Edge Computing یا پردازش حاشیهای، یکی از مفاهیم نوین در دنیای فناوری اطلاعات است که بهطور خاص برای بهبود سرعت و کارایی پردازش دادهها طراحی شده است. در Edge Computing، بهجای ارسال تمامی دادهها به مراکز داده مرکزی برای پردازش، دادهها بهطور محلی در نزدیکی منبع تولید دادهها پردازش میشوند. این امر باعث کاهش تأخیر، بهبود سرعت پردازش، و کاهش نیاز به پهنای باند میشود. Edge Computing برای برنامههایی که به پردازش سریع و در زمان واقعی نیاز دارند، بسیار مناسب است، مانند دستگاههای اینترنت اشیا (IoT) و خودروی هوشمند.
یکی از ویژگیهای برجسته Edge Computing این است که پردازش دادهها در نزدیکترین نقطه به محل تولید داده انجام میشود. این به این معنی است که بهجای ارسال دادهها از دستگاهها یا سنسورها به مراکز داده دوردست، دادهها بهطور مستقیم در دستگاههای محلی پردازش میشوند. این امر نهتنها تأخیر را کاهش میدهد، بلکه به کاهش حجم دادههایی که باید به اینترنت یا مراکز داده ارسال شوند نیز کمک میکند. به این ترتیب، بهینهسازی مصرف پهنای باند و صرفهجویی در هزینهها بهویژه در مواردی که تعداد زیادی دستگاه یا سنسور در حال ارسال دادهها هستند، امکانپذیر میشود.
یکی از کاربردهای اصلی Edge Computing در اینترنت اشیا (IoT) است. در سیستمهای IoT، تعداد زیادی دستگاه یا حسگر وجود دارند که بهطور مداوم دادههایی را جمعآوری و ارسال میکنند. با استفاده از Edge Computing، این دادهها میتوانند در دستگاههای محلی پردازش شوند و تنها نتایج مهم به مراکز داده ارسال شوند. به این ترتیب، حجم دادههای منتقلشده به مرکز داده بهطور قابل توجهی کاهش مییابد، که منجر به بهبود سرعت و کاهش هزینهها میشود. این ویژگی برای سیستمهایی که به تحلیل دادههای زمان واقعی نیاز دارند، بهویژه برای خودروی هوشمند، بهداشت دیجیتال، و شهرهای هوشمند، اهمیت زیادی دارد.
یکی دیگر از مزایای Edge Computing کاهش تأخیر است. در پردازشهای سنتی که به مراکز داده متکی هستند، ارسال دادهها از محل تولید به مرکز داده و سپس پردازش آنها، میتواند منجر به تأخیرهای زیادی شود. این تأخیرها بهویژه در برنامههایی که نیاز به پردازش دادهها در زمان واقعی دارند، مانند رانندگی خودران یا سیستمهای نظارتی، میتواند مشکلات جدی ایجاد کند. با استفاده از Edge Computing، پردازش دادهها در نزدیکترین نقطه به محل تولید دادهها انجام میشود و این امر تأخیر را به حداقل میرساند.
در Edge Computing، امنیت نیز یک چالش مهم است. پردازش دادهها در محل تولید دادهها به این معناست که دادهها کمتر به مراکز داده مرکزی ارسال میشوند. این امر میتواند باعث بهبود امنیت شود زیرا خطراتی مانند حملات سایبری به مرکز داده یا حملات به دادههای در حال انتقال به حداقل میرسد. با این حال، دستگاههای حاشیهای که در آنها دادهها پردازش میشوند باید از امنیت بالایی برخوردار باشند، زیرا این دستگاهها میتوانند هدف حملات قرار گیرند. به همین دلیل، ضروری است که برای دستگاههای حاشیهای، تدابیر امنیتی مناسبی اتخاذ شود تا از سرقت یا دستکاری دادهها جلوگیری شود.
