هندسة حاسوب

لقد حلم العديد منّا بالمنازل الذكية حيث تكون الأدوات والآلات فيها قادرةً على تنفيذ أوامرنا بشكلٍ أتوماتيكيٍّ، يتفعّل جرس المنبه وآلة القهوة باللحظة التي تريد بها بدء يومك، تنير الإضاءة بمجرّد سيرك عبر المنزل، تستجيب بعض الأجهزة الحاسوبية المخفية لأوامرك الصوتية لتقرأ جدولك ورسائلك في حال جاهزيتها، وتشغّل الأخبار في التلفاز. تستطيع سيارتك أن تقودك إلى العمل سالكةً الطريق الأقل ازدحامًا وتعطيك فرصةً للقراءة أو التحضير لمقابلةٍ صباحيةٍ بينما أنت تتنقل. من المؤكدٌ أنك قرأت أو شاهدت مثل هذه الأشياء في قصص الخيال العملي لعدّة عقودٍ، أما الآن فهي إما ممكنةٌ بالفعل أو أوشكت أن تصبح كذلك. وجميع هذه التقنيات الحديثة تشكّل أساس ما يُسمّى بإنترنت الأشياء (Internet of Things (IoT.     : المنزل الذكي ذو الدرجة العالية من الاتصال من أهم الأمثلة على أن أجهزة IoT أصبحت جزءًا من حياتنا اليومية. حقوق الصورة: CHINAPHOTOPRESS VIA GETTY IMAGES.)) عرض المزيد   يتضمّن إنترنت الأشياء (IoT) أو كما يُشار إليه بإنترنت كلّ شيءٍ (Internet of Everything (IoE كلَّ الأجهزة التي تستطيع العمل على شبكة الإنترنت والتي بإمكانها جمعُ وإرسالُ ومعالجةُ البيانات التي تلتقطها من بيئتها المحيطة مستخدمةً لذلك حساساتٍ مضمنة ومعالجاتٍ بالإضافة إلى وسائط اتصالٍ. وتُدعى غالبًا بالأجهزة المتصلة أو الذكية لأنها تستطيع التواصل مع الأجهزة الأخرى المرتبطة بها بعمليةٍ تُعرف باتصال آلةٍ بآلةٍ (machine-to-machine (M2M، والتفاعل مع المعلومات التي تُجلب من الجهاز الآخر. ويستطيع البشر التفاعل معها لتهيئتها وإعطائها تعليماتٍ أو الوصول إلى البيانات، ولكنها تقوم بمعظم علمها دون تدخلٍ بشريٍّ. أصبح وجود مثل هذه الأجهزة ممكنًا بفضل جميع عناصر الهاتف الذكي الصغيرة المتوفرة بكثرةٍ هذه الأيام بالإضافة إلى كون الاتصال الدائم بالإنترنت هو الحالةُ الافتراضية لشبكاتنا المنزلية أو شبكات العمل. تنتج هذه الأجهزة المتصلة تزاحمًا كبيرًا في شبكة الإنترنت، متضمنًا كمياتٍ كبيرةٍ من البيانات التي تجعل الجهاز مفيدًا، وتُستخدم أيضًا لأغراضٍ أخرى. كلُّ هذه البيانات الجديدة وطبيعة هذه الأجهزة التي تسمح بالوصول إليها عن طريق الإنترنت تتطلّب الزيادة في معايير الخصوصية والأمان، حيث تسمح هذه التقنية بالوصول إلى مستوىً من الوصول إلى المعلومات في الزمن الحقيقي لم نتكمن من الحصول عليها من قبل، حيث نستطيع مراقبة منازلنا وعائلاتنا عن بعد والتأكّد بأنهم بأمان. في مجال الأعمال تستطيع تحسين العملية بزيادة الإنتاجية وتقليل الضياع المادي والأعطال المفاجئة، وتساعد الحساسات الموجودة في البنى التحتية للمدينة في الحد من ازدحام الطرق وتنبيهنا في حال كانت البنية التحتية في خطر الانهيار. بعض الأجهزة الموجودة في الطبيعة بإمكانها مراقبة تغيرات الظروف البيئية وتنبيهنا بكوارثَ وشيكةٍ لذلك فإننا نرى هذه الأجهزة في كلّ مكانٍ وتُستخدم إمكانياتها لتعزيز أيّ جسمٍ ماديٍّ تقريبًا.   ما هو إنترنت الأشياء؟ على الأرجح فإن كيفين آشتون Kevin Ashton قد اقترح عبارة إنترنت الأشياء "Internet of Things" لأوّل مرةٍ عام 1999 كعنوان لعرضٍ توضيحيٍّ قدّمه في مكان عمله بروكتر أند غامبل Proctor & Gamble. خلال عمله في ذلك المكان خطرت لآشتون فكرةٌ بأن يضع إشارات التعقب الراديوية RFID tagعلى أحمر الشفاه وتوصليها مع مستقبلٍ لاسلكيٍّ ليتمكّن من رصد المبيعات وقائمة الجرد وإعطاء إشارةٍ عند الحاجة إلى مخزونٍ إضافيٍّ، حيث افترض بأن مثل هذه البيانات المجمعة ستساعد على حلّ العديد من المشاكل في العالم الحقيقي.   "هاتفك الذكي من روابطك الأساسية بـIoT. حقوق الصورة: ZHUDIFENG/ISTOCKPHOTO.))   ملياراتٌ من الأجهزة المتصلة تؤلّف أجزاءً من إنترنت الأشياء، حيث تستخدم مكوناتٍ ماديةً وبرمجيةً بشكلٍ مضمّنٍ من أجل إرسال واستقبال البيانات باستخدام أنواعٍ متعددةٍ من بروتوكولات الاتصال، ربما تستخدم هاتفك الذكي كبوابةٍ للاتصال بالإنترنت أو تتصل عبر بعض القطع المادية الموجودة في المنزل والتي تعمل كموزع hub أو تتصل بشكلٍ مباشرٍ عبر خدمة الإنترنت المنزلية. تُرسَل البيانات غالبًا إلى مخدّمات الحوسبة السحابية cloud-computing وهناك تُجمَع مع بعضها وتُحلّل. وعادةً نستطيع الوصول إلى النتائج بواسطة تطبيقاتٍ أو متصفحات في أجهزة الموبايل أو الحواسيب المنزلية، وحتى أن بعضها يمكن أن يُنصَّب لتحديث حالاتك على شبكاتٍ اجتماعيةٍ متنوعةٍ. على الرغم من أن معظمنا لا يملك منزلًا ذكيّا مليئًا بالأدوات التفاعلية بعد، إلا إن تطبيقات إنترنت الأشياء أصبحت شائعةً جدًّا بالفعل. الإحصائية متباينةٌ ومختلفةٌ جدًّا حيث يستخدم الباحثون على الأرجح معاييرَ مختلفةً للإحاطة بها، ولكن وفقًا لبعض الحسابات فقد بلغ عددها بين 15 و25 مليار جهازٍ متصلٍ ويتوقع ازدياد العدد ليصل إلى 50 حتى 212 مليار بحلول عام 2020، وحتى أن بع

يث كانت قواعد البيانات التقليدية تتعامل مع المستندات النصية و الأرقام فقط، أما البيانات الضخمة اليوم تحوي أنواع جديدة من البيانات التي لا يمكن تجاهلها، كالصور و المقاطع الصوتية و الفيديو و النماذج ثلاثية الأبعاد وبيانات المواقع الجغرافية وغيرها. ومع تزايد حجم وتنوع البيانات التي تتعامل معها الشركات اليوم وجدت نفسها أمام طريقين، إما تجاهل هذه البيانات، أو البدء بالتكيف معها تدريجياً لفهمها والإستفادة منها. لكن مع إستخدام الأدوات التقليدية المتبعة سابقاً لا يمكنك تحليل و الإستفادة من هذه البيانات الجديدة الضخمة. وعلى سبيل المثال فإن غالبية المتاجر الضخمة و الأسواق التجارية التي تتعامل مع بطاقات الولاء، لا تستفيد من هذه البيانات وتعالجها بطريقة تساعدها على فهم المشترين بشكل أفضل لتطوير نموذج بطاقات الولاء. وأيضاً كل مقاطع الفيديو التي تسجلها الأجهزة الطبية خلال العمليات الجراحية، لا يتم الإستفادة منها بالشكل المطلوب، بل ويتم حذفها خلال أسابيع. واليوم تعد Hadoop من أفضل تقنيات التعامل مع البيانات الضخمة، وهي مكتبة مفتوحة المصدر مناسبة للتعامل مع البيانات الضخمة المتنوعة و السريعة، وتستخدم شركات كبرى خدمة Hadoop، مثلاً هناك لينكدإن الشبكة الإجتماعية المتخصصة بالوظائف والعمل تستخدم الخدمة من أجل توليد أكثر من 100 مليار مقترح على المستخدمين أسبوعياً. لكن ما الفائدة من البيانات الضخمة؟ تقول IBM أن البيانات الضخمة تعطيك فرصة إكتشاف رؤى مهمة في البيانات، وتقول أوراكل أن البيانات الضخمة تتيح للشركات أن تفهم بعمق أكثر زبائنها. قدرت شركة سيسكو أنه وبحلول عام 2015 فإن حركة الزيارات على الإنترنت بالشكل الإجمالي ستتجاوز 4.8 زيتابايت ( أي 4.8 مليار تيرا بايت ) سنوياً.  لماذا يجب أن نهتم بالبيانات الضخمة؟ والسبب الأهم لزيادة حجم البيانات، لأنها تستمر بالتولد بشكل أكبر بكثير من السابق من خلال عدة أجهزة ومصادر, و الأهم أن معظم تلك البيانات ليست مهيكلة، كتغريدات تويتر و الفيديوهات على يوتيوب و تحديثات الحالة على فيس بوك وغيرها، ما يعني أنه لا يمكن إستخدام أدوات إدارة قواعد البيانات و تحليلها التقليدية مع هذه البيانات لأنها ببساطة ليست وفق الهيكل الذي تتعامل معه كجداول. لكن هل تستحق البيانات الضخمة عناء الإهتمام بها؟ لما لا نتجاهلها وحسب؟ .. تشير الدراسات من غارتنر أن هناك حوالي 15% فقط من الشركات التي تستفيد بشكل جيد من البيانات الضخمة، لكن هذه الشركات حققت فعالية 20% أكثر في المؤشرات المالية. لكن حتى تصل لهذه النتيجة التي لا يحققها منافسيك، عليك إستخدام تقنيات ومفاهيم جديدة إبداعية مخصصة للتعامل مع البيانات الضخمة. لأن الأمر أشبه بجبل شاهق من البيانات ستقوم بغربلته لتحصل على صخرة ذهبية وزنها كيلوغرام واحد. تخيل أن هناك شركة نقل وشحن وتقوم بالتنقيب في بيانات مواعيد شاحنات نقل البضائع بحيث تحصل على البيانات في الزمن الفعلي لمواعيد إطلاق و وصول الشاحنات وفق عدة مواقع جغرافية أو مدن او حتى دول. والآن تخيل لو أن أحد الزبائن اتصل بالشركة و أخبرهم أن لديه شحنة، أي شاحنة سترسل إليه من الأسطول المكون من مئات الشاحنات التي تدير الأعمال في المدينة؟ المنطق يكون أن ترسل أقرب شاحنة وذلك وفق تتبعها عبر GPS، لكن ماذا لو كان الطريق أمام أقرب شاحنة مزدحماً جداً، أو لو كانت أقرب شاحنة ممتلئة بالكامل ولا مجال لإضافة شحنة أخرى، في هذه الحالة لن يكون الإختيار الأقرب هو الأنسب لذا علينا إجراء تحليل على كل الشاحنات المتاحة وفق عدة معايير، وهذه المعايير نطبقها على البيانات التي تصدرها تلك الشاحنات، مثل بيانات حركتها و موقعها الحالي عبر GPS، إزدحام الطريق، وزن و حجم و نوع الحمولة، الوجهة التالية، وغيرها. وهذا التحليل تقوم به أدوات متخصصة تصدرها شركات كبرى مثل إنتل و IBM وغيرها، تعمل على تحليل البيانات الضخمة في الزمن الحقيقي. أمثلة عملية – مصادم الهيدرون العظيم يملك 150 مليون جهاز استشعار تقدم بيانات 40 مليون مرة في الثانية الواحدة. وهناك ما يقرب من 600 مليون تصادم في الثانية الواحدة. لكن نتعامل فقط مع أقل من 0.001% من بيانات تيار الاستشعار، فإن تدفق البيانات من جميع تجارب المصادم الأربعة يمثل 25 بيتابايت. – موقع Amazon.com يعالج ملايين العمليات الخلفية كل يوم، فضلاً عن استفسارات من أكثر من نصف مليون بائع طرف ثالث. وتعتمد أمازون علي نظام اللينوكس بشكل أساسي ليتمكن من التعامل مع هذا الكم الهائل من البيانات، و تملك أمازون أكبر 3 قواعد بيانات لينوكس في العالم والتي تصل سعتها إلي 7.8، 18.5 و 24.7 تيرابايت. – سلسلة المتاجر Walmart تعالج أكثر من مليون معاملة تجارية كل ساعة، والتي يتم استيرادها إلي قواعد بيانات يُقدر أنها تحتوي علي أكثر من 2.5 بيتابايت (2560 تيرابايت) من البيانات – وهو ما يوازي 167 ضعف البيانات الواردة في جميع الكتب الموجودة في مكتبة الكون

غرس في الولايات المتحدة. – يعالج فيس بوك 50 مليار صورة من قاعدة مستخدميه. ويقوم نظام حماية بطاقات الائتمان من الاحتيال ” FICO Falcon Credit Card Fraud Detection System” بحماية 2.1 مليار حساب نشط في جميع أنحاء العالم. – تقوم شركة Windermere Real Estate باستخدام إشارات GPS مجهولة من ما يقرب من 100 مليون سائق لمساعدة مشتري المنازل الجدد لتحديد أوقات قيادتهم من وإلى العمل خلال الأوقات المختلفة لليوم.

