سپیده ابن یوسف - گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه آل طه، تهران، ایران،
علی اکبر صدری - گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران، گروه مهندسی کامپیوتر دانشکده فنی و مهندسی، دانشگاه امام علی (ع) تهران، ایران،

اخیرا رایانش مه به عنوان یک الگوی توزیع شده مدرن و کامل کننده رایانش ابری برای ارائه خدمات، ارائه شده است. رایانش مه ذخیره سازی و محاسبات را تا لبه شبکه گسترش میدهد، که میتواند علاوه بر فعال کردن آگاهی موقعیت و پشتیبانی تحرک و مهاجرت، مشکل رایانش سرویس برنامه های حساس به تاخیر را به طور قابل ملاحظه ای حل کند. تعادل بار جنبه مهمی از شبکه های مه است که از عوارض پیش آمده از گره های کم بار یا اضافه باردرمحیط مه جلوگیری میکند. پارامترهای کیفیت خدمات مانند استفاده از منابع، توان عملیاتی، هزینه، زمان پاسخگویی، عملکرد و مصرف انرژی را میتوان با تعادل بار بهبود بخشید. اخیرا تحقیقاتی در زمینه روشهای تعادل بار در محیط مه انجام شده است، در این گزارش سعی شده است تا در مورد رویکردهای تعادل بار در رایانش مه بحث شود و به طور خاص تمرکز این گزارش بر روی معرفی روش ها و راه حلهای پیشرفته در تعادل بار لایه مه میباشد و نحوه و بیان، تحلیل مفصلی از طرح، چارچوب و یا الگوریتم پیشنهادی در بازه زمانی ۲۰۱۸تا۲۰۲۲ است؛ سپس به دسته بندی هرکدام از روشها و مطالعات و پژوهش ها از لحاظ موضوع اصلی، مزایا، معایب، یافته های جدید، حوزه کاربرد، نتایج ارزیابی، محیطهای ارزیابی و معیارهای ارزیابی درقالب جدول و همچنین به صورت آماری پرداخت شده و همچنین به بیان مسائل باز و چالشهای موجود در تعادل بار در رایانش مه میپردازد و درنهایت کارهای آتی و پیشنهادهای هرکدام از مطالعات و پژوهشها را مورد بررسی قرار میدهد.

رایانش ابر۱، رایانش مه۲، تعادل بار۳،عملکرد۴، کیفیت خدمات۵، رایانش لبه