در نهایت، Edge Computing بهطور قابل توجهی به بهبود مقیاسپذیری سیستمهای مختلف کمک میکند. در سیستمهای سنتی که به مراکز داده مرکزی وابسته هستند، تمامی دادهها باید بهصورت متمرکز پردازش شوند. این امر میتواند محدودیتهایی از نظر مقیاسپذیری و کارایی ایجاد کند. با Edge Computing، پردازش دادهها بهطور توزیعشده و در سطح محلی انجام میشود که به این معنی است که مقیاسپذیری بهطور مؤثری افزایش مییابد. این امر بهویژه در زمینههای بزرگمقیاس مانند سیستمهای IoT و شبکههای هوشمند اهمیت دارد.
برای درک بهتر این واژه میتوانید از سایت saeidsafaei.ir استفاده کنید و از اسلایدهای محمد سعید صفایی بهره ببرید.
صنعت کامپیوتر یک مجموعه پیچیده از فناوریهای مختلف است که شامل تحقیق، نوآوری، تولید و بهینهسازی میشود. این صنعت با ترکیب سختافزار و نرمافزار به توسعه فناوریهای جدید و بهبود کیفیت زندگی کمک میکند. مانند فرآیند ساخت گوشیهای هوشمند، تحقیق و نوآوری به تولید محصولات جدید منجر میشود و پس از آن، این محصولات بهینهسازی میشوند تا تجربه بهتری برای کاربران ایجاد کنند. این چرخه باعث پیشرفت صنعت و ایجاد فرصتهای شغلی جدید میشود و تأثیرات زیادی در زندگی روزمره و اقتصاد دارد.
پایگاه داده مجموعهای از دادههای ذخیرهشده به صورت ساختارمند است که به راحتی میتوان به آنها دسترسی داشت و از آنها استفاده کرد.
محاسبات عصبیشکل به استفاده از سیستمهایی اطلاق میشود که از ساختارهای مشابه مغز انسان برای پردازش دادهها استفاده میکنند.
سیستمهای ایمنی مصنوعی به سیستمهایی اطلاق میشود که از فرآیندهای مشابه سیستم ایمنی انسان برای تشخیص و مقابله با تهدیدات استفاده میکنند.
دادههای بزرگ (Big Data) به مجموعههای دادهای اطلاق میشود که حجم و پیچیدگی آنها به قدری زیاد است که نمیتوان با استفاده از ابزارهای سنتی آنها را مدیریت کرد.
دستگاههای پوشیدنی هوشمند به دستگاههایی اطلاق میشود که بهطور مداوم اطلاعات را از بدن فرد جمعآوری و تجزیه و تحلیل میکنند.
الگوریتم به مجموعهای از دستورالعملها و گامها برای حل یک مسئله یا انجام محاسبات گفته میشود. این دستورالعملها باید به شکلی منظم و گام به گام انجام شوند تا به خروجی صحیح منجر شوند.
نوعی مسیریابی که علاوه بر شمارش تعداد هاپها، مسیر دقیق عبوری دادهها را نیز ثبت میکند.
محاسبات کوانتومی برای هوش مصنوعی به استفاده از رایانههای کوانتومی برای تسریع در پردازش و تحلیل دادهها در الگوریتمهای هوش مصنوعی اطلاق میشود.
عملگر مودولو برای بهدست آوردن باقیمانده یک تقسیم استفاده میشود. به عنوان مثال، 7 % 3 برابر با 1 است.
شرط به معنای مقایسهای است که باید در حلقهها یا دستورات شرطی بررسی شود. شرط اگر درست باشد، عمل خاصی اجرا خواهد شد.
واحد محاسباتی و منطقی است که مسئول انجام محاسبات ریاضی و منطقی در پردازنده میباشد.
سیستمهای فیزیکی-مجازی (CPS) به سیستمهایی اطلاق میشود که با استفاده از دستگاههای دیجیتال برای نظارت و کنترل دنیای فیزیکی طراحی شدهاند.
