شرکت Cisco برای اولین بار، رایانش مه را در ماه ژانویه سال ۲۰۱۴ معرفی کرد. ایده‌ی پشت رایانش مه نسبت به رایانش ابری، افزایش سرعت پردازش اطلاعات بود. ریشه رایانش مه، همان رایانش ابری است، با این تفاوت که به دلیل سرعت بالاتر انتقال اطلاعات، در فناوری‌هایی مثل اینترنت اشیا مورد استفاده قرار می‌گیرد.

هم‌زمان با رشد و نفوذ دستگاه‌های اینترنت اشیا در حوزه‌های مختلف، استفاده از خدمات رایانش مه نیز در این حوزه اهیمت بیشتری یافت. پیش‌بینی می‌شود فناوری رایانش مه که محاسبات مه هم گفته می‌شود، در آینده رشد قابل توجهی داشته باشد. گزارشی از ۴۵۱ تحقیق انجام شده در این زمینه نشان داد که بازار رایانش مه تا سال ۲۰۲۲ به ارزشی برابر ۴/۶ میلیارد دلار خواهد رسید.

عملکرد رایانش مه چگونه است؟

دستگاه‌هایی که در مه وجود دارند تحت عنوان نود شناخته می‌شوند. هر دستگاه با ارتباط شبکه‌ای، محاسباتی و ذخیره‌سازی می‌تواند یک نود باشد که در هر جایی با یک ارتباط شبکه‌ای می‌توانند قرار گیرند. دستگاه‌های مختلف از کنترل‌کننده‌ها تا سوئیچ‌ها، روترها و دوربین‌های فیلمبرداری، می‌توانند به عنوان یک نود مه عمل کنند. این نود‌ها می‌توانند در مناطق هدف مانند دفتر کار یا در یک وسیله نقلیه به‌کار گرفته شوند. وقتی یک دستگاه اینترنت اشیا داده‌هایی تولید می‌کند، این داده‌ها می‌توانند از طریق یکی از این گره‌ها دریافت شوند و در شبکه، پردازش سپس به مراکز داده ابری منتقل ‌شوند.

تفاوت اصلی میان رایانش ابری و رایانش مه این است که محاسبات مه نزدیکی جغرافیایی بیشتری به کاربر نهایی دارد و توزیع جغرافیایی وسیع‌تری ایجاد می‌کند.

مزایای رایانش مه

دلایل مختلفی برای به‌کارگیری رایانش مه وجود دارد. این دلایل در نهایت باعث افزایش بهره‌وری سازمانی می‌شوند. در ادامه به برخی از مهم‌ترین مزایای بکارگیری رایانش مه می‌پردازیم.

کاهش زمان تاخیر: یکی از بزرگ‌ترین مزایای رایانش مه، کاهش زمان تاخیر است. دیگر لازم نیست داده‌ها برای پردازش به مراکز داده ابری فرستاده شوند و از بین رفتن این مشکل باعث می‌شود که تحلیل و پردازش داده‌ها بسیار بهتر و موثرتر انجام شود.

کاهش ملزومات عملکردی: عدم ارسال داده‌ها به مراکز داده رایانش ابری علاوه بر صرفه‌جویی در زمان، می‌تواند میزان پهنای باند لازم برای این کار را هم کاهش دهد و در مقابل، این میزان پهنای باند برای ارتباط با حسگرها و مراکز داده ابری بکار برده شود. این روش در نهایت باعث کاهش ملزومات عملکرد می‌شود.

توزیع جغرافیایی گسترده: استفاده از رایانش مه با تمرکززدایی از شبکه، امکان توزیع جغرافیایی گسترده‌تری را نسبت به شبکه‌سازی سنتی یا رایانش ابری فراهم می‌آورد. این کار به ارایه سرویس با کیفیت‌تر برای کاربر نهایی منجر می‌شود.

تحلیل در لحظه: در بسیاری از محیط‌ها، توانایی تحلیل فوری داده‌ها، اهمیت بسیار زیادی دارد. حذف عوامل ناکارآمدی و تاخیر که در سرویس‌های خدمات ابری وجود دارند، به معنای آن است که کاربر می‌تواند تحلیل معتبر و لحظه‌ای داده‌ها را در اختیار داشته باشد.

