去中心化边到云负载均衡：面向物联网的服务放置

物联网（IoT）需要一种新的处理范式，其继承云的可扩展性，同时利用更靠近网络边缘的资源来最小化网络延迟。在由异构计算资源组成的分布式网络化生态系统的边到云连续体中构建此种灵活性具有挑战性。此外，物联网流量动态以及对低延迟服务日益增长的需求促使人们需要最小化响应时间并实现均衡的服务放置。雾计算的负载均衡成为经济高效系统管理与运行的基石。本文研究了两个优化目标，并针对物联网服务放置构建了一个去中心化负载均衡问题：（全局）物联网工作负载均衡与（本地）服务质量（QoS），以最小化截止时间违例、服务部署和未托管服务的代价。所提出的方案 EPOS Fog 引入了一种用于集体学习的去中心化多智能体系统，其利用边到云节点共同均衡网络中的输入工作负载并最小化服务执行涉及的代价。各智能体在本地生成请求到资源的候选分配方案，随后协作选择一种分配，使其组合在最大化边缘利用率的同时最小化服务执行代价。在多种网络上使用真实 Google 集群工作负载的大量实验评估表明，与首次适配（First Fit）和纯基于云的方法等相比，EPOS Fog 在工作负载均衡和 QoS 方面具有优越性能。结果证实 EPOS Fog 将服务执行延迟降低多达 25%，将网络节点的负载均衡提升多达 90%。研究结果还展示了如何通过利用集体智能，以更具成本效益的方式使用边缘上的分布式计算资源。