بهینه سازی پردازش داده های اینترنت اشیا: تحلیل مقایسه ای از رویکردهای رایانش ابری و مه

با گسترش دستگاه های اینترنت اشیا (IoT)، مدیریت و پردازش حجم عظیمی از داده ها به شکلی کارآمد به یک چالش بزرگ تبدیل شده است. این مقاله به بررسی راهبردهای بهینه سازی زمان بندی وظایف IoT در محیط های رایانش ابری و مه می پردازد. با مقایسه روش های مختلف، از جمله روش پیشنهادی الگوریتم اکتشافی برای زمان بندی آگاه از محل داده ها (DLJSF)، مزایا و محدودیت های هر رویکرد مورد بررسی قرار می گیرد. این تحلیل جامع شامل بحث مفصل درباره کاهش تاخیر، مدیریت پهنای باند، تخصیص منابع و بهره وری انرژی است. در محیط های محاسباتی مه و اینترنت اشیاء، بهینه سازی منابع و مدیریت وظایف اهمیت بسیاری دارد. از روش هایی مانند برنامه ریزی وظایف مبتنی بر داده محلی تا استراتژی های انتقال بهینه وظایف، متعددی برای بهبود عملکرد در این محیط ها ارائه شده است. بهره گیری از ظرفیت دروازه های هوشمند محاسباتی در محیط های ابر برای مدیریت وظایف داده محور اینترنت اشیا، با در نظر گرفتن اولویت و محلی بودن داده، مورد بررسی قرار گرفته است. نتایج بهبود روش پیشنهادی را نشان می دهد.

کلیدواژه ها:

محاسبات مه ، اینترنت اشیاء ، بهینه سازی منابع ، زمانبندی آگاه از محل داده.