مروری بر رایانش مه، کاربردها و مقایسه آن با رایانش ابری

ما در دنیایی زندگی می کنیم که در آن محصولات مصرفی، وسایل نقلیه، قطعات و ابزارآلات صنعتی، سنسورها و سایر اشیاء روزمره با اتصالات اینترنتی و سامانه های تحلیل داده قدرتمند ترکیب شده اند. بواسطه اینترنت اشیاء (IOT) ما در حال تولید حجم وسیعی از داده ها هستیم. با وجود افزایش استفاده از رایانش ابری (Cloud Computing) هنوز مسایل حل نشده به دلیل مشکلات ذاتی رایانش ابری مانند زمان تاخیر غیر قابل اعتماد، عدم پشتیبانی از سیار بودن و محل قرار گیری اطلاعات، وجود دارد. بنابراین ما به یک پارادایم محاسباتی نیاز داریم که با ما اجازه انجام محاسبات بر روی داده ها را قبل از ارسال آنها به ابر بدهد، که این موضوع به ما امکان کار بر روی داده ها را قبل از اینکه گم شوند و از دست بروند، می دهد. رایانش مه یک پارادایم است که محاسبات ابری را با ارسال سرویس ها به لبه های شبکه، توسعه می دهد. در این مقاله، به توصیف ویژگی های مختلف از رایانش مه و توصیف برخی از کاربردهای آن و همچنین مقایسه پارامتریک آن با رایانش ابری می پردازیم.

کلیدواژه ها:

رایانش ابری ، رایانش مه ، محاسبات لبه ، اینترنت اشیاء ، تفاوت رایانش ابر و رایانش مه