CC BY
43
УДК 004.75; 519.687.1
МЕТОДИКА ВОССТАНОВЛЕНИЯ ВЫЧИСЛИТЕЛЬНОГО ПРОЦЕССА ИНФОРМАЦИОННО-УПРАВЛЯЮЩИХ СИСТЕМ НА ОСНОВЕ КОНЦЕПЦИИ «ТУМАННЫХ ВЫЧИСЛЕНИЙ»
ПОСЛЕ СБОЕВ
Э.В. Мельник, А.Б. Клименко
Рссмотрим вопросы построения высоконадежных информационно-управляющих систем на основе элементов концепции туманных вычислений, а также обеспечения допустимого уровня надежности и механизма реконфигурации в случае применения резервирования производительности. Использование концепции туманных вычислений при построении информационно-управляющих систем существенно расширяет возможности обеспечения надежности за счет перемещения вычислительной нагрузки в туманный слой. Предложена методика размещения задач при реконфигурации, которая учитывает специфику таких систем. Проведено компьютерное моделирование и показана зависимость качества конфигураций от времени проведения реконфигурации.
Ключевые слова: туманные вычисления, информационно-управляющая система, надежность, отказоустойчивость.
Введение
В настоящее время информационно-управляющие системы (ИУС) получили практически повсеместное распространение и используются в комплексных объектах робототехники, группах автономных роботов, промышленном производстве, авиации, космической промышленности, нефте-и газо-добывающей промышленности и т.д. Начиная от встроенных систем в начале своего развития, современные ИУС воплощают в себе черты географически распределенных сетевых многопроцессорных систем и используют современные технологии организации распределенных вычислений. Последнее актуально в свете интенсивного развития и внедрения так называемых «сквозных» технологий (cross-cuttmgtechnologies), включающих большие данные, нейротехнологии, искусственный интеллект, технологии распределенного реестра, промышленный интернет вещей, робототехнику, виртуальную реальность и проч. [1]. Постепенное внедрение концепции промышленного интернета вещей (IndustrialInternetofThings), необходимость работы с большими данными в реальном масштабе времени актуализировали вопрос разработки новых технологий организации распределенных вычислений, поскольку существующие архитектуры по типу «облака» уже являются недостаточными для обеспечения должного уровня безопасности и предоставляемых сервисов.
Концепция «туманных вычислений» была разработана сравнительно недавно и несет в себе идею снижения нагрузки на «облако» путем распределения вычислительной нагрузки в так называемом «туманном» слое
551
сети. Несомненными преимуществами туманных вычислений являются снижение на грузки на коммуникационную среду и уменьшение латентно-сти системы, чем не преминули воспользоваться разработчики самых разнообразных ИУС, выстраивая архитектуры на базе концепции туманных вычислений. Однако, несмотря на наличие исследовательских работ, посвященных ИУС на основе концепции «туманных вычислений», практически не представлено работ, которые бы рассматривали аспект надежности (dependability) таких ИУС. Наиболее близкой по тематике работой является [2], где внимание уделено управлению строем летающих беспилотных аппаратов и размещению центра управления для обеспечения должного уровня надежности.
В данной статье рассматриваются такие аспекты надежности ИУС на базе концепции туманных вычислений, как вероятность безотказной работы (reliability), характеризуемая вероятностью безотказной работы, и отказоустойчивость (fault-tolerance), реализованная посредством реконфигурации. Построены упрощенные модели надежности ИУС с использованием таких параметров, как время проведения реконфигурации, общий объем выполняемых работ, доля работ, выполняемая центральной вычислительной средой («облаком»). На основе результатов компьютерного моделирования построена новая методика восстановления ИУС после сбоя, отличающаяся от существующих возможностью перемещения задач в туманный слой в зависимости от параметра времени проведения реконфигурации.
«Промышленный интернет вещей» и концепция «туманных вычислений»
Концепция «туманных вычислений» неразрывно связана с концепцией «интернета вещей» и, что немаловажно, с концепцией «промышленного интернета вещей».
