نقش پررنگ محاسبات مه در دنیای شبکه و اینترنت اشیا

راهکار سیسکو برای پردازش و مدیریت داده‌هایی که قرار است پردازش شوند بر پایه سه اصل زیر استوار است:

•    به جای ارسال حجم زیادی از داده‌های اینترنت اشیا به ابر، داده‌های حساس به زمان در لبه شبکه و در نزدیکی مکانی که داده‌ها را تولید کرده پردازش شوند. 
•      هرگونه عملی روی داده‌ها بر مبنای خط‌مشی‌های تعیین شده نباید بیشتر از چند میلی‌ثانیه زمان‌بر باشند. 
•      داده‌هایی که سپری شدن زمان مشکل خاصی روی آن‌ها به وجود نمی‌آورد باید انتخاب شده و برای تجزیه و تحلیل به سمت ابر ارسال شوند. 

‌اینترنت اشیا توانسته است، سرعت پاسخ‌گویی به حوادث و رخدادها را بهبود بخشد. کوتا‌ه‌تر شدن زمان پاسخ‌گویی در صنایع مهمی همچون نفت‌وگاز، خدمات رفاهی، حمل‌ونقل، معادن و برخی از شرکت‌های دولتی می‌تواند راندمان انجام کارها را بهبود بخشیده، خروجی فرآیندهای اجرایی را بهتر کرده، کیفیت ارائه خدمات را ارتقا بخشیده و امنیت بهتر را به همراه آورد. فرض کنید حس‌گر دمای یکی از دستگاه‌های مهم تولیدی، هشدار خرابی در آینده نزدیک را ارسال می‌کند. مسئول مربوطه به سرعت به سراغ دستگاه رفته و پیش از آن‌که خرابی دستگاه خط تولید را متوقف کند، آن‌را تعمیر می‌کند. در صنایع مهم همچون پتروشیمی، نفت‌وگاز و نمونه‌های مشابه، حس‌گرهای نصب شده روی خطوط لوله قادر به ثبت هرگونه تغییر دما هستند. در این حالت پمپ‌های انتقال در واکنش به این تغییر درجه حرارت به شکل خودکار سرعت انتقال را کم می‌کنند تا فاجعه‌ای بزرگ و زیست‌محیطی رخ ندهد. جالب آن‌که با ورود اینترنت اشیا به صنایع مختلف، فرصت‌های شغلی جدیدی پدید می‌آیند که Pay-as-you-drive در حوزه بیمه وسایل نقلیه، lighting-as-a-Service و Machine-as-a-Service از جمله این موارد هستند. 

زیرساخت مناسب برای استفاده از محاسبات مه

‌سرمایه‌گذاری روی اینترنت اشیا به معنای نوع جدیدی از زیرساخت‌ها است. مدل‌های رایج حاکم بر دنیای ابر نمی‌توانند به درستی این حجم از اطلاعات متنوع که به سرعت تولید می‌شوند را مدیریت کنند. امروزه میلیاردها دستگاه مختلفی که تا پیش از این غیرهوشمند بودند، روزانه چیزی در حدود 2 اگزابایت اطلاعات تولید می‌کنند. سیسکو چند سال قبل پیش‌بینی کرد با ورود به سال 2020 نزدیک به 50 میلیارد دستگاه به اینترنت متصل خواهند شد که زیرساخت‌های رایج نمی‌توانند این حجم از داده‌های تولید شده را به سمت ابر ارسال کنند. در سویی دیگر، مراکز داده نیز قادر نیستند در یک چشم برهم زدن این حجم از داده‌ها را تجزیه و تحلیل کرده و اطلاعات را به سمت دستگاه‌های نقطه پایانی ارسال کنند، زیرا پهنای باند فعلی جواب‌گوی این حجم از تبادل اطلاعات نیست. مدل‌های رایج ابر نیز برای پردازش این مدل از داده‌ها که هر لحظه تولید می‌شوند با محدودیت‌های زیادی روبرو هستند. اشیایی که امروزه به اینترنت متصل می‌شوند ناهمگون هستند و هر یک کارکردهای خاص خود را دارند. به‌طور مثال، برخی از دستگاه‌ها برای اتصال به کنترل‌کننده‌ها از پروتکل‌های صنعتی به جای آدرس‌های آی‌پی استفاده می‌کنند، در نتیجه پیش از ارسال داده‌ها به سمت ابر برای تجزیه و تحلیل یا ذخیره‌سازی باید آدرس آی‌پی به آن‌ها اختصاص پیدا کند و در ادامه داده‌ها در کوتاه‌ترین زمان تحلیل شده و به سمت دستگاه‌های هدف باز گردانده شوند. به‌طور مثال، زمانی که دما در مخازن شیمیایی به سرعت از آستانه تعیین شده فراتر می‌رود، مسئولان مربوطه باید به سرعت اقدامات مناسب را انجام دهند. مدت زمانی که صرف خواندن دما و انتقال داده‌ها از لبه به ابر و سپس تحلیل اطلاعات می‌شود، فرصت هرگونه اقدام پیشگیرانه را از بین می‌برد. به همین دلیل سیسکو پیشنهاد داده تا مدل محاسباتی ویژه‌ای برای این مدل داده‌ها استفاده شود که خصوصیات زیر را داشته باشد:

