مروری بر مکانیزم های زمان بندی وظایف حساس به تاخیر در برنامه های کاربردی اینترنت اشیاء در محیط های لبه-ابر

ظهور اینترنت اشیاء و نیاز روزافزون به پاسخگویی آنی، زیرساخت های محاسبات ابری متمرکز را با چالش جدی تاخیر مواجه کرده است. رایانش لبه به عنوان راهکاری برای انتقال پردازش به نزدیکی منبع داده مطرح شده است؛ با این حال، مدیریت و زمان بندی وظایف حساس به تاخیر در این محیط های ناهمگن و پویا، یک چالش بهینه سازی چندهدفه دشوار باقی مانده است. در این مقاله، به بررسی جامع مکانیزم های زمان بندی وظایف در معماری های لبه-ابر می پردازیم. ابتدا چالش های کلیدی نظیر محدودیت منابع، پویایی محیط و تضاد میان شاخص های عملکردی (تاخیر و مصرف انرژی) را تحلیل کرده و سپس طبقه بندی دقیقی از روش های موجود، از الگوریتم های کلاسیک و فراابتکاری تا رویکردهای نوین یادگیری تقویتی، ارائه می دهیم. در نهایت، با بررسی ابزارهای شبیه سازی معتبر، شکاف های پژوهشی فعلی شناسایی شده و مسیرهای نوینی برای تحقیقات آتی با هدف دستیابی به زمان بندی هوشمند و پایدار در اکوسیستم های اینترنت اشیاء پیشنهاد می گردد.

کلیدواژه ها:

اینترنت اشیاء ، رایانش لبه ، زمان بندی وظایف ، بهینه سازی چندهدفه