رایانش مه (Fog Computing) مفهومی از یک شبکه یکپارچه است که گستردگی آن از محل تولید داده تا محل ذخیره داده  ( چه در Cloud و چه در Data Base کاربر) می باشد. مه یک لایه از محیط شبکه های توزیع شده است و وابستگی زیادی با رایانش ابری و آیوتی دارد. به عبارت دیگر رایانش مه یک زیرساخت محاسباتی غیر متمرکز است که در آن داده ها، محاسبه و ذخیره سازی و به صورت کارآمد و منطقی بین ابر و منبع داده توزیع می شوند.

رایانش مه به منظور بهبود کارایی و همچنین افزایش امنیت، میزان داده های ارسالی به ابر جهت پردازش، تجزیه و تحلیل و ذخیره سازی را کاهش می دهد. در شبکه های هوشمند، شهر هوشمند، ساختمان های هوشمند، شبکه های هوشمند حمل و نقل و نرم افزار های تحت شبکه از رایانش مه استفاده های گوناگونی می شود.

مزایا

توسعه رایانش مه به سازمان ها این امکان را می دهد تا در هر کجا که نیاز است انتخاب بیشتری در زمینه پردازش داده در اختیار داشته باشند، به عنوان مثال در بعضی از مواقع لازم است تا داده ها با سرعت بسیار بالا و به صورت Real Time پردازش شوند. همچنین در معماری طراحی شده برای Fog Computing هدف به حداقل رساندن تاخیر زمانی در ارتباط مابین شبکه و نقطه پایانی است که این امر با کاهش میزان پهنای باند مورد نیاز در انتقال داده ها به مه صورت می گیرد. از سوی دیگر می توان از مه در سناریو هایی که هیچ اتصال پهنای باندی موجود نیست استفاده کرد فقط باید مه نزدیک به جایی باشد که قرار است داده را منتقل کند. از مزایای امنیتی Fog Computing می توان به ایجاد ترافیک اضافه و فایروال مصنوعی جهت حفاظت از شبکه اشاره کرد.

کاربرد ها

رایانش مه یک رکن اصلی در توسعه های رسمی است، اما کاربرد آن در زمینه های گوناگون متفاوت است. درادامه به بررسی چند نمونه از سناریو ها می پردازیم:

• Connected Cars: با پیدایش خودرو های نیمه مستقل حجم داده های تولید شده توسط وسایل نقلیه بسیار افزایش خواهد یافت. از سویی ماشین ها برای عملکرد مستقل در رانندگی، شناسایی مسیر و محیط اطراف خود نیازمند تحلیل داده در زمان واقعی هستند. بخش دیگری از  داده های تولید شده به کارخانه سازنده جهت نگهداری و ردیابی ماشین ارسال می گردد. محیط Fog Computing در این سناریو ارتباط ما بین این دو منبع داده را برقرار می سازد.
• Smart Cities/Grids: در این حوزه سیستم های نرم افزاری به منظور افزایش کارایی و بهره وری نیاز به استفاده از داده های Real-Time دارند. گاهی اوقات این داده از مناطق دور افتاده هستند بنابراین بسیار ضروری است که پردازش بروی آن ها در محل نزدیک به تولید صورت گیرد. از سوی دیگر بعضی از داده ها از تعداد بسیار بالایی سنسور جمع آوری می شوند که در نهایت هردو این حالات مشکلاتی به همراه دارد که تنها توسط معماری Fog Computing قابل حل و سازمادهی است.
• Real-Time Analytic: سیستم های تولید کننده باید به محض رخداد یک رویداد نسبت به آن واکنش مناسب نشان دهند، از سوی دیگر موسسات مالی نیز برای رقابت در بازار به تحلیل داده های Real-Time نیاز دارند. محاسبات مه این امکان را ایجاد می کند تا داده های از محل تولید به هر جند مکانی که باید در آن واحد آنجا باشند، برسند و شرایط لازم برای تحلیل و بررسی در موارد فوق را نیز به ارمغان می آورد.

Fog Computing & IOT

آیونی به ما وعده داده است تا هر شیء، خانه، وسیله نقلیه و ... را با استفاده از دستگاه های هوشمند به اینترنت متصل کند. با افزایش دستگاه های متصل به اینترنت و همچنین برقراری ارتباط مابین آن ها حجم داده های تولیدی نیز زیاد می شود، همین امر باعث شده است تا آیوتی فشار زیادی بر روی زیرساخت های مرکز داده اعمال کند. رویکرد محبوب این است که مرکز ابر داده را در یک سایت متمرکز کرد تا هم هزینه های جانبی کاهش یابد و هم امنیت آن تامین گردد. اما با توجه به مقدار داده ورودی از منابع متعدد توزیع شده جهانی این ساختار پردازش مرکزی نیاز به پشتیبانی دارد. به بیان دیگر این سیستم کارآمد نیست، برای کارآمد شدن نیاز به پردازش داده های بزرگ آیوتی به ویژه داده های حساس به تصمیم گیری سریع بصورت هوشمندانه دارد.

Fog Computing عملیات محاسبه و تصمیم گیری را بر روی داده های آیوتی موجود در ابر انجام می دهد. Fog با استفاده از دستگاه هایی به نام گره مه ابر را گسترش می دهد تا به داده ها نزدیک تر شود. هر دستگاهی که قدرت تصمیم گیری، محاسبه و ذخیره سازی داشته باشد و همچنین به شبکه متصل گردد می تواند گره مه باشد. محاسبات مه برای مدیریت و تحلیل داده های آیوتی یک راه حل کاربردی است و از سوی دیگر برطرف کننده مشکلات موجود در محاسبات ابر نیز می باشد.