کاهش زمان تاخیر (Minimize latenct): در مکان‌های حساس، داده‌ها باید در نزدیکی تجهیزاتی پردازش شوند که داده‌ها را تولید کرده‌اند، این‌کار مانع از بروز فاجعه و خرابی کل سیستم می‌شود. در برخی از صنایع و برخی از سرویس‌ها حتا چند میلی‌ثانیه نیز اهمیت زیادی دارد. 

محافظت از پهنای باند (Conserve network bandwidth): در برخی از صنایع شبیه به سکوهای نفتی هر هفته چیزی در حدود 500 گیگابایت داده تولید می‌شود که این رقم در صنعت هوایی به چند ترابایت در هر ساعت می‌رسد. انتقال این حجم از داده‌ها از جانب تجهیزات لبه به ابر کار منطقی نیست و با توجه به این‌که برخی از تحلیل‌ها نیازی به ذخیره‌سازی و پردازش در سمت ابر ندارند، انجام این‌کار تنها هدر دادن پهنای باند است. 

تشریح مشکلات امنیتی (Address security concerns): داده‌های اینترنت اشیا در زمان ارسال و دریافت باید رمزگذاری شوند. فرآیند رمزگذاری باید در کل زنجیره ارسال و دریافت انجام شود تا هرگونه حمله به تجهیزات اینترنت اشیا باعث تحریف یا خراب شدن اطلاعات نشود. 
عملکرد قابل اطمینان (Operate reliably): امروزه داده‌های اینترنت اشیا بر ایمنی شهروندان و زیرساخت‌های مهم نقش تاثیرگذاری دارند. به همین دلیل باید تمهیدات درستی در ارتباط با یکپارچگی و دسترس‌پذیری انجام شود. 

داده‌ها باید از یک محدوده گسترده جغرافیایی با شرایط محیطی مختلف جمع‌آوری شده و محافظت شوند
(Collect and secure data across a wide geographic area with different environmental conditions):
این امکان وجود دارد تا تجهیزات اینترنت اشیا در صدها متر مربع یا بیشتر مستقر شوند و حس‌گرهای هوشمند برای ثبت ارتعاشات زمین، وضعیت ریل‌ها، جاده‌ها، ایستگاه‌های خدماتی و عوارضی‌ها نصب به کار گرفته شوند تا نظارت دقیقی بر فعالیت‌های برون‌شهری اعمال شود. 

