إدارة الموارد الكفوءة في بيئة إنترنت الأشياء بالاعتماد على الحوسبة الضبابية

الباحث

رواء ناظم سعيد

المشرف

محمد عبيد مهدي - مهدي عبد سلمان

الجامعة

جامعة بابل

الكلية / القسم

كلية العلوم للبنات / علوم الحاسوب

الشهادة

ماجستير

السنة

2022

لغة الرسالة

انكليزي

الكلمات المفتاحية

Resource Management ; Internet of Things ; Fog Computing ; Big Data

لقد تم إنشاء قدر كبير من البيانات الضخمة نتيجة الاستخدام الواسع النطاق لإنترنت الأشياء وزيادة الأدوات المتصلة بالإنترنت.حيث يعد تدفق مثل هذه البيانات إلى مراكز البيانات السحابية للمعالجة والتحليل والتخزين هو الإجراء المعتاد ، ويتميز هذا التدفق بالتكرار.حيث يؤدي التكرار إلى يشير مصطلح البيانات المتدفقة الى سلسله مرتبه من نقاط البيانات ذات ابعاد متعددة .والتي يمكن قراءتها مرة واحدة فقط بسبب إمكانيات المعالجة المحدودة مثل الوقت والذاكرة .غالبًا ما تتم معالجة تدفقات البيانات في كتل يُشار إليها بالنوافذ ذات الحجم المحدد المعروف باسم حجم النافذة.ان تقدير حجم النافذة يؤثرعلى الموارد المطلوبة لتنفيذ الخوارزمية وأدائها الذي يقاس بالدقة ونسبة التقليل. ان هذه الرسالة تبحث في نهج فعال لإدارة الموارد للأغراض التجريبية حيث يتم جمع البيانات من أجهزة إنترنت الأشياء المختلفة في طبقة الحوسبة الضبابية واستنادًا إلى تقنية تقليل البيانات العنقودية التي يتم تنفيذها على عقدة ضبابية.تم استخدام الخوارزمية الجينية (GA) لتحسين حجم النافذة لعملية التقليل. الجمع بين GA مع خوارزمية التجميع الطرحي (FSC) كدالة صلاحية هي الطريقة المقترحة لاختيار حجم النافذة الفعال. حيث تظهر النتائج التجريبية تأثير حجم النافذة على الدقة ونسبة التقليل لكل نوع من بيانات إنترنت الأشياء. ثم يتخذ حجم النافذة الأمثل القرار بشأن تحديد الطبقة لتنفيذ كل عملية (طبقة إنترنت الأشياء ،او طبقة الضباب ¢ او طبقة السحاب). تحديد الطبقة المناسبة عن طريق حساب الموارد المطلوبة لحجم النافذة الأمثل مثل (الذاكرة ، والتخزين ، والطاقة ، وعرض النطاق الترددي) | باستخدام حجم النافذة الأمثل في الطبقة المختارة تُظهر النتائج التي تم الحصول عليها من هذه الرسالة الى ان نسبة التقليل مرتفعة (99/) ودقة عالية )790( باستخدام متوسط مربع (MSE)-28) كمقاييس للتقييم.

A significant amount of data has been generated as a result of the widespread use of the IoT and the rise in internet-connected gadgets. Streaming such data to the cloud data centers for processing, analysis, and storage is the typical procedure. Such a stream is characterized by redundancy. Redundancy causes the wasting of computing resources at different levels. The term "stream data" refers to an ordered sequence of d-dimensional data points.Which can be read-only once due to restricted processing capabilities such as time and memory.That are often processed in blocks referred to as windows with a given size known as the window size. The estimation of window size is affecting the resources required for the algorithm and its performance which is measured by accuracy and reduction rate. This thesis investigates an effective resource management approach. Where data is gathered from various IoT devices at the fog layer and based on a clustering data reduction technique is implemented on a fog node.We used Genetic Algorithm (GA) to optimize window size for the reduction process. GA combined with Fuzzy Subtractive Clustering (FSC) as a fitness function is the proposed method to choose an effective window size. The experimental results show the impact of window size on the accuracy and reduction rate for each type of IoT data. However, the optimal window size makes the decision where each process should be implemented (IoT, fog, or cloud). A model has been proposed based on optimal Windows Size that gives the required resources such as memory, storage, energy, and bandwidth that used to determine the suitable layer. Using optimal window size at chosen layer the online reduction process is carried and sends results to the cloud. We used different datasets, results show a high reduction rate approximately (99%) and high accuracy (90%) which have been obtained by using Mean Square Error (MSE) as evaluation metrics.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب