تخصیص منابع در رایانش مه: مروری بر پیشرفتهای اخیر، چالشها و کاربرد ها

با رشد چشمگیر اینترنت اشیاء و افزایش حجم داده های تولیدی، رایانش مه به عنوان راهکاری بین لبه و ابر مطرح شده است تا پردازش داده ها را به منابع داده نزدیکتر کند. از چالشهای اساسی محاسبات مه، تخصیص منابع به گونه ای است که تعادل بین پاسخ گویی سریع، مصرف انرژی و بهره وری از منابع حفظ شود. در این مقاله با هدف بررسی پیشرفتهای اخیر در زمینه تخصیص منابع در محاسبات مه، برخی از الگوریتم ها و تکنیک های ارائه شده طی سالهای اخیر را مورد بررسی قرار می دهیم. در ابتدا نگاهی کوتاه بر معماری و ویژگی های محیط های مبتنی بر مه می پردازیم و سپس اهداف مختلف دنبال شده در این حوزه را مورد بررسی قرار می دهیم. در ادامه چالش های باز مثل پویایی بار کاری و کمبود استانداردهای ارزیابی بررسی شده و موارد کاربرد و حوزه های مختلف در این زمینه مورد بررسی قرار می گیرد. در پایان شکاف های پژوهشی و مسیرهای آینده برای توسعه روش های موثرتر در حوزه تخصیص منابع پیشنهاد می گردد.

کلیدواژه ها:

محاسبات مه ، تخصیص منابع ، اینترنت اشیاء ، محاسبات ابری ، توزیع بار کاری