A Cooperative Scheduling Scheme of Local Cloud and Internet Cloud for Delay-Aware Mobile Cloud Computing
移动云计算（MCC）是随着移动应用的普及而提出的一种帮助移动设备节省能量和提高计算性能的技术。为了进一步提高MCC的服务质量（QoS），可以将云服务器部署在本地，从而降低延迟。然而，本地云的计算资源通常是有限的。本文设计了一种基于阈值的策略，通过本地云和互联网云资源的协作来提高MCC的QoS，同时利用了本地云的低延迟和互联网云的丰富计算资源的优势。该策略还根据应用程序的延迟要求应用优先级队列。通过所提出的算法获得取决于业务负载的最佳阈值。仿真结果表明，在本地云过载的情况下，互联网云的辅助可以大大提高服务质量。如果本地云根据其延迟要求对任务进行排序，则可以实现更好的QoS，其中延迟敏感的应用程序在延迟容忍的应用程序之前执行。此外，该策略的最优阈值对系统的QoS有很好的影响。
2015-11-27 cs.DC cs.NI
Mobile Edge Computing Empowers Internet of Things
在本文中，我们提出了一个移动边缘物联网（MEIoT）架构，利用光纤无线接入技术，云的概念，和软件定义网络框架。MEIoT架构将计算和存储资源带到物联网（IoT）设备附近，以加快IoT数据共享和分析。具体地，IoT设备（属于同一用户）与附近的微云中的特定代理虚拟机（VM）相关联。代理VM实时存储和分析IoT数据（由其IoT设备生成）。此外，我们在MEIoT的背景下引入语义和社会物联网技术，以解决物联网系统中的互操作性和访问控制效率低下的问题。此外，我们提出了两种动态代理VM迁移方法，以最大限度地减少代理VM与其IoT设备之间的端到端延迟，并最大限度地减少云的总上网能耗。所提出的方法的性能进行了验证，通过广泛的模拟。
2017-11-01 cs.DC
Decentralized Edge-to-Cloud Load-balancing: Service Placement for the Internet of Things
物联网（IoT）需要一种新的处理范式，该范式继承了云的可扩展性，同时使用更接近网络边缘的资源来最大限度地减少网络延迟。在由异构计算资源的分布式网络生态系统组成的边缘到云连续体中建立这种灵活性是具有挑战性的。此外，物联网流量动态和对低延迟服务不断增长的需求促进了对最小化响应时间和平衡服务放置的需求。雾计算的负载均衡成为经济高效的系统管理和运营的基石。本文研究了两个优化目标，并制定了一个分散的负载均衡问题的物联网服务放置：（全球）物联网工作负载平衡和（本地）服务质量（QoS），在最大限度地减少最后期限违规，服务部署和非托管服务的成本。所提出的解决方案EPOS Fog引入了一个用于集体学习的分散式多代理系统，该系统利用边缘到云节点来联合平衡整个网络的输入工作负载，并最大限度地降低服务执行所涉及的成本。代理在本地生成可能的资源请求分配，然后合作选择分配，使得它们的组合最大化边缘利用率，同时最小化服务执行成本。在各种网络上对真实的Google集群工作负载进行了广泛的实验评估，结果表明，与First Fit和完全基于云的方法相比，EPOS Fog在工作负载平衡和QoS方面具有卓越的性能。实验结果表明，EPOS Fog将服务执行延迟降低了25%，网络节点的负载均衡率高达90%。研究结果还展示了如何通过收集集体智慧来更经济有效地利用边缘上的分布式计算资源。
2021-04-23 cs.DC
IFCIoT: Integrated Fog Cloud IoT Architectural Paradigm for Future Internet of Things
