A Scalable and Adaptive Tasks Orchestration Platform for IoT

Mechalikh, Charafeddine; Taktak, Hajer; Moussa, Faouzi

doi:10.1109/iwcmc.2019.8766744

Cited by 3 publications

(4 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Thus, some of the related works focus on high scalability in the fog environment. In Reference [39], the authors presented a task orchestration platform on a large scale that focuses on the role of edge computing to enable the self-capabilities of IoT. They also proposed a task orchestration algorithm that is based on a fuzzy decision tree.…”

Section: Related Workmentioning

confidence: 99%

SCATTER: Service Placement in Real-Time Fog-Assisted IoT Networks

Khosroabadi

Fotouhi-Ghazvini

Fotouhi

2021

JSAN

View full text Add to dashboard Cite

Internet of Things (IoT) networks dependent on cloud services usually fail in supporting real-time applications as there is no response time guarantees. The fog computing paradigm has been used to alleviate this problem by executing tasks at the edge of the network, where it is possible to provide time bounds. One of the challenging topics in a fog-assisted architecture is to task placement on edge devices in order to obtain a good performance. The process of task mapping into computational devices is known as Service Placement Problem (SPP). In this paper, we present a heuristic algorithm to solve SPP, dubbed as clustering of fog devices and requirement-sensitive service first (SCATTER). We provide simulations using iFogSim toolkit and experimental evaluations using real hardware to verify the feasibility of the SCATTER algorithm by considering a smart home application. We compared the SCATTER with two existing works: edge-ward and cloud-only approaches, in terms of Quality of Service (QoS) metrics. Our experimental results have demonstrated that SCATTER approach has better performance compared with the edge-ward and cloud-only, 42.1% and 60.2% less application response times, 22% and 27.8% less network usage, 45% and 65.7% less average application loop delays, and 2.33% and 3.2% less energy consumption.

show abstract

Section: Related Workmentioning

confidence: 99%

SCATTER: Service Placement in Real-Time Fog-Assisted IoT Networks

Khosroabadi

Fotouhi-Ghazvini

Fotouhi

2021

JSAN

View full text Add to dashboard Cite

show abstract

“…La principal ventaja que presenta la computación en el Edge frente a la computación en el Fog y en el Cloud está en los tiempos de respuesta, los cuales pueden reducirse gracias a que el procesamiento se hace de manera local tan pronto como se adquieren los datos por parte del dispositivo inteligente, mientras que su principal desventaja está en las capacidades limitadas del hardware en comparación con los servidores alojados en el Cloud. Por otro lado, la ventaja que presenta la computación en el Cloud frente a la computación en el Fog está en la capacidad de procesamiento y almacenamiento de datos, teniendo como desventaja una mayor dificultad para acceder a los datos suministrados por los objetos inteligentes [9]. Dado lo anterior, los diseñadores de aplicaciones IoT tienen inconvenientes al momento de decidir en qué sitio de la red desplegar los diferentes algoritmos de procesamiento de datos.…”

Section: Introductionunclassified

Patrón para identificar en la web de las cosas los puntos de despliegue de algoritmos de inteligencia artificial

Romero Parra,

Cobos Lozada,

Niño Zambrano

2024

RCTA

View full text Add to dashboard Cite

Al desarrollar soluciones IoT se presentan limitaciones en las capacidades de hardware y software. Además, el desarrollador deberá seleccionar la ubicación dentro del ecosistema que mejor se adecua a las necesidades del desarrollo, teniendo tres posibles ubicaciones para el procesamiento: el borde de la red, la niebla y la nube. El presente artículo propone un patrón arquitectónico que permite guiar la selección del punto de despliegue de aplicaciones basadas en algoritmos de inteligencia artificial con base en las necesidades de la solución tecnológica desarrollada. El patrón se obtuvo utilizando como metodología el Patrón de Investigación Iterativa de Pratt. Se usó un ejemplo del mundo real y se aplicó el paso a paso propuesto para demostrar la utilidad del patrón. Se concluyo que la selección de la ubicación del procesamiento debe tener en cuenta las necesidades del usuario final y las limitaciones que se puedan presentar.

show abstract

“…La ventaja que presenta la computación en el borde frente a la computación en la nube está en los tiempos de respuesta, los cuales pueden reducirse gracias a que el procesamiento se hace de manera local tan pronto como se adquieren los datos por parte del dispositivo inteligente. Por otro lado, la ventaja que presenta la computación en la nube frente a la computación en la niebla está en la capacidad de procesamiento y almacenamiento de datos [13].…”

Section: Introductionunclassified

“…La principal razón por la cual se realizó la exclusión de estos artículos fue la falta de claridad a la hora de proponer criterios para realizar la localización del procesamiento de datos, al priorizar en objetivos diferentes como pueden ser, por ejemplo, la disminución en el tiempo de respuesta[35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55, 56,57,58,59,60,61], o la seguridad de los datos[62].3. Tras leer los documentos por completo, y habiendo aplicado nuevamente los criterios de inclusión y exclusión, se identificaron 16 estudios primarios[9,46,47,48,49,50,51,52,53,54,55, 56,57,58,59,60],…”

unclassified

Criterios de ubicación de algoritmos de inteligencia computacional en la web de las cosas: Revisión sistemática de la literatura

Parra

Zambrano

Cobos

2021

Investigación e Innovación en Ingenierías

View full text Add to dashboard Cite

Objetivo: Determinar y caracterizar el estado actual del conocimiento acerca de los criterios de ubicación del procesamiento de datos, utilizando técnicas de inteligencia computacional en un Ecosistema de Objetos Inteligentes de la Web de las Cosas. Metodología: La revisión sistemática que se presenta a continuación se basa en los estudios realizados por Petersen y Kitchenham , se plantearon cuatro preguntas de investigación, se aplicó el método PICOC para identificar las palabras clave, se planteó una cadena de búsqueda y cuatro motores de búsqueda, se plantearon los criterios de inclusión y exclusión de estudios primarios, así como los criterios de evaluación de la calidad, la estrategia de extracción de datos y el método de síntesis. Resultados: Se lograron responder las cuatro preguntas de investigación planteadas, encontrando que la mayoría de los estudios carecen de una implementación en las tres ubicaciones analizadas y un único estudio que compara el desempeño obtenido por un algoritmo de inteligencia computacional al procesar información en distintas ubicaciones del ecosistema. Conclusiones: Se demostró la necesidad de continuar realizando estudios en el área de la localización del procesamiento en ecosistemas inteligentes utilizando técnicas de inteligencia computacional para el procesamiento en distintas ubicaciones. Además, se evidencia una necesidad en hacer un mayor énfasis en la comparativa del rendimiento obtenido al realizar implementaciones teniendo en cuenta distintas técnicas de inteligencia computacional.

show abstract

A Scalable and Adaptive Tasks Orchestration Platform for IoT

Cited by 3 publications

References 15 publications

SCATTER: Service Placement in Real-Time Fog-Assisted IoT Networks

SCATTER: Service Placement in Real-Time Fog-Assisted IoT Networks

Patrón para identificar en la web de las cosas los puntos de despliegue de algoritmos de inteligencia artificial

Criterios de ubicación de algoritmos de inteligencia computacional en la web de las cosas: Revisión sistemática de la literatura

Contact Info

Product

Resources

About