دنیای دیجیتالی در حال گسترش سریع است و پیشرفت های موجود در فناوری های شبکه مانند تکامل بلندمدت 4G (LTE)، باند پهن بی سیم (WiBro)، شبکه های سطح گسترده با توان کم (LPWAN)، 5G، LiFi و غیره همگی مسیر را برای پیدایش سرویس های پیچیده فراهم می سازند. تعداد برنامه های کاربردی آنلاین همراه با قابلیت های محاسباتی، ارتباطاتی و هوشمند بیشتر رو به افزایش است. گرچه دستگاه های امروزی برحسب ویژگی ها و قابلیت ها قوی تر می گردند، ولی هنوز قادر به انجام وظایف هوشمند و مستقل مانند وظایف مورد نیاز برای مراقبت از سلامت هوشمند، زندگی پیرامون محور (AAL)، واقعیت مجازی، واقعیت تقویت شده، ارتباطات خودرویی هوشمند و همچنین اکثر سرویس های مربوط به شهرهای هوشمند، اینترنت اشیا، اینترنت لمسی، اینترنت خودروها (IoV) نمی باشند. برای اکثر این کاربردها به موجودیت دیگری برای انجام وظایف از جانب دستگاه کاربر و بازگرداندن نتایج نیاز داریم – تکنیکی که اغلب تخلیه محاسباتی (offloading) نامیده می شود، جاییکه وظایف برون سپاری می شوند و موجودیت های موجود به صورت متوالی برای دستیابی به هدف نهایی برنامه کاربردی کار می کنند. تخلیه محاسباتی برای کاربردهای محاسبات ابری و اینترنت اشیای نوظهور جذاب است و می تواند بین گره های اینترنت اشیا، حسگرها، دستگاه های لبه و گره های مه روی دهد. تخلیه محاسباتی می تواند بر اساس عوامل مختلفی انجام گیرد که شامل نیازهای محاسباتی برنامه کاربردی، تعادل بار، مدیریت انرژی، مدیریت تاخیر و غیره است. طبقه بندی طرح های تخلیه اخیر را ارائه می کنیم که برای زمینه هایی مانند مه، محاسبات ابری و اینترنت اشیا پیشنهاد شده اند. همچنین در مورد تکنولوژی های میان افزاری بحث می کنیم که امکان تخلیه محاسباتی را در موارد ابر – اینترنت اشیا فراهم می سازند و در مورد عواملی بحث می کنیم که برای تخلیه محاسباتی در سناریوی خاصی حائز اهمیت هستند. همچنین فرصت های پژوهشی مربوط به تخلیه محاسباتی را در محاسبات مه و لبه ارائه می کنیم.

کلمات کلیدی: محاسبات ابری، محاسبات مه، محاسبات لبه، اینترنت اشیا، میان افزار، تخلیه محاسباتی.

Offloading in fog computing for IoT: Review, enabling technologies, and research opportunities

Future Generation Computer Systems Volume 87, October 2018, Pages 278-289

Abstract

The digital world is expanding rapidly and advances in networking technologies such as 4G long-term evolution (LTE), wireless broadband (WiBro), low-power wide area networks (LPWAN), 5G, LiFi, and so on, all of which are paving the way for the emergence of sophisticated services. The number of online applications is increasing along with more computation, communication, and intelligent capabilities. Although current devices in use today are also getting more powerful in terms of features and capabilities, but they are still incapable of executing smart, autonomous, and intelligent tasks such as those often required for smart healthcare, ambient assisted living (AAL), virtual reality, augmented reality, intelligent vehicular communication, as well as in many services related to smart cities, Internet of Things (IoT), Tactile Internet, Internet of Vehicles (IoV), and so on. For many of these applications, we need another entity to execute tasks on behalf of the user’s device and return the results - a technique often called offloading, where tasks are outsourced and the involved entities work in tandem to achieve the ultimate goal of the application. Task offloading is attractive for emerging IoT and cloud computing applications. It can occur between IoT nodes, sensors, edge devices, or fog nodes. Offloading can be performed based on different factors that include computational requirements of an application, load balancing, energy management, latency management, and so on. We present a taxonomy of recent offloading schemes that have been proposed for domains such as fog, cloud computing, and IoT. We also discuss the middleware technologies that enable offloading in a cloud-IoT cases and the factors that are important for offloading in a particular scenario. We also present research opportunities concerning offloading in fog and edge computing.

Keywords: Cloud computing, Fog computing, Edge computing, Internet of things (IoT), Middleware, Offloading

• قبلی
• بعدی