رایانش ابری و مهندسی پلتفرم، لبه و مه

رشد گسترده اینترنت اشیاء و افزایش بی سابقه حجم داده های تولیدی، نیاز به معماری های پردازشی جدید را برجسته کرده است؛ معماری هایی که بتوانند در کنار کاهش تاخیر، قابلیت بلادرنگ، پایداری شبکه، و بهینه سازی مصرف پهنای باند را تضمین کنند. ساختارهای ابری، مه و لبه مجموعه ای مکمل از سطوح پردازشی هستند که از مرکز تا نزدیک ترین نقطه به منبع داده توزیع می شوند. در این ساختار، ابر وظیفه ذخیره سازی کلان داده و تحلیل های سنگین را بر عهده دارد، مه به عنوان لایه میانی مسئول پردازش توزیع شده، مدیریت منابع و هماهنگی دستگاه هاست و لبه پردازش محلی با کمترین تاخیر را برای کاربرد های بلادرنگ فراهم می کند. کاربرد های این معماری در حوزه هایی مانند شهر هوشمند، سلامت هوشمند، کشاورزی دقیق، تحلیل ویدئوی لحظه ای، حمل و نقل هوشمند و سیستم های صنعتی نقش حیاتی دارند. در حوزه کشاورزی، ترکیب این سه لایه امکان پردازش هوشمند داده های حسگرهای خاک، رطوبت، دما، سیستم های آبیاری و پهپاد های نظارتی را فراهم می کند و به بهبود پیش بینی برداشت، کاهش مصرف منابع و تصمیم گیری هوشمند و به موقع کمک می کند. هدف اصلی این مقاله بررسی و تحلیل جامع معماری های ابر، مه و لبه در محیط های اینترنت اشیاء است، به طوری که نقش، مزایا، محدودیت ها و چالش های هر لایه در پردازش داده ها و کاربرد های مختلف اینترنت اشیا مشخص شود. همچنین، این مقاله قصد دارد با تلفیق این سه لایه، یک چشم انداز یکپارچه برای بهبود عملکرد، کاهش تاخیر و افزایش مقیاس پذیری سیستم های اینترنت اشیا ارائه دهد. در پایان نیز، کاربرد ها و چالش های کشاورزی هوشمند را معرفی می کند.

کلیدواژه ها:

رایانش ابری ، رایانش مه ، رایانش لبه ، کشاورزی هوشمند