تفاوت‌های رایانش مه و رایانش مرزی

به صورت کلی داده‌هایی که از اینترنت اشیا تولید می‌شوند در سه محل می‌توانند پردازش شوند. مراکز داده ابری، شبکه یا دستگاه‌ها. در فناوری اینترنت اشیا که حجم داده‌ها زیاد است و از طرفی به سرعت پردازش بالا نیاز است، تحلیل در شبکه یا دستگاه‌ها معمولا منجر به عملکرد بهتری می‌شود. با این وجود هر دو فناوری رایانش مه و رایانش مرزی به فضای رایانش ابری وابسته هستند و هدف هر دو کاهش تاخیر و افزایش سرعت پردازش است. اما چه تفاوتی بین این دو وجود دارد؟

رایانش مه و رایانش مرزی هر دو یک کارایی دارند و به افزایش توانایی پردازش داده‌ها و اطلاعات در یک شبکه محلی کمک می‌کند. اما تفاوت این دو در محل پردازش داده‌ها است. در رایانش مرزی که محاسبات لبه‌ای هم گفته می‌شود، بدون آنکه داده‌ها به جایی منتقل شوند، پردازش داده‌ها مستقیما روی سنسورهایی که از نظر فیزیکی به دستگاه مبدا نزدیک است، انجام می‌شود مثلا در چراغ‌های راهنمایی هوشمند، سنسورهای موجود روی آن در لحظه، اطلاعات را دریافت و پردازش می‌کنند و از این طریق سرعت تحلیل اطلاعات افزایش می‌یابد. در این مدل هر دستگاه به طور مستقل عمل می‌کند و تشخیص می‌دهد که کدام داده‌ها را به صورت محلی ذخیره کند و کدام اطلاعات برای تحلیل‌های بعدی به یک درگاه یا مرکز داده فرستاده شوند.

اما در رایانش مه عملیات پردازش روی پردازشگرهایی انجام می‌شود که در فاصله دورتری از حسگر‌ها قرار دارد. در واقع داده‌ها در رایانش مه در فضای شبکه پردازش می‌شوند سپس به مراکز داده ابری ارسال می‌شوند.

یک مثال ساده

یک خودرو هوشمند را تصور کنید. در رایانش ابری، در هر لحظه داده‌هایی که تولید می‌شوند برای پردازش به زیرساخت‌های ابری منتقل می‌شود که این فرایند ممکن است چند میلی ثانیه طول بکشد. در فناوری رایانش مه، داده‌هایی که تولید می‌شوند به زیرساخت‌های محلی برای پردازش منتقل می‌شوند درست مثل این است که مرکز داده کوچکی در همان محل تولید داده وجود داشته باشد، در این صورت نسبت به رایانش ابری سرعت انتقال و پردازش داده‌ها افزایش می‌یابد.

اما در رایانش مرزی روی قسمت‌های مختلف خودرو، سنسورهایی نصب می‌شود که این قابلیت را دارند که داده‌ها را در همان لحظه که تولید می‌شوند، بدون انتقال به مرکز داده پردازش کنند. بنابراین افزایش سرعت پردازش داده در قسمت‌های مختلف خودرو این امکان را فراهم کرده است که خودروهای بدون سرنشین معرفی شوند.

رایانش مه و اینترنت اشیا

به طور کلی رایانش مه برای سازمان‌هایی بهترین انتخاب است که باید در کمتر از یک ثانیه داده‌ها را تحلیل و به آنها واکنش نشان دهند. این رویکرد به دلیل سرعت بالای انتقال و پردازش اطلاعات برای بسیاری از کاربردهای اینترنت اشیا قابل استفاده است. از آنجایی‌که در دستگاه‌های اینترنت اشیا حجم اطلاعاتی که تولید می‌شود بسیار بالاست، انتقال این داد‌ها به مراکز داده هزینه‌بر و زمان‌بر است. رویکرد رایانش مه با حل کردن این موضوع کمک می‌کند تا حد زیادی این کار تسهیل پیدا کند. شرکت‌های تولیدکننده سخت‌افزار مانند Cisco، Dell و Intel، با تحلیل داده‌های اینترنت اشیا و ارایه‌دهندگان خدمات یادگیری ماشینی کار می‌کنند تا درگاه‌های اینترنت اشیا و روترهایی را ایجاد کنند که از رایانش مه پشتیبانی می‌کنند.

اما چرا رایانش مه تا این حد در اینترنت اشیا اهمیت دارد؟ تاخیر در بعضی موارد شاید تنها آزار دهنده باشد اما در بعضی موارد تاخیر در انتقال اطلاعات در بسیاری از موقعیت‌های اینترنت اشیا در دنیای واقعی، می‌تواند تهدیدی برای زندگی به حساب بیاید. برای نمونه؛ در سیستم‌های ارتباطی میان وسایل نقلیه، مدیریت چراغ راهنمایی هوشمند، درمان از راه دور یا محیط‌های مراقبت از بیمار؛ همه و همه شرایطی هستند که هر میلی‌ثانیه می‌تواند اهمیت داشته باشد.

در نهایت هر دو فناوری‎‌های رایانش مه و رایانش مرزی به رایانش ابری وابسته هستند. و هدف اصلی هر دو تکمیل فناوری رایانش ابری است.

منبع: شبکه دانش همکاران سیستم