Дослідження впливу хмарних та туманних обчислень на якість надання послуг IoT в розумних системах

1.

Національний університет «Львівська політехніка»
Кафедра «Телекомунікацій»
Дослідження впливу хмарних та туманних
обчислень на якість надання послуг IoT в
розумних системах
Виконав: ст. гр. ТРІМ- 21
Ярошевський Юрій Богданович
Керівник: PhD
Бешлей Г.В.

2.

Актуальність
Актуальність даного дослідження базується на стрімкому розвитку Інтернету речей (IoT) та
потребі вдосконалення обчислювальних архітектур для розумних систем. З урахуванням зростання
об'ємів даних та розподілених завдань, вивчення гібридних підходів, таких як туманні та граничні
обчислення, спільно з хмарними технологіями, стає критично важливим для забезпечення
ефективності, низької затримки та високої якості обслуговування. Результати даного дослідження
можуть слугувати основою для оптимізації архітектурних рішень та впровадження у практиці
передових технологій у сфері IoT.
2

3.

Мета і завдання дослідження
3
Мета - дослідження впливу технологій хмарних та туманних обчислень на якість надання послуг в системах
Інтернету речей (IoT) в розумних системах в умовах використання гібридного методу вибору
обчислювальної інфраструктури.
Завдання, які необхідно виконати для поставленої мети:
1. Проаналізувати особливості та виклики, пов'язані з використанням хмарнних та туманних обчислень
для розумних систем, зокрема щодо затримок та надійності.
2. Дослідити відомі архітектурні підходи в Інтернеті речей та визначити їх вплив на функціональність
та взаємодію системних компонентів.
3. Розробити концепцію та моделі гібридної архітектури, яка поєднує різні рівні обчислень для
оптимізації якості обслуговування в розумних системах.
4. Розробити метод, який враховує особливості та вимоги до затримки обслуговування та
енергетичного споживання для ефективного вибору обчислювального рівня в розумних системах.
5. Створити імітаційну модель для вивчення впливу хмарних, туманних та граничних обчислень на
якість обслуговування в розумних системах.
Новизна роботи запропоновано метод адаптивного вибору обчислювального рівня для оптимізації якості
обслуговування в системах Інтернету речей. Зокрема, розроблений метод враховує особливості хмарних,
туманних та граничних обчислень, а також базується на вимогах до затримки обслуговування та
енергетичного споживання. Його використання дозволяє ефективно розв’язувати завдання в умовах
обмежених ресурсів, забезпечуючи надійність функціонування систем.

4.

ПЕРШИЙ РОЗДІЛ. «АНАЛІЗ РОЗВИТКУ ІНТЕРНЕТУ РЕЧЕЙ ТА ХМАРНИХ ТЕХНОЛОГІЙ»
Рис.1 Розумний дім на основі IoT та хмарних технологій
Рис.2 Хмарна/туманна платформа для
Smart Grid розумної електромережі
4

5.

ДРУГИЙ РОЗДІЛ. «МОДЕЛІ РОЗГОРТАННЯ ХМАРНИХ ТА ТУМАННИХ ОБЧИСЛЕНЬ
ДЛЯ РОЗУМНИХ СИСТЕМ»
Server Farm
Data Centre Cloud
Application Hosting,
Management
IP/MPLS Core
Core
IP/MPLS, QoS, Multicast,
Security, Network Services,
Mobile Packet Core
Field Area Network
Multi-Service Edge
3G/4G/LTE/WIFI/Ethernet/PLC
FOG
Embedded Systems
and Sensors
Smart and less smart things,
vehicles, machines
Wired or Wireless
Рис. 3. Туман як мережева платформа для IoT
EHOPES Subnetworks
5

6.

Модель інтелектуальної системи керування транспортними засобами та трафіком
на основі OpenFog
System
M anagement
Cloud
Fog
Metro Traffic
Management
Cloud
Service
Provider Cloud
Fog
Manufacture
Cloud
Fog
Global
Fog
Regional
Road condition
aware sensors
Fog
Fog
Fog
Neighborhood
Fog
Fog
Fog
Fog
Fog
Fog
Road condition
aware sensors
Street
Fog
V2V
communication
Fog
Fog
Endpoint
Road condition
aware sensors
Roadside sensors: speed, volume, accident, etc.
Micro weather: rain, ice, snow, water, fog, etc
6

7.

Концептуальна модель хмарної/туманної для розумних систем в сфері охорони здоров'я
7
Database, management,
decision support
Cloud
Fog
Sensors
Communication
layer
Internet
Distributed
intelligence
in fog
Telemetry
stations
Wireless
sensor
network
Edge computing
layer
Measuring layer

8.

