رایانش مه (Fog Computing) چیست؟

امروزه اینترنت اشیاء (Internet of Things) در حال هدایت کسب و کارها از طریق اتصال اشیاء و دستگاه‌ها به یکدیگر و اتصال آنها به سرویس‌های ابری می‌باشد. مدل‌های پیاده‌سازی کنونی اتصال به سرویس‌های ابری را ضروری می‌دانند. اما برای پیاده‌سازی در دنیای واقعی چالش‌هایی وجود دارد. از جمله چالش‌های اتصال دستگاه‌های لبه به ابر برای همه سرویس‌ها می‌توان به موارد زیر اشاره نمود:

• تولید داده‌ها در دستگاه‌های متصل شده به صورت نمایی در حال رشد است که باعث بوجود آمدن چالش‌هایی مانند ازدحام و کاهش کارایی در لبه‌ی زیرساخت می‌شوند.
• چالش‌هایی مانند کارایی، امنیت، پهنای باند، قابلیت اطمینان و بسیاری موارد دیگر باعث شده است راه‌حل‌هایی که فقط مبتنی بر ابر هستند غیر عملی باشند (OpenFog Consortium Architecture Working Group, 2017).

رایانش مه یک معماری است که عملکردهای رایانش ابری مانند پردازش و ذخیره‌سازی را به صورت سلسله مراتبی بین ابر و اشیاء قرار می‌دهد. ریانش مه جایگزین رایانش ابری نیست، بلکه مکمل و توسعه دهنده‌ی ویژگی‌های آن است و سعی بر آن دارد تا چالش‌های مدل‌های مبتنی بر ابر را حل نماید. رایانش مه دارای مزایای فراوانی مانند کاهش تاخیر، کاهش پهنای باند مصرفی، بهبود امنیت و حریم‌ خصوصی، مکان جغرافیایی کنترل، بهره‌وری انرژی، کاهش اثر محدودیت‌های محیطی، افزایش قابلیت اطمینان، پشتیبانی از خودکارسازی و تحلیل پیشرفته و غیره را بهمراه دارد. برخی از این مزایا در ادامه توضیح داده شده است.

کاهش تاخیر: بیشترین تاثیری که بکارگیری رایانش مه در شبکه‌ اینترنت اشیاء دارد، کاهش تاخیر می‌باشد. تاخیر به مدت زمان بین بدست آوردن اطلاعات و کنترل آنها اطلاق می‌شود. این تاخیر می‌تواند یک سویه باشد، مانند زمانی که در یک پردازش مبتنی بر ابر، اطلاعات حسگرها جمع‌آوری می‌شود و یا یک محرک کنترل می‌شود و یا می‌تواند به صورت رفت و برگشت باشد، مانند زمانی که یک حسگر اطلاعات نظارت بر محیط را به یک پردازش کنترلی ارسال می‌کند و خروجی آن به یک محرک برای انجام عملیات مرتبط ارسال می‌شود. در برخی از کاربردهای اینترنت اشیاء اگر این زمان از یک حد آستانه‌ی مشخصی عبور کند، فرایند موردنظر ناپایدار خواهد بود و امکان کنترل از بین خواهد رفت. بسیاری از این پردازش‌ها در خدمات دهنده‌های ابری در مکان‌های دور انجام خواهد شد که زمان انتقال آن در بستر شبکه از ۱۰۰ میلی ثانیه عبور خواهد کرد. ترکیب این زمان، با زمان‌های انتظار در صف و پردازش در سمت خدمات دهنده، زمان تاخیر را طولانی‌تر خواهد کرد. حتی در روش‌هایی که به عنوان مثال برای خدمات دهنده‌های بازی، آن‌ها را در مکان‌های جغرافیایی مختلف قرار می‌دهند، تضمین تاخیر کمتر از ۸۰ میلی ثانیه امری دشوار است. بسیاری از کاربردهای اینترنت اشیاء بصورت حیاتی نیازمند تاخیر حداقلی می‌باشند. اگر در کاربردی نیازمند تاخیر کمتر از چند ده‌ میلی‌ثانیه باشد، آنگاه استفاده از فناوری مه ضروری می‌باشد. با قراردادن گره‌های مه در نزدیکی حسگرها و محرک‌ها به صورت فیزیکی، زمان مورد نیاز برای انتقال داده‌ها به صورت چشمگیری کاهش پیدا خواهد کرد.