我们提出了一种新的集成雾云物联网（IFCIoT）架构范例，承诺提高性能，能源效率，降低延迟，更快的响应时间，可扩展性，以及更好的本地化精度为未来的物联网应用。雾节点（例如，边缘服务器、智能路由器、基站）从各种IoT设备接收计算卸载请求和感测数据。为了提高应用程序的性能，能源效率和实时响应能力，我们提出了一个可重构和分层的雾节点（边缘服务器）架构，分析应用程序的特性和重新配置的架构资源，以更好地满足峰值工作负载的需求。提出的雾节点架构的层包括应用层、分析层、虚拟化层、重配置层和硬件层。分层架构促进雾计算范例的抽象和实现，雾计算范例在本质上是分布式的，并且其中多个供应商（例如，应用、服务、数据和内容提供方）。我们还详细阐述了IFCIoT架构的潜在应用，如智慧城市、智能交通系统、本地化天气地图和环境监测，以及实时农业数据分析和控制。
2017-01-30 cs.DC
Internet of Things (IoT): A Vision, Architectural Elements, and Future Directions
由无线传感器网络（WSN）技术实现的无处不在的传感跨越了现代生活的许多领域。这提供了测量，推断和理解环境指标的能力，从脆弱的生态和自然资源到城市环境。这些设备在通信-致动网络中的扩散创造了物联网（IoT），其中传感器和致动器与我们周围的环境无缝融合，并且信息在平台之间共享，以便开发通用操作画面（COP）。在最近各种使能设备技术（如RFID标签和阅读器、近场通信（NFC）设备以及嵌入式传感器和执行器节点）的适应性推动下，物联网已经走出了婴儿期，成为将互联网转变为完全集成的未来互联网的下一个革命性技术。随着我们从www（静态网页）到web2（社交网络）再到web 3（无处不在的计算网络），对使用复杂直观查询的数据点播的需求显着增加。本文提出了一个以云为中心的全球物联网实施愿景。讨论了在不久的将来可能推动物联网研究的关键使能技术和应用领域。提出了一种基于私有云和公共云交互的Aneka云实现方案。我们通过扩展针对技术研究社区的WSN、互联网和分布式计算的融合需求来总结我们的物联网愿景。
2012-07-01 cs.DC
FogMQ: A Message Broker System for Enabling Distributed, Internet-Scale IoT Applications over Heterogeneous Cloud Platforms
由于大量地理上分布的设备通过消息代理进行通信，传统消息代理会出现过度的尾端到端延迟。另一方面，无代理消息传送系统虽然确保低延迟，但高度依赖于直接设备到设备（D2D）通信技术的限制，并且不能很好地扩展，因为大量资源有限的设备交换消息。在本文中，我们提出了FogMQ，一个基于云的消息代理系统，克服了传统系统的局限性，使自主发现，自我部署，并在异构云平台上的消息代理的在线迁移。对于每个设备，FogMQ都提供了一个高容量的设备克隆服务，可以订阅设备消息。克隆有助于在资源丰富的云计算节点中进行近边缘数据分析。FogMQ中的克隆应用了Flock，这是一种模拟群集行为的算法，允许克隆以分布式方式动态选择并自主迁移到不同的异构云平台。
2016-10-03 cs.DC cs.NI
Resource Management in Cloud Computing: Classification and Taxonomy
云计算是远程计算/基于Internet的计算的新时代，人们可以通过Internet从任何计算机轻松访问他们的个人资源。云将计算作为一种实用程序提供，因为它可按需提供给云消费者。它是一种简单的按使用付费的消费者-提供者服务模型。它包含大量的共享资源。因此，资源管理始终是云计算中的一个主要问题，就像任何其他计算范式一样。由于有限资源的可用性，云提供商提供所有请求的资源是非常具有挑战性的。从云提供商的角度来看，云资源必须以公平和有效的方式分配。从资源管理作为云计算中的一个过程的角度来看，研究调查是不可用的。因此，本文提供了一个详细的顺序视图/步骤的资源管理在云计算。本文首先对云计算中的各种资源进行了分类。并对云计算中的资源管理进行了分类，为进一步研究提供了依据。最后对各种资源管理算法进行了比较。
2017-02-24 cs.DC
Towards the Internet of Behaviors in airports with a fog-to-cloud approach
