Дослідження методів підвищення якості обслуговування користувачів сервісами реального часу на основі Edge Computing
Автор: Лега Михайло Олександрович
Кваліфікаційний рівень: магістр
Спеціальність: Системне адміністрування телекомунікаційних мереж
Інститут: Інститут телекомунікацій, радіоелектроніки та електронної техніки
Форма навчання: денна
Навчальний рік: 2020-2021 н.р.
Мова захисту: українська
Анотація: Уже мало у кого виникають сумніви, що «розумні» датчики, сенсори, камери, пульти управління, панелі інструментів, мережі, шлюзи заповнять промислові об’єкти, вулиці, офісні приміщення, стежитимуть за правопорядком, контролюватимуть транспортні потоки і робити безліч інших речей, про яких нам тільки належить дізнатися. За прогнозами експертів, до 2023 року обсяг ринку IoT досягне 724,2 млрд. дол. США [1]. На той час кількість генерованої IoT-пристроями інформації буде обчислюватися сотнями зеттабайт, і відповідати за їх «опрацювання» буде саме edge computing. Найважливіша відмінність граничних обчислень від хмарних полягає в тому, що збір і аналіз даних проводиться не в централізованій обчислювальному середовищі, такому як ЦОД, а в тому місці, де відбувається генерація потоків даних. Джерелами даних служать цифрові пристрої (не обов’язково знаходяться в одній локації), які потім передають ці дані в режимі реального часу (залежить від ситуації, передача інформації може бути відкладена) в центральний репозиторій. Експерти оцінюють, що сьогодні в світі налічується більше 5 млн. «Розумних» сенсорів і інших IoT-пристроїв, які будуть генерувати щонайменше 507,5 Зб даних. Edge computing допоможе компаніям опрацювати цю гору інформації. IoT і граничні обчислення будуть застосовуватися в багатьох галузях промисловості, включаючи лікарні, мережі роздрібної торгівлі та постачальників логістичних послуг. Це обумовлено тим, що хмарні технології, що переважають на даний момент не зможуть забезпечити необхідну якість обслуговування по затримці. Таким чином крайові обчислення стають все популярнішими. Однак, з урахуванням мобільності абонентів, крайові обчислення, в теперішньому вигляді, не забезпечують достатню якість обслуговування для мобільних користувачів. Це проявляється, наприклад, в наступній ситуації: користувач гугл глас (чи будь якого іншого AR/VR девайсу) швидко пересувається по місту; в дорозі користувачу мають миттєво «підтягуватися» будь які дані про всі об’єкти, які він бачить з врахуванням його потреб та вподобань; затримка має бути дуже низька і незмінна, щоб всі дані «підтягувалися» миттєво і у користувача було відчуття реальної присутності. З наведеного прикладу, крайові обчислення в тому вигляді, в якому вони представлені сьогодні, не зможуть забезпечити стабільного показника затримки. Оскільки з віддаленням користувача від крайового сервера, на якому розгорнуто сервіс, затримка буде пропорційно збільшуватись. Якщо ж розгорнути сервіс на всіх доступних крайових машинах – затримка буде стабільною. Однак, такий спосіб забезпечення якості обслуговування не є раціональним, адже більшу частину часу основна маса машин не є задіяною в процесі; при цьому достпна ресурсність незадіяних машин зменшується і , відповідно, виконання ними інших задач ускладнюється. Таким чином, розроблення методів підвищення та гарнтування якості обслуговування користувачів сервісами реального часу на основі крайових обчислень є актуальною науковою задачею. Об’єкт дослідження – процес надання сервісів реального часу на основі крайових обчислень. Предмет дослідження – методи забезпечення якості обслуговування користувачів сервісами реального часу на основі крайових обчислень. Метою магістерської кваліфікаційної роботи є розроблення методу забезпечення гарантованої якості обслуговування користувачів в умовах їх високої мобільності сервісами реального часу на основі крайових обчислень. Методи дослідження: статистичний аналіз, синтез та декомпозиція, проектування програмного забезпечення, експериментальні дослідження. Наукова новизна отриманих результатів полягає у розробці методу гарантування якості обслуговування мобільних клієнтів за рахунок динамічної міграції сервісів між крайовими серверами. Практичне значення отриманих результатів полягає у можливості використання розроблених алгоритмів у реальних інформаційно-комунікаційних мережах для надання сервісів реального часу в умовах високої мобільності клієнтів та жорстких вимог до якості обслуговування. Ключові слова: крайові обчислення (Edge computing), якість обслуговування, затримка, мобільність, міграція, сервіси реального часу. Перелік посилань: 1. G. Grassi, K. Jamieson, P. Bahl, G. Pau /Parkmaster: an in-vehicle, edge-based video analytics service for detecting open parking spaces in urban environments Proceedings of the Second// ACM/IEEE Symposium on Edge Computing, ACM (2017), p. 16. 2. C. Liu, Y. Cao, Y. Luo, G. Chen, V. Vokkarane, M. Yunsheng, S. Chen, P. Hou /A new deep learning-based food recognition system for dietary assessment on an edge computing service infrastructure// IEEE Trans. Serv. Comput., 11 (2) (2018), pp. 249-261. 3. F. Giust, G. Verin, K. Antevski, C. Joey, Y. Fang, W. Featherstone, F. Fontes, et al. /Mec deployments in 4g and evolution towards 5g// ETSI White Paper, 24 (2018), pp. 1-24. 4. T. Taleb, K. Samdanis, B. Mada, H. Flinck, S. Dutta, D. Sabella /On multi-access edge computing: a survey of the emerging 5g network edge cloud architecture and orchestration// IEEE Commun. Surv. Tutor., 19 (3) (2017), pp. 1657-1681. 5. Y.C. Hu, M. Patel, D. Sabella, N. Sprecher, V. Young /Mobile edge computinga key technology towards 5g// ETSI white paper, 11 (11) (2015), pp. 1-16. 6. K.P. Kadiyala, J.A. Cobb /Inter-as traffic engineering with sdn// 2017 IEEE Conference on Network Function Virtualization and Software Defined Networks (NFV-SDN), IEEE (2017), pp. 1-7. 7. B. Mirkhanzadeh, A. Shakeri, C. Shao, M. Razo, M. Tacca, G.M. Galimberti, G. Martinelli, M. Cardani, A. Fumagalli /An sdn-enabled multi-layer protection and restoration mechanism// Opt. Switch. Netw. (2018).