داده‌ها برای پردازش باید به بهترین مکان انتقال پیدا کنند
(Move data to the best place for processing): بهترین مکان برای پردازش داده‌ها، نزدیک‌ترین مکان به دستگاهی است که داده‌ها را تولید کرده است. پردازش در محل مشکل رفت و برگشت اطلاعات را برطرف کرده و اجازه می‌دهد منابع ابری برای انجام پردازش‌های مهم‌تر مصرف شوند. 
همان‌گونه که اشاره شد، معماری سنتی رایانش ابری نمی‌تواند به تمامی این نیازها به درستی پاسخ دهد، زیرا مدل سنتی بر پایه این اصل کار می‌کند که تمام داده‌ها از لبه به مرکز داده برای پردازش باید ارسال شوند که این موضوع مشکل افزایش زمان تاخیر را به همراه می‌آورد. مشکل دیگر روش سنتی، محدود بودن ظرفیت پهنای باند در مقایسه با تجهیزات مختلفی است که قصد ارسال داده‌ها را دارند. دقت کنید در برخی  صنایع حساس و مهم که مشکل حریم خصوصی در ارتباط با آن‌ها وجود دارد، امکان‌ ذخیره‌سازی برخی از داده‌های حساس وجود ندارد. نیازی به گفتن نیست که سرورهای ابر تنها با آی‌پی در ارتباط هستند و با تعداد زیادی از پروتکل‌های مورد استفاده توسط تجهیزات اینترنت اشیا در ارتباط نیستند. به همین دلیل بهترین مکان برای تحلیل بخش اعظمی از داده‌های اینترنت اشیا در نزدیکی تجهیزاتی است که داده‌ها را تولید و بر مبنای آن‌ها فعالیت‌های خود را انجام می‌دهند. این فرآیند پردازش مه (fog Computing) نام دارد. 

پردازش مه چیست؟

پردازش مه این ظرفیت را دارد تا زیرساخت‌ها و ملزومات پیاده‌سازی ابر را در نزدیکی تجهیزاتی که داده‌های اینترنت اشیا را تولید می‌کنند و باید پردازش‌هایی روی آن‌ها انجام شود قرار دهد(شکل 1).

تجهیزاتی که در این زمینه استفاده می‌شوند گره مه (Fog Node) نام دارند. این گره‌ها می‌توانند اتصال میان تجهیزات شبکه‌ را در هر مکانی از بخش‌های مختلف کارخانه گرفته تا تیرهای برق، مسیرهای ریلی یا سکوهای نفتی برقرار کرده و امکان یک پردازش محلی را فراهم کنند. در الگوی فوق هر دستگاهی با قابلیت اتصال به شبکه، فضای ذخیره‌سازی و منابع پردازشی می‌تواند یک گره مه باشد. به‌طور مثال، کنترل‌کننده‌ها، سوییچ‌ها، روترها، سرورهای توکار و دوربین‌های مداربسته از جمله این دستگاه‌ها هستند. موسسه IDC می‌گوید: «دستگاه‌هایی که به لحاظ مکانی در نزدیکی تجهیزات اینترنت اشیا قرار دارند قادر هستند چیزی در حدود 40 درصد از داده‌ها را تحلیل کنند. رویکرد فوق به میزان قابل توجهی کاهش زمان تاخیر را به همراه دارد و مانع از آن می‌شود تا انتقال چندین گیگابایت داده؛ ترافیک شبکه را بیهوده هدر داده و داده‌های حساس را به بیرون از شبکه انتقال دهد.» 
برنامه‌های مه همانند اینترنت اشیا از تنوع زیادی برخوردار هستند. با این‌حال، قابلیت‌هایی همچون مانیتورینگ، تجزیه و تحلیل بلادرنگ داده‌های مربوط به اشیا متصل به شبکه در تمامی این برنامه‌ها وجود دارد. این برنامه‌ها قادر به انجام کارهایی همچون برقراری ارتباط ماشین به ماشین (M2M)، تعامل انسان با ماشین (HMI) سرنام
human-machine interaction هستند. در صنایع پتروشیمی، نفت‌وگاز، خدمات رفاهی، حمل‌ونقل و مراکز دولتی نیز برنامه‌های مه کاربردی مهمی ساخته شده‌اند. در زمان به‌کارگیری محاسبات مه به این نکته دقت کنید که فرآیند تجزیه و تحلیل روی داده‌ها باید در کمتر از یک ثانیه انجام شود. 

محاسبات مه چگونه کار می‌کنند؟

توسعه‌دهندگان، برنامه‌های اینترنت اشیا را برای گره‌های مه در لبه شبکه طراحی کرده و ارائه می‌کنند. گره‌های مه که نزدیک به لبه شبکه قرار دارند، داده‌ها را از تجهیزات اینترنت اشیا دریافت می‌کنند و داده‌هایی که ممکن است انواع مختلفی داشته باشند را برای تجزیه و تحلیل به مکان‌های مناسب هدایت می‌کنند. جدول 1 فرآیند گسترش فناوری ابر به سمت لبه شبکه توسط گره‌های مه را نشان می‌دهد.

