مروری بر روش های زمان بندی درخواست ها و توازن بار در محیط محاسبات لبه

محاسبات لبه به عنوان یکی از فناوری های نوین، با انتقال پردازش و ذخیره سازی داده ها به نزدیکی کاربران نهایی، نقش مهمی در کاهش تاخیر، بهبود کیفیت خدمات و افزایش بهره وری منابع ایفا می کند. با این حال، محدودیت منابع محاسباتی گره های لبه، پویایی حجم درخواست ها و ناهمگونی تجهیزات، زمان بندی درخواست ها و توازن بار را به یکی از مهم ترین چالش های این محیط تبدیل کرده است. ازاین رو، توسعه روش های کارآمد برای تخصیص بهینه درخواست ها و توزیع متوازن بار میان گره های لبه، از موضوعات مورد توجه پژوهشگران در سال های اخیر بوده است. در این مقاله، پژوهش های اخیر در حوزه زمان بندی درخواست ها و توازن بار در محیط محاسبات لبه به صورت مروری بررسی و تحلیل شده اند. بدین منظور، رویکردهای مختلف شامل الگوریتم های کلاسیک زمان بندی، روش های مبتنی بر الگوریتم های فراابتکاری، یادگیری تقویتی عمیق، مهاجرت وظایف، مدل های مبتنی بر اینترنت اشیا و نظریه بازی از منظر اهداف، معیارهای ارزیابی، مزایا و محدودیت ها مورد مقایسه قرار گرفته اند. همچنین، تاثیر این روش ها بر معیارهایی نظیر زمان پاسخ، مصرف انرژی، بهره برداری از منابع، تعادل بار و مقیاس پذیری بررسی شده است. نتایج این مطالعه نشان می دهد که اگرچه روش های مبتنی بر هوش مصنوعی و الگوریتم های فراابتکاری نسبت به روش های سنتی عملکرد مطلوب تری در مدیریت منابع و بهبود توازن بار ارائه می دهند، اما همچنان چالش هایی از جمله بهینه سازی هم زمان چندین معیار، سازگاری با شرایط پویای شبکه، کاهش پیچیدگی محاسباتی و افزایش مقیاس پذیری باقی مانده است. در پایان، مهم ترین شکاف های پژوهشی و مسیرهای آینده برای توسعه روش های هوشمند و چندهدفه در زمان بندی درخواست ها و توازن بار در محیط محاسبات لبه ارائه شده است.

کلیدواژه ها:

محاسبات لبه ، زمان بندی درخواست ها ، توازن بار ، الگوریتم های فراابتکاری ، یادگیری تقویتی