مدل های انرژی پیوسته برای پلتفرم های اینترنت اشیای مبتنی بر ابر لبه: کاربرد در آنالیز جریان داده ها در اینترنت اشیا
اینترنت اشیا دارای تعداد رو به افزایشی از دستگاه های متصل می باشد که تاثیر مستقیمی بر روی رشد داده ها و سرویس های نیازمند انرژی دارند. این سرویس ها بر پایه زیرساخت های ابر برای قابلیت های ذخیره سازی و محاسباتی، تبدیل معماری شان به یک معماری توزیع شده بر مبنای تجهیزات لبه ی تهیه شده توسط فراهم کننده های سرویس اینترنت (ISP) می باشند. هنوز، بین دستگاه اینترنت اشیا، شبکه ارتباطات و زیرساخت ابر، مشخص نیست که کدام بخش بیشترین مصرف انرژی را دارد. در این مقاله، مدل های انرژی پیوسته را برای پلتفرم های اینترنت اشیای مبتنی بر ابر لبه ارائه می کنیم. این مدل ها برای سناریوی واقعی بکار گرفته می شوند: آنالیز جریان داده تولید شده توسط دوربین های تعبیه شده بر روی وسایل نقلیه. ارزیابی، اندازه گیری های روی بسترهای آزمایش واقعی را با اجرای برنامه کاربردی هدف و شبیه سازی ها بر روی شبیه سازهای شناخته شده برای مطالعه افزایش مقیاس با افزایش تعداد دستگاه های اینترنت اشیا ترکیب می کند. نتایج ما نشان می دهند که برای سناریوی ما، بخش ابر لبه با تعبیه منابع محاسباتی، 3 برابر بیشتر از بخش اینترنت اشیای متشکل از دستگاه های اینترنت اشیا و نقطه دسترسی بی سیم مصرف می کند.
کلمات کلیدی: محاسبات ابر لبه، کارایی انرژی، اینترنت اشیا، مدل انرژی پیوسته، آنالیز جریان داده
End-to-end energy models for Edge Cloud-based IoT platforms: Application to data stream analysis in IoT
Future Generation Computer Systems Volume 87, October 2018, Pages 667-678
Abstract
Internet of Things (IoT) is bringing an increasing number of connected devices that have a direct impact on the growth of data and energy-hungry services. These services are relying on Cloud infrastructures for storage and computing capabilities, transforming their architecture into more a distributed one based on edge facilities provided by Internet Service Providers (ISP). Yet, between the IoT device, communication network and Cloud infrastructure, it is unclear which part is the largest in terms of energy consumption. In this paper, we provide end-to-end energy models for Edge Cloud-based IoT platforms. These models are applied to a concrete scenario: data stream analysis produced by cameras embedded on vehicles. The validation combines measurements on real test-beds running the targeted application and simulations on well-known simulators for studying the scaling-up with an increasing number of IoT devices. Our results show that, for our scenario, the edge Cloud part embedding the computing resources consumes 3 times more than the IoT part comprising the IoT devices and the wireless access point.
Keywords: Edge Cloud computing, Energy-efficiency, IoT, End-to-end energy model, Data stream analysis