تعريف قبل أن نتطرق لتعريف البيانات الضخمة، علينا اولاً أن نعرف ما هي البيانات، وما اختلافها عن المعلومات. البيانات هي الشكل الخام لأي محتوى ننتجه، مثلاً لو كان لديك عشرة أشخاص وقمت بقياس أطوالهم وسجلتها على ورقة، هذه الورقة تحوي بيانات. المعلومات هي مخرجات أية عملية معالجة للبيانات الخام, بمعنى لو اخذت أطول هؤلاء الأشخاص العشرة وقمت بالحصول على متوسط حسابي لها، هذا المتوسط هو معلومة، لأنه يعطي مقياس مفيد. بينما البيانات مجرد أرقام مسجلة على ورقة. عرف معهد ماكنزي العالمي سنة 2011 البيانات الضخمة أنها أي مجموعة من البيانات التي هي بحجم يفوق قدرة أدوات قواعد البيانات التقليدية من إلتقاط، تخزين، إدارة و تحليل تلك البيانات. وتتألف البيانات الضخمة من كل من المعلومات المنظمة والتي تشكل جزء ضئيل يصل إلى 10% مقارنة بالمعلومات غير المنظمةوالتي تشكل الباقي. والمعلومات غير المنظمة هي ما ينتجه البشر، كرسائل البريد الإلكتروني، مقاطع الفيديو، التغريدات، منشورات فيس بوك، رسائل الدردشة على الواتساب، النقرات على المواقع وغيرها. البيانات الضخمة Big data أصبحت واقع نعيشه، حتى أن قاموس أوكسفورد اعتمد المصطلح و أضافه للقاموس مع مصطلحات مستحدثة أخرى مثل التغريدة tweet. كم يعني ضخمة؟ ما هو ضخم اليوم، لن يكون كذلك غداً. وما هو ضخم بالنسبة لك، يعد صغيراً جداً لغيرك. وهنا يبرز التحدي لتعريف معنى الضخم. ومنذ العام الماضي كانت الحدود المفروضة على حجم مجموعات البيانات الملائمة للمعالجة في مدة معقولة من الوقت خاضعة لوحدة قياس البيانات إكسابايت. تقدر أبحاث شركة إنتل أن حجم البيانات التي ولدها البشر منذ بداية التاريخ وحتى عام 2003 ما قدره 5 إكسابايت، لكن هذا الرقم تضاعف 500 مرة خلال عام 2012 ليصل إلى 2.7 زيتابايت، ويتوقع أن يتضاعف هذا الرقم أيضاً ثلاث مرات حتى عام 2015. مثال: طائرة ايرباص A380 تنتح مليار سطر من الشيفرات البرمجية كل نصف ساعة، أو لنقل 10 تيرابايت من البيانات، هذه البيانات تولدها المحركات والحساسات في الطائرة عن كل التفاصيل الدقيقة المصاحبة لرحلتها، و تذكر هذه مجرد نصف ساعة في رحلة واحدة فقط من طائرة واحدة فقط. وبالمثل فلو سافرت بالطائرة في رحلة من مطار هيثرو إلى مطار كيندي، فإن الرحلة سينتج عنها 640 تيرابايت من البيانات. فتخيل كم رحلة تقطعها الطائرات يومياً، ومنه ستتخيل طبيعة حجم البيانات الضخمة. وبهذه المقاييس فإن كل ما كنا نعرفه على أنه بيانات ضخمة، يصبح قزماً. و يقوم كل فرد منا بإطلاق 2.2 مليون تيرا بايت من البيانات يومياً، و هناك 12 تيرابايت من التغريدات يومياً مع 25 تيرابايت من سجلات الدخول على فيس بوك يومياً و على تويتر أكثر من 200 مليون مستخدم نشط يكتبون أكثر من 230 مليون تغريدة يوميا. حجم البيانات كان في 2009 حوالي 1 زيتا بايت ( تريليون غيغابايت ) و في 2011 ارتفع إلى 1.8 زيتا بايت تقول IBM إننا ننتج 2.5 كوينتيليون بايت من البيانات كل يوم (الكوينتيليون هو الرقم واحد متبوعاً بـ18 صفراً). هذه البيانات تنبع من كل مكان، مثل المعلومات حول المناخ والتعليقات المنشورة على مواقع التواصل الاجتماعي والصور الرقمية والفيديوهات ومعاملات البيع والشراء تعد البيانات الضخمة الجيل القادم من الحوسبة والتي تعمل على خلق القيمة من خلال مسح وتحليل البيانات. ومع مرور الزمن أصبحت البيانات التي ينتجها المستخدمين تنمو بشكل متسارع لعدة أسباب، منها بيانات المشتريات في محلات السوبر ماركت و الأسواق التجارية و فواتير الشحن و المصارف و الصحة والشبكات الإجتماعية. ومع تطوير تقنيات التعرف على الوجه و الأشخاص، فإنها ستتمكن من العثور على المزيد من التفاصيل والمعلومات عن أي شخص، ومع تزايد عدد الأجهزة المتصلة بالإنترنت، الأجهزة التي لم نعتد عليها أن تتصل بالشبكة العالمية مثل السيارات و البرادات و الغسالات فإنها كلها تساهم في زيادة حجم البيانات المنتجة.  