EdgeDAG: a latency-aware initial operator placement strategy for edge-based distributed stream processing applications

Résumé

Au cours des dernières années, l’internet des objets (IoT) a grandi en popularité. Ils sont directement intégrés à la vie humaine. Par conséquent, les données générées par les dispositifs IoT ont augmenté. Le traitement de ces données peut fournir des informations précieuses. De plus, elles peuvent réduire la quantité de données transmises au cloud. L’objectif critique de ces applications est de fournir des résultats à faible latence. Le traitement en continu peut faciliter le traitement en offrant un modèle de programmation pour exécuter l’application en parallèle. Au cours des dernières années, le nombre d’applications IoT qui reposent sur le traitement en flux a augmenté. Ces applications traitent des flux continus de données avec un faible délai et fournissent des informations précieuses. Cependant, les dispositifs IoT sont limités en matière de bande passante et de ressources de calcul. Pour répondre aux exigences strictes en matière de latence et à la nécessité d’obtenir des résultats en temps réel, les composants du pipeline de traitement des flux peuvent être déployés directement en périphérie afin de bénéficier des ressources et des capacités que l’essaim d’appareils edge peut fournir. En effet, le réseau edge fournit des ressources proches de l’utilisateur et permet de réduire la latence dans les applications avec contraintes de temps. Dans cette thèse, nous proposons une nouvelle stratégie d’optimisation pour déployer les opérateurs sur les ressources appropriées à la périphérie du réseau dans le but de minimiser la latence tout en s’assurant que les contraintes des dispositifs et leurs capacités réseau sont respectées. En implémentant un nouveau simulateur, en proposant un nouveau type de fonction d’optimisation et en utilisant un algorithme méta-heuristique appelé Grey Wolf Optimizer, nous pouvons fournir une bonne correspondance entre les noeuds de périphérie et les opérateurs.

Date	31 mars 2022
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Julien Gascon-Samson (Directeur(-trice))