کاهش پهنای باند مصرفی: پهنای باند مورد نیاز بین اشیاء و ابر از محدودیت‌های جدی در شبکه اینترنت اشیاء می‌باشد. در برخی موارد تاخیر ناشی از انتقال داده‌های کلان از اشیاء به ابر حتی با وجود داشتن سریع‌ترین امکانات ارتباطی غیرقابل قبول است. در برخی موارد نیز جریان داده حسگرها برای انتقال به ابر زیاد است و انتقال آنها با امکانات در دسترس هزینه زیادی را به دنبال خواهد داشت. همچنین در برخی مواقع نیز ارتباط شبکه برای انتقال داده‌ها ممکن است فراهم نباشد. به عنوان مثال یک دوربین نظارتی مبتنی بر IP با وضوح ۵ مگا پیکسل، نیازمند ۱۲-۱۶ مگابیت بر ثانیه پهنای باند برای انتقال جریان داده‌ها به ابر می‌باشد و برای انتقال این داده‌ها از لبه شبکه به ابر ماهانه ترافیکی به میزان ۴.۵ ترابایت نیاز است. این میزان پهنای باند هزینه‌ی بسیار زیادی را به صاحبان این شبکه تحمیل می‌کند. استفاده از گره‌های مه می‌تواند پیش از ارسال داده‌ها به ابر، پردازش‌های تحلیلی را بصورت محلی بر روی داده‌ها انجام دهد و حجم داده‌های مورد نیاز برای ارسال به ابر را به صورت چشمگیری کاهش دهد. همچنین گره مه می‌تواند امکان ذخیره‌سازی محلی را نیز در اختیار این کاربرد قرار دهد که بدین ترتیب پهنای باند مورد نیاز بسیار کاهش خواهد یافت.

امنیت و حریم خصوصی: شبکه اینترنت اشیاء اغلب اطلاعات شخصی و اطلاعات کنترلی خطرناکی را حمل می‌کند. اگر این داده‌ها در معرض خطر قرار بگیرند خسارات و صدمات جبران نا‌پذیری را می‌تواند در پی داشته باشد. نگرانی منحصربفردی که امنیت شبکه‌ی اینترنت اشیاء را تهدید می‌کند، کنترل محرک‌ها در این شبکه می‌باشد. در شبکه‌های متداول امروزی داده‌ها بین مشتری و خدمات دهنده منتقل می‌شوند و خسارات ناشی از ضعف‌های امنیتی بصورت فیزیکی نمی‌باشد. اما سیستم‌های اینترنت اشیاء دنیای فیزیکی را وارد دنیای دیجیتال می‌کند و محرک‌ها مستقیما سیستم‌های چند مگاواتی مانند لوکوموتیوها، سیستم‌های خطرناک و حساس مانند پالایشگاه‌ها و تجهیزات پزشکی و حتی سیستم‌های حیاتی برای حریم خصوصی مانند درون‌های نظارتی را کنترل می‌کنند. بنابراین نبود امنیت در این شبکه می‌تواند جان انسان‌های زیادی را به خطر بیندازد. محلی بودن گره‌های مه می‌تواند سطح حملات و مسافتی را که داده‌ها قرار است برای پردازش طی کنند را کاهش دهد. از آنجایی که گره‌های مه، منابع بیشتری را نسبت به اشیاء در اختیار دارند می‌توانند برای اجرای پردازش‌های پیچیده‌تر مانند رمزنگاری استفاده شوند. گره‌های مه از لحاظ فیزیکی قوی‌تر از دستگاه‌های اینترنت اشیاء می‌باشند و بنابراین در مقابل ضربه، دستکاری و دزدیده شدن نیز می‌توانند مقاومت بیشتری را داشته باشند.

بهره‌وری انرژی: شبکه‌ی جهانی اینترنت اشیاء در سال ۲۰۲۰ شامل ۲۵ تا ۵۰ میلیارد دستگاه متصل بهم خواهد بود. بنابراین انرژی مصرفی این شبکه یک نگرانی جدی خواهد بود. همچنین بیشتر اجزاء این شبکه شامل حسگرها، محرک‌ها، گوشی‌های هوشمند و غیره دارای محدودیت‌های انرژی خواهند بود. در اینجا نیز گره‌های مه می‌توانند به کمک این محدودیت‌ها بیایند. یک سناریوی مورد کاربرد برای اینکار کشاورزی هوشمند می‌باشد. یک مزرعه می‌تواند شامل هزاران حسگر توزیع شده برای اندازه‌گیری مواردی چون رطوبت خاک، میزان رشد گیاهان، سلامتی محصولات و نظارت بر حیوانات باشد. این حسگرها دارای منبع تغذیه باتری هستند و به شدت دارای محدودیت مصرف انرژی می‌باشند. آنها بصورت متناوب بیدار می‌شوند، داده‌ها را اندازه‌گیری می‌کنند و آنها را با استفاده از لینک رادیویی کم توان به گره مه ارسال می‌کنند و دوباره به حالت خواب برای مصرف کمتر انرژي باز می‌گردند. فناوری مه به این شبکه‌ی حسگر اجازه می‌دهد از تکنیک‌های مصرف انرژی بسیار کم استفاده کنند و پردازش‌هایی که انرژی زیادی مصرف می‌کنند را بر عهده‌ی گره‌های مه قرار دهند.