خصائص البيانات الضخمة وحتى تكون البيانات ضخمة يجب توفر ثلاثة عوامل رئيسية: – الحجم: وهو عدد التيراباتيت من البيانات التي نطلقها يومياً من المحتوى. – التنوع: وهو تنوع هذه البيانات ما بين مهيكلة وغير مهيكلة ونصف مهيكلة – السرعة: مدى سرعة تواتر حدوث البيانات، مثلاً تختلف سرعة نشر التغريدات عن سرعة مسح أجهزة الاستشعار عن بعد لتغييرات المناخ. لكن ما هي خصائص البيانات الضخمة؟ يتم تمييز البيانات الضخمة من خلال الحجم، التنوع، و السرعة. ومن خلال دراسة الحجم الكبير للبيانات يمكن للشركات أن تفهم زبائنها بشكل أفضل، تخيل مثلاً البحث في بيانات مشتريات مليون شخص يتعامل مع متجر وول مارت، هذا البحث والتحليل في الكم الهائل من فواتير المشتريات وتكرار المشتريات و تنوعها، سيعطي معلومات مفيدة جداً للإدارة ومتخذي القرار. وتبرز التحديات أمام أدوات إدارة قواعد البيانات التقليدية في التعامل مع البيانات المتنوعة و السريعة، ح

ّعين. أما في الشبكات التقليدية: فيصعب تهيئتها وقت عملها، وذلك يتطلب إيقاف الشبكة وقت التهيئة. أيضاً على صعيد التحكم، فالشبكات التقليدية يجب تهيئة كل جهاز على حدة. ومن ناحية اكتشاف الأخطاء، فهذه معضلة الشبكات التقليدية؛ حيث أن اكتشاف الأخطاء يتطلب وقتاً طويلاً. هذا المقال هو بالتعاون مع الدكتور باسل السدحان أستاذ مقرر شبكات الاتصالات بقسم الهندسة الكهربائية بكلية الهندسة بجامعة الملك سعود في نشر مقالات الطلاب في الموقع المراجع: موقع COMM BUSINEES: Software Defined Networking (SDN) Explained www.commsbusiness.co.uk، تمت الزيارة بتاريخ 17/3/1440 هـ. موقع Network Computing: Why The Business Needs SDN www.networkcomputing.com، تمت الزيارة بتاريخ 17/3/1440 هـ. موقع IEEE software Defined Networking: Overview of RFC7426: SDN Layers and Architecture Terminology www.sdn.ieee.org، تمت الزيارة بتاريخ: 17/3/1440 هـ موقع How to Forge: Software Defined Networking (SDN) –

تعتبر الشبكات المعرفة برمجيًّا، وهو ما يطلق عليها باللغة الإنجليزية (Software-Defined Networking)، واختصاراً (SDN) أنها طريقة للتحكم بالشبكة مركزيًا. وحتى نفهم عمل هذه الشبكات، فإننا نبدأ بتعريف بعض المصطلحات التي تُساعد في فهم هذه الشبكات وهي: التوجيه (Routing): تحديد اتجاه رزمة البيانات من نقطة الإرسال (Source) إلى نقطة النهاية (Destination). قوائم الوصول (Access lists): وهي التي تحدد ما إن كان المستخدِم مصرح له بنقل رزم البيانات عن طريق نقطة ما، أو الوصول إلى الوجهة المطلوبة. طبقة التحكم (ِControl plane): وهي الطبقة التي تعمل على تحديد اتجاه الرزمة من الرسائل (Packets) للنقطة التالية في مسارها، والتي تكون فيها العمليات الحسابية للمسارات وقوائم الوصول (Access lists). طبقة التنفيذ (Data plane): وهي الطبقة التي تقوم بتمرير رزمة الرسائل إلى النقطة التالية بحسب الاتجاه الذي تم تحديده في الطبقة المتخذة للقرار. في أنظمة الشبكات التقليدية، تتطلب أجهزة الشبكة عتاد قوي لمعالجة واتخاذ القرارات، وحفظ جداول التوجيه وقوائم الوصول، بالإضافة إلى عتاد قوي لتمرير الرزم كما هو موضح في الشكل رقم 1؛ مما يجعل ثمن أجهزة الشبكة مرتفع. من جهة أخرى – وكما ذُكِر آنفاً – فإن أجهزة الشبكة تحوي على جداول التوجيه وقوائم الوصول في كل جهاز على حده؛ مما يقود إلى اللامركزية في الشبكة (Decentralization) والتي تعني أن كل جهاز يتم تهيئته على حدة. عندما يزيد عدد أجهزة الشبكات على نطاق الشبكات الكبرى فإن يصعب اكتشاف الأخطاء والمشاكل. بالإضافة إلى ذلك، عند إضافة جهاز في الشبكة يجب أن تُهَيَّأ جميع أجهزة الشبكة مع الجهاز الجديد