مروری بر تکامل معماری نرم افزار در رایانش ابری و لبه ای

این پژوهش با هدف ارائه مرور نظام مند بر سیر تکامل معماری نرم افزار از مدل های متمرکز سنتی به سوی معماری های ترکیبی ابر لبه ای انجام شده است. رشد انفجاری داده های اینترنت اشیا و نیاز به پردازش بلادرنگ، محدودیت های رایانش ابری متمرکز به ویژه تاخیر شبکه و وابستگی به پهنای باند را آشکار ساخت. رایانش لبه ای با نزدیک سازی پردازش به منبع داده مکمل موثری برای این محدودیت ها ارائه کرد. در این مطالعه با روش مرور نظام مند و جستجوی کلیدواژه ای در پایگاه های IEEE، Scopus، ScienceDirect، Google Scholar و Xplore در مقاله های معتبر منتشر شده در بازه ۲۰۱۸ تا ۲۰۲۴ بررسی شدند. معیارهای ورود شامل تازگی، کیفیت علمی، تعداد استناد و ارتباط مستقیم با معماری های ترکیبی ابر لبه ای بود. یافته ها نشان می دهد که معماری های ابر لبه ای می توانند تاخیر پردازش را تا ۸۵% کاهش دهند، ترافیک شبکه را تا ۷۰% کم کنند، امنیت و حریم خصوصی داده را ارتقا بخشند و قابلیت اطمینان سامانه را در کاربردهای حیاتی افزایش دهند. نتایج پژوهش حاکی از آن است که آینده معماری نرم افزار به چارچوب های هوشمند و خودانطباق پذیر ترکیبی وابسته خواهد بود که قادر به مدیریت پویای بار کاری بین ابر و لبه هستند. این مقاله در نهایت طبقه بندی جامعی از مدل های موجود ارائه کرده و جهت گیری های پژوهشی آینده را پیشنهاد می کند.

Keywords:

رایانش ابری , رایانش لبه ای , معماری نرم افزار , اینترنت اشیا , هوش مصنوعی توزیع شده