Модель розподілу елементарних потоків даних у туманній платформі підтримки інтернету речей
Предметом дослідження є моделі управління ресурсами та завданнями в туманному середовищі підтримки Інтернету речей (IoT). Зростання кількості підключених пристроїв та обсяги зібраної інформації в мережах IoT роблять актуальним необхідність удосконалення систем управління, які забезпечують оптимальн...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Kharkiv National University of Radio Electronics
2023-09-01
|
| Series: | Сучасний стан наукових досліджень та технологій в промисловості |
| Subjects: | |
| Online Access: | https://www.itssi-journal.com/index.php/ittsi/article/view/424 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Предметом дослідження є моделі управління ресурсами та завданнями в туманному середовищі підтримки Інтернету речей (IoT). Зростання кількості підключених пристроїв та обсяги зібраної інформації в мережах IoT роблять актуальним необхідність удосконалення систем управління, які забезпечують оптимальний розподіл завдань і ресурсів. Туманне обчислення відіграє ключову роль у реалізації цього питання, розподіляючи обчислювальні завдання ближче до джерела інформації та кінцевих користувачів. Мета роботи полягає в підвищенні ефективності технологій туманних обчислень для забезпечення оптимального розподілу завдань і ресурсів у мережі IoT. Для досягнення мети розглянуті методи кластеризації, що допомагають створити групи обчислювальних ресурсів і визначити, які завдання необхідно розподілити між цими групами. Застосування відповідних методів кластеризації дає змогу зменшити затримки та підвищити загальну продуктивність системи IoT. Основні завдання цієї роботи. По-перше, зважаючи на різноманітні вимоги до обчислювальних ресурсів та завдань IoT, необхідно розглянути наявні методи й розробки. По-друге, важливо дослідити та порівняти методи кластеризації, зокрема DBSCAN та C-Means, для ефективного управління ресурсами. Метод кластеризації DBSCAN дає змогу ефективно розподіляти завдання залежно від їх місця розташування. Метод C-Means допомагає групувати ресурси за їх характеристиками. Третє завдання – розробити модель, основану на вхідних параметрах, таких як відповідь системи, потреби кластерів у ресурсах, віддаленість інформації для її оброблення тощо. Модель дасть змогу аналізувати ймовірні сценарії та приймати рішення щодо оптимального розподілу завдань і ресурсів у середовищі IoT. Висновки. Це дослідження спрямоване на розв’язання актуального питання – управління ресурсами та завданнями в туманному середовищі IoT. Розглянуто наявні методи й розробки у сфері управління ресурсами та завданнями в IoT. Порівняно методи кластеризації DBSCAN і C-Means для визначення їх ефективності в управлінні ресурсами. Розроблено теоретико-множинну модель, що ґрунтується на різних параметрах для прийняття оптимальних рішень щодо розподілу завдань і ресурсів. Установлено, що впровадження методів кластеризації та розробленої моделі допомагають підвищити продуктивність системи й забезпечити більш ефективне застосування обчислювальних ресурсів у туманному середовищі IoT.
|
|---|---|
| ISSN: | 2522-9818 2524-2296 |