物联网（IoT）的最新进展和行为互联网（IoB）的兴起使得有可能在基于云的机器学习的辅助下，并在IoT和云之间使用雾计算，为移动电话开发实时改进的旅行者辅助工具。在Horizon2020资助的mF2C项目中，开发了一款Android应用程序，利用邻近营销概念，涵盖了从机场到航班的基本路径，从最不繁忙的安检队列到步行到登机口的时间，登机口的变化和其他障碍。它让旅客有机会发现机场的设施，通过使用机器学习的推荐系统的帮助，可以根据旅客的偏好或与其他旅客的相似性提出建议并提供优惠券。该系统为机场规划人员提供了明显的好处，不仅可以跟踪商店区域的人员，还可以聚合和匿名查看，例如可以突出基础设施中的瓶颈或建议需要干预的情况（如紧急情况）的热图。随着新型冠状病毒疫情的出现，该工具可适用于帮助保持社交距离以保证安全。雾到云平台的使用以及IoB的所有中心性和隐私要求的满足证明了该解决方案在智能城市环境中的影响。
2021-12-22 cs.CY cs.DC
A Novel Distributed Database Architectural Model for Mobile Cloud Computing
云计算是我们连接到服务器的方式，大型系统以分布式安全的方式，而无需担心本地内存限制。提出了一种面向移动云计算的新型分布式数据库体系结构模型（NDDAMMCC）。由于遵循尼尔森互联网带宽定律的无线技术和互联网的指数级增长，我们正处于云计算的新时代。在最近的技术时代，智能移动设备在各种日常人类需求中发挥着重要作用。适用性是如此巨大，移动系统上安装的应用程序的数量成为一个危险，由于本地内存限制的手机用户，并要求一种替代方法来解决这个本地内存问题。移动云计算（MCC）是解决这一问题的最终方案，我们的模型为这种新型的云计算技术提供了一条有前途的道路。
2022-02-21 cs.DC
The Power of Internet of Things (IoT): Connecting the Dots with Cloud, Edge, and Fog Computing
本综述全面探讨了物联网与云计算、雾计算和边缘计算三种架构的集成，分析了各自的应用、优势与局限，并指出了未解决的问题与未来研究方向。
2023-09-07 cs.DC cs.NI
Mobile Edge Cloud: Opportunities and Challenges
移动边缘云是物联网和灵巧家庭、智能视频监控等网络物理系统应用的新兴技术。在灵巧家庭中，部署各种传感器以监测家庭环境和个人的生理健康。传感器收集的数据被发送到应用程序，在应用程序中，许多用于情感和情绪检测、活动识别和情况管理的算法被应用于提供医疗保健和紧急相关服务，并管理家中的资源。这些算法的执行需要大量的计算和存储资源。为了解决这个问题，传统的方法是将收集的数据发送到互联网云上的应用程序。这种方法具有几个问题，例如高通信延迟、通信能耗和到核心网络的不必要的数据流量。为了克服传统的基于云的方法的缺点，提出了一种称为移动边缘云的新系统。在移动边缘云中，通过无线局域网互连的多个移动设备和固定设备被组合在一起，在家庭等本地物理区域创建小型云基础设施。与传统的移动分布式计算系统相比，移动边缘云由于其异构的计算环境、异构的动态网络环境、节点的移动性以及有限的电池电量而带来了一些复杂的挑战。与物联网和网络物理系统应用相关的实时要求使这个问题更具挑战性。在本文中，我们描述了与移动边缘云系统的设计和开发相关的应用和挑战，并提出了一种基于跨层设计方法的架构，以实现有效的决策。
2018-11-03 cs.DC
An edge-fog-cloud platform for anticipatory learning process designed for Internet of Mobile Things
本文提出了一种新的数据分析架构，目标是在移动物联网的背景下进行预期的学习过程。该架构是地理分布的，由边缘，雾和云资源组成，这些资源共同运作以支持这种预期的学习过程。我们设计的架构可以管理来自IoMT设备的大量数据流，并在连续的阶段中分析边缘，雾和云的资源层次结构。我们讨论了每一层的分析任务的特点。我们注意到，网络中传输的数据量从边缘到雾，最后到云都在减少，而计算的复杂性却在增加。这种设计允许支持不同类型的分析需求，根据所利用的资源类型，从实时到历史。我们已经实施了拟议的架构作为一个概念验证使用的过境数据从加拿大大蒙克顿地区的饲料。
