Resumen - CRAFT: Marco basado en genética consciente de la latencia y el costo para la ubicación de nodos en entornos de Edge-Fog

CRAFT: Marco basado en genética consciente de la latencia y el costo para la ubicación de nodos en entornos de Edge-Fog

2025-07-16 17:29:52

{"Soheil Mahdizadeh","Amir Mahdi Rasouli","Mohammad Pourashory","Sadra Galavani","Mohsen Ansari"}

{cs.NI,cs.AR,cs.DC}

El documento presenta CRAFT, un marco basado en la genética con conciencia de latencia y costos para optimizar el emplazamiento de nodos en entornos de borde y nube. Tiene como objetivo abordar los desafíos de alta latencia y costos incrementados en sistemas de IoT mediante la colocación estratégica de nodos de borde y nube. **Puntos Clave**: * **Problema**: Los sistemas de IoT generan grandes cantidades de datos, requiriendo una gestión y procesamiento eficiente. La computación en borde y nube ofrecen soluciones acercando la computación a los usuarios finales, reduciendo la latencia y aumentando la potencia de procesamiento. Sin embargo, el emplazamiento estratégico de los nodos de borde y nube es crucial para lograr un rendimiento óptimo. * **Marco CRAFT**: * **Algoritmo Genético**: CRAFT utiliza un algoritmo genético para optimizar el emplazamiento de nodos. Considera varios factores como latencia, costos y enlaces de comunicación para encontrar la mejor estrategia de emplazamiento. * **Parámetro Adaptativo (V)**: CRAFT introduce un parámetro adaptativo (V) que permite ajustes dinámicos entre la priorización de la latencia y los costos. Esta flexibilidad permite a CRAFT adaptarse a diferentes necesidades de aplicaciones y entornos. * **Emplazamiento de Nodos**: El algoritmo identifica candidatos para el emplazamiento de nodos de borde y nube basándose en la topología de la red y las restricciones. Luego evalúa laaptitud de cada candidato considerando el costo total y la latencia del sistema. * **Evaluación**: * **Simulación**: Los autores implementaron un entorno de simulación basado en datos reales y evaluaron CRAFT en comparación con métodos de línea de base como el emplazamiento aleatorio y EVO. * **Resultados**: CRAFT demostró mejoras significativas en latencia y costos en comparación con los métodos de línea de base. Logró una reducción de hasta 2.77% en latencia y 31.15% en costos. * **Ventajas**: * **Parámetro Adaptativo (V)**: La capacidad de CRAFT de ajustarse dinámicamente entre latencia y costos proporciona flexibilidad y adaptabilidad a diferentes escenarios. * **Escalabilidad**: El algoritmo es escalable y puede aplicarse a diversas aplicaciones de IoT y tamaños de redes. * **Eficiencia en Costos**: CRAFT optimiza el emplazamiento de nodos para minimizar costos mientras logra una latencia aceptable. **Aplicaciones**: CRAFT puede aplicarse a diversas aplicaciones de IoT que requieren baja latencia y una utilización eficiente de recursos, como: * **Ciudades Inteligentes**: Optimizar el emplazamiento de nodos de borde y nube en ciudades inteligentes puede mejorar la gestión del tráfico, la seguridad pública y la eficiencia energética. * **Salud**: CRAFT puede utilizarse para optimizar el emplazamiento de nodos de borde y nube en sistemas de salud para mejorar la monitorización y los resultados del tratamiento de pacientes. * **Internet de las Cosas Industrial**: CRAFT puede mejorar el rendimiento y la eficiencia de los sistemas de IoT industrial mediante la optimización del emplazamiento de nodos de borde y nube para el procesamiento y análisis de datos en tiempo real. **Conclusión**: CRAFT proporciona una solución novedosa y efectiva para optimizar el emplazamiento de nodos en entornos de borde y nube. Su capacidad para equilibrar dinámicamente la latencia y los costos, junto con su escalabilidad y eficiencia en costos, lo convierten en una herramienta valiosa para diversas aplicaciones de IoT.