فیلترینگ داده در محاسبات مه

با ظهور اینترنت اشیا (IoT) به عنوان یکی از مولفه های اساسی زندگی روزمره ما، درک چگونگی بهبود کیفیت خدمات (QoS) در شبکه های IoT به مساله چالش برانگیزی تبدیل شده است. امروزه، بیشتر تعاملات بین دستگاه های IoT و پشتیبانی از سرورهای انتهایی از طریق مراکز داده ابری بزرگ انجام می گیرد. با این حال، با رشد چشم گیر دستگاه های IoT و داده هایی که بین اشیا و ابر، تولید و مخابره می کنند، پرهزینه، ناکارآمد و در برخی موارد غیر قابل اجرا شده است. محاسبات مه به عنوان راه حلی برای این موضوع عمل کرده و منابع شبکه سازی، ذخیره سازی و محاسباتی را برای IoT نزدیک به اشیا و کاربران فراهم می کند. یکی از مزایای امیدوارکننده مه، کاهش تاخیر سرویس برای کاربردهای کاربر نهایی است در حالی که ابر محاسبات گسترده تری را ارائه داده و این ظرفیت را با تاخیر بیشتری ذخیره می کند. بنابراین، درک تعامل بین محاسبات مه و ابر و ارزیابی تاثیر محاسبات مه روی تاخیر IoT و QoS ضروری است. شیوه ی انتخاب مقالات براساس موضوع مدنظر یعنی فیلترینگ داده در محاسبات مه بوده و سعی بر این بود که انتخاب مقالات در بازهی زمانی ۲۰۱۵ تا ۲۰۲۱ باشد تا به نتیجه گیری جدیدتر و تازه تری از پژوهش ها دستیابی کنم. هر کدام از مقالات مورد بررسی یافته های جدیدی را مورد بررسی و پژوهش قرار دادند که به همین خاطر مبنای انتخاب بنده بوده اند. مطالعات و مقالات پژوهشی ارائه شده را مورد تجزیه و تحلیل قرار داده و رویکردها و روش های ارائه شده در آنها را دسته بندی کرده و از جنبه های مختلف ، تحلیل و ارزیابی و مقایسه شده است در ادامه به بیان مسائل حوزه فیلترینگ داده در محاسبات مه و چالش های مرتبط و راه حل های ارائه شده پرداخته شده است.