2018-06-19 cs.CY cs.DC cs.NI
A Taxonomy and Future Directions for Sustainable Cloud Computing: 360 Degree View
云计算范例通过互联网提供按需服务并支持各种各样的应用。随着最近基于物联网（IoT）的应用的增长，云服务的使用呈指数级增长。下一代云计算必须是节能和可持续的，以满足不断变化的最终用户需求。目前，云计算提供商面临着确保其服务的能源效率和可持续性的挑战。大量云计算中心的使用增加了成本和碳足迹，这进一步影响了云服务的可持续性。在本文中，我们提出了一个全面的分类可持续的云计算。分类法是用来调查现有的技术，可持续发展，需要仔细的关注和调查所提出的几个学术和工业团体。此外，目前对可持续云计算的研究分为几个类别：应用程序设计，可持续性指标，容量规划，能源管理，虚拟化，热感知调度，冷却管理，可再生能源和废热利用。对现有技术进行了比较，并根据共同的特点和性质进行了分类。提出了可持续云计算的概念模型，并讨论了未来的研究方向。
2018-07-09 cs.DC
Cloud Futurology
云已经成为大多数基于互联网的应用程序和用户小工具的组成部分。本文简要介绍了云的历史，并提出了一个研究人员的观点，对已经拥挤的云计算堆栈的基础设施、中间件、应用程序和交付级别进行创新的前景。
2019-02-10 cs.DC
The Anatomy of Big Data Computing
信息技术的进步及其在商业、工程、医学和科学研究的几个领域的广泛增长导致信息/数据爆炸。从如此快速增长的海量数据中发现知识和做出决策是数据组织和处理方面的一项具有挑战性的任务，这是一种新兴趋势，称为大数据计算;一种结合大规模计算，新数据密集型技术和数学模型来构建数据分析的新范式。大数据计算需要巨大的存储和计算来进行数据整理和处理，这些数据可以从内部部署或云基础设施提供。本文讨论了大数据计算的发展、传统数据仓库与大数据的区别、大数据计算的分类和支撑技术、大数据与云的集成平台（大数据云）、大数据云的分层架构和组件，最后讨论了开放性技术挑战和未来发展方向。
2015-09-04 cs.DC
A Preliminary Study On Emerging Cloud Computing Security Challenges
云计算是基于互联网的按需提供计算资源、软件和信息。云计算被称为计算实用程序的最新出现的范例之一。由于云计算是互联网上共享服务的主导基础设施，因此必须意识到与这种新兴计算模式相关的安全风险和挑战。本调查简要介绍了云计算及其主要特征和服务模式。文章还探讨了云安全威胁，列出了一些安全解决方案，并提出了一个有前途的研究方向，以应对云计算中不断变化的安全挑战。
2018-08-13 cs.CR cs.DC
Cloud Computing Avoids Downfall of Application Service Providers
企业已经变得依赖于不断增加的电子信息量和快速的交易速度。Diffie等专家推测，孤立计算即将结束，在未来十年内，大多数企业将转向实用计算。为了在实施日益复杂的信息技术服务的同时降低成本，许多公司转向应用服务提供商（ASP）。由于糟糕的商业模式，过度竞争，以及互联网可用性和带宽差，许多ASP都因dot com崩溃而失败。然而，其他接受Web服务架构和真正的互联网交付的ASP作为早期云采用者处于有利地位。随着当今互联网服务的渗透率和带宽的扩大，更好的商业计划和广泛的产品多样化，云计算正在避免ASP的垮台，并将成为计算领域的一个持久范例
2015-11-30 cs.CR cs.DC
The Rise of Quantum Internet Computing