حتى تعمل بتناغم. في دراسة سابقة، ذُكر أن عدد أجهزة الشبكة إلى عدد مهندسي الشبكات يعادل 37 جهاز إلى مهندس واحد في عام 2014، وارتفعت هذه النسبة في 2015 إلى 59 جهاز شبكي إلى مهندس شبكات واحد! مما يعني زيادة بمقدار 60%، وهذا الارتفاع في عدد الأجهزة يؤدي إلى الحاجة إلى عدد هائل من مهندسي الشبكات، مما يحد من تطور الشبكة. توفر الشبكات المعرفة برمجيًّا مزايا للشبكة مما يسهل تهيئتها وإدارتها بتكلفة أقل وكفاءة أعلى، لتتواكب مع متطلبات العصر الحالي للتقنية الذي يتطلب عدد أكبر بكثير من السابق من أجهزة الشبكة. الشبكات المعرفة برمجيًّا تفصل الطبقة المتخذة للقرار والتي تعّد بمثابة العقل المدبر للشبكة، وطبقة التنفيذ والتي تعّد بمثابة القوى الجسمانية للشبكة، عن طريق إضافة مركز تحكم للشبكة (Controller) يعطي رؤية كاملة لأجهزة الشبكة والقيود المفروضة عليها كما هو موضح في الشكل رقم 2. تتكون الشبكات المعرفة برمجيًّا من ثلاث طبقات (من الأعلى للأسفل): طبقة التطبيقات (Application plane)، طبقة التحكم (Control Plane)، طبقة البنية التحتية (Infrastructure plane) والتي تحتوي على طبقة التنفيذ. طبقة التطبيقات: هي المسؤولة عن استعراض حالة الشبكة وإعطاء تقارير عنها. طبقة التحكم: المسؤولة عن تحديد المسار لرزم البيانات وتطبيق القيود عليها، والتي يتم التحكم بها بواسطة مهندس الشبكة. طبقة البنية التحتية: والتي تحتوي أجهزة الشبكة المرتبطة بطبقة التنفيذ. حين يطلب المستخدم الاتصال بجهة ما، يقوم جهاز الشبكة بالتواصل مع جهاز التحكم لتحديد المسار المخصص لرزم البيانات وتطبيق القيود عليها، ثم تتم عملية الاتصال. الفصل بين طبقتي التحكم والتنفيذ استدعى وجود بروتوكول ينظم التواصل بين الطبقتين، ولأن الشبكات المعرفة برمجياًّ تم اعتمادها من قبل منظمة Open Networking Forum (ONF) والتي تتكون من مجموعة من الشركات؛ كان لزاماً أن يتم الاتفاق على بروتوكول يتعامل مع طبقة التحكم وطبقة البنية التحتية. يقوم بروتوكول (OpenFlow) بتحديد مسار الرزم بناء على قواعد محددة مسبقاً بواسطة مهندس الشبكة. إضافة إلى ذلك، يحدد البروتوكول الوظيفة المناسبة (Action) كأن يقوم المُبَدّل (Switch) بتمرير رزمة البيانات (Forward)، أو تجاهلها (Drop). ولأن الشبكات المعرفة برمجيًا هي نموذج حديث من الشبكات، فأبرز الصعوبات هي الانتقال إلى استخدامها بسبب وجود أجهزة تعمل في الوقت الحالي على النظام التقليدي. أيضاً انتقال رزم البيانات من المبدّلات إلى المتحكم ينشأ عنه بطء (Delay) بسبب المركزية في اتخاذ القرارات. بمقارنة الشبكة المعرفة برمجياً بالشبكات التقليدية: يمكن أن يتم التفريق بين النوعين في أن الشبكات المعرفة برمجيًا يمكن تهيئتها أثناء عمل الشبكة بشكل أسهل. إضافة إلى ذلك فإن ميزة المركزية في التحكم (والتي تعتبر من مقومات نجاح هذا النوع من الشبكات) تساعد على تقليل تكلفة تشغيل وإدارة الشبكة. أيضًا عند تصميم الشبكة، يستلزم التركيز على الخدمات التي يقدمها مركز التحكم بالشبكة، بصرف النظر عن أنواع ومصنّعي المبدلات المستخدمة في الشبكة؛ وذلك بسبب أن الشبكة تعمل على بروتوكول (OpenFlow) المتّفَق عليه من قِبَل المصن

تقنية ال LiFi مع الانتشار الكبير للشبكات التي تعتمد على موجات الراديو بمختلف طبقاتها Wi-Fi, 3G, 4G,…. شكل ذلك ازدحاما في موجات الراديو وبدأت مشكلة إدارتها تتفاقم فظهرت الحاجة لإيجاد سبيل آخر لنقل البيانات لاسلكياً. ظهرت تقنية LiFi عام 2011 وقد ابتكرها البروفسور هارولد هاس أستاذ هندسة الاتصالات في جامعة ادنبرة الأسكتلندية. تعتمد هذه التقنية على الضوء لنقل البيانات وذلك عبر مصابيح LED تومض بشكل سريع جدا لا يمكن للعين المجردة ملاحظتها وهذه الومضات تشكّل معلّمات 0,1 (Binary) التي يقوم بتحويلها إلى بيانات