Интеллектуальная бессерверная вычислительная система для услуг телеприсутствия

Обложка

Цитировать

Полный текст

Аннотация

Актуальность. В статье рассматривается проблема совместной оптимизации миграции сервисов и распределения ресурсов (SMRA) в среде периферийных мобильных вычислений с множественным доступом (MEC) для снижения задержки в системах телеприсутствия. MEC расширяет возможности облачных вычислений путем перемещения сервисов на границу сети максимально близко к пользователям, решая проблему задержки доступа. Однако высокая мобильность устройств и ограниченные ресурсы периферийных серверов усложняют поддержание качества обслуживания. Процесс миграции сервисов сам по себе приводит к дополнительной задержке, а различные серверы и пользовательские устройства имеют свои уникальные требования и политику распределения ресурсов, что требует сбалансированного подхода к решению данной задачи. Несмотря на достижения в области телеприсутствия, такие как высококачественные видеофайлы и пространственный звук, виртуальная и дополненная реальность, эффективное функционирование этих систем требует надежной инфраструктуры и минимальных задержек при взаимодействии.Постановка задачи. В данной работе мы предлагаем совместный алгоритм SMRA+МЕС, который учитывает специфику систем телеприсутствия, а также решает задачу оптимального распределения ресурсов и необходимости миграции сервисов. Цель работы. Разработка и оценка эффективности совместного алгоритма SMRA+МЕС, адаптированного для систем телеприсутствия.Методы исследования. Для достижения поставленной цели в работе будут использованы математические модели для формализации задачи SMRA+МЕС с учетом параметров систем телеприсутствия.Результаты исследования показывают, что предложенный алгоритм обеспечивает значительное снижение задержки ‒ на 50 %.Научная новизна. Рассматривается новый способ расчета задержки, который позволяет минимизировать задержку и распределять ресурсы более оптимально. Показано, что комбинирование методов SMRA+МЕС является наиболее эффективным подходом к минимизации задержек.Практическая значимость. Разработанный алгоритм SMRA+МЕС может быть использован операторами мобильной связи для оптимизации развертывания и управления MEC-инфраструктурой, обеспечивая высококачественное обслуживание для приложений телеприсутствия.

Об авторах

З.А. Х. Аль-Кереа

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича

Email: al-kerea.zah@sut.ru

А.С. А. Мутханна

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича

Email: muthanna.asa@sut.ru

А. Е. Кучерявый

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича

Email: akouch@sut.ru

Список литературы

  1. Ateya A.A., Abd El-Latif A.A., Muthanna A., Volkov A., Koucheryavy A. Enabling Metaverse and Telepresence Services in 6G Networks. New York: CRC Press, 2025. doi: 10.1201/9788770046749
  2. Thang D.V., Volkov A., Muthanna A., Koucheryavy A., Ateya A.A., Jayakody D.N.K. Future of Telepresence Services in the Evolving Fog Computing Environment: A Survey on Research and Use Cases // Sensors. 2025. Vol. 25. Iss. 11. P. 3488. doi: 10.3390/s25113488
  3. Van Thang D., Volkov A., Muthanna A., Elgendy I.A., Alkanhel R., Jayakody D.N.K., Koucheryavy A. A Framework Integrating Federated Learning and Fog Computing Based on Client Sampling and Dynamic Thresholding Techniques // IEEE Access. 2025. Vol. 13. PP. 95019‒95033. doi: 10.1109/ACCESS.2025.3571979
  4. Taleb T., Samdanis K., Mada B., Flinck H., Dutta S., Sabella D. On Multi-Access Edge Computing: A Survey of the Emerging 5G Network Edge Cloud Architecture and Orchestration // IEEE Communications Surveys & Tutorials. 2017. Vol. 19. Iss. 3. PP. 1657–1681. doi: 10.1109/COMST.2017.2705720
  5. Чистова Н.А., Парамонов А.И., Кучерявый А.Е. Метод формирования цифровых кластеров сетей связи пятого и последующих поколений на основе качества предоставления услуг // Электросвязь. 2020. № 7. С. 22‒28. doi: 10.34832/ELSV.2020.8.7.003. EDN:QDEUQG
  6. Yu H., Ming Z., Wang C., Taleb T. Network Slice Mobility for 6G Networks by Exploiting User and Network Prediction // Proceedings of the International Conference on Communications (ICC, Rome, Italy, 28 May ‒ 01 June 2023). IEEE, 2023. doi: 10.1109/ICC45041.2023.10279739
  7. Addad R.A., Dutra D.L.C., Taleb T., Flinck H. Toward Using Reinforcement Learning for Trigger Selection in Network Slice Mobility // IEEE Journal on Selected Areas in Communications. 2021. Vol. 39. Iss. 7. PP. 2241–2253. doi: 10.1109/jsac.2021.3078501. EDN:UGJVKC
  8. Волков А.Н., Мутханна А.С.А., Кучерявый А.Е., Бородин А.С., Парамонов А.И., Владимиров С.С. и др. Перспективные исследования сетей и услуг 2030 в лаборатории 6G MEGANETLAB СПБГУТ // Электросвязь. 2023. № 6. С. 5‒14. doi: 10.34832/ELSV.2023.43.6.001. EDN:CJSYLS
  9. Hu L., Tian Y., Yang J., Taleb T., Xiang L., Hao Y. Ready Player One: UAV-Clustering-Based Multi-Task Offloading for Vehicular VR/AR Gaming // IEEE Network. 2019. Vol. 33. Iss. 3. PP. 42–48. doi: 10.1109/MNET.2019.1800357
  10. Chen Y., Sun Y., Wang C., Taleb T. Dynamic Task Allocation And Service Migration in Edge-Cloud IoT System Based on Deep Reinforcement Learning // IEEE Internet of Things Journal. 2022. Vol. 9. Iss. 18. PP. 16742–16757. doi: 10.1109/JIOT. 2022.3164441. EDN:XSAUUL
  11. Ming Z., Li X., Sun C., Fan Q., Wang X., Leung V.C.M. Dependency-Aware Hybrid Task Offloading in Mobile Edge Computing Networks // Proceedings of the International Conference on Parallel and Distributed Systems (ICPADS, Beijing, China, 14‒16 December 2021). IEEE, 2021. PP. 225–232. doi: 10.1109/ICPADS53394.2021.00034

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».