مدلهای انرژی end-to-end برای پلتفرمهای IoT مبتنی بر Edge Cloud: تجزیه و تحلیل کاربرد در جریان دادهها در IOT

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مدلهای انرژی end-to-end برای پلتفرمهای IoT مبتنی بر Edge Cloud: تجزیه و تحلیل کاربرد در جریان دادهها در IOT

عنوان لاتین

End-to-end energy models for Edge Cloud-based IoT platforms: Application to data stream analysis in IoT

اینترنت اشیا (IoT) تعداد زیادی از دستگاههای متصل را که تاثیر مستقیم بر روی رشد دادهها و خدمات energy-hungry دارند به ارمغان میآورد. این خدمات بر زیربناهای ابر برای ذخیرهسازی و قابلیتهای محاسباتی تکیه دارند، تبدیل معماری به یک معماری توزیعشده بیشتر بر اساس امکانات edge توسط ارائهدهندگان خدمات اینترنت (ISP) ارائه شده است. با این حال، بین دستگاه IoT، ارتباطات شبکه و زیرساختهای ابر، مشخص نیست که کدام بخش مربوط به مصرف انرژی است. در این مقاله، مدل end-to-end برای سیستمهای IoT مبتنی بر Edge Cloud را ارائه میدهیم. این مدلها به یک سناریو اعمال میشوند: تجزیه و تحلیل جریان دادهها توسط دوربینهای تعبیه شده در وسایل نقلیه. اعتبارسنجی، معیارها روی تستهای واقعی را با شبیهسازی آن در شبیهسازهای شناخته شده برای مطالعه مقیاس بزرگی از دستگاههای IoT ارزیابی میکند. نتایج این سناریو نشان میدهد که، بخش لبه تعبیه شده در محاسبات منابع 3 برابر بیش از دستگاههای IoT و نقطه دسترسی بیسیم مصرف میکند.

Internet of Things (IoT) is bringing an increasing number of connected devices that have a direct impact on the growth of data and energy-hungry services. These services are relying on Cloud infrastructures for storage and computing capabilities, transforming their architecture into more a distributed one based on edge facilities provided by Internet Service Providers (ISP). Yet, between the IoT device, communication network and Cloud infrastructure, it is unclear which part is the largest in terms of energy consumption. In this paper, we provide end-to-end energy models for Edge Cloud-based IoT platforms. These models are applied to a concrete scenario: data stream analysis produced by cameras embedded on vehicles. The validation combines measurements on real test-beds running the targeted application and simulations on well-known simulators for studying the scaling-up with an increasing number of IoT devices. Our results show that, for our scenario, the edge Cloud part embedding the computing resources consumes 3 times more than the IoT part comprising the IoT devices and the wireless access point.