ارائه يك روش طراحي بار در بر يادگيري ماشين رايانش لبه با دسترسي چندگانه براي اينترنت اشياء

كارشناسي ارشد

امروزه با پياده سازي نسل جديد شبكه هاي ارتباطي، شاهد تحولي عظيم در توسعه روزافزون اينترنت اشياء و ظهور برنامه ها و كاربردهاي جديد در اين بستر مي باشيم. محدوديت در اندازه، توان محاسباتي و انرژي دستگاه هاي متصل به بستر اينترنت اشياء، از جمله چالش هاي اساسي در اين بستر است كه موجب مي شود دستگاه ها توان اجراي برنامه ها با بار محاسباتي بالا و نيازمند تاخير كم را نداشته باشند. روش هاي تخليه بار محاسباتي در رايانش لبه با دسترسي چندگانه، با فراهم آوردن منابع محاسباتي و ذخيره سازي در نزديكي كاربران، راهكاري كارآمد براي مقابله يا چالش هاي ذكرشده مي باشد. با توجه به پيچيدگي ذاتي ارتباطات بي سيم و پويايي فناوري هاي محاسباتي، مسئله تصميم گيري و مديريت منابع در لبه، با هدف بهبود كارايي امري پيچيده مي باشد. بينش استفاده از رويكردهاي مبتني بر يادگيري ماشين به منظور پيش بيني جهت دهي آينده داده هاي ورودي براي افزايش دقت در تصميم گيري، از نرخ پويايي سيستم نشأت گرفته است. با اين وجود، به علت تحرك كاربر و تغيير در مشخصات برنامه هاي تخليه شده در طول زمان، مسئله تخصيص خدمت گزاران لبه به كاربران با هدف كاهش تاخير، با چالش هايي مواجه شده است. رويكردهاي فعلي تخليه بار تحرك آگاه در اين حوزه از مدل هاي تحرك غالبا ساده اي استفاده مي كنند كه نمي توانند الگوهاي تحرك كاربر را تشخيص و مورد استفاده قرار دهند. همچنين، رويكردهاي تحرك آگاه مبتني بر يادگيري ماشين نيز بسيار معدود بوده و با اجراي تخليه بار درشت دانه، كل برنامه را در سمت لبه تخليه مي كنند. با اين شيوه در صورت تحرك كاربر و الزام به وقوع مهاجرت بار تخليه شده، در اثر مهاجرت متعدد يك برنامه، شاهد افزايش سربار و تاخير در شبكه، كاهش كارايي و همچنين فعال كردن مجدد مهاجرت بر اثر عواملي چون برقراري توازن بار در خدمت گزار مقصد مي باشيم. در اين پژوهش به منظور مقابله با مهاجرت متعدد و معايب آن، يك روش تخليه بار ريزدانه ارائه داده مي شود. در اين روش هر كاربر داراي گراف برنامه بوده كه از تعدادي مولفه و داده هاي فراخواني شده ميان مولفه ها تشكيل شده است. با تخصيص هر مولفه از يك كاربر به نسبت كل برنامه به يك خدمت گزار، در صورت وقوع مهاجرت در اثر تحرك كاربر، شاهد كاهش سربار ارتباطي، تاخير و افزايش كارايي مي باشيم. همچنين، با پيش بيني موقعيت مكاني كاربر و مشخصات متغير مولفه هاي تخليه شده در طول زمان با استفاده از ظرفيت هاي يادگيري ماشين، به تصميم تخليه بهينه در راستاي رسيدن به تابع هدف يعني كمينه كردن تاخير كلي تخليه بار شامل زمان تخليه، پردازش و مهاجرت براي تمام كاربران، دست مي يابيم. باتوجه به نتايج به دست آمده از ارزيابي، مشاهده مي شود كه روش پيشنهادي، از لحاظ هدف مسئله يعني كاهش زمان كلي تخليه بار به نسبت روش مورد مقايسه، به صورت ميانگين در تمامي آزمايش ها، 2 .12 درصد بهبود داشته است. اين كاهش زمان به موجب لحاظ مدل پيش بيني تحرك مناسب به همراه ريزدانگي و بهره برداري از مزاياي آن در جهت كاهش مهاجرت و سربار ناشي از آن بوده است.

207274

دانشگاه علم و صنعت ايران

مهندسي كامپيوتر - گرايش شبكه هاي كامپيوتري

سركار خانم دكتر زينب موحدي