本文强调量子互联网计算是指量子互联网上的分布式量子计算，类似于（经典）互联网计算，涉及（经典）互联网上的（经典）分布式计算。与量子互联网计算相关的研究领域包括使用量子信息进行计算的分布式节点的量子协议、量子云计算、委托可验证的盲计算或私有计算、非本地门以及互联网规模距离上的分布式量子应用。
2022-08-01 cs.DC cs.ET
Robots as-a-Service in Cloud Computing: Search and Rescue in Large-scale Disasters Case Study
物联网（IoT）有望通过互联网将传感器和机器人等物体互连起来，从而实现无数应用。物联网应用范围从医疗保健到自动驾驶汽车，包括灾难管理。在云环境中启用这些应用程序需要设计适当的物联网架构即服务（IoT IaaS），以简化将物联网对象作为云服务的配置。本文讨论了大规模灾难场景中搜索和救援物联网应用的案例研究。它提出了一个物联网IaaS架构，虚拟化机器人（机器人IaaS），并将它们作为服务提供给上游应用程序。支持节点级和网络级机器人虚拟化。所提出的架构满足一组确定的要求，如异构机器人的统一描述模型，发布/发现机制，并在需要时与其他IaaS的机器人联邦的需要。建立了一个有效的概念证明，并进行了实验，以评估其性能。经验教训和未来的研究方向进行了讨论。
2017-11-04 cs.DC
Cloud Deployment Tradeoffs for the Analysis of Spatially-Distributed Systems of Internet-of-Things
在物理世界中运行的支持互联网的事物和设备越来越多地集成在现代分布式系统中，支持需要确保整个系统满足某些关键要求的功能。在这里，我们专注于空间分布式物联网系统，如智能环境，其中系统中实体的空间分布动态对于满足需求至关重要。在系统运行时，分析技术需要到位，以确保满足要求。这可以通过在运行时保持系统的模型、监视导致空间环境中的变化的事件以及执行分析来实现。这种计算密集型的运行时保证方法无法得到填充空间的资源受限设备的支持，并且必须卸载到云。然而，在资源分配和成本方面出现了挑战，特别是当工作负载在系统设计时是未知的时。因此，可能难以甚至不可能保证应用服务级别协议，例如，响应时间。为此，我们实例化空间验证流程，将其集成到基于微服务的物联网云架构的服务层。我们提出了几个云部署这样的架构，以保证空间需求-基于虚拟机，容器，和最近的功能作为一个服务的范例。然后，我们评估部署的弹性，性能和成本方面的权衡，通过使用一个工作负载的情况下，从一个已知的数据集的出租车漫游在北京举行。我们认为，这种方法可以复制在类似的空间分布的物联网系统的设计过程中。
2020-04-23 cs.DC cs.MA cs.NI
VIoLET: A Large-scale Virtual Environment for Internet of Things
物联网部署一直在增长，包括传感器，网络，边缘，雾和云资源。尽管研究人员和从业者对此非常感兴趣，但大多数人都无法获得大规模的物联网测试平台进行验证。允许分析建模的仿真环境是评估实际计算环境中的软件平台或应用程序工作负载的糟糕替代品。在这里，我们提出了VioLET，这是一个用于在云虚拟机中定义和启动大规模物联网部署的虚拟环境。它提供了一个声明性模型来指定基于容器的计算资源，这些资源与使用Docker的本地边缘，雾和云设备的性能相匹配。这些可以通过复杂的拓扑结构相互连接，在这些拓扑结构上实施专用/公共网络以及带宽和延迟规则。用户还可以在这些设备上配置合成传感器以生成数据。我们验证了具有> 400个设备和> 1500个设备核心的部署的VioLET，并表明虚拟物联网环境以适度的成本与预期的计算和网络性能紧密匹配。这填补了物联网模拟器和实际部署之间的重要空白。
2018-06-15 cs.DC
Internet of Things (IoT) and Cloud Computing Enabled Disaster Management