Концепция «интернета вещей» определяется следующим образом. «Интернет вещей» (InternetofThings) - это сеть физических устройств, транспортных средств, приборов домашнего пользования и прочих устройств, оснащенных аппаратными, программными средствами, датчиками, актуаторами, а также средствами связи, позволяющими этим устройствам объединяться и обмениваться данными, что создает возможность интеграции физического мира и компьютеризованных систем, что приводит к повышению эффективности использования устройств, экономической выгоде и уменьшению человеческих трудозатрат [3 - 7].
«Промышленный интернет вещей» (IndustrialInternetofThings) стал частью концепции Industry 4.0., а, по сути, является промышленным направлением использования «интернета вещей». В рамках «промышленного интернета вещей» на текущий момент одним из ключевых вопросов является своевременное обслуживание устройств, предупреждающее отказы и как следствие, простои. Аналитика данных, собираемых при помощи
552
устройств «промышленного интернета вещей», играет ключевую роль в работе интеллектуальных систем предупреждения отказов и простоев оборудования, при этом еще одним ключевым элементом являются так называемые кибер-физические системы, которые делают возможным преобразование получаемых с оборудования данных к виду, доступному для автоматической обработки вычислительными средствами [8].
На протяжении некоторого времени парадигма «облачных» вычислений была достаточной и обеспечивала должную скорость обработки поступающей информации, однако взрывообразный рост количества устройств «Интернета вещей» привел к ситуации, когда «облачные структуры» перестали предоставлять должный уровень качества обслуживания пользователей.
Таким образом, появились новые требования к организации распределенных вычислений [9], которые «облако» уже не в состоянии предоставить:
- уменьшение времени реакции системы на внешние события;
- снижение нагрузки на сеть (например, оборудование нефтяных вышек генерирует 500 Гб данных в неделю, авиалайнер - до 10 Тб за 30 минут полета. Передача таких объемов данных в «облако» не является целесообразным);
- необходимость защиты данных, передаваемых в «облако» через
сеть;
- повышение требований к надежности систем (данные «интернета вещей» зачастую используются при принятии решений касательно безопасности населения);
- необходимость сбора данных из географически удаленных точек.
Традиционные «облачные» архитектуры не обеспечивают выполнение перечисленных требований, что особенно актуально в условиях продолжающегося роста количества устройств «Интернета вещей», в связи с чем в 2012 г. была предложена новая парадигма - «туманные» вычисления.
Существует две точки зрения на парадигму «туманных» вычислений [10]: первая, например, [9] рассматривает «туманные вычисления» как эволюцию облачных. Вторая точка зрения представляет «туманные вычисления» как результат слияния последних трендов технологий и типовых шаблонов использования этих технологий, при этом не давая строгого определения [11]. Далее будем придерживаться первой точки зрения
[9].
«Туманные вычисления» (Fog-computing) предполагают возможными вычисления на краю сети близко к краевым устройствам, и так же, как и предыдущие концепции, поддерживают виртуализацию. «Туман» существует в сильной связи с центральным «облаком», т.е. не может функционировать в автономном режиме. Более того, «туман» имеет многослойную архитектуру, тем самым предоставляя большую гибкость системам [12, 13].
Система «туманных вычислений» содержит три уровня: «облако», «туман» и конечные устройства/устройства ИВ. «Туманный» слой может быть сформирован одним или более туманными доменами, контролируемыми одним или несколькими провайдерами. Каждый из туманных доменов сформирован из туманных узлов, множество которых может включать: роутеры, свитчи, шлюзы, точки доступа, персональные компьютеры, смартфоны и т.д. Что касается слоя конечных устройств, он формируется из пользовательских устройств, сенсоров и т.п.
Коммуникация между слоем конечных устройств и «туманным» слоем организуется посредством LAN, в то время как коммуникация между конечными устройствами и облачным слоем организуется посредством WAN, через «туманный» слой или без его участия.
ИУС на основе «туманных вычислений»
В настоящее время области приложений «туманных вычислений» как технологии распределенных вычислений довольно разнообразны:
- медицинские сервисы;
- сервисы логистики;
- управление энергетическими системами;
- поддержка мобильных систем;
- «умный» дом.
