سمانه حسینی خطیبانی - 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

امروزه ما به بسیاری از دستگاه های هوشمند متصل هستیم ، دستگاه هایی که بار اصلی پردازش داده ها رابرعهده دارند. و ما با حجم زیادی از اطلاعات مواجه هستیم که بیشتر این حجم داده مربوط به اینترنت اشیاست. این حجم داده کلان برای پردازش به مرکز رایانش ابر فرستاده می شود. کاربران، متقاضی خدماتی هستندکه در هر زمان و مکان از طریق اینترنت دردسترس باشند و در حین استفاده مختل نشوند. اما این امکان وجوددارد که تاخیری نسبی، ارزش داده ها را از بین ببرد. با این حال، با رشد چشم گیر دستگاه های IOT و دادههایی که بین اشیا و ابر، تولید و مخابره می کنند، پرهزینه، ناکارآمد و در برخی موارد غیر قابل اجرا شده است .رایانش مه راه حل مناسبی برای انتقال بخشی از بار محاسباتی به گره های محلی نزدیکتر یا بیشتر ارائه می کندکه می توانند کارهایی مانند فیلتر کردن و استاندارد سازی و حتی پیش پردازش ها را انجام دهد. بررسی هانشان داد محققان در مقالات خود معماری و الگوریتم هایی برای فیلتر کردن داده های مه ارائه کرده اند کهباعث کاهش داده های ارسالی می شود . این تحقیقات هوشمندسازی را مورد مطالعه قرار داده است و بررسیجامعی در مورد انتقال و تجمیع داده های کارآمد، جمع آوری و طبقه بندی داده ها ، امنیت داده ها و....انجامشده است و راه حل های مناسب جهت بهبود طول عمر شبکه، کاهش زمان محاسباتی، زمان پاسخ و کاهشهزینه پیشنهاد شده است. همچنین این مقاله به بررسی مسائل موجود، چالش های نوظهور، فرصت هایتحقیقاتی و جهت گیری ها و کاربردهای آنها پرداخته است و هر کدام از پژوهش ها را از نظر موضوع اصلی،کلمات کلیدی، حوزه کاربرد، نتایج ارزیابی ، یافته های جدید، محیط های ارزیابی و معیارهای ارزیابی در قالبجداول و نمودارها و نیز به صورت آماری دسته بندی کرده است.

کاهش داده ،رایانش ابری ،رایانش مه، رایانش لبه، اینترنت اشیاء، داده های کلان