دانلود ترجمه مقاله مدل انرژی کارآمد برای رایانش مه در اینترنت اشیا

1. مقدمه 2. مطالعات مرتبط 3. مدل سیستم 4. یک مدل رایانش مه مبتنی بر درخت (TBFC) در اینترنت اشیا (IoT) 5. ارزیابی 6. نتیجه گیری

تعداد هنگفتی از ادوات مانند حسگرها، علاوه بر رایانه ها به IoT به هم متصل می شوند. در مدل رایانش ابری، داده های حسگر به سرورهای درون شبکه ها منتقل می شوند و برروی سرورها در یک محیط ابری، پردازش می شوند. در اینجا، بخاطر ترافیک سنگین از جانب حسگرها، شبکه ها و سرورها دچار ازدحام و اضافه بار می شوند. برای کاهش زمان تاخیر و ترافیک شبکه و افزایش عملکرد سیستم، داده ها و فرآیندها نه تنها به سرورهای درون محیط ابری بلکه همچنین به گره های محیط مه ای در مدل های رایانش مه ای، توزیع می شوند. درحالی که ترایک سرورها در محیط ابری را می توان کاهش داد، اما میزان کلی انرژی برق مصرف شده توسط گره های مه ای، برای پردازش داده های حسگر، افزایش می یابد. در این مقاله، برای اولین بار یک مدل رایانش مه برپایه درخت (TBFC) برای توزیع فرآیندها و داده ها به سرورها و گره های مه، به نحوی که مصرف انرژی الکتریکی کلی گره ها را بتوان در IoT کاهش داد، پیشنهاد می کنیم. در ارزیابی ها، نشان می دهیم که مصرف انرژی الکتریکی کلی گره ها در مدل TBFC کمتر از مدل رایانش ابری است. مقدمه: تعداد هنگفت و انواع مختلف گره ها، شامل نه تنها کامپیوترهایی مانند سرورها و کلاینت ها و همچنین ادواتی مانند حسگرها و فعال سازها در محیط اینترنت اشیاء (IoT)، به هم متصل می شوند [1]. داده های حسگرها به سرورهای محیط ابری منتقل می شوند [2] و پردازش می شوند تا تصمیماتی براساس اقداماتی که باید توسط فعال سازها گرفته شود، گرفته شود. در اینجا، شبکه ها بخاطر ترافیک شدید از جانب حسگرها، دچار ازدحام می شوند و سرورها دچار اضافه بار می شوند. برای محقق سازی IoT، یک لایه میانی به نام لایه مه ای [1] بین ادوات و ابرها، وارد می شود. لایه مه [1] از گره های مه ای که با گره های مه ای دیگر، ادوات و سرورهای شبکه به هم متصل شده اند، تشکیل گردیده اند. یک گره مه ای نه تنها داده ها را با حسگرها و دیگر گره های مه مبادله می کند، یعنی کارکردهای مسیریابی انجام می دهد بلکه همچنین داده های ورودی دریافت شده از حسگرها و دیگر گره های مه را پردازش می کند و داده های خروجی پردازش شده را به گره های مه دیگر، ارسال می کند. گره های مه در نهایت، داده های پردازش شده را به سرورهای درون ابرها، تحویل می دهند. علاوه بر سرورها، یک گره مه ای، تصمیماتی براساس اقداماتی که قرار است توسط فعال سازها انجام شود، می گیرد و آن اقدامات را از طریق گره های مه ای دیگر به فعال سازها ارسال می کند. بنابراین، فرآیندها و داده ها نه تنها به سرورها توزیع می شوند بلکه همچنین به گره های مه ای محیط IoT ارسال می شوند و در عین حال به سرورها در مدل رایانش ابری، به صورت متمرکز نگهداری می شوند.

A huge number of devices like sensors in addition to computers are interconnected in the IoT (Internet of Things). In the cloud computing model, sensor data is transmitted to servers in networks and processed on the servers in a cloud. Here, networks are congested and servers are overloaded due to heavy traffic from sensors. In order to reduce the delay time and network traffic and increase the performance of the system, data and processes are distributed to not only servers in a cloud but also fog nodes in fog computing models. While the traffic of servers in a cloud can be reduced, the total electric energy consumed by fog nodes increases to process sensor data. In this paper, we newly propose a tree-based fog computing (TBFC) model to distribute processes and data to servers and fog nodes so that the total electric energy consumption of nodes can be reduced in the IoT. In the evaluation, we show the total electric energy consumption of nodes in the TBFC model is smaller than the cloud computing model. Introduction: A huge number and various types of nodes including not only computers like servers and clients but also devices like sensors and actuators are interconnected in the Internet of Things (IoT) [1]. Sensor data is transmitted to servers in cloud [2] and processed to make a decision on actions to be done by actuators. Here, networks are congested and servers are overloaded due to heavy traffic from sensors. In order to realize the IoT, an intermediate layer named fog layer [1] is introduced between devices and clouds. The fog layer [1] is composed of fog nodes which are interconnected with other fog nodes, devices, and servers in networks. A fog node not only exchanges data with sensors and other fog nodes, i.e. does the routing functions but also processes the input data received from sensors and other fog nodes and sends the processed output data to other fog nodes. Fog nodes finally deliver processed data to servers in clouds. In addition to servers, a fog node makes a decision on actions to be done by actuators and sends the actions to actuators via other fog nodes. Thus, processes and data are distributed to not only servers but also fog nodes in the IoT while centralized to servers in the cloud computing model.