Одной из важных работ в направлении IIoT («промышленного интернета вещей») является [14] В работе представлена архитектура ИУС, направленная на предупреждающее обслуживание промышленного оборудования (predictablemaintenance) с целью сокращения простоев в результате отказов. В данной архитектуре слоем конечных пользователей является слой сенсоров, которые позволяют производить оценку состояния оборудования. «Туманный» слой состоит из устройств типа шлюзы и роутеры, которые ответственны за фильтрацию данных, поступающих с сенсоров, на базе предопределенных правил. Компоненты, размещаемые в «облаке», содержат данные о моделях отказов оборудования, на основе которых генерируются правила, отсылаемые затем в туманный слой. Примером таких правил может быть требование отправлять в «облако» только данные, выходящие за определенное пороговое значение.
В работе [15] предложена архитектура для анализа данных на базе SDN. Слой конечных пользователей включает вычисляющие устройства, которые действуют как MQTT элементы. В «туманном» слое содержатся элементы, аналогичные MQTT-брокерам. Модуль аналитики действует путем анализа содержимого MQTT-модулей и извлекая такие данные, как температура.
Разработка алгоритмов для систем на основе «туманных» вычислений развиваются в следующих направлениях:
- универсальные алгоритмы, не зависящие от области приложения;
- узкоспециализированные алгоритмы, обеспечивающие работу конкретных систем в конкретных предметных областях.
С точки зрения функциональности алгоритмы классифицируют следующим образом:
- разделение ресурсов;
- планирование вычислений;
- перераспределение нагрузки;
- хранение и распределение данных;
- управление энергопотреблением систем туманных вычислений.
В работе [16] проблема рассматривается с точки зрения мобильных устройств, при этом целью ставится их разгрузка. Результаты эксперимента показали, что при перемещении нагрузки с мобильного устройства «туманный» слой гораздо более эффективен, чем перемещение нагрузки в «облако» или выполнение всей задачи на мобильном устройстве, причем как с точек зрения времени выполнения задач, так и с точки зрения энергопотребления.
В работе [17] предложен метод динамической балансировки нагрузки в «туманном» слое, что позволяет производить вычисления в условиях добавления и выбытия узлов из домена.
Что касается вопросов надежности ИУС на основе «туманных вычислений», по состоянию на 2017 г. они остаются за рамками проводимых исследований.
Термин «надежность» (dependability) упоминается в следующих источниках, находящихся в открытом доступе. В работе [18] надежность систем на основе «туманных вычислений» рассмотрена в ракурсе виртуализации ресурсов, что позволяет повысить эффективность обновления программного обеспечения. Также в данной работе перечислены основные проблемы надежности систем на базе «туманных вычислений»: наиболее важной представляется изоляция промышленных ИУС на базе «туманных вычислений» от сетей общего пользования. Также сделан вывод о зачаточном состоянии вопросов надежности ИУС на основе «туманных вычислений».
В работе [19] авторы рассматривают обеспечение надежности медицинских ИУС на основе «туманных вычислений». По мнению авторов, «туманные вычисления» привносят две основные возможности повысить надежность системы в целом:
1) обеспечение структурной избыточности путем дублирующего выполнения задач на узлах «туманного слоя»;
2) перенос вычислений в туманный слой будет означать перенос вычислений ближе к источникам данных, что уменьшает зависимость от состояния сетевой инфраструктуры в целом.
В работе [2] рассматривается вопрос размещения виртуализирован-ных контроллеров по отношению к сенсорам. Авторы акцентируют внимание на латентности системы и ее надежности при оптимизации производительности: расположение виртуальных контроллеров на устройствах туманного слоя существенно сокращает латентность, но устройства могут
555
быть ненадежны, в то время как размещение виртуальных контроллеров в облаке может быть обосновано высокой надежностью оборудования, но при этом повышать латентность системы.
Методика восстановления вычислительного процесса ИУС на основе концепции «туманных вычислений» поле сбоев
Для оценки вариантов распределения вычислительной нагрузки будем опираться на упрощенную модель ИУС, в состав которой входят центральные вычислительные устройства, объединенные в блок, и периферийные устройства, составляющие «туманный» слой (рис.1). Будем также полагать, что устройства находятся под управлением программных агентов [20].