灾害管理需要近实时的信息传播，以便在正确的时间向正确的人提供紧急服务。信息和通信技术的最新进展使得能够从各种来源收集实时信息。例如，部署在田间的传感器收集有关环境的数据。类似地，Twitter和Facebook等社交网络可以帮助收集灾区人民的数据。一方面，对灾害情况认识不足已被确定为造成人员伤亡和重要基础设施被毁等严重后果的人为错误的主要因素之一。另一方面，社交媒体和移动设备的日益普及以及物联网的普遍性意味着有更多的出站流量来源，这最终导致在灾难事件发生后不久就开始产生数据洪流，导致信息海啸的问题。此外，安全和隐私对于克服滥用系统入侵数据或克服滥用用于特定目的的信息具有至关重要的作用。....在本章中，我们提供了这样一个情况感知应用程序，以支持灾难管理数据生命周期，即从数据摄取和处理到警报传播。我们利用云计算、物联网和社会计算技术来实现一个可扩展、高效、可用的情景感知应用程序，称为Cloud4BigData。
2018-06-20 cs.CR cs.CY cs.DC
A Survey on Cloud Security Issues and Techniques
今天，云计算是计算机科学中一种新兴的计算方式。云计算是由网络或互联网提供的一组资源和服务。云计算扩展了各种计算技术，如网格计算、分布式计算。当今云计算在工业领域和学术领域都有应用。云通过互联网提供虚拟资源，为用户提供便利。随着云计算领域的不断扩展，新技术也在不断发展。云计算环境的这种增加也增加了云开发人员的安全挑战。云计算用户将数据保存在云中，因此云计算缺乏安全性可能会失去用户的信任。在本文中，我们将讨论一些云安全问题的各个方面，如多租户，弹性，可用性等，本文还讨论了现有的安全技术和方法的安全云。本文将使研究人员和专业人员了解不同的安全威胁和模型和工具。
2014-03-22 cs.CR cs.DC
A Performance Evaluation of Container Technologies on Internet of Things Devices
虚拟化技术在云环境、物联网（IoT）、软件定义网络（SDN）等不同环境中的使用在过去几年中迅速增加。在这些技术中，基于容器的解决方案具有部署分布式和轻量级应用程序的特点。本文介绍了容器技术在受限设备上的性能评估，在这种情况下，在树莓派。研究表明，总体而言，容器增加的开销可以忽略不计。
2016-03-09 cs.DC cs.PF
Cloud based VANET Simulator (CVANETSIM)
车载自组网是车载通信的重要组成部分。VANET存在许多问题，例如可扩展性。为了解决VANET的可扩展性等问题，提出了分簇的方法。由于车辆的高机动性，VANET聚类不同于任何其他类型的聚类。同样，VANET和VANET集群，VANET仿真器需要一些独特的功能，如基于互联网的实时数据处理，庞大的数据分析，复杂的计算，以维持车辆之间的层次结构等;然而，现有的模拟器中既没有基于Web的VANET模拟器，也没有集群模块。因此，一个模拟器，将能够模拟任何功能的VANET配备了一个集群模块，并通过互联网访问是一个不断增长的需要在车辆通信研究。在俄克拉荷马大学的电信和网络研究实验室（TNRL），我们已经开发了一个功能齐全的离散事件VANET模拟器，包括VANET集群的所有功能。此外，基于云的VANET模拟器（CVANETSIM）具有简单和交互式的Web界面。据我们所知，CVANETSIM是同类产品中的第一个，它集成了VANET模拟器的功能，内置VANET集群模块，并可通过互联网访问。
2021-01-27 cs.DC cs.NI
Fog-Assisted wIoT: A Smart Fog Gateway for End-to-End Analytics in Wearable Internet of Things
如今，可穿戴物联网（wIoT）设备以惊人的速度不断涌入云数据中心。这增加了对部署边缘基础设施的需求，以便在用户附近进行计算，智能和存储。雾计算的新兴范式可以发挥重要作用，使wIoT更加高效和负担得起。雾计算被称为地面上的云。本文提出了一种端到端架构，该架构执行数据调节和智能过滤，以从可穿戴数据生成智能分析。在wIoT中，可穿戴传感器设备在一端提供服务，而云后端在另一端提供服务。我们使用Intel Edison和Raspberry Pi开发了一个智能雾网关原型（中间层）。我们讨论了智能雾网关在协调数据调节、智能过滤、智能分析以及选择性地传输到云端以进行长期存储和时间变化监控过程中的作用。我们根据智能电子纺织手套的真实数据对开发原型的性能进行了基准测试。结果证明了所提出的架构的可用性和潜力，用于将真实世界的数据转换为有用的分析，同时利用基于知识的模型。通过这种方式，智能雾网关增强了可穿戴设备（传感器设备）与云之间的端到端交互。
