DOI: https://doi.org/10.1038/s41598-025-86814-1
PMID: https://pubmed.ncbi.nlm.nih.gov/39875513
تاريخ النشر: 2025-01-29
المؤلف: Roqia Rateb وآخرون
الموضوع الرئيسي: الحوسبة السحابية وإدارة الموارد
نظرة عامة
تتناول الورقة مشكلة جدولة سير العمل في بيئات إنترنت الأشياء (IoT)، وخاصة ضمن أنظمة الحوسبة السحابية الضبابية، مع الأهداف المزدوجة المتمثلة في تقليل استهلاك الطاقة (EC) ووقت التنفيذ (MST). لتحقيق هذه الأهداف، يقترح المؤلفون نهجًا هجينًا يجمع بين خوارزميات أكويلا وسرب السلاب (ASSA) لاختيار الآلات الافتراضية (VM) بشكل مثالي، إلى جانب تقنيات مثل تقليل وقت التنفيذ (RMST)، ودمج الآلات الافتراضية، وتعديل تردد الجهد الديناميكي (DVFS). يتم تنفيذ ASSA بشكل تكراري لاختيار الآلات الافتراضية مع الالتزام بقيود الموثوقية والمواعيد النهائية، ثم يتم استخدام RMST لتقليل MST واستخدام دمج الآلات الافتراضية وDVFS لتقليل كل من استهلاك الطاقة الثابت والديناميكي.
تظهر النتائج التجريبية أن الطريقة المقترحة تتفوق على العديد من الخوارزميات الموجودة، بما في ذلك FA وAO وHHO وPSO وSSA وDE-MFO وDVFS، من حيث كل من EC وMST. يُعزى تفوق نهج ASSA إلى دمجه لعدة تقنيات تحسين، مما يعزز كفاءة الطاقة ويقلل من تأخيرات التنفيذ. يختتم المؤلفون بالإشارة إلى العمل المستقبلي الذي يهدف إلى تحسين ميزات أمان الخوارزمية، مؤكدين على أهمية الجدولة الآمنة في بيئات الحوسبة المعاصرة.
طرق
في هذا القسم، يقدم المؤلفون تحليلًا مقارنًا للخوارزميات الموجودة لجدولة المهام في بيئات الضباب والسحاب، مع تسليط الضوء على قيودها في معالجة الأهداف المتعددة مثل تقليل استهلاك الطاقة (EC) ووقت التنفيذ (MST) مع الالتزام بقيود مثل الأولوية والمواعيد النهائية والموثوقية. الطريقة المقترحة، التي تُعرف بخوارزمية أكويلا-سرب السلاب (ASSA)، تدمج مُحسّن أكويلا وخوارزمية سرب السلاب لتحسين جدولة سير العمل لأجهزة إنترنت الأشياء في أنظمة الضباب والسحاب. تشمل الابتكارات الرئيسية استخدام تعديل تردد الجهد الديناميكي (DVFS) وتقنيات دمج الآلات الافتراضية لتعزيز الأداء، إلى جانب التركيز على اختيار الآلات الافتراضية المثلى (VMs) بناءً على دالة هدف مركبة تشمل RMST وDVFS ودمج الآلات الافتراضية.
يتم تقييم الطريقة المقترحة باستخدام MATLAB R2018b على إعدادات الأجهزة المحددة، مع استخدام أربعة سير عمل علمية متميزة من حيث التعقيد. يتكون الإطار التجريبي من بيئة ضبابية-سحابية تحتوي على مراكز بيانات متعددة وآلات افتراضية، ويتم مقارنة أداء ASSA ضد عدة خوارزميات راسخة، بما في ذلك DVFS ومُحسّن أكويلا وغيرها. تشير النتائج إلى أن ASSA تتفوق على هذه الطرق من حيث EC وMST مع الحفاظ على القيود اللازمة، مما يوضح فعاليتها في تحسين جدولة سير العمل في بيئات الحوسبة المتنوعة.
نقاش
في هذا القسم، يناقش المؤلفون صياغة وتحسين جدولة سير العمل في شبكة ضبابية-سحابية، مع التأكيد على تمثيل سير العمل كرسوم بيانية موجهة غير دورية (DAGs) تتكون من مهام معتمدة. يتم التقاط وقت تنفيذ كل مهمة في مصفوفة، وتُعرف تكاليف الاتصال بين المهام من خلال مصفوفة تكاليف الاتصال. يحدد المؤلفون عدة افتراضات بشأن النظام، بما في ذلك الطبيعة المتنوعة للآلات الافتراضية (VMs) وقدرات تعديل تردد الجهد الديناميكي (DVFS) لوحدات المعالجة المركزية، والتي تؤثر على كل من استهلاك الطاقة والموثوقية. يُظهر موثوقية تنفيذ المهام أنها تنخفض مع انخفاض ترددات وحدة المعالجة المركزية، مما يتطلب توازنًا دقيقًا بين كفاءة الطاقة والموثوقية.
