معصومه ایوبی - دانشگاه آزاد اسلامی واحد مبارکه، گروه مهندسی کامپیوتر، مبارکه،اصفهان،ایران
محمدرضا رمضان پور - دانشگاه آزاد اسلامی واحد مبارکه، گروه مهندسی کامپیوتر، مبارکه، اصفهان، ایران

امروزه به دستگاه های هوشمند زیادی متصل هستیم . دستگاه هایی که بار اصلی پردازش داده ها را برعهده دارند. اینترنت اشیاء حجم غیرقابل تصوری از انواع مختلف داده را ایجاد می کند. این حجم داده برای پردازش به مرکزرایانش ابر فرستاده خواهد شد ومحاسبات ابری با قابلیت ارایه خدمات نرم افزاری و سخت افزاری از طریق اینترنت، توجه کاربران زیادی را به خود جلب کرده است.کاربران متقاضی خدماتی هستند که در هر زمان و مکان از طریق اینترنت در دسترس باشند و در حین استفاده مختل نشوند. اما این امکان وجود دارد که تاخیری نسبی، ارزش داده ها را از بین ببرد و گاهی اوقات نیاز به تصمیم گیری و کنش در برابر رویدادی است که تاخیر در آن اثرات بدی به همراه خواهد داشت. برای این منظور مدل دیگری برای پردازش داده ها توسط شرکت سیسکو پیشنهاد شده است که به آن رایانش مه گفته می شود، که در آن محاسبات ابری به لبه شبکه گسترش پیدا می کند. به طور کلی رایانش مه وابستگی نزدیکی به دستگاه ها/حسگرهای IoT دارد و موجب توسعه رایانش مبتنی بر ابر، ذخیره و امکانات شبکه بندی می شود. در این مطلب ما به طور جامع چالش های موجود در مه به عنوان یک لایه میانی بین دستگاه ها/حسگرهای IoT و مراکز داده ابری راآنالیز می کنیم همچنین به تفاوت های اساسی رایانش مه با دیگر نمونه های رایانش می پردازیم و سعی بر آن شده بر اساس ویژگی های کلیدی و چالش های مرتبط در رایانش ابری و رایانش مه یک دسته بندی ارایه دهیم که پیشرفت های بیشتر در این زمینه حاصل شود.

رایانش مه، رایانش ابر ، تفاوت ابر ، تفاوت مه ، محاسبات ابری ، محاسبات مهی ، پردازش ابر ، پردازش مه