بهینه سازی هوشمند بارگذاری محاسبات و تخصیص منابع در معماری لبه چندسطحی برای سامانه های اینترنت اشیاء با محدودیت انرژی

گسترش سریع سامانه های اینترنت اشیاء در سال های اخیر موجب افزایش چشمگیر حجم داده های تولیدشده و تقاضا برای پردازش بلادرنگ در کاربردهای مختلف شده است. با وجود این، دستگاه های اینترنت اشیاء به دلیل محدودیت های ذاتی در توان پردازشی، ظرفیت ذخیره سازی و منابع انرژی قادر به اجرای تمامی پردازش های موردنیاز به صورت محلی نیستند. در چنین شرایطی، انتقال بخشی از بار محاسباتی به زیرساخت های پردازشی نزدیک تر به منبع داده به عنوان یک راهکار موثر مطرح شده است. معماری های لبه چندسطحی با فراهم سازی سطوح مختلف پردازش شامل دستگاه، لبه نزدیک، لبه منطقه ای و ابر، امکان توزیع مناسب بار محاسباتی را فراهم می کنند. با این حال، انتخاب سطح مناسب برای اجرای وظایف محاسباتی همچنان یک چالش اساسی به شمار می رود؛ زیرا این تصمیم گیری به طور مستقیم بر مصرف انرژی دستگاه ها، تاخیر پردازش، ترافیک شبکه و بهره وری استفاده از منابع تاثیر می گذارد. هدف اصلی این پژوهش ارائه یک چارچوب هوشمند برای بهینه سازی بارگذاری محاسبات و تخصیص منابع در معماری لبه چندسطحی برای سامانه های اینترنت اشیاء با محدودیت انرژی است. در چارچوب پیشنهادی، یک مدل پیش بینی بار کاری به منظور برآورد وضعیت آینده منابع پردازشی و یک الگوریتم زمان بندی پویا برای تعیین محل مناسب اجرای وظایف طراحی شده است. این چارچوب در فرآیند تصمیم گیری عواملی نظیر سطح انرژی دستگاه ها، ظرفیت پردازشی گره های لبه، وضعیت شبکه ارتباطی، حجم داده و حساسیت زمانی وظایف را به طور همزمان در نظر می گیرد. به منظور ارزیابی عملکرد چارچوب پیشنهادی، مجموعه ای از سناریوهای آزمایشی در محیط شبیه سازی طراحی شد و نتایج آن با یک روش مرجع مبتنی بر تصمیم گیری ایستا مقایسه گردید. نتایج آزمایش ها نشان داد که چارچوب پیشنهادی توانسته است بهبود قابل توجهی در شاخص های کلیدی عملکرد سامانه ایجاد کند. بر اساس یافته ها، مصرف انرژی دستگاه های اینترنت اشیاء به طور میانگین حدود ۳۴ درصد کاهش یافته و تاخیر پردازش وظایف نیز حدود ۲۸ درصد کمتر شده است. علاوه بر این، استفاده از منابع پردازشی در گره های لبه از ۵۸ درصد به حدود ۷۶ درصد افزایش یافته و ترافیک شبکه نیز حدود ۳۲ درصد کاهش پیدا کرده است. همچنین نرخ تکمیل موفق وظایف از ۸۲ درصد به ۹۳ درصد افزایش یافته که نشان دهنده بهبود پایداری عملکرد سامانه در شرایط بار کاری متغیر است. نتایج تکمیلی نشان داد که چارچوب پیشنهادی در شرایط افزایش ناگهانی بار کاری، خرابی گره های لبه و ناهمگونی منابع پردازشی نیز عملکرد پایدارتری نسبت به روش مرجع ارائه می دهد. در مجموع، نتایج این پژوهش نشان می دهد که استفاده از سازوکارهای تصمیم گیری پویا در ترکیب با پیش بینی بار کاری می تواند نقش موثری در مدیریت هوشمند بار محاسباتی در معماری های لبه چندسطحی ایفا کند. چارچوب پیشنهادی با ایجاد تعادل میان مصرف انرژی، تاخیر پردازش و بهره وری منابع می تواند به عنوان یک راهکار مناسب برای بهبود عملکرد سامانه های اینترنت اشیاء در محیط های عملیاتی مورد استفاده قرار گیرد.

کلیدواژه ها:

اینترنت اشیاء ، رایانش لبه چندسطحی ، بارگذاری محاسبات ، تخصیص منابع ، بهینه سازی انرژی.