دانلود ترجمه مقاله محاسبات مه: به حداقل رسانی تاخیر در اینترنت اشیا

1. مقدمه 2. مدل IoT مه – ابر کلی 3. سیاست مشارکت گره مه 4. مدل تحلیلی 5. نتایج شبیه سازی 6. نتیجه گیری

چکیده – با ظهور اینترنت اشیا (IoT) به عنوان یکی از مؤلفه های اساسی زندگی روزمره ما، درک چگونگی بهبود کیفیت خدمات (QoS) در شبکه های IoT به مسأله چالش برانگیزی تبدیل شده است. امروزه، بیشتر تعاملات بین دستگاه های IoT و پشتیبانی از سرورهای انتهایی از طریق مراکز داده ابری بزرگ مقیاس انجام می گیرد. با این حال، با رشد چشم گیر دستگاه های IoT و داده هایی که بین اشیا و ابر، تولید و مخابره می کنند، پرهزینه، ناکارآمد و در برخی موارد غیر قابل اجرا شده است. محاسبات مه به عنوان راه حلی برای این موضوع عمل کرده و منابع شبکه سازی، ذخیره سازی و محاسباتی را برای IoT نزدیک به اشیا و کاربران فراهم می کند. یکی از مزایای امیدوارکننده مه، کاهش تأخیر سرویس برای کاربردهای کاربر نهایی است در حالی که ابر محاسبات گسترده تری را ارائه داده و این ظرفیت را با تأخیر بیشتری ذخیره می کند. بنابراین، درک تعامل بین محاسبات مه و ابر و ارزیابی تأثیر محاسبات مه روی تأخیر سیستم IoT و QoS ضروری است. در این مقاله در این مقاله ما یک چارچوب کلی برای کاربردهای IoT مه – ابر معرفی کرده و یک خط مشی در به حداقل رسانی تأخیر را برای دستگاه های دارای قابلیت مه ارائه داده ایم که هدف از این کار کاهش تأخیر خدمات در کاربردهای IoT می باشد. ما سپس یک مدل تحلیلی برای ارزیابی خط مشی مان ارائه داده و نحوه استفاده از چارچوب پیشنهادی در کاهش تأخیر سرویس IoT را نشان داده ایم.

With the Internet of Things (IoT) becoming a major component of our daily life, understanding how to improve quality of service (QoS) in IoT networks is becoming a challenging problem. Currently most interaction between the IoT devices and the supporting back-end servers is done through large scale cloud data centers. However, with the exponential growth of IoT devices and the amount of data they produce, communication between “things” and cloud will be costly, inefficient, and in some cases infeasible. Fog computing serves as solution for this as it provides computation, storage, and networking resource for IoT, closer to things and users. One of the promising advantages of fog is reducing service delay for end user applications, whereas cloud provides extensive computation and storage capacity with a higher latency. Thus it is necessary to understand the interplay between fog computing and cloud, and to evaluate the effect of fog computing on the IoT service delay and QoS. In this paper we will introduce a general framework for IoT-fog-cloud applications, and propose a delay-minimizing policy for fog-capable devices that aims to reduce the service delay for IoT applications. We then develop an analytical model to evaluate our policy and show how the proposed framework helps to reduce IoT service delay.