Forwarded from Embedded Academy
🖼 #تصویر؛
🔸 خلاصه تفاوت مفهوم رایانش ابری ، رایانش مه و رایانش لبه
#Cloud_Computing
#Fog_Computing
#Edge_Computing
👈 در ابتدا #رایانش_مه و #رایانش_لبه به یک معنا تعبیر می شدند.
👈 تئوری پایه این رایانش ، نزدیک نگه داشتن دیتا به زمین یا همان دستگاه های محلی (لوکال) بود تا هم مشکل محدودیت پهنای باند رفع شود ، هم مشکل های امنیتی و هم تلاشی باشد تا نیازی نباشد تمام دستگاه های #IoT به یک دیتاسنتر کلاود متصل شود.
👈 بعدها رایانش مه مفهوم ارتباط گیری بستر کلود با دستگاه های لوکال و یک رابط بین رایانش ابری و لبه قلمداد شد.
👈 پیوند رایانش مه و لبه باعث می شود داده ها با سرعت بیشتری پردازش شوند و در اختیار کاربران یا مراحل بعدی قرار گیرد، علاوه بر آن دستیابی به داده ها مقرون به صرفه تر باشد و اطمینان پذیری و امنیت شان نیز بالا تر می رود.
#IoT
#Computing
@embedded
🔸 خلاصه تفاوت مفهوم رایانش ابری ، رایانش مه و رایانش لبه
#Cloud_Computing
#Fog_Computing
#Edge_Computing
👈 در ابتدا #رایانش_مه و #رایانش_لبه به یک معنا تعبیر می شدند.
👈 تئوری پایه این رایانش ، نزدیک نگه داشتن دیتا به زمین یا همان دستگاه های محلی (لوکال) بود تا هم مشکل محدودیت پهنای باند رفع شود ، هم مشکل های امنیتی و هم تلاشی باشد تا نیازی نباشد تمام دستگاه های #IoT به یک دیتاسنتر کلاود متصل شود.
👈 بعدها رایانش مه مفهوم ارتباط گیری بستر کلود با دستگاه های لوکال و یک رابط بین رایانش ابری و لبه قلمداد شد.
👈 پیوند رایانش مه و لبه باعث می شود داده ها با سرعت بیشتری پردازش شوند و در اختیار کاربران یا مراحل بعدی قرار گیرد، علاوه بر آن دستیابی به داده ها مقرون به صرفه تر باشد و اطمینان پذیری و امنیت شان نیز بالا تر می رود.
#IoT
#Computing
@embedded