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

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).