دانلود ترجمه مقاله ادغام لبه، اینترنت اشیا (IoT) و ابر در محیط رایانش توزیع شده

1. مقدمه 2. مروری بر رایانش لبه 3. مروری بر معماری رایانش 4. ادغام IoT با لبه ها 5. کارهای مرتبط 6. پیشرفت های آتی در زمینه EC 7. نتیجه گیری

چکیده – یک سیستم زیرساخت متمرکز، تحلیل داده های موجود و فرآیندهای تصمیم گیری را از پلتفرم مجازی شبکه های بیسیم و کاربردهای اینترنت اشیا (IoT) انجام می دهد. احتمال این موضوع زیاد است که این روش ها، چالش ها و مسائل زیادی در ارتباط با دینامیک های شبکه ای داشته باشند و منجر به افزایش زمان پاسخگویی شبکه و نهایتا، افزایش تاخیر و ترافیک شوند. به منظوز جلوگیری از این مسائل در شبکه و رسیدن به سطح مطلوب استفاده از منابع، پارادیم جدیدی با نام رایانش لبه (EC) پیشنهاد شده تا منجر به تکامل کاربردها و سرویس های جدید در این حوزه گردد. با ادغام EC، قابلیت های پردازشی به لبه دستگاه های شبکه مانند گوشی های هوشمند، گره های سنسور، دستگاه های پوشیدنی، و واحدهای آنبورد انتقال داده می شوند که در آنها، تحلیل داده و تولید دانش انجام شده و ضرورت وجود یک سیستم متمرکز حذف می شود. بسیاری از کاربردهای IoT، مانند شهرهای هوشمند، شبکه هوشمند، چراغ های ترافیک هوشمند، و خودروهای هوشمند، به سرعت، خود را با EC ارتقا داده و به شکل چشم گیری، زمان پاسخ و مصرف منابع شبکه را بهبود می بخشند. صرف نظر از این واقعیت که EC، بارکاری را از یک ابر متمرکز به لبه انتقال می دهد، تقارن بین EC و ابر مربوط به فاکتورهایی مانند مدیریت منابع و بهینه سازی منابع، هنور موضوعات باز تحقیقاتی می باشند. از این رو، هدف این مقاله، ارزیابی بهره وری و ظرفیت EC می باشد. ما سیستم های لبه را به طور گسترده مورد بررسی قرار داده و ارزیابی جامعی از سیستم های رایانش ابری را ارائه داده ایم. پس از آنالیز مشخصه های مختلف شبکه در سیستم، نتایج نشان داده اند که سیستم های EC عملکرد بهتری از سیستم های رایانش ابری دارند. نهایتا، چالش های تحقیقاتی در پیاده سازی یک سیستم EC و جهت گیری های تحقیقاتی آینده مورد بحث و بررسی قرار گرفته اند.

A centralized infrastructure system carries out existing data analytics and decision-making processes from our current highly virtualized platform of wireless networks and the Internet of Things (IoT) applications. There is a high possibility that these existing methods will encounter more challenges and issues in relation to network dynamics, resulting in a high overhead in the network response time, leading to latency and traffic. In order to avoid these problems in the network and achieve an optimum level of resource utilization, a new paradigm called edge computing (EC) is proposed to pave the way for the evolution of new age applications and services. With the integration of EC, the processing capabilities are pushed to the edge of network devices such as smart phones, sensor nodes, wearables, and on-board units, where data analytics and knowledge generation are performed which removes the necessity for a centralized system. Many IoT applications, such as smart cities, the smart grid, smart traffic lights, and smart vehicles, are rapidly upgrading their applications with EC, significantly improving response time as well as conserving network resources. Irrespective of the fact that EC shifts the workload from a centralized cloud to the edge, the analogy between EC and the cloud pertaining to factors such as resource management and computation optimization are still open to research studies. Hence, this paper aims to validate the efficiency and resourcefulness of EC. We extensively survey the edge systems and present a comparative study of cloud computing systems. After analyzing the different network properties in the system, the results show that EC systems perform better than cloud computing systems. Finally, the research challenges in implementing an EC system and future research directions are discussed.