تهدف صياغة المشكلة إلى تقليل كل من وقت التنفيذ (MST) واستهلاك الطاقة (EC) مع الالتزام بالمواعيد النهائية ومتطلبات الموثوقية. تستخدم طريقة الجدولة المقترحة خوارزمية هجينة، ASSA، التي تدمج مُحسّن أكويلا (AO) وخوارزمية سرب السلاب (SSA) لتعزيز مراحل الاستكشاف والاستغلال. تختار الخوارزمية بشكل تكراري الآلات الافتراضية، وتقلل MST من خلال تقنية تقليل وقت التنفيذ (RMST)، وتطبق دمج الآلات الافتراضية وDVFS لتقليل استهلاك الطاقة. تجمع دالة الهدف بين هذه العناصر، مما يضمن أن الجدولة تلبي قيود الأولوية والموثوقية والمواعيد النهائية. بشكل عام، تُظهر الطريقة المقترحة منهجًا منهجيًا لتحسين تنفيذ سير العمل في بيئات الضباب والسحاب، مع تحقيق توازن بين الأداء وكفاءة الطاقة.
DOI: https://doi.org/10.1038/s41598-025-86814-1
PMID: https://pubmed.ncbi.nlm.nih.gov/39875513
Publication Date: 2025-01-29
Author(s): Roqia Rateb et al.
Primary Topic: Cloud Computing and Resource Management
Overview
The paper addresses the workflow scheduling problem in Internet of Things (IoT) environments, particularly within fog-cloud computing systems, with the dual objectives of minimizing energy consumption (EC) and MakeSpan Time (MST). To achieve these goals, the authors propose a hybrid approach that combines the Aquila and Salp Swarm Algorithms (ASSA) for optimal Virtual Machine (VM) selection, alongside techniques such as Reducing MakeSpan Time (RMST), VM merging, and Dynamic Voltage Frequency Scaling (DVFS). The ASSA is executed iteratively to select VMs while adhering to constraints of reliability and deadlines, subsequently employing RMST to minimize MST and utilizing VM merging and DVFS to reduce both static and dynamic EC.
Experimental results demonstrate that the proposed method outperforms several existing algorithms, including FA, AO, HHO, PSO, SSA, DE-MFO, and DVFS, in terms of both EC and MST. The superiority of the ASSA approach is attributed to its integration of multiple optimization techniques, which collectively enhance energy efficiency and reduce execution delays. The authors conclude by indicating future work aimed at improving the algorithm’s security features, emphasizing the importance of secure scheduling in contemporary computing environments.
Methods
In this section, the authors present a comparative analysis of existing algorithms for task scheduling in fog and cloud environments, highlighting their limitations in addressing multiple objectives such as minimizing energy consumption (EC) and MakeSpan Time (MST) while adhering to constraints like priority, deadline, and reliability. The proposed method, termed the Aquila-Salp Swarm Algorithm (ASSA), integrates the Aquila Optimizer and Salp Swarm Algorithm to optimize workflow scheduling for IoT devices in fog-cloud systems. Key innovations include the use of Dynamic Voltage Frequency Scaling (DVFS) and VM merging techniques to enhance performance, alongside a focus on selecting optimal virtual machines (VMs) based on a composite objective function that includes RMST, DVFS, and VM merging.
The evaluation of the proposed method is conducted using MATLAB R2018b on a specified hardware setup, employing four distinct scientific workflows of varying complexity. The experimental framework consists of a fog-cloud environment with multiple data centers and VMs, and the performance of ASSA is compared against several established algorithms, including DVFS, Aquila Optimizer, and others. The results indicate that ASSA outperforms these methods in terms of EC and MST while maintaining the necessary constraints, demonstrating its effectiveness in optimizing workflow scheduling in heterogeneous computing environments.
Discussion
In this section, the authors discuss the formulation and optimization of workflow scheduling in a fog-cloud network, emphasizing the representation of workflows as Directed Acyclic Graphs (DAGs) comprising dependent tasks. Each task’s execution time is captured in a matrix, and the communication costs between tasks are defined through a communication cost matrix. The authors outline several assumptions regarding the system, including the heterogeneous nature of virtual machines (VMs) and the dynamic voltage frequency scaling (DVFS) capabilities of CPUs, which impact both energy consumption and reliability. The reliability of task execution is shown to decrease with lower CPU frequencies, necessitating a careful balance between energy efficiency and reliability.
The problem formulation aims to minimize both makespan time (MST) and energy consumption (EC) while adhering to deadlines and reliability requirements. The proposed scheduling method employs a hybrid algorithm, ASSA, which integrates the Aquila Optimizer (AO) and Salp Swarm Algorithm (SSA) to enhance exploration and exploitation phases. The algorithm iteratively selects VMs, reduces MST through a Reducing MakeSpan Time (RMST) technique, and applies VM merging and DVFS to minimize energy consumption. The objective function combines these elements, ensuring that the scheduling meets the constraints of priority, reliability, and deadlines. Overall, the proposed approach demonstrates a systematic method for optimizing workflow execution in fog-cloud environments, balancing performance and energy efficiency.