ارائه یک روش بهبود یافته برای جایابی برنامه های کاربردی اینترنت اشیاء در محیط رایانش مه مبتنی بر الگوریتم تراکم ذرات

Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 837

This Paper With 25 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

EISTC09_007

تاریخ نمایه سازی: 15 تیر 1400

Abstract:

اینترنت اشیا (اینترنت اشیا) ؛ اتصال وارتباط میان اشیای حاضر را مقدور ساخته است و این امر موجب تولید بی سابقه ای از داده های حجیم و ناهمگون شده که به انفجار داده ها معروف است . معمولا برای ساماندهی این داده ها از رایانش ابری استفاده می شود . اما چالش هایی نظیر افزایش درخواست های زمان واقعی یا برنامه های حساس به تاخیر و محدودیت پهنای باند شبکه ، با استفاده از رایانش ابر نمی توانند حل شوند،که برای حل این مشکل رایانش مه، به عنوان مکمل برای راه حل رایانش ابر پیشنهاد شده است. رایانش مه خدمات ابر را به لبه شبکه گسترش می دهد و ارتباطات و ذخیره سازی را نزدیک به دستگاه های لبه و کاربران نهایی انجام می دهد که هدف آن ارتقاء در کم کردن زمان تاخیر ، تحرک، پهنای باند شبکه، امنیت و حریم خصوصی می باشد.برای استفاده از مزایای کامل رایانش مه، تحقیقات زیادی درطیف وسیعی از موضوعات مورد نیاز است. یکی از مهم ترین مسائل در رایانش مه، جایابی بهینه و کار آمد برنامه های کاربردی اینترنت اشیا می باشد که یک یا چند هدف را بهینه می سازد.در این مقاله یک روش بهبود یافته برای جایابی برنامه های کاربردی اینترنت اشیا در محیط رایانش مه مبتنی بر الگوریتم تراکم ذرات ارائه شده است،که رویکرد "پیشنهادی"را با رویکرد چینش در رایانش ابری که در آزمایش ۱ ارائه شده مورد تجزیه و تحلیل قرار گرفته شده است و بر این اساس معیارهای عملکرد تاخیر سرویس، تعداد کانتینرهای اختصاص یافته وهزینه کل مقایسه شده است. نتایج ازمایش نشان می دهد که رویکرد پیشنهادی پارامتر تاخیر سرویس تا ٪ ۴۰ ، هزینه کل تا ۲۳ ٪و کانتینرهای اختصاص یافته را تا ۱۲ ٪بهبود یافته است. در ازمایش ۲ ،راه حل پیشنهادی با سایر روش های چینش در رایانش مه مقایسه شده تا اثربخشی آن تایید شود.نتایج ازمایش نشان میدهد، متوسط تاخیر در الگوریتم پیشنهادی در مقایسه با سایر روش ها به ترتیب ۳,۱ و ۶,۲ درصد کمتر و همچنین به ترتیب منجر به حداقل سازی هزینه تا ٪ ۵,۷ و ۱۵ ٪می شود.

Keywords:

رایانش مه , رایانش ابر , اینترنت اشیاء , جایابی برنامه های کاربردی , الگوریتم های بهینه سازی

Authors

ریحانه نوین

گروه مهندسی کامپیوتر و فن آوری اطلاعات، دانشگاه آزاد اسلامی واحد پرند، تهران، ایران

محمد فرجی مهماندار

گروه مهندسی کامپیوتر و فن آوری اطلاعات، دانشگاه آزاد اسلامی واحد پرند، تهران، ایران