جدول 1
در رایانش مه، گره‌هایی که به اشیا تولید کننده داده‌ها نزدیک‌تر هستند، داده‌های حساس به زمان را تجزیه و تحلیل می‌کنند. به‌طور مثال، در شبکه توزیع گره‌ای هوشمند سیسکو، تاکید بر این مسئله است که حلقه‌های کنترل و محافظت به شکل درستی کار کنند. در نتیجه گره‌های مه که به حس‌گرهای شبکه‌ای نزدیک هستند قادر هستند علایمی که بیان‌گر مشکل هستند را بررسی کرده و از طریق ارسال فرامین کنترلی به محرک‌ها از بروز مشکلات جدی ممانعت به عمل آورند. 
داده‌هایی که امکان پردازش آن‌ها در چند ثانیه یا دقیقه وجود دارد، برای پردازش باید به سمت گره ارسال می‌شوند. در مورد شبکه هوشمند، هر یک از ایستگاه‌های فرعی ممکن است نقطه تجمیع خاص خود را داشته باشند که وضعیت هر یک از خوراک‌دهنده‌های (Feeder) فرعی یا جانبی را گزارش می‌کند. 
داده‌هایی که حساس به زمان نیستند، برای تجزیه و تحلیل زمانی و ذخیره‌سازی بلندمدت به ابر ارسال می‌شوند. در این حالت ممکن است هزاران یا صدها هزار گره مه برای تحلیل و ذخیره‌سازی و آرشیو داده‌ها به سمت ابر هدایت شوند. 

مزایای به‌کارگیری محاسبات مه

از مهم‌ترین مزایای محاسبات مه به موارد زیر می‌توان اشاره کرد:
چابکی بهتر کسب‌وکارها: توسعه‌دهندگان با استفاده از ابزارهای درست می‌توانند به سرعت برنامه‌های مبتنی بر رایانش مه را توسعه داده و در اختیار صنایع قرار دهند. تولیدکنندگان تجهیزات می‌توانند راه‌حل‌های MaaS را به مشتریان خود پیشنهاد دهند. با توجه به انعطاف‌پذیری زیادی که برنامه‌های مبتنی بر رایانش مه دارند، امکان تطابق دستگاه‌ها با نیازهای مشتریان فراهم است. 
امنیت بهتر: امکان محافظت از گره‌های مبتنی بر رایانش مه با استفاده از رویکردهای کنترلی و خط‌مشی‌ها فراهم است. همچنین این امکان وجود دارد که از راه‌حل‌های موجود برای تامین امنیت فیزیکی و سایبری تجهیزات استفاده کرد. 
اطلاعات دقیق‌تر در ارتباط با کنترل حریم خصوصی: به جای ارسال داده‌های حساس به سمت سرورهای ابری، امکان پردازش و تحلیل داده‌ها به شیوه محلی فراهم است. به همین دلیل تیم‌های فناوری‌اطلاعات می‌توانند تجهیزاتی که داده‌ها را جمع‌آوری، تحلیل و ذخیره‌سازی می‌کنند را کنترل کرده و بر آن‌ها نظارت کنند. 
کاهش هزینه‌های استقرار و عملیاتی‌سازی: به جای آن‌که داده‌ها برای پردازش به سمت ابر ارسال شوند، امکان پردازش آن‌ها به شکل محلی وجود دارد که باعث می‌شود پهنای باند بیهوده هدر نرود. 

کلام آخر
رایانش مه، شرایطی برای فناوری ابر به وجود آورده تا ابر بتواند بدون مشکل تا دو اگزابایت داده‌های تولید شده توسط تجهیزات اینترنت اشیا در طول روز را مدیریت کند. مزیت مهم دیگر رایانش مه در ارتباط با مدیریت حجم زیادی از داده‌های متنوع است که نیازمند پردازش سریع هستند. به عبارت دقیق‌تر، این امکان وجود دارد تا از تجهیزات دارای منابع پردازشی محلی برای تجزیه و تحلیل داده‌ها استفاده کرد. در مجموع باید بگوییم سازمان‌هایی که از رایانش مه استفاده می‌کنند به اطلاعات دقیق‌تر و سریع‌تری دسترسی دارند که چابکی در انجام کارها، بهبود کیفیت خدمت‌رسانی و افزایش امنیت را به همراه دارد.