مه: افزونه‌ی ضروری ابری برای اطلاعات و دستگاه‌های متصل

رویکردهای فعلی شبکه‌های ابری در شرایط خاص برای بسیاری از حوزه‌های صنعتی IoT (اینترنت اشیا) مناسب نیست. همه‌ی اطلاعاتی برای انتقال به فضای ابری گردآوری می‌شوند، با توجه به اهداف ما مهم نیستند. از میان این اطلاعات مهم نیز برخی مهم‌تر و نسبت به زمان حساس هستند. برای ارسال همه‌ی این اطلاعات به فضای ابری به پهنای باند زیادی نیاز است. بنابراین وقتی فن‌آوری‌های ارتباطی ارزان‌قیمت در دسترس نباشد، رایانش مه‌ به عنوان مکملی برای فن‌آوری پردازش ابری وارد ماجرا می‌شود.

0 119

احتمالا تاکنون درباره‌ی شکلی از رایانش لبه‌ای به نام رایانش مه‌ (Fog Computing) شنیده باشید. رایانش مه‌ اصطلاحی است که توسط شرکت سیسکو اختراع شد و اساساً افزونه‌ای برای پردازش ابری در زمینه‌ی توزیع پیشرفته و سیستم‌های متصل است. این مبحث عمدتاً مربوط به اینترنت اشیا (IoT) است، ولی فناوری نسل پنجم (5G) و هوش مصنوعی را نیز در بر می‌گیرد.

رویکردهای فعلی شبکه‌های ابری در شرایط خاص برای بسیاری از حوزه‌های صنعتی IoT، از صنایع هوشمند گرفته تا ساختمان‌های هوشمند، از اتومبیل‌ها و شهرهای هوشمند تا اپلیکیشن‌های هوشمند و متصل مثلاً در حوزه‌ی نفت و گاز مناسب نیست.

شبکه‌های IoT اجزای بسیاری، از جمله شبکه‌های سنتی دارند که هر یک نقش مربوط به خود را در طرح کلی اطلاعات، ارتباطات، تحلیل، اپلیکیشن‌ها و سایر مباحث این چنینی ایفا می‌کنند. در چنین شبکه‌هایی اساسی‌ترین سطح از اشیای متصل تشکیل شده، همان «چیزهایی» که در اینترنت اشیا به گردآوری اطلاعات می‌پردازند. این چیزها می‌توانند یک دستگاه متصل، سکوهای نفتی مجهز به حسگر یا دستگاه‌ اینترنت اشیا باشد که در یک اتومبیل متصل وجود دارد.

مه: افزونه‌ی ضروری ابری برای اطلاعات و دستگاه‌های متصل
مه: افزونه‌ی ضروری ابری برای اطلاعات و دستگاه‌های متصل

رایانش، شبکه و قابلیت‌های ذخیره‌سازی سیستم‌های ابری، توسط رایانش مه‌ به لبه‌ی فن‌آوری‌های شبکه برده می‌شوند.

شبکه‌های سنتی و مدل ابری در شبکه‌های IoT تقریباً بدین صورت عمل می‌کنند: حسگرها اطلاعات را حس کرده و آن‌ها را به سایر دستگاه‌های مجاور و الکترونیکی می‌رسانند تا اطلاعات برای مدت مشخصی در آن‌ها ذخیره شود، سپس برای فیلتر کردن، پردازش، تحلیل و غیره، آن‌ها را به محیط ابری (یا دیتاسنتر) می‌فرستند.

مثلاً برای پیاده‌سازی IoT در حوزه‌ی نفت و گاز یا صنایع سنگین، حجم عظیمی از اطلاعات وجود دارد. با کاهش قیمت حسگرها و افزایش پروژه‌های IoT حجم این اطلاعات در سایر حوزه‌ها نیز روز به روز بیشتر می‌شود و دستگاه‌های متصل بیش از پیش در پی گردآوری گستره‌ی وسیعی از داده‌ها هستند. با وجود این سیل عظیم از اطلاعات IoT هنوز در آغاز راه قرار داریم.

