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 نزدیک تر کردن رایانش ابری به اینترنت اشیابرطرف می شوند. عملکرد کلیدی مه ارائه داده های تولید شده توسط دستگاه های IoT در نزدیکی لبه است. پردازش داده هاو دخیره سازی داده ها به جای انتقال اطلاعات به سرور ابری، به صورت محلی در گره مه انحام می شود. در مقایسه بافضای آبری رایانش مه خدماتی را با کیفیت بالا و زمان پاسخگویی سریع ارائه می دهد. از این رو محاسبات مه ممکن استگزینه بهینه ای باشد که به اینترنت اشیا اجازه می دهد خدمات کارآمد و بسیار ایمن را به مشتریان متعدد اینترنت اشیا ارائهدهد. این امکان مدیریت خدمات و تامین منابع را در خارج از رایانش ابری، نزدیکتر به دستگاه ها، در لبه شبکه، یا نهایتا درمکان هایی که توسط قراردادهای سطح سرویس (SLA) مشخص شده انده می دهد. محاسبات مه جایگزین رایانش ابرینیست. بلکه یک جزء غالب است. این امکان پردازش اطلاعات در لبه را فراهم می کند. هرچند همچنان گزینه اتصال بامرکز داده ابر را ارائه می دهد. در این مقاله، ویژگی های محاسبات مه. معماری مرجع مه. چالش های موجود در محاسبات مهبررسی شده اند که به عنوان یک لایه میانی بین سنسورها یا دستگاه های IoT و مراکز داده ابر عمل می کند.

Keywords:

رایانش ابری , محاسبات مه , اینترنت اشیا , معماری مه