محدودیت‌های محیطی: بسیاری از محیط‌های پیاده‌سازی کاربردهای اینترنت اشیاء سخت و خشن هستند و فراهم کردن امکانات پردازش، ذخیره‌سازی و شبکه‌سازی امری دشوار می‌باشد. گره‌های مه می‌توانند در شرایط کنترل شده بهتری قرار گیرند و در محیط‌های سخت مقاومت بیشتری را داشته باشند. یک مثال کاربردی از محدودیت‌های محیطی، استفاده در سیستم‌های نظامی در شرایط جنگی می‌باشد. یک سرباز تعداد زیادی حسگر و محرک را در محیطی خشن که دارای گرما، رطوبت، آلودگی، شوک و لرزش زیاد است حمل می‌کند. سربازان دستگاه‌هایی را حمل می‌کنند که از نظر محیطی در شرایط دشواری قرار دارد. این دستگاه‌ها با قابلیت‌های تخصصی‌تر و حساس‌تری ارتباط برقرار می‌کنند که در یک گره مه نزدیک، به عنوان مثال در یک گره مه متحرک در یک ماشین جنگی قرار دارد.

قابلیت اطمینان: برخی از کاربردهای اینترنت اشیاء نیازمند قابلیتی هستند که سیستم حتی در مواقع بروز خطا نیز به کارکرد درست خود ادامه دهد. یک مثال سرویس‌های اضطراری مانند گزارش آتش‌سوزی، خدمات اورژانس پزشکی و درخواست کمک از پلیس می‌باشد. این سرویس‌ها بایستی با میزان دسترسی‌پذیری بالایی در اختیار مردم قرار بگیرند. در دنیای اینترنت اشیاء این سرویس‌ها متصل به حسگرها و محرک‌ها در یک شهر هوشمند می‌باشند. دسترسی‌پذیری بالا تنها برای سرویس‌های حیاتی زندگی مورد نیاز نیستند، بلکه برای کاربردهای حیاتی کسب و کار نیز می‌توانند مورد استفاده قرار گیرند. شبکه‌ی مه می‌تواند میزان قابلیت اطمینان را با انتقال برخی پردازش‌ها و تصمیم‌گیری‌ها از ابر به منابع محلی، افزایش دهد. به عنوان مثالی دیگر یک اتوبوس شهری را در نظر بگیرید که با تعداد زیادی حسگر و محرک، توسط ارتباط سلولی به اینترنت متصل است. در برخی مکان‌ها به علت تداخل، سربار شبکه و عدم پوشش‌دهی، ارتباط بین اتوبوس و اینترنت قطع می‌شود. در این مواقع منابع پردازشی مه برای ادامه عملیات می‌توانند به کمک اتوبوس بیایند. در واقع گره مه متحرک که در اتوبوس قرار دارد، عملیات پردازش و ذخیره‌سازی مورد نیاز را تا زمانی که دوباره اتوبوس بتواند به سرویس ابری متصل شود بر عهده می‌گیرد.

پشتیبانی از خودکارسازی و تحلیل پیشرفته: حجم عظیم داده‌های موجود در شبکه‌ی اینترنت اشیاء نیازمند نتیجه‌گیری توسط الگوریتم‌های تحلیلی و سیستم‌های خودکارسازی تصمیم‌گیری می‌باشد. این الگوریتم‌ها می‌توانند سطوح مختلفی را از سلسله مراتب مه در بر بگیرند. به عنوان مثال دوربین‌های نظارت شهری را درنظر بگیرید. چندین دوربین یک صحنه را از زوایای مختلف ضبط می‌کنند و الگوریتم‌های تحلیلی مختلف حرکات، مردم، اشیاء و سایر موارد مورد نیاز را از جریان ویدیویی ضبط شده بدست می‌آورند. تمامی جریان ویدیویی می‌تواند مستقیم به ابر ارسال شود و الگوریتم‌های تحلیلی در ابر بر روی داده‌ها اجرا شود. اما اینکار باعث استفاده زیاد از پهنای باند، کاهش کارایی سیستم و همچنین افزایش نگرانی حریم خصوصی شود. گره‌های مه در سطوح پایین‌تر که از لحاظ جغرافیایی به دوربین‌ها نزدیک‌تر می‌باشند، می‌توانند این جریان‌های ویدیویی را دریافت کنند و سطح اول تحلیل را به عنوان مثال تشخیص حرکت و افزایش کنتراست را انجام دهند و نتایج را به گره‌های میانی مه ارسال کنند که در آنجا الگوریتم‌های جزئی‌تر مانند تطبیق الگو و تشخیص اشیاء اجرا شود و در نهایت ویدیو به ابر ارسال شود.