Статья посвящена применению методов теории систем автоматического управления для организации передачи трафика в гибридной облачно-туманной IoT‑сети с целью повышения показателей качества обслуживания. Предложена модель сети в виде системы дискретных уравнений состояния, описывающих динамику очередей на туманных узлах, загрузку каналов и взаимодействие с облачным уровнем, а также введен LQR‑критерий, который учитывает одновременно задержку и затраты ресурсов. На основе решения дискретного уравнения Риккати синтезируется распределенный регулятор, реализуемый на туманных узлах и в облаке. Он помогает адаптивно перераспределять пропускную способность, приоритеты и параметры маршрутизации с учетом текущей нагрузки и возмущений трафика. Для оценки эффективности разработанный LQR‑контроллер интегрирован в симулятор OMNeT++. Моделируется IoT‑топология из нескольких туманных узлов и облачного сервера с MQTT‑трафиком и различными сценариями нагрузки (базовый, пиковый и всплесковый режимы). Результаты моделирования показывают, что по сравнению с режимом без управления и вариантом с фиксированным LQR адаптивный LQR существенно снижает среднюю задержку и джиттер, уменьшает потери пакетов и заполненность очередей при умеренном росте загрузки CPU. Результаты подтверждают применимость предложенного подхода для оптимизации качества обслуживания в современных облачно‑туманных телекоммуникационных системах.
The article is devoted to the application of methods of the theory of automatic control systems for traffic and resource management in a hybrid cloud fog IoT network in order to improve the quality of service. A network model is proposed in the form of a system of discrete equations of state describing the dynamics of queues at fog nodes, channel loading and interaction with the cloud layer, and an LQR criterion is introduced that simultaneously takes into account latency and resource costs. Based on the solution of the discrete Riccati equation, a distributed controller is synthesized, implemented on fog nodes and in the cloud, which makes it possible to adaptively redistribute bandwidth, priorities and routing parameters, taking into account the current load and traffic disturbances. To evaluate the effectiveness, the developed LQR controller is integrated into the OMNeT++ simulator. An IoT topology consisting of several fog nodes and a cloud server with MQTT traffic and various load scenarios (base, peak and surge modes) is modeled. The simulation results show that, compared with the non controlled mode and the fixed LQR option, adaptive LQR significantly reduces average latency and jitter, reduces packet loss and queue occupancy with a moderate increase in CPU usage, which confirms the applicability of the proposed approach to optimize the quality of service in modern cloud-fog telecommunications systems.
The authors declare that there are no conflicts of interest present.