Résumé - MOFCO : Déchargement de tâches conscient de la mobilité et de la migration dans des environnements de calcul nuageux à trois couches

MOFCO : Déchargement de tâches conscient de la mobilité et de la migration dans des environnements de calcul nuageux à trois couches

2025-07-16 08:42:32

{"Soheil Mahdizadeh","Elyas Oustad","Mohsen Ansari"}

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

L'article discute le défi de la délégation de tâches dans des environnements de calcul nuageux à trois couches avec la mobilité des équipements utilisateur (UE). Il propose MOFCO, un algorithme novateur de délégation de tâches conscient de la mobilité et de la migration, pour répondre à ce défi. **Contexte du problème** : * Avec l'essor des services IoT et IoV, la délégation de tâches aux nœuds nuageux est devenue essentielle pour les applications sensibles à la latence. * Cependant, la mobilité des UE introduit des complexes comme la migration de service et le handover radio, ce qui entraîne des coûts accrus et une dégradation des performances du système. * Les méthodes existantes se concentrent souvent sur les décisions de délégation et l'allocation de ressources sans tenir compte de la mobilité et de la migration. **Algorithme MOFCO** : * **Formulation du problème** : MOFCO formule la délégation de tâches et l'allocation de ressources comme un problème de Programmation Non Linéaire à Variables Entières Mixtes (MINLP), visant à minimiser le coût total des tâches en tenant compte de la latence, de la consommation d'énergie et des coûts de migration. * **Prévision de la mobilité et du travail** : MOFCO utilise les paramètres de mobilité pour prédire la distribution future des charges de travail, permettant une évitement proactif de la migration et améliorant la prise de décision dans des conditions dynamiques. * **Approche de Théorie des Jeux Évolutionnaires Assistée par Heuristique** : MOFCO utilise une approche de théorie des jeux évolutionnaires assistée par heuristique pour résoudre efficacement le problème MINLP. * **Élimination des Nœuds Nuageux** : MOFCO élimine les nœuds nuageux avec une latence élevée ou une faible efficacité énergétique, réduisant ainsi l'espace de recherche et améliorant l'efficacité. * **Exploration de l'Espace de Solutions** : MOFCO explore l'espace de solutions restant pour trouver les décisions de délégation optimales, la sélection des destinations et les stratégies d'allocation des ressources. **Résultats de Simulation** : * MOFCO réduit considérablement le coût du système (latence et consommation d'énergie) par rapport aux méthodes de base telles que GCGA et RA. * MOFCO atteint une réduction de coût de 43% dans certains scénarios, démontrant son efficacité pour réduire les coûts de migration et améliorer les performances du système. **Conclusion** : MOFCO est un algorithme de délégation de tâches novateur et efficace qui répond efficacement aux défis de la mobilité et de la migration dans les environnements de calcul nuageux. Sa capacité à réduire le coût du système et à améliorer les performances le rend un outil précieux pour le développement de systèmes de calcul nuageux efficaces et à grande échelle. **Contributions Clés** : * **Modèle de Calcul Nuageux Conscient de la Mobilité et de la Migration** : MOFCO introduit une architecture de trois couches de calcul nuageux réaliste et modélise la dynamique de mobilité et de migration des UE et des nœuds nuageux. * **Algorithme de Théorie des Jeux Évolutionnaires Assistée par Heuristique** : MOFCO utilise une approche de théorie des jeux évolutionnaires assistée par heuristique pour résoudre efficacement le problème MINLP. * **Prévision du Travaux Futurs** : MOFCO utilise les paramètres de mobilité pour prédire la distribution future des charges de travail, permettant une évitement proactif de la migration. * **Évaluation des Performances** : MOFCO est évalué à l'aide de simulations SUMO, démontrant son efficacité pour réduire le coût du système et améliorer les performances.