معماری، چالش ها و مزایای محاسبات مه

با پیشرفت روزافزون در کاربردهای اینترنت اشیا (iot)، رایانش ابری یکپارچه (cc) با تهدیدات متعددی مانند عملکرد، امنیت، تاخیر و خرابی شبکه مواجه است. با کشف محاسبات مه، این مسائل با نزدیک‌تر کردن رایانش ابری به اینترنت اشیا برطرف می‌شوند. عملکرد کلیدی مه ارائه داده های تولید شده توسط دستگاه های iot در نزدیکی لبه است. پردازش داده ها و ذخیره سازی داده ها به جای انتقال اطلاعات به سرور ابری، به صورت محلی در گره مه انجام می شود. در مقایسه با فضای ابری، رایانش مه خدماتی را با کیفیت بالا و زمان پاسخگویی سریع ارائه می دهد. از این رو، محاسبات مه ممکن است گزینه بهینه ای باشد که به اینترنت اشیا اجازه می دهد خدمات کارآمد و بسیار ایمن را به مشتریان متعدد اینترنت اشیا ارائه دهد. این امکان مدیریت خدمات و تامین منابع را در خارج از رایانش ابری، نزدیکتر به دستگاه‌ها، در لبه شبکه، یا نهایتاً در مکان‌هایی که توسط قراردادهای سطح سرویس (sla) مشخص شده‌اند، می‌دهد. محاسبات مه جایگزین رایانش ابری نیست، بلکه یک جزء غالب است. این امکان پردازش اطلاعات در لبه را فراهم می کند، هرچند همچنان گزینه اتصال با مرکز داده ابر را ارائه می دهد. در این مقاله، ویژگی‌های محاسبات مه، معماری مرجع مه، چالش‌های موجود در محاسبات مه بررسی شده اند که به عنوان یک لایه میانی بین سنسورها یا دستگاه های iot و مراکز داده ابر عمل می کند.