ارائه يك روش كارا براي تخصيص منابع در رايانش مه با در نظر گرفتن شرايط ازدحام درخواست ها

An Efficient Approach for Resource Allocation in Fog Computing Considering Request Congestion Conditions

مراكز داده ابر به دليل فاصله زياد از كاربران نهايي اغلب در مواجه‌شدن با ميليون‌ها درخواست ذخيره‌سازي و پردازشي حساس به تأخير، ناموفق عمل مي‌كنند. درخواست‌هاي حساس به تأخير نياز دارند كه پاسخ خود را حتي در شرايط ازدحام درخواست‌ها در شبكه، قبل از به اتمام رسيدن مهلت زماني از پيش تعيين شده دريافت كنند. براي رفع اين نياز، معماري رايانش مه معرفي شد كه سرويس‌هاي محاسباتي، ذخيره‌سازي و ارتباطي را در لبه شبكه براي كاربران فراهم مي‌كند. از جمله چالش‌هاي رايانش مه چگونگي تخصيص منابع گره‌هاي مه و ابر به درخواست‌هاي كاربران در شرايط ازدحام، براي رسيدن به بيشترين نرخ پذيرش و كمترين زمان پاسخ درخواست‌ها است. گره‌هاي مه قدرت پردازشي و ذخيره‌سازي محدودي دارند و در نتيجه در شرايط ازدحام درخواست‌ها، كارايي مناسبي ندارند. در اين مقاله روشي كارا براي تخصيص منابع در رايانش مه پيشنهاد مي‌شود كه به منظور مقابله با چالش مذكور، با توجه به وضعيت منابع آزاد گره و شرايط ازدحام، در مورد محل قرارگيري و اجراي درخواست (گره مه يا ابر) تصميم‌گيري مي‌كند. بر اساس آزمايش‌هاي صورت‌گرفته، روش پيشنهادي بر اساس معيارهاي متوسط زمان پاسخ و درصد درخواست‌هاي لغوشده عملكرد بهتري در مقايسه با ساير روش‌ها دارد.

Cloud data centers often fail to cope with the millions of delay-sensitive storage and computational requests due to their long distance from end users. A delay-sensitive request requires a response before its predefined deadline expires, even when the network has a high load of requests. Fog computing architecture, which provides computation, storage and communication services at the edge of the network, has been proposed to solve these problems. One of the fog computing challenges is how to allocate cloud and fog nodes resources to user requests in congestion conditions to achieve a higher acceptance rate of user requests and minimize their response time. Fog nodes have limited storage and computational power, and hence their performance is significantly reduced due to high load of user requests. This paper proposes an efficient resource allocation method in fog computing that decides where (fog or cloud) to process the requests considering the available resources of fog nodes and congestion conditions. According to the experimental results, the performance of the proposed method is better compared with existing methods in terms of average response time and percentage of failed requests.