تبدیل به معنای تغییر یک عدد از یک سیستم عددی به سیستم عددی دیگر است، مانند تبدیل مبنای ده به دودویی یا برعکس.
لایهای که مسئول ترجمه، رمزنگاری و فشردهسازی دادهها برای استفاده در لایه کاربرد است.
واحد دادهای است که در پروتکلهای مختلف استفاده میشود. این واحد در هر لایه از مدل OSI تغییر شکل میدهد.
پروتکل مسیریابی Link State که از الگوریتم Dijkstra برای محاسبه کوتاهترین مسیر استفاده میکند.
عبور از آرایه به معنای مراجعه به تمام عناصر آرایه به صورت پشت سر هم است تا بتوان عملیاتی بر روی آنها انجام داد.
توابع کتابخانهای به توابعی اطلاق میشود که از پیش در زبانهای برنامهنویسی تعریف شدهاند و در هر برنامه میتوان از آنها استفاده کرد.
داده اصلی که توسط فرستنده ارسال میشود و توسط گیرنده دریافت و پردازش میشود. برخلاف سرآیند، این بخش داده اصلی است.
محاسبات مه (Fog) به پردازش دادهها در لبه شبکه (بسیار نزدیک به کاربر) اطلاق میشود که باعث کاهش تأخیر و پهنای باند میشود.
یک برنتابایت معادل 1024 زتابایت است و به عنوان واحدی برای اندازهگیری دادههای بسیار بزرگ در مقیاسهای جهانی مطرح است.
روش تقسیمبندی ثابت زیربخشهای شبکه که در آن تمامی زیربخشها از اندازه یکسان برخوردارند.
سازنده یا کانستراکتور تابعی است که به طور خودکار هنگام ساخت شیء جدید از کلاس فراخوانی میشود و به مقداردهی اولیه ویژگیها کمک میکند.
توزیع کلید کوانتومی (QKD) به استفاده از اصول فیزیک کوانتومی برای تولید و توزیع کلیدهای رمزنگاری بهصورت ایمن اشاره دارد.
متد مشابه به تابع است اما معمولاً در زبانهای شیگرا استفاده میشود و متعلق به یک کلاس خاص است. متدها میتوانند بر روی دادههای شی عمل کنند.
نرمافزارهایی هستند که وظیفه مدیریت منابع سختافزاری و نرمافزاری یک کامپیوتر را بر عهده دارند.
امنیت مبتنی بر اعتماد صفر (Zero Trust) به رویکرد امنیتی گفته میشود که به هیچکسی در شبکه اعتماد نمیکند مگر اینکه احراز هویت شود.
آدرس IP که برای شناسایی دستگاهها در اینترنت استفاده میشود.
پروتکلی که برای شبکههای سیسکو طراحی شده است و از معیارهای مختلف مانند پهنای باند و تأخیر برای انتخاب بهترین مسیر استفاده میکند.
معماری صفر-اعتماد به مدل امنیتی گفته میشود که در آن هیچکسی در داخل یا خارج از شبکه بدون احراز هویت قابل اعتماد نیست.
کابلی که شامل چندین سیم مسی عایقدار است و به صورت جفت به هم تابیده شدهاند تا نویز الکتریکی کاهش یابد.
نسخه ششم پروتکل اینترنت که از آدرسهای 128 بیتی برای افزایش ظرفیت آدرسدهی استفاده میکند.
الگوریتم مرتبسازی مرج یک الگوریتم تقسیم و غلبه است که آرایهها را با تقسیم آنها به قسمتهای کوچکتر و سپس ادغام مجدد مرتب میکند.
شبکههای عصبی مصنوعی شبیه به مغز انسانها طراحی شدهاند و برای یادگیری از دادهها بهطور خودکار استفاده میشوند.
عملیات ماشین یادگیری (MLOps) شامل توسعه و استقرار مدلهای یادگیری ماشین به صورت مقیاسپذیر و کارآمد است.