Рис.1. Упрощенная модель ИУС с использованием элементов концепции
«туманных вычислений»
Пусть вычислительная сложность всех задач, которые должны быть решены системой, L [ops], f - доля нагрузки, приходящаяся на центральный блок (сервер), функционирующий с суммарной производительностью Rs,N число периферийных устройств с производительностями Rp. Также сделаем некоторые допущения об информационном обмене между сервером и периферийными устройствами: на протяжении периода времени T, который ограничивает длину сессии, периферийные устройства обмениваются данными с сервером. Данные отправляются в виде Cin блоков размером Vin и должны быть разбиты на пакеты, размер которых определяется характеристиками коммуникационной среды, в частности, максимальным размером пакета v. Чтобы отправить блок данных, каждое вычислительное устройство должно выполнить некоторое количество дополнительных операций ls чтобы разбить блок данных на пакеты и отправить их по сети. Идентичное количество операций должно быть выполнено при получении пакетов данных и сборке их в блок. Упрощенная схема показа-нанарис. Х.
Блоки данных
Пакеты
□ С
ш
Сессия
Рис.2. Схема информационных обменов
556
Для сервера и периферийных устройств получаем следующие модели распределения нагрузки, допуская, что вычислительная нагрузка может быть распределена как угодно (аналогично воде или песку, распределяемым по емкостям):
WL„ = ^ • ls + ^^ • ls + (1)
" v v N 4 '
WLS = • ls + • Zs) • N + f • L. (2)
Также сделаем допущение о том, что с перемещением нагрузки на периферию сети пропорционально уменьшается объем информационных обменов:
WL„ = ^ • ls + ^^ •ls-f + (3)
f v v N
WLs = (^-ls + °-^-ls)-f-N + f-L (4)
При этом информационный обмен уменьшается и для сервера, и для периферийных устройств.
Далее приведем выражения (3),(4) к виду, позволяющему оценить нагрузку вычислительных устройств. Располагая данными о производи-тельностях Rs и Rp, длиной сессии Т числом операций WLP и WLS, выражение нагрузки в долях будет иметь вид
b = — (S)
v T-Rp v '
Ls = ^ (6)
5 T-Rs v '
Принимая во внимание выражения (5),(6), функции ВБР для периферийного устройства Pp(t) и сервера Ps(t) формулируются в соответствии с экспоненциальным законом
Pp(t) = е-V (7)
тд^Хр = Xq ■ 2kLp /10, к коэффициент, связующий нагрузку и интенсивность отказов;
Ps(t) = е"А'£ (8)
гдеА,^ = Xq -2kLs /10.
Как видно из выражений (7), (8), распределение нагрузки влияет на ВБР элементов системы, равно как и время t. Таким образом, выделили два параметра: нагрузку и время, которые оказывают существенное влияние на надежностные показатели, что видно на рис. 3,4.
При этом конфигурация системы, оптимальная для момента времени ti не является гарантированно оптимальной для момента времени что особенно актуально для гетерогенных систем, в составе которых могут находиться устройства с различными сроками эксплуатации.
Действительно, пусть Z - конфигурация, полученная в результате решения задачи формирования конфигураций, a Zfh) и ZM2) идентичные распределения задач для моментов времени t\ и ^ соответственно. Пусть P(Z(ti)) - значение ВБР для Z(ti) и P(Z(t2)) - значение ВБР для ZJl?) соответственно. При заданных ti>ti конфигурация ZJl{) не эквивалентна конфигурации ZJli) с точки зрения ВБР.
В самом деле, допустим, что это не так, и эквивалентна
Р(2(Ь)).
Тогда
Р^У) = е-и-=Р2(1(1гУ) =
Поскольку распределение задач и соответственно нагрузка одинаковы, это возможно только, если tl=t2 , но противоречит условию // Ь.
Отсюда можно сделать весьма значимый вывод: если // /^идентичность Р(Х(11)) и 1>(Х(1?)) достижима путем корректировки загруженности вычислительных устройств.
Этот вывод важен для ИУС на базе «туманных вычислений», поскольку имеется возможность сдвига вычислительной нагрузки из центральной вычислительной среды в «туманный» слой. Таким образом, принимая во внимание момент времени проведения реконфигурации, возможно размещение задач, улучшающее показатели ВБР для центральной вычислительной среды.
