترسی پیدا کنند. شبکه‌های ابری معمولا شامل شبکه‌های خصوصی ابری (مانند Virtual Private Clouds) و شبکه‌های تحویل محتوا (مانند Content Delivery Networks) است.

امنیت: امنیت در محاسبات ابری بسیار حایز اهمیت است. ارائه‌دهندگان خدمات ابری از طریق روش‌های مختلفی مانند رمزنگاری، شناسایی دو عاملی، دیوارهای آتش و سایر روش‌های امنیتی سعی می‌کنند امنیت داده‌ها و منابع محاسباتی را به شکل قابل توجهی ارتقا دهند.

مدیریت: مدیریت منابع محاسباتی و سرویس‌های ابری بر عهده ارائه‌دهندگان خدمات ابری است. آن‌ها بر مبنای خط‌مشی‌ها، قوانین استفاده، مانیتورینگ عملکرد سرویس‌ها، پشتیبانی فنی، مقیاس‌پذیری و سایر وظایف مدیریتی را بر عهده دارند.

در کل، پیاده‌سازی محاسبات ابری شامل ساختاربندی زیرساخت فناوری اطلاعات، مجازی‌سازی منابع سخت‌افزاری، ارائه خدمات مختلف و مدیریت منابع و سرویس‌ها است. این روند با هدف ارائه منابع محاسباتی قابل مقیاس‌پذیری، قابلیت دسترسی آسان و کاهش هزینه‌ها صورت می‌گیرد.

 

نمونه‌هایی از کاربرد محاسبات مه

محاسبات مه در حال حاضر در طیف گسترده‌ای از برنامه‌ها استفاده می‌شود و پتانسیل کاربرد در موارد بسیار بیشتری را دارد. اولین مورد در حوزه اینترنت اشیا (IoT) است. دستگاه‌های اینترنت اشیا مثل حسگرها، دوربین‌ها و پوشیدنی‌ها حجم عظیمی از داده‌ها را تولید می‌کنند. محاسبات مه می‌تواند این داده‌ها را به طور محلی پردازش کند و فقط اطلاعات ضروری را به ابر ارسال کند. به عنوان مثال، در یک کارخانه تولیدی، حسگرها می‌توانند دما، فشار و سایر داده‌های مربوط به فرآیند را جمع‌آوری کنند. محاسبات مه می‌تواند این داده‌ها را به طور محلی پردازش کند و فقط ناهنجاری‌ها یا مشکلات بالقوه را به ابر ارسال کند. این امر به کاهش حجم داده‌هایی که باید به ابر ارسال و پردازش شوند کمک می‌کند و همچنین به شرکت‌ها اجازه می‌دهد تا سریع‌تر به مشکلات پاسخ دهند.

در شهرهای هوشمند، از محاسبات مه می‌توان برای مدیریت ترافیک، روشنایی خیابان‌ها، جمع‌آوری زباله و سایر خدمات شهری استفاده کرد. به عنوان مثال، در یک شهر، می‌توان از حسگرها برای جمع‌آوری داده‌های ترافیک در تقاطع‌ها استفاده کرد. محاسبات مه می‌تواند این داده‌ها را به طور محلی پردازش کند و سیگنال‌های ترافیک را در زمان واقعی تنظیم کند تا ترافیک را به حداقل برسانند. خودران‌ها برای ناوبری و تصمیم‌گیری در زمان واقعی به حجم عظیمی از داده‌ها در زمان کم نیاز دارند. محاسبات مه می‌تواند این داده‌ها را به طور محلی پردازش کند و تأخیر را به حداقل برساند. به عنوان مثال، یک خودروی خودران می‌تواند از دوربین‌ها و حسگرها برای شناسایی سایر وسایل نقلیه، عابران پیاده و دوچرخه‌سواران در اطراف خود استفاده کند. محاسبات مه می‌تواند این داده‌ها را به طور محلی پردازش کند و مسیر خودرو را در زمان واقعی برنامه‌ریزی کند تا از برخوردها جلوگیری شود. واقعیت مجازی و افزوده برای ارائه تجربیات عظیم به کاربران به پهنای باند بالا و تاخیر کم نیاز دارند. محاسبات مه می‌تواند این نیازها را با پردازش داده‌ها به طور محلی برآورده کند. به عنوان مثال، در یک برنامه واقعیت مجازی، کاربران می‌توانند با اشیای مجازی در دنیای واقعی تعامل داشته باشند. محاسبات مه می‌تواند داده‌های مربوط به حرکات کاربر را به طور محلی پردازش کند و اشیای مجازی را در زمان واقعی به روز کند تا یک تجربه روان و بدون تاخیر ایجاد شود.

 

تفاوت رایانش لبه و رایانش مه چیست؟

رایانش لبه و رایانش مه هر دو مدل‌های محاسباتی هستند که منابع پردازشی را به نزدیکی محل تولید یا مصرف داده منتقل می‌کنند. با این حال، بین این دو تفاوت‌های ظریفی وجود دارد. محاسبات لبه بر روی دستگاه‌های فردی مانند حسگرها، گیت‌وی‌ها و ماشین‌آلات انجام می‌شود. این دستگاه‌ها داده‌ها را جمع‌آوری و پردازش می‌کنند و سپس ممکن است نتایج را به یک ابر یا سرور دیگر ارسال کنند. محاسبات لبه برای برنامه‌هایی که به تاخیر بسیار کم و پهنای باند محدود نیاز دارند، مانند اتوماسیون صنعتی و واقعیت افزوده، ایده‌آل است.

محاسبات ابری در شبکه‌ای مبتنی بر دستگاه‌هایی مثل روترها، سوییچ‌ها و سرورها پیاده‌سازی می‌شوند. این دستگاه‌ها منابع پردازشی و ذخیره‌سازی بیشتری نسبت به دستگاه‌های لبه دارند و می‌توانند وظایف پیچیده‌تری را انجام دهند. محاسبات ابری برای برنامه‌هایی که به پردازش بیشتر داده‌ها و تصمیم‌گیری در زمان واقعی نیاز دارند، مانند اینترنت اشیا و خودروهای خودران، ایده‌آل است. به طور خلاصه، محاسبات لبه در نزدیک‌ترین نقطه به داده‌ها انجام می‌شود، در حالی که محاسبات ابری در سطح شبکه انجام می‌شود. محاسبات لبه برای برنامه‌های ساده با تاخیر کم مناسب است، در حالی که محاسبات ابری برای برنامه‌های پیچیده‌تر با نیاز به پردازش بیشتر مناسب است.

بخوانید : هوش مصنوعی به این 5 روش عملکرد شبکه‌های مخابراتی را بهبود می‌دهد