LIMO：移动雾计算网络中基于 MAPE 与粒子群优化的负载均衡卸载
网络与互联网体系结构
2024-08-29 v2 分布式、并行与集群计算
摘要
雾计算本质上是云计算向网络边缘的扩展，缩短了用户访问计算资源与服务的时延。雾计算具有诸多优势，包括降低延迟和改善用户体验。然而，用户移动性可能会限制雾计算的效益。用户从一个位置移动到另一位置，可能会增加其与雾服务器之间的距离，从而导致延迟放大。这也会增加位于移动边缘设备热门目的地的雾服务器过载利用的概率。这造成了一个不平衡的雾设备网络，无法提供更短的完工时间和更少的云访问次数。将延迟维持在可接受范围内的一种解决方案是进行雾任务迁移，并保持边缘设备与可用资源之间的距离。尽管已有部分研究关注雾任务迁移，但均未考虑雾节点的负载均衡。因此，本文提出了 LIMO；一种基于控制回路 MAPE（Monitor-Analyze-Plan-Execute）和粒子群优化（PSO）算法的分配与迁移策略，旨在建立雾网络中的负载均衡。为实现负载均衡而进行的周期性任务迁移旨在提升系统效率。使用 Mobfogsim 工具包对 LIMO 的性能进行了建模与评估。结果表明，该技术在网络资源利用率方面优于现有 SOTA 方法，提升了 10%。此外，LIMO 将任务向云端的迁移减少了 15% 以上，同时将请求响应时间减少了 18%。
引用
@article{arxiv.2408.14218,
title = {LIMO: Load-balanced Offloading with MAPE and Particle Swarm Optimization in Mobile Fog Networks},
author = {Yasaman Seraj and Soheil Fadaei and Bardia Safaei and Ali Javadi and Amir Mahdi Hosseini Monazzah and Ali Mohammad Afshin Hemmatyar},
journal= {arXiv preprint arXiv:2408.14218},
year = {2024}
}
备注
This paper has been accepted in CPSAT 2024 and will be published in the IEEE Xplore Digital Library