ОНТОЛОГИЧЕСКИЙ ПОДХОД К РЕШЕНИЮ ЗАДАЧИ ПЕРЕРАСПРЕДЕЛЕНИЯ ВЫЧИСЛИТЕЛЬНОЙ НАГРУЗКИ В РАСПРЕДЕЛЕННОЙ СИСТЕМЕ МОНИТОРИНГА С МОБИЛЬНЫМИ КОМПОНЕНТАМИ НА БАЗЕ РАСПРЕДЕЛЁННОГО РЕЕСТРА

Э.В. Мельник; И.Б. Сафроненкова; А.Ю. Таранов

Э.В. Мельник Федеральный исследовательский центр Южный научный центр Российской академии наук
И.Б. Сафроненкова Федеральный исследовательский центр Южный научный центр Российской академии наук
А.Ю. Таранов Федеральный исследовательский центр Южный научный центр Российской академии наук

Ключевые слова: Распределенная система мониторинга, распределенный реестр, мобильный компонент, туманные вычисления, краевые вычисления, онтологическая модель, распределение вычислительной нагрузки

Аннотация

Рассмотрены проблемы, связанные с организацией вычислительного процесса в сис-
темах мониторинга с мобильными компонентами на базе распределенного реестра (РР), в
том числе задача перераспределения вычислительной нагрузки. Требования к функциониро-
ванию современных распределенных систем мониторинга включают согласованную работу
узлов всей системы, принадлежащих различным слоям вычислительной среды, в т.ч. ту-
манному и краевому слоям, которые отличаются высокой динамичностью. Совместное
использование технологий РР и мобильных компонентов в составе распределенных систем
мониторинга позволяет расширить круг задач, решаемых такими системами, в т.ч., по
причине того, что снимает вопросы, связанные с синхронизацией географически распреде-
лённых копий данных. Однако при такой организации распределенной системы необходимо
учитывать следующие особенности вычислительной среды: латентность, связанную с
синхронизацией данных на узлах РР, изменение географического положения мобильных
компонентов, ограниченность бортового энергоресурса и высокую динамичность туман-
ного и краевого слоев. Проведенные ранее исследования показали, что в условиях высоко
динамичных вычислительных сред эффективно применение метода сокращения поискового
пространства на основе онтологического анализа. Для корректной работы данного мето-
да необходимо разработать онтологическую модель, отражающую особенности рас-
сматриваемой вычислительно-коммуникационной среды, включающей РР и мобильные
компоненты. В статье представлена новая онтологическая модель функционирования
распределенной системы мониторинга, учитывающая наличие мобильных компонентов и
узлов РР. Разработаны продукционные правила размещения вычислительной нагрузки в
туманных и краевых слоях и на их основе реализована программная модель, позволившая
провести ряд вычислительных экспериментов. Результаты экспериментальных исследова-
ний продемонстрировали эффективность предложенного подхода и адекватность разра-
ботанной онтологической модели.