2017-01-25 cs.CY cs.DC cs.NI
QoS-SLA-Aware Adaptive Genetic Algorithm for Multi-Request Offloading in Integrated Edge-Cloud Computing in Internet of Vehicles
United Arab Emirates University（阿联酋大学）
车载自组织网络车联网是一项新兴技术，可实现智能城市应用的开发，重点是改善交通安全、交通效率和整体驾驶体验。这些应用程序有严格的要求，详见服务水平协议。由于车辆具有有限的计算和存储能力，因此应用请求被卸载到集成的边缘云计算系统上。现有的卸载解决方案集中于在执行时间方面优化应用的服务质量（QoS），并且遵守单个SLA约束。他们没有考虑重叠多请求处理的影响，也没有考虑车辆速度变化的影响。提出了一种新的人工智能QoS-SLA-aware自适应遗传算法（QoS-SLA-AGA）来优化异构边缘云计算系统中多请求卸载的应用程序执行时间，该算法考虑了处理多请求重叠和动态车辆速度的影响。建议的遗传算法集成了一个自适应的惩罚函数来同化SLA的延迟，处理时间，截止日期，CPU和内存的要求的约束。数值实验和分析比较我们的QoS-SLA-AGA随机卸载，和基线基于遗传的方法。结果表明，QoS-SLA-AGA执行请求的速度平均比随机卸载方法快1.22倍，SLA违规减少59.9%。相比之下，基于基因的基线方法将请求的性能提高了1.14倍，SLA违规增加了19.8%。
2022-03-01 cs.AI cs.DC cs.NA
A Survey on Time-Sensitive Resource Allocation in the Cloud Continuum
人工智能（AI）和物联网（IoT）应用在当今世界迅速增长，它们不断连接到互联网，并在设备和环境之间处理，存储和交换信息。由于其固有的计算密集型和资源受限的性质，云和边缘平台对这些应用程序至关重要。云和边缘资源分配的最大挑战之一是有效管理计算和通信资源，以满足应用程序的性能和延迟保证。云资源（处理器、内存、存储、带宽）的异构性、可变的成本结构和不可预测的工作负载模式使得资源分配技术的设计变得复杂。为了解决这个复杂的问题，已经进行了许多研究。在本文中，目前国家的最先进的资源分配技术的云连续体，特别是那些考虑时间敏感的应用程序，进行审查。此外，我们提出了云连续体的资源分配问题中的关键挑战，对现有文献进行分类的分类法和潜在的研究空白。
2020-04-30 cs.DC cs.NI
Cloud Computing
正如您所知，计算即将发生变化，您的应用程序和文档将从桌面转移到云中。我说的是云计算，其中应用程序和文件托管在由数千台计算机和服务器组成的“云”上，所有这些计算机和服务器都连接在一起，可以通过互联网访问。有了云计算，你现在所做的一切都是基于网络的，而不是基于桌面的。您可以从任何连接到Internet的计算机访问所有程序和文档。云计算将如何改变您的工作方式？首先，你不再被束缚在一台电脑上。你可以把你的工作带到任何地方，因为它总是可以通过网络访问。此外，云计算促进了小组协作，因为所有小组成员都可以从他们碰巧位于的任何地方访问相同的程序和文档。云计算可能听起来有些牵强，但您可能已经在使用一些云应用程序。如果你使用的是基于网络的电子邮件程序，比如Gmail或Hotmail，那么你就是在云端进行计算。如果您使用的是基于Web的应用程序（例如Google Calendar或Apple Mobile Me），则您是在云中进行计算。如果您使用的是文件或照片共享网站，如Flickr或Picasa Web Albums，那么您就是在云中进行计算。这是未来的技术，今天就可以使用。