Компьютерное моделирование проводилось для следующих значений параметров модели распределения нагрузки: {и = 1, 200,400,1000; Д,=10000; ^=1000; 1=107; у=200; 4=50; Сы=СоШ= 100; Уы=УоШ=2000). Доля нагрузки ^ приходящейся на сервер, изменяется от 0 до 1.
Следующие графики отражают зависимость ВБР от доли
нагрузки сервера/(рис.3).
Рис. 3. Зависимость Р,Оо) от загруженности центральной
вычислительной среды
Графики наглядно демонстрируют тенденцию следующего характера: с течением времени для поддержания необходимого уровня ВБР необходимо уменьшение нагрузки на сервер. При этом в рамках заданных параметров показатели ВБР деградируют достаточно быстро.
Зависимости ВБР периферийных устройств от йгри различных ^ показаны на рис. 4.
Рис.4. Зависимость Рр^0)от загруженности центральной
вычислительной среды
Видно, что при заданных параметрах моделирования с течением времени ВБР периферийных устройств также ухудшается, однако, не так быстро, как для сервера. Таким образом, существует возможность в зависимости от времени подобрать такие значения соотношения нагрузки сервера и периферийных устройств, которые давали бы допустимые значения ВБР для всех составляющих системы. Например, для времени распределения нагрузки 10 = 1 (предположительно начало работы системы) видно, что ВБР сервера сохраняет значения более 0.8 только при доле загруженности 0.38 от общего объема решаемых задач. В это же время для периферийных устройств значения ВБР более 0.9 для любой загруженности сервера. Таким образом, имеется возможность уменьшить нагрузку на сервер и тем самым повысить его ВБР в перспективе, в то время как такое распределение нагрузки не приведет к существенному уменьшению ВБР периферийных устройств. При этом в момент времени ?0=200 наблюдается иная картина: чтобы сохранить ВБР сервера более 0.8 необходимо уменьшить его нагрузку, но в то же время ВБР периферийных устройств изменяется от 0.84 до 0.98, и в этих условиях необходимо выстраивать стратегию распределения нагрузки в соответствии с приоритетами и условиями функционирования ИУС.
Особенности ИУС на базе «туманных вычислений» позволили разработать методику восстановления такой ИУС после сбоя. В основе методики лежит размещение задач по устройствам с учетом времени проведения реконфигурации и возможности смещения ряда вычислительных задач к краю сети, что ново в области исследования надежности ИУС.
Для устройства вычислительной среды:
- оценить Ь3, которая дает желаемый уровень
- оценить Ь3', которая является фактическим результатом реконфигурации с учетом отказавших узлов;
- если Ь, '>1,, необходимо сформировать множество задач, которое будет соответствовать Ь,. Прочие задачи должны быть перенесены на исполнение в туманный слой ИУС и распределены среди устройств туманного слоя в соответствии с правилом максимизации
- если получены задачи на выполнение из туманного слоя, они распределяются среди вычисляющих устройств вычислительной среды в соответствии с правилом максимизации
Для устройства «туманного» слоя:
- оценить Ьр, которая дает желаемый уровень Рр(к);
- оценить Ьр', которая является фактическим результатом реконфигурации с учетом отказавших узлов;
- если Ьр '>Ьр, необходимо сформировать множество задач, которое будет соответствовать Ьр. Прочие задачи должны быть перенесены на исполнение в вычислительную среду ИУС и распределены среди устройств в соответствии с правилом максимизации Рр(/);
- если получены задачи на выполнение из вычислительной среды, они распределяются среди вычисляющих устройств туманного слоя в соответствии с правилом максимизации Р^).
Схематично разработанная методика может быть представлена в виде рис. 5.
Если задача не может быть решена по причине снижения ВБР устройства, переместить в туманный слой
Центральная вычислительная среда
Принятие решений о статусе задач, перемещение которых невозможно
Устройства туманного слоя
Если задача не можетбыть решена по причине снижения ВБР устройства, переместить в центральную ВС
Рис.5. Схематичное представление методики восстановления ИУС на основе «туманных вычислений»
Поскольку с течением времени ВБР как устройств центральной вычислительной среды, так и «туманного» слоя ухудшается, возможными становятся ситуации, когда ни одна из сторон не может принять на решение задачу. В таком случае необходимо принятие решения о том, будет ли эта задача снята с выполнения, либо же она будет поставлена на выполнение независимо от того, насколько ухудшится ВБР принимающего устройства.
