دانلود ترجمه مقاله محاسبات لبه برای اینترنت اشیا

1. مقدمه 2. محاسبات لبه: کلاس ها و معماری ها 3. تکنولوژی های توانمندساز 4. محاسبات لبه برای کاربردهای IoT 5. مطالعه موردی: بازی های موبایلی 6. بحث و بررسی 7. نتیجه گیری

چکیده – مقدار داده های تولید شده توسط سنسورها، محرک ها و دیگر دستگاه ها در اینترنت اشیا (IoT) در چند سال گذشته به شکل چشم گیری افزایش یافته است. داده های IoT در حال حاضر در ابر و عمدتا از طریق منابع محاسباتی واقع شده در مراکز داده ای دوردست، پردازش می شوند. در نتیجه، پهنای باند شبکه و زمان تاخیر ارتباطی به تنگایی جدی در این زمینه بدل شده است. این مقاله به بررسی محاسبات لبه در زمینه کاربردهای نوظهور IoT پرداخته که جریان های سنسوری را برای بهبود کاربردهای تعاملی، تقویت می کند. در ابتدا، ما پلتفرم ها و معماری های محاسبات لبه فعلی را دسته بندی و بررسی کرده و سپس کاربردهای کلیدی IoT را که از محاسبات لبه بهره می برند، تشریح کرده ایم. در مرحله دوم، ما یک ارزیابی آزمایشی از محاسبات لبه و تکنولوژی های پایه ای آن را در یک مطالعه موردی منتخب از بازی های موبایلی انجام داده ایم. برای این منظور، ما یک برنامه کاربردی سه بعدی متمرکز روی منبع را در قالب یک مثال پارادیمی در نظر گرفته و تاخیر پاسخ را در سناریوهای کاربردی مختلف مورد ارزیابی قرار داده ایم. نتایج آزمایشی ما نشان می دهند که محاسبات لبه برای رفع تاخیر کاربردهایی شامل واقعیت مجازی و تکمیل شده، ضروری می باشد. ما بررسی های مان را با این موضوع به پایان رسانده ایم که چه چیزهایی را می توان از پلتفرم های محاسبات لبه فعلی به دست آورد و تکنولوژی های نوظهور فعلی چگونه روی به کارگیری کاربردهای آتی IoT تاثیر خواهند گذاشت.

The amount of data generated by sensors, actuators, and other devices in the Internet of Things (IoT) has substantially increased in the last few years. IoT data are currently processed in the cloud, mostly through computing resources located in distant data centers. As a consequence, network bandwidth and communication latency become serious bottlenecks. This paper advocates edge computing for emerging IoT applications that leverage sensor streams to augment interactive applications. First, we classify and survey current edge computing architectures and platforms, then describe key IoT application scenarios that benefit from edge computing. Second, we carry out an experimental evaluation of edge computing and its enabling technologies in a selected use case represented by mobile gaming. To this end, we consider a resource-intensive 3-D application as a paradigmatic example and evaluate the response delay in different deployment scenarios. Our experimental results show that edge computing is necessary to meet the latency requirements of applications involving virtual and augmented reality. We conclude by discussing what can be achieved with current edge computing platforms and how emerging technologies will impact on the deployment of future IoT applications.

ترجمه این مقاله در 16 صفحه آماده شده و در ادامه نیز صفحه 11 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.