ТРЕТІЙ РОЗДІЛ. «МЕТОД АДАПТИВНОГО ВИБОРУ ХМАРНИХ, ТУМАННИХ ТА ГРАНИЧНИХ
ОБЧИСЛЕНЬ ДЛЯ ЗАБЕЗПЕЧЕННЯ ЯКОСТІ ОБСЛУГОВУВАННЯ СЕРВІСІВ ІНТЕРНЕТУ РЕЧЕЙ»
8
Особливості побудови хмарних, туманних та граничних обчислень для розумних систем
Smart
People
Smart
Living
Smart
Environment
Smart
Mobility
Smart
Economy
Smart
Governance
Fog
Cloud
Fog
S
PC
S
P
S
PC
Smart building
Critical bridge
Airport
Home
Utilities
PC
C
S
PC
fog edge node
Рис.4 Розумні міста на основі туману
S
PS
Things
C
S
PC
foglet
fog server
Рис.5 Взаємодія між Інтернетом речей, туманом і хмарами

9.

Модель гібридної архітектури хмарних, туманних та граничних обчислень
9
Рис. 6 Види архітектур обчислення
Рис.7 Модель гібридної архітектури хмарних,
туманних та граничних обчислень

10.

допускает
их решение.
Первый уровень
выгрузки
предусматривает
Метод
адаптивного
вибору
рівнятрафика
граничних,
туманних та хмарних обчислень для обслуговування
розумних систем
выгрузку на микро облако, а второй – на мини облако. навантаження
Предложенный алгоритм
10
может быть реализован на любом мобильном устройстве и использоваться для
выбора решения об обслуживании трафика (локальном или с применением
выгрузки на другие уровни).
Другий рівень
Перший рівень
Нульовий рівень
рівень вивантаження трафіку
Хмарні обчислення
Туманні обчислення
Граничні обчислення
виконавчий пристрій
Рис. 8. Основні рівні
для обслуговування навантаження
Рис. 2.4. Основные уровни выгрузки трафика.
від розумних систем
Базовая структура всех трех уровней системы представлена на рис. 2.5. Мобильное устройство так же, как
Рис.9 Блок схема методу адаптивного вибору рівня
граничних, туманних та хмарних обчислень для
обслуговування навантаження розумних систем

11.

ЧЕТВЕРТИТЙ РОЗДІЛ. «МОДЕЛЮВАННЯ ТА ДОСЛІДЖЕННЯ ВПЛИВУ ХМАРНИХ,
ТУМАННИХ ТА ГРАНИЧНИХ ОБЧИСЛЕНЬ НА ЯКІСТЬ ОБСЛУГОВУВАННЯ В РОЗУМНИХ
СИСТЕМАХ»
Рис. 10. Традиційна модель
використання хмарних обчислень
для IoT
Рис. 11. Модель Сloud/Edge-IoT
хмарних та туманних обчисленнь
11
Рис.12 Запропонована гібридна модель
хмарних, туманних та локальних
приграничних обчислень

12.

Моделювання хмарних, туманних та граничних обчислень в середовищі IFOGSIM
Рис. 13. Імітаційна модель гібридної архітектури обчислення навантаження в середовищі iFogSim
Рис. 14. Оцінка ефективності використання граничних, туманних та хмарних обчислень за критерієм затримки
обслуговування IoT навантаження
12

13.

Порівняння ефективності моделей використання граничних, туманних та хмарних обчислень для
розумних систем
Рис. 15 Порівняння енергоспоживання в умовах
розгортання граничних, туманних та хмарних обчислень
для розумних систем
13
Рис. 16 Порівняння використання інформаційної мережі в
умовах розгортання граничних, туманних та хмарних обчислень
для розумних систем

14.

Висновки
14
Проведені експерименти розкрили, що кожен тип обчислень має свої
унікальні переваги та впливає на якість обслуговування відмінним чином.
Граничні обчислення виявилися оптимальним компромісом, забезпечуючи
ефективне використання ресурсів та зменшення затримок. У цілому, це
дослідження вказує на важливість адаптивного вибору моделі обчислень для
оптимізації роботи розумних систем. Метод надає гнучкість в управлінні
ресурсами, забезпечуючи оптимальне використання хмарних, туманних та
граничних обчислень в залежності від конкретних вимог завдань. Це сприяє
підвищенню продуктивності системи та оптимізації витрат ресурсів.
Загалом, впровадження запропонованого методу не лише покращує якість
обслуговування, але і робить систему більш адаптивною та ефективною в
управлінні ресурсами в умовах сучасного інформаційного середовища.