مستقبل خاص يسمى (Photo Detector) لتتمكن أجهزة الحاسب والأجهزة المحمولة من قراءتها، وهي مشابهة بمبدأ عملها لتقنية ال Infrared الموجودة في أجهزة التحكم المنزلية التي نعرفها، وتعتبر سرعة نقل البيانات لتقنية LiFi أسرع بـ 100 ضعف من تقنية Wi-Fi المستخدمة حاليا وذلك لان تردد الضوء أكبر بـ 10000 مرة تقريباً من تردد موجات الراديو المستخدمة لنقل البيانات في Wi-Fi (تردد الضوء المرئي يصل إلى 400 تيراهرتز بينما تردد شبكات واي فاي 1.8 أو 2.4 أو 5 غيغاهرتز، مما يسمح بنقل ملفات كبيرة الحجم وتصفح الانترنت والأفلام عالية الجودة باستقرار وسرعة. قد يتبادر الى ذهننا سؤال: هل يمكن استخدام هذه التقنية عند إطفاء الأضواء؟! الإجابة نعم، ولكن باستخدام أنواع خاصة من أضواء LED يمكن التحكم بشدة أضاءتها الى درجة ضئيلة لا يمكن ملاحظتها بالعين وهي متوفرة في الأسواق (الضوء الذي يوضع بجانب السرير ليلا كمثال) في نفس الوقت تستمر البيانات بالانتقال ولكن هذا سيؤثر على سرعة نقل البيانات بالتأكيد. لتقنية LiFi العديد من الميزات التي تشجع على الانتقال اليها في المستقبل ونستعرض هنا بعضا منها: السرعة: من المتوقع ان تصل سرعة التحميل الخاصة بـ LiFi الى 224Gbps. الأمان: إن شبكات نقل البيانات عبر موجات الراديو معرضة للاختراق بوسائل مختلفة ونفاذها عبر الجدران خارج مكان الاستخدام سواء العمل او السكن يزيد من نسبة تعرضها للاختراق من عامل خارجي اما تقنية LiFi فباعتمادها على الضوء فإن استخدامها ينحصر ضمن المكان كون الضوء لا ينفذ عبر الجدران مما يرفع مستوى الخصوصية والأمان. عدم التشويش: لا تقوم هذه التقنية بالتشويش على أي من الأجهزة او المعدات الالكترونية الحساسة كما في التقنيات التي تعتمد على شبكات الراديو والتي يتوجب علينا فيها إطفاء الأجهزة المحمولة او أي اشارة لاسلكية في الطائرات او بجانب الأجهزة الطبية الحساسة او غيرها. الاستخدام تحت سطح الماء: كما نعلم فان الضوء يستطيع النفاذ تحت سطح الماء لمسافات معينة بينما شبكات Wi-Fi لا يمكنها ذلك مما يمكن من استخدام تقنية LiFi تحت سطح الماء. التغطية: من المعروف عن نقاط الاتصال اللاسلكية لشبكات Wi-Fi انها تغطي مسافة وسطية تصل الى 32 متر اما LiFi فإننا نستطيع استخدام المسافة التي نشاء بزيادة عدد الـ LED الموجودة فقط دون الحجة لتجهيزات إضافية. عملياً الانتقال الى تقنية LiFi لا يعني ابدا الاستغناء عن Wi-Fi وانما استخدامها بجانبها على الأقل الى السنوات العشر القادمة

maxresdefault-1-504x284.jpg (504×284)

ل سرور الأسمري –  العدد 2008/05/09 – الرابط   على الانترنت: http://www.aleqt.com/2008/05/09/article_12392.html * نشرت هذه المقالة في مجلة كلية الهندسة المعلوماتية

تشكّل شبكات الاستشعار اللاسلكية Wireless Sensors Network والتي يشار لها اختصاراً WSN، ثورةً علميةً في مجال الاتصالات اللاسلكية والنظم المدمجة، ذلك أنها فتحت المجال أمام ابتكار جيلٍ  جديدٍ من التطبيقات في مجالات متنوعة مثل البيئة ورصد الأحوال الجوية، والمراقبة الصحية، وفحص سلامة الأبنية والمنشئات، والأمن مثل اكتشاف المتطفلين وعمليات اقتحام المناطق المحظورة، وحركة المرور وكشف الحرائق. تتعلق هذه التطبيقات أساساً بعمليات المراقبة والتحكم عن بعد لأحداث حسية (أو فيزيائية) مختلفة ومتعددة مثل الحرارة, والضغط، والضوء، والصوت وما إلى غير ذلك من خلال أجهزة لاسلكية صغيرة الحجم، إذ تحتوي هذه الأجهزة على مستشعرات تقوم بالتقاط وجمع المعلومات المتحَسّسة في البيئة المراقَبَة، ومن ثم تقوم بإرسالها لاسلكيا من جهاز إلى آخر بالتعاون فيما بينها إلى محطة مراقبة، وهي عبارة عن حاسوب يقوم بتجميع المعلومات من أجهزة الحسّاسات اللاسلكية المتناثرة ومعالجتها وتحليلها، مكونات عقدة الاستشعار  (Sensor Node): إن