Avaliação de Desempenho de Computação Móvel na Borda Usando Redes de Petri Estocásticas

  • Brena Santos UFPI
  • Daniel Carvalho UFPI
  • Iure Fé 3o BEC - Exército Brasileiro
  • Francisco Airton Silva UFPI

Resumo


A Computação Móvel na Borda (MEC) surgiu como uma alternativa para diminuir a latência da rede, fazendo com que o processamento do fluxo de dados ocorresse mais próximo dos usuários mobile. No entanto, a configuração dos servidores pode influenciar diretamente no desempenho da arquitetura MEC. Este artigo propõe um modelo de Rede de Petri Estocástica (SPN) para modelar tal cenário e analisar seu desempenho, considerando diversos parâmetros que podem afetar diretamente no Tempo Médio de Resposta (MRT) e no Nı́vel de Utilização. Apresentamos também análises numéricas com valores de entrada reais que servem como um guia prático para auxiliar administradores de infraestruturas computacionais a adequar suas arquiteturas, encontrando o trade-off entre o MRT e o nı́vel de utilização.

Referências

Beck, M. T., Werner, M., Feld, S., and Schimper, S. (2014). Mobile edge computing: A taxonomy. In Proc. of the Sixth International Conference on Advances in Future Internet, pages 48–55. Citeseer.

Cau, E., Corici, M., Bellavista, P., Foschini, L., Carella, G., Edmonds, A., and Bohnert, T. M. (2016). Efficient exploitation of mobile edge computing for virtualized 5g in epc architectures. In 2016 4th IEEE international conference on mobile cloud computing, services, and engineering (MobileCloud), pages 100–109. IEEE.

Gopika Premsankar, M. d. F. and Taleb, T. (2018). Edge computing for the internet of things: A case study. 5:1275–1284. Guangshun Li, J. W. and Junhua Wu, J. S. (2018). Data processing delay optimization in mobile edge computing. 2018.

Jain, R. (1990). The art ofcomputer systems performance analysis: techniques for expe- rimental design, measurement, simulation, and modeling. John Wiley & Sons.

Jararweh, Y., Doulat, A., Darabseh, A., Alsmirat, M., Al-Ayyoub, M., and Benkhelifa, E. (2016). Sdmec: Software defined system for mobile edge computing. In 2016 IEEE International Conference on Cloud Engineering Workshop (IC2EW), pages 88– 93. IEEE.

Jung, H. (2016). Cisco visual networking index: Global mobile data traffic forecast up- date, 2015–2020 white paper. Technical report, Technical report, Cisco Systems Inc.

Kitanov, S., Monteiro, E., and Janevski, T. (2016). 5g and the fog—survey of related technologies and research directions. In 2016 18th Mediterranean Electrotechnical Conference (MELECON), pages 1–6. IEEE.

Little, J. D. (1961). A proof for the queuing formula: L= λ w. Operations research, 9(3):383–387.

Orsini, G., Bade, D., and Lamersdorf, W. (2015). Computing at the mobile edge: Desig- ning elastic android applications for computation offloading. In 2015 8th IFIP Wireless and Mobile Networking Conference (WMNC), pages 112–119. IEEE.

Trinh, C. and Yao, L. (2017). Energy-aware mobile edge computing for low-latency visual data processing. pages 128–133.

Yuanzhe and Shangguang (2018). An energy-aware edge server placement algorithm in mobile edge computing. In IEEE International Conference on Edge Computing (EDGE).
Publicado
08/07/2019
SANTOS, Brena; CARVALHO, Daniel ; FÉ, Iure ; SILVA, Francisco Airton. Avaliação de Desempenho de Computação Móvel na Borda Usando Redes de Petri Estocásticas. In: WORKSHOP EM DESEMPENHO DE SISTEMAS COMPUTACIONAIS E DE COMUNICAÇÃO (WPERFORMANCE), 2019. , 2019, Belém. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2019 . ISSN 2595-6167. DOI: https://doi.org/10.5753/wperformance.2019.6474.