اینترنت اشیاء و رایانش بصورت مه-Fog Computing

اینترنت اشیاء حجم غیرقابل تصوری از انواع مختلف داده را ایجاد می‌کند. این حجم داده برای پردازش به مرکز رایانش ابری (Cloud Computing)  فرستاده خواهد شد. زمان ارسال و پردازش داده ها به فاکتور های مختلفی بستگی دارد اما این امکان وجود دارد که تاخیری نسبی ارزش داده ها را از بین ببرد. گاهی اوقات نیاز به تصمیم گیری و کنش در برابر رویدادی است که تاخیر در آن اثرات بدی بهمراه خواهد داشت. برای این منظور مدل دیگری برای پردازش داده ها توسط شرکت سیسکو پیشنهاد شده است که به آن رایانش بصورت مه (Fog Computing) گفته می‌شود. بطور خلاصه رایانش بصورت مه دارای مشخصات زیر است:

• داده های حساس در همان دستگاه مبدا و یا فرستنده و البته نزدیک به محل جمع آوری مورد تحلیل قرار می گیرد  که به این وسیله از ارسال حجم وسیعی از داده بر روی شبکه جلوگیری می شود.
• عمل بر روی داده ها در واحد میلی ثانیه انجام می پذیرد
• قسمت مشخصی از داده ها بر اساس سیاستها تعریف شده به قسمت رایانش ابری ارسال خواهد شد

در مسیر طراحی و پیاده سازی سیستم های اینترنت اشیاء چالش های متعددی وجود دارد، دستگاه های IoT دائما در حال ایجاد داده هستند و در اغلب موارد تحلیل و پردازش داده ها باید سریع صورت پذیرد. برای نمونه تصور کنید چنانچه دمای محیط از حد مشحصی بالاتر رفت اقدامات لازمی باید بسرعت صورت پذیرد بنابرین ممکن است زمانی که صرف ارسال و تحلیل داده در مرکز رایانش ابری می شود هزینه ها و خطراتی را متوجه کاربر کند. با در نظر گرفتن انواع مختلف سرویس های اینترنت اشیاء می توان نیازمندی های محاسباتی آن را بصورت زیر طبقه بندی کرد:

• تاخیر بسیار اندک: تحلیل داده ها در محلی نزدیک به حسگرها (Sensor) و دستگاه های اینترنت اشیاء کمک شایانی به کاهش میزان تاخیر در زمان اجرای فرامین و تحلیل داده ها خواهد داشت.
• استفاده بهینه از پهنای باند: با توجه به ارسال حجم وسیعی از داده ها در اینگونه سیستم ها، انجام بسیاری از محاسبات و تحلیل ها نزدیک به محل تولید و جمع آوری داده از ارسال حجم وسیعی از داده ها بر روی شبکه جلوگیری خواهد کرد که این خود نقش بسزایی در کاهش هزینه های شبکه خواهد داشت.
• کاهش نگرانی های امنیتی: نظر به ارسال حداقلی داده ها برروی شبکه بطبع خطرات امنیتی کمتری متوجه سیستم خواهد بود.

سیستم های رایانش ابری موجود نمی توانند بسیاری از نگرانی ها مطرح شده در مورد سیستم های اینترنت اشیاء را مرتفع کنند و همانطور که اشاره شد جابجایی حجم وسیعی از داده ها در شبکه جدای هزینه و مخاطرات امنیتی باعث بوجود آمدن تاخیرهای نسبتا طولانی خواهند شد. علاوه بر آن بسیاری از سیستم های رایانش ابری از پروتکل IP برای تبادل داده استفاده می‌کنند درحالی که برخی از دستگاه ها و سنسور های موجود این پروتکل را پشتیبانی نمی کنند، اضافه کردن پشته پروتکل آی پی(IP Protocol Stack)  قیمت تمام شده بسیاری از دستگاه ها و پایانه ها را زیاد می کند. بنابراین منطقی است که داده ها در نزدیک دستگاه بررسی و تحلیل شوند که همانطور که اشاره شد شرکت سیسکو نام رایانش بصورت مه را بروی این مدل محاسباتی قرار داده است. این روش محاسبه در حقیقت به نوعی توسعه رایانش ابری است. شکل زیر شمای کلی این معماری را نشان می دهد:

داده هایی که به تاخیر حساس هستند بجای ارسال به مرکز در همان محل مورد تحلیل قرار می گیرند و در صورت نیاز  می‌توان فرامین خاصی را نیز اجرا کرد، به عنوان مثال تصور کنید می‌خواهید فرمان بستن درب ساختمانی را در صورت مشاهده برخی مسائل امنیتی بدهید یا در هنگام مشاهده خطری برروی ریل فرمان ترمز قطار را صادر کنید حتی می‌توانید اقدام به  روشن کردن سیستم تهویه در زمان افزایش دمای موتورخانه منزل خود کنید، همه نمونه های اشاره شده از فرامینی هستند که باید بدون فوت وقت اجرا شوند و ارسال داده ها به مرکز رایانش ابری و انتظار برای دریافت پاسخ خسارت های جبران ناپذیری به همراه خواهد شد.

منبع: سیسکو