عقدة الاستشعار (Sensor node) هي عبارة عن جهاز يحتوي على معالج دقيق وذو قدرة على الرصد والاتصال اللاسلكيّ، وهو يعاني من صغر حجم الذاكرة  بالإضافة لمحدودية مخزون الطاقة. تتكون عقدة الاستشعار كما في الشكل رقم 2 الوحدات التالية: وحدة الاستشعار (Sensor unit). وحدة تخزين البيانات (Memory)  ومعالجتها (Micro-controller). وحدة الإرسال و الاستقبال (Transmitter & Receiver unit)  الطاقة : إن التطبيقات الحديثة في مجالات أجهزة الاستشعار اللاسلكية تتطلّب من جهة أجهزة ذات عمر افتراضي كبير، ومن جهة أخرى تحتوي هذه الأجهزة عادة على مصدر محدود للطاقة وعادة ما يتم تزويد كل جهاز استشعار -عادة- ببطاريتين من نوع AA قابلتين لإعادة الشحن،تؤثر عدة عوامل في استهلاكها للطاقة عدد مدخلات الجهاز. عدد الخدمات. مدة الإرسال والاستقبال الظروف البيئيّة المحيطة كدرجة الحرارة . دقة القراءات المطلوبة . موجات الراديو المستخدمة. حجم الذاكرة تحتوي أجهزة الاستشعار على وحدات ذاكرة ذوات حجم صغير، مما يؤدي إلى قصر الفترة الزمنيّة المطلوبة لتخزين البيانات قبل تحليلها أو إرسالها إلى الأجهزة المجاورة، كما  تستخدم الأنواع القديمة من أجهزة الاستشعار تقنيات الذاكرة بنوعيها SRAM و SDRAM، بينما تحتوي أجهزة الاستشعار الجديدة على هذين النوعين من الذاكرة معاً ولكنهما مدمجان مع رقاقة الجهاز نفسه بالإضافة إلى استخدام ذاكرة خارجيّة. معالجة البيانات يلعب المعالج في جهاز الاستشعار دورًا مهماً في تحليل ومعالجة البيانات المرصودة من قبل الجهاز نفسه أوالمستقبلة من قبل أجهزة أخرى، وبعد الانتهاء من عملية تحليل هذه البيانات ترسل في رسالة -قد تكون مشفرة- إلى الأجهزة المجاورة، وهذا يتطلّب التّحكّم في موجات الرّاديو والتعامل مع شيفرة الرسالة وتخزينها. يقوم المعالج بوظيفة أخرى ألا وهي تجميع البيانات، وهذا التجميع –عادة- يكون مسؤولية جهاز استشعار معين يقوم بالدمج بين البيانات المحلية والمستقبلة ،  بعض هذه البيانات المجمعة قد يرْفَض والبعض الآخر قد يرسل إلى الأجهزة المجاورة. الاتصال يعد جهاز البث من أهمّ مكونات جهاز الاستشعار، وهو أيضًا أكثر الوحدات استهلاكاً للطاقة، حيث أنه تتعلق 97 % من الطّاقة المستهلكة متعلّقة بالإرسال والاستقبال إمّا بالاستخدام المباشر لوحدة البث وإما نتيجة انتظار المعالج لوحدة البث من الإنتهاء من الإرسال أو الاستقبال. تطبيقات شبكات الاستشعار اللاسلكية لعل أهم استخدامات شبكات الاستشعار اللاسلكية التطبيقات العسكرية، لكنها تستخدم أيضا في المجالات الطبية والصناعية والتجارية، ومن تطبيقاتها المناسبة استخدامها في مجال الزراعة والري،   إذ إن هناك شبكات تعتمد على حساسات (مستشعارات) تقيس رطوبة التربة ومستوى المياه في الخزانات . وفي ظل الظروف التي نمر بها في بلادنا نظراً لقلة الماء والأمطار، فإنها قد تكون ذات جدوى اقتصادية عالية،كما يمكن الاستفادة من استخدام شبكات  الاستشعار اللاسلكية لكشف حرائق الغابات، من خلال نشركمية كبيرة من أجهزة الاستشعار خلال فصل الصيف ضمن الغابات للتنبؤ بالحرائق وقت حدوثها.  تعتبر إدارة ومراقبة حركة المرور من التطبيقات المناسبة لهذه الأجهزة من خلال وضع هذه الأجهزة على تقاطعات الشوارع الرئيسة للحد من المخالفات المرورية، وتسهيل حركة السير. ومن الأمثلة على ذلك وضع شبكة الاستشعار اللاسلكية تعتمد على نقاط استشعارية (sensor nodes)، لرصد ومتابعة المخالفات المرورية عند إشارات المرور الضوئية . المصادر مقدِّمة في شبكات الإِستشعار اللاسلكيّة – بحث بالمشاركة – د.ربيع رضوان من موقعه على الانترنت –  الرابط على الانترنت  –  http://rabieramadan.org/papers/sensnet.doc صحيفة الاقتصادية الالكترونية  – مقال شبكات الاستشعار اللاسلكية ..فوائد عظيمة ومخاطر أمنية –  الكاتب عوض آ