دانلود ترجمه مقاله گمارش منابع آگاه ماژول های برنامه های کاربردی IoT در پارادایم محاسبات ابر- مه

1. مقدمه 2. پژوهش های مرتبط 3. مدل سیستم و فرمول بندی مساله 4. راه حل پیشنهادی 5. تایید اعتبار و ارزیابی آزمایشی 6. نتیجه گیری و پژوهش های آتی

چکیده – با تکامل سناریو IoT، محاسبات به فعالیت های روزمره بسیار کوچک گسترش یافته است و منجر به تغییر قابل ملاحظه ای در نحوه توسعه و استفاده از برنامه ها شده است. با حجم تاثیر در حال افزایش به صورت نمایی، بکارگیری یک رویکرد منسجم از استقرار این برنامه ها برای استفاده موثر از زیرساخت های شبکه بسیار مهم است. یک برنامه IoT معمولی شامل ماژول های مختلفی است که همراه با وابستگی های فعال اجرا می شوند؛ به طور سنتی در ابر میزبانی شده در مراکز داده جهانی اجرا می شوند. در این مقاله، ما یک الگوریتم نقشه برداری ماژول برای استفاده کارآمد از منابع در زیرساخت شبکه را با استفاده از مؤلفه های کاربردی ماژول ها در زیرساخت های ابر- مه برای برنامه های مبتنی بر IoT ارائه می کنیم. با محاسبه مه در تصویر، محاسبات به صورت پویا در لایه مه و ابر پخش می شوند و بنابراین ماژول های یک برنامه می توانند به منبع در دستگاه ها در لایه مه به صورت نزدیکتر اعمال شوند. نتیجه این کار می تواند به عنوان یک معیار میکرو در مطالعات / تحقیقاتی مرتبط با IoT و محاسبات مه کمک کند و می تواند برای سنجش کیفیت سرویس (QoS) و سطح خدمات مورد استفاده برای برنامه های کاربردی IoT استفاده شود. رویکرد عمومی است و در طیف گسترده ای از برنامه های IOT استاندارد شده بر روی توپولوژی های مختلف شبکه بدون در نظر گرفتن بار استفاده می شود.

With the evolving IoT scenario, computing has spread to the most minuscule everyday activities, leading to a momentous shift in the way applications are developed and deployed. With the volume of impact increasing exponentially, a coherent approach of deploying these applications is critical for an efficient utilization of the network infrastructure. A typical IoT application consists of various modules running together with active interdependencies; traditionally running on the Cloud hosted in global data centres. In this paper, we present a Module Mapping Algorithm for efficient utilization of resources in the network infrastructure by efficiently deploying Application Modules in Fog-Cloud Infrastructure for IoT based applications. With Fog computing into picture, computation is dynamically distributed across the Fog and Cloud layer, and the modules of an application can thus be deployed closer to the source on devices in the Fog layer. The result of this work can serve as a Micro-benchmark in studies/research related with IoT and Fog Computing, and can be used for Quality of Service (QoS) and Service Level Objective benchmarking for IoT applications. The approach is generic, and applies to a wide range of standardized IoT applications over varied network topologies irrespective of load.