Mecanismos para alocação de recursos IoT em computação de borda utilizando algoritmos meta-heurísticos bioinspirados
Carregando...
Arquivos
Data
2021-08-20
Autores
Orientador
Meneguette, Rodolfo Ipolito
Coorientador
Pós-graduação
Ciência da Computação - IBILCE
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Dissertação de mestrado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
A evolução da tecnologia de Quinta Geração e dos dispositivos IoT traz novos desafios aos pesquisadores para aperfeiçoar os processos existentes ou criar novos mecanismos que proporcionem qualidade dos serviços e boa experiência aos usuários. Nesse sentido, uma das dificuldades encontradas é utilizar os serviços disponíveis de modo eficiente. Entre estes serviços, há os serviços de computação de borda que são utilizados para descentralizar os serviços de nuvens para mais próximos dos usuários e, assim, diminuir a latência de comunicação da massiva quantidade de dispositivos IoT. No entanto, esta descentralização ocasiona a limitação de recursos dos servidores de borda. Desse modo, com o intuito de melhorar o gerenciamento de serviços de borda e deixar mais eficiente o processo de tomada de decisão para alocação de recursos computacionais, este trabalho propõe dois mecanismos baseados em métodos meta-heurísticos bioinspirados, o LOBO-IoT e o BALEIoT. O LOBO-IoT é baseado no algoritmo de otimização do lobo cinzento e o BALE-IoT no algoritmo de otimização da baleia. O LOBO-IoT faz uma analogia onde os dispositivos, ou os serviços de bordas, são considerados os lobos e buscam identificar os três melhores (alpha, beta e delta) para atender as demandas. Enquanto o BALE-IoT faz a analogia de que as baleias são os dispositivos, ou serviços de bordas, que usam os movimentos de caça da baleia jubarte para encontrar a melhor opção. Para simulação, validação e análise da eficiência dos mecanismos considerou-se cenários urbanos com serviços de borda e serviços de borda móvel, que necessitam de um processo de tomada de decisão eficiente para alocar recursos de dispositivos IoT. No processo com serviço de borda foi utilizada a linguagem de programação Python e a distribuição de Pearson III, objetivando a criação de um ambiente urbano com serviços de computação de borda limitados, instalados em RSUs, nos quais os dados da simulação foram gerados sinteticamente. Enquanto no processo para serviços de borda móvel foi considerado um ambiente com serviços de computação de borda móvel que compartilham seus recursos formando um pool de recursos computacionais. Para isso, utilizou-se um simulador de mobilidade urbana SUMO para simulação de um ambiente real e a linguagem de programação Python para implantar os mecanismos e simular as tomadas de decisões para alocação dos dispositivos. Os mecanismos foram comparados com técnicas tradicionais encontradas na literatura e ambos demonstraram ser mais eficientes e facilmente customizados para os dois processos. Com isso, o LOBOIoT e BALE-IoT conseguiram maximizar o atendimento dos dispositivos e minimizar a utilização dos recursos disponibilizados.
Resumo (inglês)
The evolution of Fifth Generation technology and IoT devices brings new challenges for researchers to improve existing processes or create new mechanisms that provide quality of services and a good user experience. In this sense, one of the difficulties found is to use the available services efficiently. Among these services, there are the edge computing services that are used to decentralize the cloud services closer to the users and, thus, decrease the communication latency of the massive amount of IoT devices. However, this decentralization limits the resources of the edge servers. Thus, to improve the management of edge services and make the decision-making process for the allocation of computational resources more efficient, this work proposes two mechanisms based on bioinspired meta-heuristic methods, the LOBO-IoT and the BALE-IoT. LOBO-IoT is based on the grey wolf optimization algorithm and BALE-IoT on the whale optimization algorithm. The LOBO-IoT makes an analogy where devices, or edge services, are considered the wolfs and seek to identify the best three (alpha, beta and delta) to meet the demands. While BALE-IoT makes the analogy that whales are the devices, or edge services, that use the humpback whale hunting movements to find the best option. For simulation, validation, and analysis of the efficiency of the mechanisms, urban scenarios with edge services and mobile edge services were considered, which require an efficient decision-making process to allocate resources from IoT devices. In the process with edge service, Python programming language and Pearson III distribution were used, aiming to create an urban environment with limited edge computing services, installed in RSUs, in which simulation data were generated synthetically. While in the process for mobile edge services an environment with mobile edge computing services that share their resources forming a pool of computing resources was considered. For this, a SUMO urban mobility simulator was used to simulate a real environment and the Python programming language to implement the mechanisms and simulate decision-making for device allocation. The mechanisms were compared with traditional techniques found in the literature and both proved to be more efficient and easily customized for both processes. With this, LOBO-IoT and BALE-IoT were able to maximize the service provided by the devices and minimize the use of available resources.
Descrição
Idioma
Português