Выводы
В данной статье рассмотрена проблема обеспечения надежности ИУС, построенных на основе технологии «туманных вычислений». Несмотря на то, что существует немалое количество работ, посвященных раз-
работке ИУС с использованием данной технологии, практически отсутствуют работы, посвященные вопросам обеспечения и повышения надежности, в том числе, таких показателей, как вероятности безотказной работы элементов системы.
По результатам проведенного исследования могут быть сделаны следующие важные выводы:
- применение концепции «туманных вычислений» при построении ИУС существенно расширяет возможности повышения надежности системы. Если для традиционных ИУС реконфигурация была возможна только в рамках центральной вычислительной среды, то использование элементов концепции туманных вычислений позволяет в зависимости от времени реконфигурации проводить корректировку загруженности центральной вычислительной среды, постепенно смещая вычислительную нагрузку к краю сети, и таким образом улучшить показатели ВБР.
- применение концепции «туманных вычислений» предусматривает размещение задач и в центральной вычислительной среде, в случае, если ее решение там более предпочтительно.
Также в рамках данной статьи доказано утверждение о том, что качество конфигурации зависит не только от способа размещения задач по вычислительным устройствам, но и от времени, в которое производится размещение. Исходя из этого утрачивается целесообразность разработки всех возможных конфигураций системы на этапе планирования. Переразмещение задач во время реконфигурации целесообразно производить на основе разработанной и представленной в статье методики, выстраивая стратегию размещения задач с точки зрения надежности элементов системы и используя эвристические алгоритмы максимизации их ВБР.
Проблемой, частично затронутой в данной статье, является размещение задач по устройствам в том случае, если с точки зрения надежности они не могут быть размещены ни в центральной вычислительной среде, ни в туманном слое. Разработка методов и алгоритмов разрешения таких ситуаций является перспективным направлением дальнейших исследований.
Исследование выполнено при поддержке проектов РФФИ 18-0580092, 18-29-03229, 17-08-01605.
Список литературы
1. Сквозные технологии цифровой экономики [Электронный ресурс]. URL: http://datascientist.one/skvoznye-texnologii-digital-economy/ (дата обращения: 10.07.2018).
2. Inaltekin H., Gorlatova M. and Mung C. (2017) 'Virtualized Control over Fog: Interplay Between Reliability and Latency', CoRR, abs/1712.0. Available at: https://arxiv.org/pdf/1712.00100 .pdf. (дата обращения: 10.07.2018).
3. Qusay F. Hassan. Internet of Things A to Z: Technologies and Applications. Wiley.com. 2018. P.704.
4. Brown E. Who Needs the Internet of Things? . Linux.com. Retrieved 23 October 2016.
5. Internet of Things Global Standards Initiative. ITU.Retrieved 26 June
2015.
6. Internet of Things: Science Fiction or Business Fact? (PDF). Harvard Business Review. November 2014. Retrieved 23 October 2016.
7. Santucci G. "The Internet of Things: Between the Revolution of the Internet and the Metamorphosis of Objects" (PDF). European Commission Community Research and Development Information Service.Retrieved 23 October 2016.
8. Lee Jay, Bagheri Behrad, Kao Hung-An (2015). A cyber-physical systems architecture for industry 4.0-based manufacturing systems. Manufacturing Letters.3: 18-23. doi:10.1016/j.mfglet.2014.12.001.
9. Официальный сайт компании CISCO [Электронный ресурс] URL: https://www.cisco.com/c/ dam/en us/ solutions/trends /iot/docs/computing-overview.pdf (дата обращения: 10.07.2018).
10. Yi S., Li C. and Li Q. A Survey of Fog Computing: Concepts, Applications and Issues // Proceedings of the 2015 Workshop on Mobile Big Data -Mobidata '15. P. 37-42. doi: 10.1145/2757384.2757397.
