Ресурсно-ориентированная технология организации информационного процесса распределения вычислительных ресурсов при интеграции концепций Интернета вещей и краевых вычислений

Статья посвящена формированию ресурсно-ориентированной технологии организации информационного процесса распределения вычислительных ресурсов в условиях интеграции концепций Интернета вещей и краевых вычислений. В ходе исследования был проведен анализ существующих моделей и методов и выявлены их недостатки, а именно: отсутствие учета ресурсной стоимости транзита данных для вычислительных узлов, участвующих в передаче данных и вычислительном процессе и отсутствие учета ресурсных затрат, которые требуются для операции распределения вычислительных ресурсов. При этом, учитывая ресурсную ограниченность устройств на краю сети, перечисленные недостатки весьма актуальны. Целью данного исследования является минимизация ресурсных затрат на распределение ресурсов и решение вычислительных задач в системах с ограниченными ресурсами устройств. Основу предложенной технологии составляют предложенная общая математическая модель информационного процесса распределения вычислительных ресурсов, представляющая собой задачу оптимизации, предложенные методы решения указанной задачи, основанные на эвристических правилах и метаэвристиках, алгоритмы учета ресурсной стоимости транзита данных и миграции вычислительных задач, носящие вспомогательный характер и используемые в рамках разработанных методов, а также репозиторий метаэвристических алгоритмов, используемый для выбора оптимального алгоритма решения задачи распределения ресурсов. Предлагаемая технология реализует процесс распределения вычислительных ресурсов, минимизируя ресурсные издержки на транзит данных как при решении вычислительной задачи, так и при принятии решения о распределении ресурсов, учитывая ресурсные ограничения устройств и динамику изменения нагрузки и топологии сети. Проведенное экспериментальное моделирование подтвердило целесообразность применения предложенной технологии. Показано значительное снижение ресурсных затрат на распределение вычислительных ресурсов и достижение улучшенных результатов по показателям эффективности распределенных вычислений. Результаты исследования демонстрируют перспективность предложенной технологии для организации распределенных вычислений в системах с ограниченными ресурсами, таких как системы Интернета вещей и краевые вычисления.

1. Ou W., Feng D., Luo K., Chen X. Eco-SLAM: Resource-Efficient Edge-Assisted Collaborative Visual SLAM System. In: Algorithms and Architectures for Parallel Processing: 23rd International Conference, ICA3PP 2023: Proceedings: Part IV, 20–22 October 2023, Tianjin, China. Singapore: Springer; 2024. P. 307–324. https://doi.org/10.1007/978-981-97-0859-8_19

2. Li B., Shan H. Offloading Revenue Maximization in Multi-UAV-Assisted Mobile Edge Computing for Video Stream. IEEE Internet of Things Journal. 2025;12(8):10866–10875. https://doi.org/10.1109/JIOT.2024.3513409

3. Irlon I., Muryanto T., Alvionita A. IoT Security Model with Machine Learning and Edge Computing for Smart Poultry Farm. Interdisciplinary Social Studies. 2025;4(3):334–340. https://doi.org/10.55324/iss.v4i3.876

4. Sekaran R., Patan R., Al-Turjman F. A Novel Approach for Efficient Packet Transmission in Volunteered Computing MANET. ACM Transactions on Internet Technology. 2021;21(4). https://doi.org/10.1145/3418203

5. Bartolini N., Coletta A., Maselli G., Prata M. TaMaRA: A Task Management and Routing Algorithm for FANETs. IEEE Transactions on Mobile Computing. 2024;23(5):4930–4942. https://doi.org/10.1109/TMC.2023.3300746

6. Goel S., Mikek B., Aly J., Arun V., Saeed A., Akella A. A Performance Verification Methodology for Resource Allocation Heuristics. arXiv. URL: https://arxiv.org/abs/2301.04205 [Accessed 5th June 2025].

7. Buss G., Lee K., Veit D. Scalable Grid Resource Allocation for Scientific Workflows Using Hybrid Metaheuristics. In: Advances in Grid and Pervasive Computing: 5th International Conference, CPC 2010: Proceedings, 10–13 May 2010, Hualien, Taiwan. Berlin, Heidelberg: Springer; 2010. P. 256–267. https://doi.org/10.1007/978-3-642-13067-0_29

8. Taleb I., Guillaume J.-L., Duthil B. A Survey on Services Placement Algorithms in Integrated Cloud-Fog / Edge Computing. ACM Computing Surveys. 2025;57(11). https://doi.org/10.1145/3729214

9. Harjula E., Artemenko A., Forsström S. Edge Computing for Industrial IoT: Challenges and Solutions. In: Wireless Networks and Industrial IoT: Applications, Challenges and Enablers. Cham: Springer; 2021. P. 225–240. https://doi.org/10.1007/978-3-030-51473-0_12

10. Барский А.Б. Параллельные процессы в вычислительных системах. Планирование и организация. Москва: Радио и связь; 1990. 256 с.

11. Топорков В.В. Модели распределенных вычислений. Москва: Физматлит; 2004. 320 с.