استقرار خدمات بهینه IoT در مه

قیمت: 47,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

استقرار خدمات بهینه IoT در مه

عنوان لاتین

Optimized IoT service placement in the fog

اینترنت اشیا IoT منجر به حضور در همه جا و رو به افزایش دستگاههای محاسباتی شبکه ای در عموم، کسب و کار، فضاهای خصوصی شد. این دستگاهها به سادگی حسگرها عمل نمی کنند، اما دارای خصوصیات محاسباتی، ذخیره سازی، و منابع شبکه هستند. با قرار گرفتن در حاشیه شبکه، این منابع می توانند برای اجرای برنامه های کاربردی IoT در حالت اشتراکی نشان داده شوند. این مفهوم به عنوان رایانش مه شناخته شده است. هرچند اساسی نظری از رایانش مه، قبلا منتشر شده، فقدان منابع تهیه کردن رویکردها جهت امکان بهره برداری از منابع محاسباتی مبتنی بر مه، وجود دارد. برای حل این نقص، یک چارچوب مفهومی رایانش مه را ارائه می دهیم. سپس مساله قرار دادن خدمات برای برنامه های کاربردی IoT را در طول منابع مه به عنوان یک مساله بهینه سازی، مدل سازی می کنیم، که به طور واضحی برنامه های ناهمگونی برنامه های کاربردی و منابع را اصطلاحا در خصوصیات کیفیت خدمت، در نظر می گیرد. در نهایت، یک الگوریتم ژنتیک را به عنوان راه حل ابتکاری مساله پیشنهاد داده، و از طریق آزمایش ها، نشان می دهیم که اجرای خدمت می تواند موجب کاهش تاخیرات ارتباطی شبکه در هنگام به کار بردن الگوریتم ژنتیک شود، و کاربرد بهتری از منابع که را در زمانی که روش دقیق بهینه به کار برده می شود، را نشان می دهیم.

The Internet of Things (IoT) leads to an evergrowing presence of ubiquitous networked computing devices in public, business, and private spaces. These devices do not simply act as sensors, but feature computational, storage, and networking resources. Being located at the edge of the network, these resources can be exploited to execute IoT applications in a distributed manner. This concept is known as fog computing. While the theoretical foundations of fog computing are already established, there is a lack of resource provisioning approaches to enable the exploitation of fogbased computational resources. To resolve this shortcoming, we present a conceptual fog computing framework. Then, we model the service placement problem for IoT applications over fog resources as an optimization problem, which explicitly considers the heterogeneity of applications and resources in terms of Quality of Service attributes. Finally, we propose a genetic algorithm as a problem resolution heuristic and show, through experiments, that the service execution can achieve a reduction of network communication delays when the genetic algorithm is used, and a better utilization of fog resources when the exact optimization method is applied.