11. Vaquero L.M., Rodero-Merino L. Finding your Way in the Fog: Towards a Comprehensive Definition of Fog Computing. ACM SIGCOMM Com-put. Commun. Rev., 2014. Vol. 44. No. 5. P. 27 - 32.
12. Bonomi F., Milito R., Natarajan P., Zhu J. Fog Computing: A Platform for Internet of Things and Analytics // in Big Data and Internet of Things: A Roadmap for Smart Environments, N. Bessis and C. Dobre, E ds. Springer International Publishing, 20
13. M. Yannuzzi, R. Milito, R. Serral - Gracia, D. Montero, and M. Nemirovsky, "Key ingredients in an IoT recipe: Fog Computing, Cloud computing, and more Fog Computing," in 2014 IEEE 19th International Workshop on Computer Aided Modeling and Design of Communication Links and Networks (CAMAD) , 2014. P. 325 - 329.
14. V. Gazis, A. Leonardi, K. Mathioudakis, K. Sasloglou, P. Kikiras, and R. Sudhaakar. "Components of fog computing in an industrial internet of things context," in 2015 12th Annual IEEE International Conference on Sensing, Communication, and Networking. Workshops (SECON Workshops), 2015. P. 1 - 6.
15. Y. Xu, V. Mahendran, S. Radhakrishnan "Towards SDN - based fog computing: MQTT broker virtualization for effective and reliable delivery," in 2016 8th International Conference on Communication Systems and Networks (COMSNETS) , 2016. P. 1 - 6.
16. Help your mobile applications with fog computing / M.A. Hassan, M. Xiao, Q. Wei, S. Chen // 12th Annual IEEE International Conference on Sensing, Communication, and Networking - Workshops (SECON Workshops), 2015. P. 1 - 6.
17. Fog computing dynamic load balancing mechanism based on graph repartitioning / S. Ningning, G. Chao, A. Xingshuo, Z. Qiang // China Commun, 2016. Vol. 13. No. 3. P. 156 - 164.
18. Официальный сайт FORA [Электронный ресурс]. URL: http://www.fora-etn.eu/research-objectives/ (дата обращения: 10.07.2018).
19. Fog Computing in Healthcare-A Review and Discussion [Электронный ресурс]. URL: https://ieeexplore.ieee.org/document/7927714/ (дата обращения: 10.07.2018).
20. Каляев И.А., Мельник Э.В. Метод мультиагентного распределения ресурсов в интеллектуальных многопроцессорных вычислительных системах // Вестник ЮНЦ РАН, 2007. №12. С. 40-50.
Мельник Эдуард Всеволодович, д-р техн. наук, главный научный сотрудник, anna_klimenko@,mail.ru, Россия, Ростов-на-Дону, Южный научный центр Российской академии наук,
Клименко Анна Борисовна, канд. техн. наук, старший научный сотрудник, anna_klimenko@,mail.ru, Россия, Таганрог, Научно-исследовательский институт многопроцессорных вычислительных систем им. акад. А. В. Каляева ЮФУ
A RECOVERY TECHNIQUE OF THE FOG-COMPUTING-BASED INFORMATION AND CONTROL SYSTEM COMPUTATIONAL PROCESS
E. V. Melnik, A.B. Klimenko
The paper is devoted to the issues of dependable information and control systems based on the fog-computing concept development. The questions of acceptable reliability level delivery and reconfiguration are considered. The usage of fog-computing concept in the field of information and control systems enhances the possibilities of reliability improvement through the workload shift to the fog-layer. In the current paper a reconfiguration task distribution technique is proposed, the latter takes into account the peculiarity of the fog-computing-based systems. Besides, the simulation has been made, and the configuration quality dependency on the reconfiguration time is presented.
Key words: fog computing, information and control systems, reliability, fault-tolerance.
Melnik Eduard Vsevolodovich, doctor of technical sciences, leader research fellow, anna_klimenko@,mail. ru, Russia, Rostov-on-Don, Southern Scientific Center of the Russian Academy of Sciences,
Klimenko Anna Borisovna, candidate of technical sciences, senior research fellow, anna_klimenko@,mail. ru, Russia, Taganrog, Southern Federal University, Scienfic Research Institute of Multiprocessor Computing Systems