اما همه‌ی اطلاعاتی که گردآوری می‌شوند، با توجه به اهداف ما مهم نیستند. از میان این اطلاعات مهم نیز برخی مهم‌تر و نسبت به زمان حساس هستند. برای ارسال همه‌ی این اطلاعات به فضای ابری به پهنای باند زیادی نیاز است. بنابراین وقتی فن‌آوری‌های ارتباطی ارزان‌قیمت در دسترس نیست، مثلاً در مکان‌های دورافتاده یا صعب‌العبور است و مجبورید برای این حجم از اطلاعات از چیزی مثل ماهواره استفاده کنید، چه کار می‌کنید؟ و اگر اطلاعات ان‌قدر مهم باشد که برای تصمیم‌گیری‌های انسانی یا خودکار به آن نیاز داشته باشید ولی به دلیل اختلال نتوانید ارتباط برقرار کنید، چه اتفاقی می‌افتد؟

این‌جاست که رایانش مه‌ به عنوان مکملی برای فن‌آوری پردازش ابری وارد ماجرا می‌شود. در رایانش مه‌ اطلاعات در همان‌جایی که در شبکه‌ی IoT تولید شده، فیلتر و تحلیل می‌شود: در لبه و مرز آن. این کار با استفاده از گره‌های مه و همراه با یک اپلیکیشن IoT مه‌ انجام می‌شود که به حل این مشکل و سایر مشکلات می‌پردازند.

چطور؟ به سادگی. این راهکار در همان حینی که این اطلاعات در حالت انتظار ستند، برای داده‌هایی که می‌خواهند به فضای ابری یا یک گره مه‌ منتقل شوند تصمیم‌گیری می‌کند. (در فضای مه‌ فیلتر کردن، تحلیل و چنین عملیات‌هایی صورت گرفته و باعث می‌شود اندازه‌ی اطلاعاتی که قرار است ارسال شود خیلی کوچک‌تر گردد و اعمالی اتفاق بیفتد که امکان تصمیم‌گیری آنی برای انسان یا دستگاه‌ها را فراهم کند.) علاوه بر این، اطلاعاتی از نوع IoT وجود دارد که به زمان حساس است ولی حجم آن کمتر بوده و پیش از رفتن به فضای ابری وارد گره تجمیعی مه می‌شود.

مه: افزونه‌ی ضروری ابری برای اطلاعات و دستگاه‌های متصل
مه: افزونه‌ی ضروری ابری برای اطلاعات و دستگاه‌های متصل

رایانش مه‌ در حالتی کلی‌تر از اکوسیستم ابر-محوری که در خدمت دستگاه‌های هوشمند قرار دارد

بگذارید مثالی را بررسی کنیم: اگر حسگرها اطلاعاتی را گردآوری کنند که برای ضبط آن‌ها ساخته شده‌اند (مثلاً گرما، آتش، رطوبت، وجود گاز، تغییر در موقعیت و سرعت و غیره) و این اطلاعات به معنای این باشد که در یک محیط خاص، حساس و حیاتی (مثل خط لوله‌‌های انتقال گاز، نیروگاه‌های پتروشیمی، خودروهای متصل و غیره) چیزی در حال وقوع یا در شرف وقوع است (تحلیل پیش‌گویانه و نگهداری پیش‌گویانه) باید بلافاصله وارد عمل شد. بنابراین این اطلاعات نباید منتظر این بمانند که اول به فضای ابری منتقل شده و بعد پردازش‌ها صورت بگیرند، بلکه باید اولویت‌بندی، تحلیل و تصمیم‌گیری درباره‌ی آن‌ها به صورت آنی انجام شود.

به یاد داشته باشید که رایانش مه‌ و ابری اساساً ارتباط نزدیکی با یکدیگر داشته و در چنین شبکه‌هایی مکمل هم هستند.

نمونه‌ی این کار در تلاش‌هایی که موسسه‌ی ملی فن‌آوری و استانداردها (NIST) در زمینه‌ی پردازش ابری انجام می‌دهد دیده می‌شود. آیا با مدل‌های خدماتی NIST مثل اجاره‌ی نرم‌افزار، اجاره‌ی پلتفرم و اجاره‌ی زیرساخت آشنا هستید؟ با توجه به این که رایانش مه‌ افزونه‌ای از پردازش ابری است، این سرویس‌ها به راحتی برای فن‌آوری مه نیز قابل تعمیم‌اند. در زمینه‌ی مدل تحویل نیز همان‌طور که فضاهای عمومی، خصوصی، ترکیبی و انجمنیِ ابری داریم، این مدل در حوزه‌ی مه‌ هم دقیقاً به همان شکل عمومی، خصوصی، ترکیبی و انجمنی وجود دارد.

شاید از این مطالب هم خوشتان بیاید.

ارسال پاسخ

آدرس ایمیل شما منتشر نخواهد شد.