Метод ресурсосберегающего планирования распределенных вычислений в туманной вычислительной среде
Работая с нашим сайтом, вы даете свое согласие на использование файлов cookie. Это необходимо для нормального функционирования сайта, показа целевой рекламы и анализа трафика. Статистика использования сайта отправляется в «Яндекс» и «Google»
Научный журнал Моделирование, оптимизация и информационные технологииThe scientific journal Modeling, Optimization and Information Technology
cетевое издание
issn 2310-6018

Метод ресурсосберегающего планирования распределенных вычислений в туманной вычислительной среде

idКлименко А.Б.

УДК 519.873+ 519.876.2
DOI: 10.26102/2310-6018/2022.38.3.019

  • Аннотация
  • Список литературы
  • Об авторах

Вопросы организации распределенных вычислений в туманных вычислительных средах актуальны в настоящее время по причине циркулирующих по глобальным сетям возрастающих объемов данных. Исследования, проводимые в рамках разработки новых моделей, методов и технических средств концепции «туманных» вычислений, охватывают широкий круг тематик, включая разделение ресурсов, планирование вычислений, аутентификацию пользователей и безопасность хранения данных. Также представлены работы, посвященные вопросам расхода ресурсов, а именно, продлению сроков службы туманных устройств, которые оказывают существенное влияние на стоимость эксплуатации систем. В рамках данной статьи решение проблемы ресурсосбережения в указанном аспекте связано с обоснованным распределением вычислительной нагрузки по узлам туманного слоя, что влияет на такие показатели устройств, как вероятность безотказной работы, гамма-процентная наработка на отказ и средний остаточный ресурс вычислительного устройства. Предложен метод оценки целесообразности размещения на узлах вычислительной нагрузки в рамках «жадной» стратегии, а также метод выбора узлов для размещения нагрузки. Объединение этих методов составляет метод планирования распределенных вычислений в туманном слое сети с оптимизацией по критерию ресурсосбережения. Проведенный эксперимент демонстрирует целесообразность использования разработанного метода, а также позволяет выбрать область дальнейших исследований.

1. Jatla D. Fog Computing. Interantional journal of scientific research in engineering and management. 2022;06.

2. Mutlag, A., Ghani M., Arunkumar N., Mohammed M., Mohd O. Enabling technologies for fog computing in healthcare IoT systems. Future Generation Computer Systems. 2018;90:62–78.

3. Hassanalieragh M., Page A., Soyata T., Sharma G., Aktas M., Mateos G., Kantarci B., Andreescu S. Health Monitoring and Management Using Internet-of-Things (IoT) Sensing with Cloud-Based Processing: Opportunities and Challenges. IEEE International Conference on Services Computing proc. 2015.

4. Kanth R., Heikkonen J. Sensors and Fog Computing Paradigm in Innovative Health and Food Supply Chain Applications. Food Manufacturing Efficiency. 2020;4:1–8.

5. Li K. Scheduling Precedence Constrained Tasks for Mobile Applications in Fog Computing. IEEE Transactions on Services Computing. 2022:1–14.

6. Chen C., Wang Z., Guo B. The Road to the Chinese Smart City: Progress, Challenges, and Future Directions. IT Professional. 2016;18:14–17.

7. Salman S., Sitompul T., Papadopoulos A., Nolte T. Fog Computing for Augmented Reality: Trends, Challenges and Opportunities. IEEE International Conference on Fog Computing (ICFC) proc. 2020:56–63.

8. Jiang Y., Tsang D. Delay-Aware Task Offloading in Shared Fog Networks. IEEE Internet of Things Journal. 2018;5:4945–4956.

9. Al-Safi A., Ameen H., Ibrahim Z., Gheni H. Cost-effective resource and task scheduling in fog nodes. IJEECS. 2022.

10. Malik A. A Review of Resource Scheduling in Fog based Cloud Environment. International Journal for Research in Applied Science and Engineering Technology. 2019;7:1073–1077.

11. Kaneva K., Aboutorab N., Sorour S., Reed M. On Offloading Fog Radio Access Networks Fronthaul Using Device Caching and Cooperation. GLOBECOM 2017. IEEE Global Communications Conference. 2017:1–6.

12. Gao S., Peng Z., Xiao B., Xiao Q., Song. YSCoP: Smartphone energy saving by merging push services in Fog computing. IEEE/ACM 25th International Symposium on Quality of Service (IWQoS). 2017:1–10.

13. Klimenko A., Melnik E. Information and Control Systems with Distributed Ledger Usage: A Reliability Issue. In: Silhavy, R. (eds) Artificial Intelligence in Intelligent Systems. CSOC 2021. Lecture Notes in Networks and Systems. 2021;229:133–144.

14. 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.

15. Мельник Э.В. Применение концепции «туманных» вычислений при проектировании высоконадежных информационно-управляющих систем. Известия тульского государственного университета. Технические науки. 2020;2:273–283.

16. Xu J. Hao, Z. Zhang R. and Sun, X. A Method Based on the Combination of Laxity and Ant Colony System for Cloud-Fog Task Scheduling. IEEE Access. 2019;7:116218-116226. DOI: 10.1109/ACCESS.2019.2936116.

Клименко Анна Борисовна
кандидат технических наук Доцент

ORCID |

кафедра Фундаментальной и прикладной математики института Информационных наук и технологий безопасности РГГУ

Москва, Российская Федерация

Ключевые слова: ресурсосбережение, планирование вычислений, туманные вычисления,

Для цитирования: Клименко А.Б. Метод ресурсосберегающего планирования распределенных вычислений в туманной вычислительной среде. Моделирование, оптимизация и информационные технологии. 2022;10(3). Доступно по: https://moitvivt.ru/ru/journal/pdf?id=1228 DOI: 10.26102/2310-6018/2022.38.3.019

171

Полный текст статьи в PDF

Поступила в редакцию 13.09.2022

Поступила после рецензирования 27.09.2022

Принята к публикации 30.09.2022

Опубликована 30.09.2022