Двухкритериальный метод обеспечения ресурсосбережения в краевом и туманном слоях сети

Бесплатный доступ

Введение. В настоящее время концепции туманных и краевых вычислений используются широким кругом приложений самой различной направленности. Одной из ключевых проблем организации вычислений в группах мобильных устройств, составляющих краевой/туманный слой, является обеспечение выполнения миссии на основе наличия заряда батареи. В связи с этим к настоящему времени представлено немало разработок, направленных на энергосбережение систем устройств. Однако очень важный аспект остается за рамками рассмотрения проблемы ресурсосбережения, а именно - вопрос сбережения остаточного ресурса вычислительного устройства. Целью данного исследования является формализация задачи распределения нагрузки как двухкритериальной задачи оптимизации и выбор базового метода ее решения.Материалы и методы. В рамках данной статьи предлагается подход к ресурсосбережению на основе оценивания двух критериев устройств: ресурса батареи и остаточного ресурса вычислительного устройства. Остаточный ресурс вычислительного устройства может быть оценен при помощи значений вероятности безотказной работы устройства или как величина, обратная интенсивности отказов с учетом того, что при моделировании используется экспоненциальный закон распределения отказов. На основе этого сформулирована модель задачи двухкритериальной оптимизации с учетом динамики топологии сети в процессе выполнения пользовательской миссии. Динамика топологии отражена в модели как последовательность топологий, каждая из которых соответствует определенному отрезку времени функционирования системы.Результаты исследования. На основании представленной модели задачи двухкритериальной оптимизации предложен метод обеспечения ресурсосбережения в краевом и туманном слое сети, отражающий специфику динамических слоев сети, а также учитывающий важность критериев оценивания расхода ресурсов устройств. Проведен эксперимент, позволяющий оценить влияние способа распределения задач по сетевому кластеру на вероятность безотказной работы устройств и на средний остаточный ресурс.Обсуждение и заключения. Проведенный эксперимент демонстрирует целесообразность применения разработанного метода, поскольку распределение задач по исполняющим устройствам оказывает существенное влияние (до 25 % по итогам эксперимента) на средний остаточный ресурс вычислительного устройства.

Еще

Ресурсосбережение, планирование вычислений, туманные вычисления, краевые вычисления, оптимизация

Короткий адрес: https://sciup.org/142238087

IDR: 142238087   |   DOI: 10.23947/2687-1653-2023-23-1-85-94

Список литературы Двухкритериальный метод обеспечения ресурсосбережения в краевом и туманном слоях сети

