面向物联网环境的网络边缘节能分布式分析
分布式、并行与集群计算
2021-09-24 v1 机器学习
网络与互联网体系结构
摘要
由于个人移动和物联网设备的普遍扩散，许多“智能环境”（例如智能城市和智能工厂）将成为海量数据的生成者。目前，这些数据的分析通常通过集中式基于云的服务实现。然而，许多研究表明，从数据所有权以及无线网络容量的角度来看，这种方法可能存在显著问题。在本文中，我们利用雾计算范式将计算移动到数据产生地附近。我们利用一种知名的分布式机器学习框架（假设迁移学习，Hypothesis Transfer Learning），并在经过物联网设备的移动节点上以及网络基础设施边缘的雾网关上执行数据分析。我们分析了分布式学习框架不同配置的性能，涉及（i）在学习任务中获得的准确率和（ii）在相关节点间发送数据所消耗的能量。具体而言，我们考虑了我们所涉及的各类节点间通信的参考无线技术，例如LTE、Nb-IoT、802.15.4、802.11等。我们的结果表明，通过移动节点收集数据并使用短距离通信技术（如802.15.4和802.11）执行分布式分析，可将系统能耗大幅降低至多，而相对于集中式云解决方案的准确率损失至多。
引用
@article{arxiv.2109.11386,
title = {Energy efficient distributed analytics at the edge of the network for IoT environments},
author = {Lorenzo Valerio and Marco Conti and Andrea Passarella},
journal= {arXiv preprint arXiv:2109.11386},
year = {2021}
}