КОНЦЕПТУАЛЬНА МОДЕЛЬ IoT-СИСТЕМИ ДЛЯ ОБРОБКИ ДАНИХ ІЗ ВИКОРИСТАННЯМ ТУМАННИХ ОБЧИСЛЕНЬ ТА ХМАРНОГО СЕРЕДОВИЩА
01.12.2024 13:27
[1. Information systems and technologies]
Author: Ляпандра Андрій Степанович, магістр, Західноукраїнський національний університет, м. Тернопіль
Сучасний розвиток IoT та підвищення кількості підключених пристроїв призвели до зростання обсягів даних, що потребують обробки в режимі реального часу. Створення ефективних систем обробки даних у таких умовах є важливим завданням для забезпечення високої продуктивності та мінімізації енергоспоживання. Традиційна обробка даних у хмарних середовищах не завжди задовольняє вимоги до затримки та ефективності, особливо в умовах великих навантажень і обмежених ресурсів мережі. Це вимагає нових підходів, зокрема залучення туманних обчислень, які дозволяють виконувати обробку даних ближче до джерела їх створення.
Туманні обчислення забезпечують можливість розподілу обчислювальних завдань між граничними вузлами (туманними вузлами) та хмарними серверами [1, 2], що дозволяє суттєво знизити затримки та енергоспоживання [3, 4]. Однак реалізація ефективної системи передачі завдань і розподілу ресурсів потребує розробки математичних моделей, здатних враховувати динамічні умови мережі, обмеженість обчислювальних ресурсів та змінну завантаженість вузлів.
Основні труднощі полягають у тому, що кожен вузол може мати різні характеристики, такі як обчислювальна потужність, енергетична ефективність та затримка передачі даних. Більше того, у випадках динамічної зміни навантаження та умов мережі постає завдання оптимального розподілу обчислень між IoT-пристроями, туманними вузлами та хмарними серверами. У зв’язку з цим, є потреба в розробці моделей і алгоритмів, які дозволять адаптувати розподіл завдань у реальному часі, враховуючи поточний стан мережі, вимоги до затримки та обмеження на енергоспоживання.
Концептуальна модель IoT-системи для обробки даних представлена на рисунку 1.
Рисунок 1. Концептуальна модель IoT-системи для обробки даних із використанням туманних обчислень та хмарного середовища
Система складається з кількох IoT-пристроїв, n вузлів туману та віддаленого хмарного сервера. Кожне промислове обладнання генерує значний обсяг даних і використовує точку доступу для бездротового зв'язку, щоб підключитися до сусіднього вузла туману. Припускається, що IoT-пристрої передаватимуть свої зібрані завдання сусідньому вузлу туману для подальшої обробки через обмежену обчислювальну потужність та енергетичні ресурси цих пристроїв. Результати обчислень, завантажені сусідніми пристроями, обробляються вузлом туману, який потім надсилає запити на обробку завдань назад на термінальні пристрої.
Вузли туману повинні вибрати кількість завдань для передачі на хмарний сервер, оскільки їхні обчислювальні та сховищні ресурси обмежені, особливо для обчислювально-інтенсивних і чутливих до часу операцій. У таких ситуаціях дані передаються на хмарний сервер через волоконно-оптичне з’єднання для покращення користувацького досвіду та продуктивності системи. Важливо відзначити, що кожне завдання може бути розбито на максимально можливу кількість дрібних підзавдань, що допоможе оптимізувати час обробки та покращити ефективність системи. Це дослідження спрямоване на надання цінних результатів для проєктування та оптимізації обчислювальних систем для індустріального Інтернету речей з метою підвищення їх ефективності та продуктивності.
Існує два основних режими роботи, коли вузол туману обробляє обчислювальні завдання, що отримані. У першому всі обчислювальні завдання обробляються локально у вузлі туману, тоді як у другому вся робота передається на хмарний сервер. Слід зазначити, що актуально також дослідити час обробки та енергоефективність як для режиму локальної обробки, так і для режиму передачі обробки.
Запропонована концептуальна модель інтеграції IoT-пристроїв, туманних вузлів та хмарних серверів демонструє потенціал оптимального розподілу обчислювальних завдань між цими компонентами. Такий підхід забезпечує гнучкість і адаптивність до змін навантаження, водночас підтримуючи високий рівень продуктивності.
Література
1. Huang J., Gao H., Wan S., Chen Y. AoI-aware energy control and computation offloading for industrial IoT. Future Generation Computer Systems. 2023. 139. 29–37.
2. Seid A.M., Lu J., Abishu H.N., Ayall T.A. Blockchain-enabled task offloading with energy harvesting in multi-UAV-assisted IoT networks: A multi-agent DRL approach. IEEE Journal on Selected Areas in Communications. 2022. 40(12). 3517–3532.
3. Gasmi K., Dilek S., Tosun S., Ozdemir S. A survey on computation offloading and service placement in fog computing-based IoT. The Journal of Supercomputing. 2022. 78(2). 1983–2014.
4. Malik R., Vu M. Energy-efficient computation offloading in delay-constrained massive MIMO enabled edge network using data partitioning. IEEE Transactions on Wireless Communications. 2020. 19(10). 6977–6991.