Литература

1. Kaur K., Sachdeva M. Fog Computing in IOT: An Overview of New Opportunities, Lecture
Notes in Electrical Engineering, 2020, Vol. 605, pp. 113-119.
2. Cisco global cloud index: forecast and methodology (2014–2019). White paper.
3. Klimenko A.B. Metod resursosberegayushchego planirovaniya raspredelennykh vychisleniy v
tumannoy vychislitel'noy srede [A resource-saving method of distributed computation planning
in fog-computing environment], Modelirovanie, optimizatsiya i informatsionnye
tekhnologii [Modeling, optimization and information technology], 2022, Vol. 10 (3), No. 3
(38), pp. 27-28.
4. Naha R.K. et al. Fog Computing: Survey of Trends, Architectures, Requirements, and Research
Directions, IEEE Access, 2018, Vol. 6, pp. 47980-48009.
5. Matrouk, K., Alatoun, K. Scheduling Algorithms in Fog Computing: A Survey, International
Journal of Networked and Distributed Computing, 2021, Vol. 9, pp. 59-74.
6. Yi S., Qin Z., Li Q. Security and Privacy Issues of Fog Computing: A Survey, Lecture Notes in
Computer Science, 2015, Vol. 9204, pp. 685-695.
7. Sun Y., Lin F., Xu, H. Multi-objective Optimization of Resource Scheduling in Fog Computing
Using an Improved NSGA-II, Wireless Personal Communications, 2018, Vol. 102,
pp. 1369-1385.
8. Yin L., Luo J., Luo H. Tasks scheduling and resource allocation in fog computing based on
containers for smart manufacturing, IEEE Trans. Ind. Inform., 2018, Vol. 14, No. 10,
pp. 4712-4721.
9. Wang J., Li D. Task scheduling based on a hybrid heuristic algorithm for smart production
line with fog computing, Sensors, 2019, Vol. 19, No. 5, pp. 1023.
10. Wu C. -g., Li W., Wang L., Zomaya A.Y. Hybrid Evolutionary Scheduling for Energy-Efficient
Fog-Enhanced Internet of Things // IEEE Transactions on Cloud Computing. – 2021. – Vol. 9,
No. 2. – P. 641-653.
11. Li G., Yan J., Chen L., Wu J., Lin Q., Zhang Y. Energy Consumption Optimization with a
Delay Threshold in Cloud-Fog Cooperation Computing, IEEE Access, 2019, Vol. 7,
pp. 159688-159697.
12. Ghenai A., Kabouche Y., Dahmani W. Multi-user dynamic scheduling-based resource management
for Internet of Things applications, 2018 International Conference on Internet of
Things, Embedded Systems and Communications (IINTEC), 2018, pp. 126-131.
13. Mel'nik E.V., Klimenko A.B., Ivanov D.Ya. Model' zadachi formirovaniya soobshchestv
ustroystv informatsionno-upravlyayushchikh sistem v sredakh tumannykh vychisleniy [Model
of the problem of forming communities of information control systems devices in fog computing
environments], XIII Vserossiyskoe soveshchanie po problemam upravleniya VSPU-2019:
Tr. [All-Russian meeting on management problems of VSPU-2019: Proceedings]. Tula:
Tul'skiy gosudarstvennyy universitet, 2018, Issue 2, pp. 1-6.
14. Melnik E.V., Safronenkova I.B., Klimenko A.B. A Modified Ontology-Based Method of Workload
Relocation Problem Solving for Monitoring and Forecasting Systems, Lecture Notes in
Networks and Systems, 2021, Vol. 229, pp. 145-152.
15. Bakhtin V.V., Tyurin S.F., Podlesnykh I.A. Metod sinteza ustroystv neyrosetevogo
raspoznavaniya na programmiruemoy logike dlya realizatsii rezhima fog computing [Method
of synthesis of neural network recognition devices based on programmable logic for the implementation
of fog computing mode], Vestnik Permskogo natsional'nogo issledovatel'skogo
politekhnicheskogo universiteta. Elektrotekhnika. Informatsionnye tekhnologii, sistemy
upravleniya [PNRPU Bulletin. Electrotechnics, Informational Technologies, Control Systems],
2022, No. 41, pp. 168-188.
16. Brucker P. Scheduling Algorithms. Springer Berlin, Heidelberg, 2007, 371 p.
17. Fu X., Wang H., Shi P. A survey of Blockchain consensus algorithms: mechanism, design and
applications, Sci. China Inf. Sci., 2021, Vol. 64, pp. 121101.
18. Niya S.R., Beckmann R., Stiller B. DLIT: A Scalable Distributed Ledger for IoT Data, 2020
Second International Conference on Blockchain Computing and Applications (BCCA), 2020,
pp. 100-107.
19. Vodyakho A.I., Nikiforov V.V. Ontologicheskie modeli dlya sistem real'nogo vremeni [Ontology
models for real time systems], Ontologiya proektirovaniya [Design Ontology], 2018,
Vol. 8, No. 2 (28), pp. 240-252.
20. Noy Natal'ya F., Makginess Debora L. Razrabotka ontologiy 01: rukovodstvo po sozdaniyu
vashey pervoy ontologii [Ontology Development 101: A Guide to Creating Your First Ontology].
Available at: http://www.labrate.ru/20181225/razrabotka_ontologiy_101_ruk.pdf (accessed
03 October 2023).
21. Mel'nik E.V., Safronenkova I.B., Taranov A.Yu. Svid. o gos. registratsii progr. dlya EVM
2023665640 Rossiyskaya Federatsiya. Modul' ontologicheskogo analiza dlya raspredelennoy
sistemy monitoringa s mobil'nymi komponentami [Certificate of state registration of a computer
program 2023665640 Russian Federation. Ontological analysis module for a distributed
monitoring system with mobile components]. Declared. 07.07.2023; registered. 18.07.2023;
published. 18.07.2023.