تعریف رایانش مه
رایانش مه (Fog Computing) که با نام شبکه‌سازی مه (Fog Networking) یا مه‌پردازی (Fogging) نیز شناخته می‌شود، یک معماری پردازشی غیرمتمرکز است که قابلیت‌های رایانش ابری را به لبه‌ی شبکه نزدیک‌تر می‌کند. هدف اصلی این روش افزایش بهره‌وری، کاهش تاخیر و بهبود پردازش داده‌ها است.
رایانش مه توسط شرکت سیسکو در سال ۲۰۱۴ معرفی شد و به‌عنوان گسترش پردازش ابری به لبه‌ی شبکه سازمان‌ها شناخته می‌شود. این فناوری بهبود عملکرد پردازشی، ذخیره‌سازی و شبکه‌ای را بین دستگاه‌های نهایی و دیتاسنترها فراهم می‌کند. دستگاه‌هایی که در این معماری به‌عنوان گره‌های مه (Fog Nodes) شناخته می‌شوند، بخشی از زیرساخت مه را تشکیل می‌دهند.
تفاوت رایانش مه و رایانش لبه‌ای
| رایانش لبه‌ای | رایانش مه |
| کمتر مقیاس‌پذیر است | مقیاس‌پذیری بیشتری دارد |
| میلیون‌ها گره پردازشی دارد | میلیاردها گره پردازشی دارد |
| گره‌ها دور از فضای ابری نصب می‌شوند | گره‌ها نزدیک به فضای ابری نصب می‌شوند |
| یک زیرمجموعه از رایانش مه است | یک زیرمجموعه از رایانش ابری است |
| نیاز به پهنای باند کم دارد | نیاز به پهنای باند بالا دارد |
| هزینه عملیاتی بیشتر دارد | هزینه عملیاتی کمتر دارد |
| مصرف انرژی کمتری دارد | مصرف انرژی بالاتر برای پردازش داده‌های زیاد دارد |
انواع رایانش مه
رایانش مه در سطح دستگاه (Device-Level Fog Computing): شامل حسگرها، سوییچ‌ها و روترها برای جمع‌آوری داده و ارسال آن‌ها به فضای ابری.
رایانش مه در سطح لبه (Edge-Level Fog Computing): استفاده از سرورها و تجهیزات متصل به شبکه برای پردازش داده‌ها قبل از ارسال به ابر.
رایانش مه در سطح دروازه (Gateway-Level Fog Computing): شامل دستگاه‌هایی که بین لبه و فضای ابری قرار گرفته و ترافیک را کنترل می‌کنند.
رایانش مه در سطح ابری (Cloud-Level Fog Computing): شامل سرورهای ابری که داده‌ها را پردازش کرده و نتایج را برای کاربران ارسال می‌کنند.
اجزای رایانش مه
دستگاه‌های لبه‌ای: شامل حسگرها، کنترل‌کننده‌های PLC و روترهای گیت‌وی که نزدیک به منبع داده قرار دارند.
پردازش داده: انجام پردازش‌های محلی در دستگاه‌های لبه‌ای، به‌جای ارسال داده به مرکز پردازش.
ذخیره‌سازی داده: نگهداری داده‌های مهم به‌صورت محلی برای افزایش امنیت و کاهش تأخیر.
اتصال شبکه: دستگاه‌های مه باید به‌سرعت با بقیه‌ی شبکه ارتباط برقرار کنند.
مزایای رایانش مه
کاهش مصرف پهنای باند: کاهش حجم داده‌های ارسالی به فضای ابری.
کاهش تاخیر: انجام پردازش در نزدیکی منبع داده به‌جای ارسال به سرورهای دوردست.
افزایش امنیت: نگهداری داده‌ها نزدیک به دستگاه‌های میزبان، که امکان حملات سایبری را کاهش می‌دهد.
افزایش حریم خصوصی: شرکت‌ها می‌توانند داده‌های حساس خود را به‌صورت محلی تحلیل کنند.
بهبود کارایی سیستم: کاهش بار پردازشی روی سرورهای ابری و افزایش سرعت پردازش داده‌ها.
معایب رایانش مه
احتمال ازدحام شبکه: افزایش ترافیک داده‌ای بین میزبان و گره‌های مه ممکن است منجر به ازدحام شود.
افزایش مصرف انرژی: وجود یک لایه اضافی بین میزبان و ابر باعث افزایش مصرف انرژی می‌شود.
پیچیدگی مدیریت داده: مدیریت رمزگذاری، ذخیره‌سازی و پردازش داده در چندین نقطه دشوار است.
کاربردهای رایانش مه
پایش وضعیت بیماران در حوزه پزشکی: امکان نظارت لحظه‌ای بر وضعیت بیماران و ارسال هشدار در موارد اضطراری.
مانیتورینگ لحظه‌ای خطوط ریلی: کاهش تأخیر در پردازش داده‌های قطارهای پرسرعت.
بهینه‌سازی خطوط نفت و گاز: مدیریت و پردازش حجم عظیمی از داده‌ها بدون نیاز به ذخیره‌سازی کامل در ابر.
مدیریت صنعتی IoT: جمع‌آوری داده‌های حسگرها و پردازش آن‌ها در محل.
نتیجه‌گیری
رایانش مه با نزدیک‌تر کردن پردازش ابری به لبه‌ی شبکه، بهره‌وری را افزایش داده، تأخیر را کاهش داده و عملکرد پردازش داده‌ها را بهبود می‌بخشد. این روش برای تحلیل بلادرنگ داده‌ها، پردازش در محیط‌های IoT، و بهینه‌سازی مصرف پهنای باند مناسب است.
کلودینو | خرید هاست | هاست ارزان
لینک منبع: geeksforgeeks
