基于QoE的收益最大化雾赋能任务关键型IoT应用动态资源分配与定价
网络与互联网体系结构
2020-07-01 v1 系统与控制
系统与控制
摘要
雾计算正成为物联网(IoT)应用的关键组件，充当其计算引擎。任务关键型IoT应用对延迟高度敏感，而延迟取决于云服务器的物理位置。云服务提供商(CSP)可使用具有不同响应速率的雾节点，并面临将顺序接收到的IoT数据转发至某一雾节点进行处理的挑战。由于请求到达时间与性质随机，实时最优分类请求并分配雾节点上可用虚拟机实例(VMI)以向用户提供高QoE并进而为CSP产生更高收益十分重要。本文中，我们采用基于应用因分配所得QoE的定价策略，并基于计算请求的统计信息获得最优动态分配规则。所开发方案在统计上最优、动态且可实时实现，有别于文献中其他静态匹配方案。所提框架性能已通过仿真评估，结果显示相较基准方案有显著改进。
引用
@article{arxiv.2006.16894,
title = {QoE Based Revenue Maximizing Dynamic Resource Allocation and Pricing for Fog-Enabled Mission-Critical IoT Applications},
author = {Muhammad Junaid Farooq and Quanyan Zhu},
journal= {arXiv preprint arXiv:2006.16894},
year = {2020}
}
备注
IEEE Transactions on Mobile Computing 2020