面向QoS感知延迟敏感应用的IoT雾环境最优服务配置
分布式、并行与集群计算
2023-10-31 v2
摘要
本文针对智能设备与物联网（IoT）应用激增带来的数据量、速度不断增长以及对低延迟应用需求所导致的日益严峻的挑战。为缓解服务延迟并提升服务质量（QoS），我们在FogPlan中引入粒子群（PSO）与化学反应（CRO）的混合优化，FogPlan是一个优先考虑QoS并支持动态雾服务部署的离线框架，以改进其中的服务延迟。该方法基于到达各雾节点的入流量优化雾服务分配，将其建模为整数非线性规划（INLP）问题，考虑多种服务属性与成本。我们提出的算法旨在最小化服务延迟与QoS退化。使用真实MAWI工作组流量数据的评估表明，相较FogPlan框架，服务延迟大幅降低29.34%，服务成本下降66.02%，延迟违规减少50.15%。
引用
@article{arxiv.2301.12522,
title = {Optimal Service Provisioning in IoT Fog-based Environment for QoS-aware Delay-sensitive Application},
author = {Soroush Hashemifar and Amir Rajabzadeh},
journal= {arXiv preprint arXiv:2301.12522},
year = {2023}
}