2010-03-22 cs.DC cs.NI
Edge-assisted Parallel Uncertain Skyline Processing for Low-latency IoE Analysis
National Chung Cheng University（国立中正大学）；Trend Micro Inc（趋势科技）；Taiwan Semiconductor Manufacturing Company, Ltd (TSMC)（台湾积体电路制造股份有限公司）；National Taipei University of Technology（台北科技大学）
本文提出了一种边缘辅助并行不确定天空线算法，通过减少数据传输量和计算资源消耗，提升低延迟IoE分析的效率。
2025-08-06 cs.DC cs.NI
Cloud Computing: Applications, Challenges and Open Issues
本文概述了云计算的基本概念、发展历程与主要应用，并探讨其面临的关键挑战和尚未解决的开放问题。
2023-05-27 cs.DC cs.SI
Hybrid Serverless Computing: Opportunities and Challenges
近年来，由于易于部署，有吸引力的按使用付费定价和透明的水平自动扩展，无服务器计算的采用激增。与此同时，基础设施的进步，如5G网络的出现和连接到互联网（称为物联网（IoT））的设备的爆炸式增长，以及限制计算和数据发生的新应用程序需求，将使云计算的范围从传统的数据中心扩展到混合云。疫情导致的数字化转型加速了劳动力的变化，并刺激了人工智能的进一步采用，预计将加速，新兴的混合云市场可能扩大到超过万亿美元。在混合云环境中，在无服务器租户的推动下，将越来越需要专注于为使用分布式平台（包括公共云、私有云和边缘系统）的应用程序构建者实现高效工作。在本章中，我们将探讨无服务器计算可以扩展到何种程度，以成为混合无服务器计算。
2022-09-14 cs.DC cs.SE
A Flow Sensitive Security Model for Cloud Computing Systems
云计算的范围和重要性由于对互联网服务和通信的不断增长的需求而迅速增加。第三方可以在其大型服务器云中托管数据库或软件，而不是构建单独的信息技术基础设施。大型组织可能希望将敏感信息保存在其更受限制的服务器上，而不是公共云中。这导致了联邦云计算（FCC）的引入，其中公共和私有云计算资源都被使用。
2014-04-30 cs.CR cs.DC
Streaming Video Analytics On The Edge With Asynchronous Cloud Support
Carnegie Mellon University（卡内基梅隆大学）；Microsoft Research（微软研究院）；University of Pittsburgh（匹兹堡大学）；Clutterbot
新兴的物联网（IoT）和移动计算应用预计将支持延迟敏感的深度神经网络（DNN）工作负载。为了实现这一愿景，互联网正在向边缘计算架构发展，其中计算基础设施位于更靠近终端设备的位置，以帮助实现低延迟。然而，与云环境相比，边缘计算可能具有有限的资源，因此无法运行通常具有高精度的大型DNN模型。在这项工作中，我们开发了REACT，这是一个利用云资源以更高精度执行大型DNN模型的框架，以提高在边缘设备上运行的模型的准确性。为此，我们提出了一种新的边缘云融合算法，融合边缘和云预测，实现低延迟和高精度。我们广泛地评估我们的方法，并表明，我们的方法可以显着提高精度相比，基线方法。我们特别关注视频中的目标检测（适用于许多视频分析场景），并表明融合的边缘云预测可以比仅边缘和仅云场景的准确性高出50%。我们还表明，REACT可以通过选择广泛的系统参数来满足特定于用例的约束（例如有限的网络带宽或GPU周期），从而在权衡点上实现良好的性能。
2022-10-04 cs.CV cs.DC cs.MM
