محاسبات مه در IOT

برای غلبه بر حجم عظیم داده های تولید شده در بستر IOT، توزیع مدیریت داده در کل سیستم اینترنت اشیاء، تا حد امکان نزدیک به لبه‌ی شبکه‌ی IP است. شناخته‌شده‌ترین تجسم سرویس‌های لبه‌ای در اینترنت اشیاء، مهندسی محاسبات مه (fog computing) است. هر دستگاهی با قابلیت محاسبه، ذخیره‌سازی و اتصال شبکه می‌تواند یک گره‌ی مه باشد. نمونه‌هایی از این دستگاه‌ها عبارتند از کنترل‌کننده‌های صنعتی، سوئیچ‌ها، روترها، سرورهای تعبیه‌شده و دروازه‌های اینترنت اشیاء. تجزیه و تحلیل داده‌های اینترنت اشیاء در نزدیکی محل جمع‌آوری آن، تأخیر را به حداقل می‌رساند، گیگابایت‌ها از ترافیک شبکه را از هسته‌ی شبکه خارج می‌کند و داده‌های حساس را در داخل شبکه‌ی محلی نگه می‌دارد.

یکی از مزایای این ساختار این است که گره‌ی مه به جمع‌آوری اطلاعات (مانند تحلیل) و کنترل از نزدیک‌ترین نقطه‌ی ممکن اجازه می‌دهد و با این کار، عملکرد بهتری را روی شبکه‌های محدود ارائه می‌دهد. از یک لحاظ، این کار لایه‌ی جدیدی را به مدل محاسبات سنتی فناوری اطلاعات معرفی می‌کند، لایه‌ای که اغلب با عنوان «لایه‌ی مه» شناخته می‌شود. شکل 2-15 جایگاه لایه‌ی مه را در «تراشه محاسبات و مدیریت داده‌ی اینترنت اشیاء» نشان می‌دهد.

محاسبات مه در IOT

خدمات مه به طور معمول بسیار نزدیک به دستگاه لبه‌ای انجام می‌شوند و تا حد امکان در نزدیکی نقاط پایانی اینترنت اشیاء قرار می‌گیرند. یکی از مزایای قابل توجه این است که گره‌ی مه به دلیل نزدیکی فیزیکی به آن حسگرها، از موقعیت مکانی حسگرهایی که مدیریت می‌کند آگاهی دارد. به عنوان مثال، ممکن است یک روتر مه روی یک دکل نفتی وجود داشته باشد که تمام فعالیت‌های حسگر در آن مکان را نظارت می‌کند. از آنجایی که گره‌ی مه قادر است اطلاعات را از تمام حسگرهای روی آن دکل تجزیه و تحلیل کند، می‌تواند تحلیل زمینه‌ای پیام‌هایی را که دریافت می‌کند ارائه دهد و ممکن است تصمیم بگیرد فقط اطلاعات مرتبط را از طریق شبکه‌ی اتصال برگشتی به ابر ارسال کند. به این ترتیب، این گره، تحلیل توزیع‌شده‌ای را انجام می‌دهد به گونه‌ای که حجم داده‌های ارسالی به بالادست به شدت کاهش می‌یابد و برای سرورهای برنامه‌ی کاربردی و تحلیل که در ابر قرار دارند بسیار مفیدتر است.

 علاوه بر این، داشتن آگاهی از موقعیت مکانی به گره‌های مه این امکان را می‌دهد که بسیار سریع‌تر از مدل محاسبات سنتی فناوری اطلاعات به رویدادهای شبکه‌ی اینترنت اشیاء واکنش نشان دهند، در حالی که مدل سنتی فناوری اطلاعات احتمالا تأخیر بیشتری را متحمل می‌شود و زمان پاسخ‌گویی کندتری دارد. بنابراین، لایه‌ی مه یک قابلیت حلقه‌ی کنترل توزیع‌شده‌ی لبه‌ای را فراهم می‌کند، جایی که دستگاه‌ها را می‌توان بدون نیاز به انتظار برای برقراری ارتباط از سرورهای مرکزی تحلیل و برنامه‌ی کاربردی در ابر، به صورت لحظه‌ای نظارت، کنترل و تجزیه و تحلیل کرد.

ویژگی‌های تعریف کننده‌ی مهندسی محاسبات مه به شرح زیر است:

آگاهی از موقعیت مکانی زمینه‌ای و تأخیر کم: گره‌ی مه تا حد امکان نزدیک به نقطه‌ی پایانی اینترنت اشیاء قرار می‌گیرد تا محاسبات توزیع‌شده را ارائه دهد.

توزیع جغرافیایی: برخلاف ابر که بیشتر متمرکز است، سرویس‌ها و برنامه‌های کاربردی مورد نظر گره‌های مه، نیازمند استقرارهای توزیع‌شده‌ی گسترده‌ای هستند.

استقرار نزدیک نقاط پایانی اینترنت اشیاء: گره‌های مه به طور معمول در حضور تعداد زیادی از نقاط پایانی اینترنت اشیاء مستقر می‌شوند. به عنوان مثال، استقرارهای اندازه‌گیری معمولی اغلب به ازای هر روتر دروازه‌ای که به عنوان گره‌ی محاسبات مه نیز عمل می‌کند، شاهد 3000 تا 4000 گره هستند.

ارتباط بی‌سیم بین مه و نقطه‌ی پایانی اینترنت اشیاء: اگرچه اتصال گره‌های سیمی امکان‌پذیر است، اما مزایای مه زمانی که با تعداد زیادی از نقاط پایانی سروکار دارید، بیشترین است و دسترسی بی‌سیم ساده‌ترین راه برای رسیدن به چنین مقیاسی است.

استفاده برای تعاملات لحظه‌ای: برنامه‌های کاربردی مهم مه شامل تعاملات لحظه‌ای به جای پردازش دسته‌ای هستند. پیش‌پردازش داده‌ها در گره‌های مه به برنامه‌های کاربردی لایه‌های بالاتر اجازه می‌دهد تا پردازش دسته‌ای را روی زیرمجموعه‌ای از داده‌ها انجام دهند.

پیمایش به بالا