  • Mehbub Alam, Nurzaman Ahmed, Rakesh Matam, et al. L3Fog: Fog Node Selection and Task Offloading Framework for Mobile IoT. In: Proc. IEEE Conference on Computer Communications Workshops — IEEE INFOCOM 2022. P. 1-6. https://doi.org/10.1109/INFOCOMWKSHPS54753.2022.9798118
  • Abdelfettah Maatoug, Ghalem Belalem, Said Mahmoudi. A Location-Based Fog Computing Optimization of Energy Management in Smart Buildings: DEVS Modeling and Design of Connected Objects. Frontiers of Computer Science. 2023;17:172501. https://doi.org/10.1007/s11704-021-0375-z
  • Abohamama A.S., Amir el Ghamry, Eslam Hamouda. Real-Time Task Scheduling Algorithm for IoT-Based Applications in the Cloud-Fog Environment. Journal of Network and Systems Management. 2022;30(4):54. https://doi.org/10.1007/s10922-022-09664-6
  • Saad Ahmad Khan, Muhammad Abdullah, Waheed Iqbal, et al. Efficient Job Placement Using Two-Way Offloading Technique over Fog-Cloud Architectures. Cluster Computing. 2022;154:1-19. http://dx.doi.org/10.1007/s10586-022-03750-9
  • Rajasi Gore, Shashwati Banerjea, Neeraj Tyagi. A Heterogeneous Soft-Hard Fusion Framework on Fog Based Private SaS Model for Smart Monitoring of Public Restrooms. Journal of Ambient Intelligence and Humanized Computing. 2022. Vol. 63. https://doi.org/10.1007/s12652-022-04401-y
  • Haibo Wang, Hongli Xu, He Huang, et al. Robust Task Offloading in Dynamic Edge Computing. IEEE Transactions on Mobile Computing. 2021;22:500-514. https://doi.org/10.1109/TMC.2021.3068748
  • Enlu Liu, Xiaoheng Deng, Zhi Cao, et al. Design and Evaluation of a Prediction-Based Dynamic Edge Computing System. In: Proc. 2018 IEEE Global Communications Conference (GLOBECOM). 2018. P. 1-6. https://doi.org/10.1109/GLOCOM.2018.8647199
  • Fraire J.A., Gerstacker C., Hermanns H., et al. On the Scalability of Battery - Aware Contact Plan Design for LEO Satellite Constellations. International Journal of Satellite Communications and Networking. 2020;39:193-204. https://doi.org/10.1002/sat.1374
  • Yung-Ting Chuang, Chiu-Shun Hsiang. A Popularity-Aware and Energy-Efficient Offloading Mechanism in Fog Computing. The Journal of Supercomputing. 2022;78:1-24. https://doi.org/10.1007/s11227-022-04626-w
  • Ida Syafiza Binti, Taizir EH El-Gorashi, Mohamed OI Musa, et al. Energy Efficient Fog Based Healthcare Monitoring Infrastructure. IEEE Access. 2020;8:197828-197852. https://doi.org/10.1109/ACCESS.2020.3033555
  • Fatemah S. Behbehani, Taisir El-Gorashi, Jaafar M.H. Elmirghani. Power Minimization in Vehicular Cloud Architecture. arXiv:2102.09011. 2021. https://doi.org/10.48550/arXiv.2102.09011
  • Shilpa B. Kodli, Sujatha Terdal. Survey on Energy Efficient-Load Balancing in Cloud. International Journal of Computer Applications. 2022;184(25):15-24. http://dx.doi.org/10.5120/ijca2022922301
  • Фудухин А.В. Прогнозирование надежности электронных устройств после длительного хранения. Математические машины и системы. 2004;4:164-170.
  • Klimenko A.B., Melnik E.V. A Method of Improving the Reliability of the Nodes Containing Ledger Replicas. In book: Silhavy R, Silhavy P, Prokopova Z. (eds.) Software Engineering Application in Informatics. 2021. P. 584-592. https://doi.org/10.1007/978-3-030-90318-3 47
  • Klimenko A., Melnik E. Information and Control Systems with Distributed Ledger Usage: A Reliability Issue. In book: Radek Silhavy (ed.) Artificial Intelligence in Intelligent Systems. Springer; 2021. P. 133-144. https://doi.org/10.1007/978-3-030-77445-5 12
  • Melnik E., Safronenkova I., Kapustyan S. The Efficiency Improvement of Robots Group Operation by Means of Workload Relocation. In: Proc. Int. Conf. on Interactive Collaborative Robotics. 2021;450:126-137. https://doi.org/10.1007/978-3-030-87725-5 11
  • Мельник Э.В., Горелова Г.В. Эффект выравнивания вычислительной нагрузки процессорных устройств в высоконадежных распределенных информационно-управляющих системах. Мехатроника, автоматизация, управление. 2012;11:29-35.
  • Каляев И.А., Мельник Э.В. Децентрализованные системы компьютерного управления. Ростов-на-Дону: Изд. ЮНЦ РАН; 2011. 196 с.
  • Preedipat Sattayasoonthorn, Jackrit Suthakorn Battery Management for Rescue Robot Operation. In: Proc. 2016 IEEE Int. Conf. on Robotics and Biomimetics (ROBIO). 2016. P. 1227-1232. https://doi.org/10.1109/ROBIO.2016.7S66493
  • Vinay Jadhav, Surendra Bhosale. Battery Management System for Drones. In: Proc. Int. Conf. on Electrical Electronics and Data Communication. 2022. URL: https://www.researchgate.net/publication/362SS9754 Battery Management System for Drones (дата обращения: 10.12.2022).
  • Wei Liu, Tobias Placke, Chau K.T. Overview of Batteries and Battery Management for Electric Vehicles. Energy Reports. 2022;8:4058-4084. https://doi.org/10.1016/i.egyr.2022.03.016
Еще
Статья научная