محمد هاشمی نژاد

محبوبیت برنامه های اینترنت اشیا و افزایش روز افزون دستگاه های هوشمند که دائما اطلاعات را از طریق اینترنت مبادله می کنند، منجر به حجم عظیمی از داده ها می شود که باید مدیریت و پردازش شوند. برای دستیابی به این هدف، رایانش (محاسبات ابری به دلیل قابلیت مقیاس پذیری، ذخیره سازی و دیگر قابلیت های آن برای پشتیبانی از تأمین منابع یا عدم ارائه منابع با توجه به نیاز کاربر در زمان واقعی، یک گزینه محبوب است. رایانش ابری به دلیل قابلیت های بالای پردازشی و ذخیره سازی که دارد گزینه مناسبی برای پردازش داده ها است، اما از آنجایی که این الگوی پردازشی یک الگوی پردازشی متمرکز است، می توان گفت که تقریبا تمامی وظایف پردازشی باید اصطلاحا در یک ابر یا Cloud انجام شود. این بدین معناست که تمامی تقاضاها باید به یک ابر متمرکز ارسال شود که همین مسئله خود یکی از مشکلات الگوی پردازش ابری است چرا که سرعت توسعه ی منابع پردازشی با پهنای باند شبکه متناسب نبوده است و همین مسئله پهنای باند خود یک گلوگاه اصلی برای این الگوی پردازشی محسوب شده و باعث تاخیر در ارتباطات می شود. رایانش مه که تحت عنوان محاسبات لبه نیز شناخته می شود، را می توان به صورت یک پارادایم محاسباتی توزیع شده تعریف کرد که اساسا سرویس های فراهم شده توسط ابر را به لبه شبکه می آورد. در واقع، پلی بین دستگاه های انتهایی و رایانش ابری است که به دلیل نزدیکی به دستگاه های انتهایی، پتانسیل ارائه سرویس های با تأخیر پایین را دارد. در این پژوهش در ابتدا به توصیف معماری رایانش مه، سرویس ها و کاربرد های مختلف آن ها پرداخته می شود. سپس مسائل امنیت ارسال و دریافت اطلاعات و میزان انرژی مصرفی در رایانش مه مورد ارزیابی قرار می گیرد. براین اساس الگوریتمی مبتنی بر کاهش انرژی مصرفی در محیط ابر بیان شده که با استفاده از این مدل به ارزیابی زمانبندی و انتقال اطلاعات در زمان کم ( تاخیر کم بسته انتقالی) می پردازیم. روش مورد استفاده به منظور کاهش انرژی مصرفی، الگوریتم مبتنی بر انرژی مصرفی در محاسبات مه (بر مبنای روش شبکه عصبی فازی) است.