علوم رایانش و فناوری اطلاعات (Sep 2021)
(مقاله برتر کنفرانس) توزیع بهینه بارکاری در پردازش‌های لبه شبکه بر پایه استفاده از سیستم‌های دسته‌بند یادگیر حافظه‌دار
Abstract
همراه با رشد روزافزون دستگاه‌های هوشمند ، مفهوم اینترنت اشیاء نیز توسعه پیداکرده است. افزایش تعداد این اشیا هوشمند سبب افزایش تولید حجم داده‌ها و بارهای محاسباتی در مقیاس‌های وسیع شده است. به همین دلیل رایانش ابری، به‌عنوان راه‌حل اصلی جهت کنترل این بارها استفاده می‌شود. بااین‌حال، زمان‌بر بودن پردازش بارها در ابر، هنوز به‌عنوان مسئله اصلی در حوزه شبکه‌های توزیع‌شده مطرح است. پردازش بارهای کاری در لبههای شبکه می‌تواند موجب کاهش این زمان پاسخ شود؛ اما از سوی دیگر با آوردن پردازش بارها از مراکز داده‌ها (متصل به برق) به سمت لبههای شبکه، منجر به محدودیت انرژی می‌شود. بنابراین لازم است بارهای کاری به شکلی متوازن میان ابر‌ها و لبههای شبکه توزیع شوند. در این مقاله به‌منظور ایجاد تعادل میان مصرف انرژی در لبه شبکه و تأخیر بارهای کاری در ابر‌ها، روشی مبتنی بر سیستم‌های دسته‌بند یادگیر ارائه‌شده است. نتایج حاصل از شبیه‌سازی نشان می‌دهد که روش پیشنهادی در مقایسه با روش‌های پیشین، به شکل متعادل‌تری بارها را توزیع می‌کند. روش پیشنهادی سبب کاهش 42 درصدی تأخیر بارهای کاری و همچنین کاهش مصرف انرژی در لبه شبکه می‌شود.
