Hoppa direkt till innehållet

Information till studenter och medarbetare med anledning av covid-19 (Uppdaterad: 27 november 2020)

printicon

Datadriven automatisering av edge clouds

Doktorandprojekt på Företagsforskarskolan vid Umeå universitet.

Den explosiva tillväxten av mobila enheter och Internet of things-enheter, beräkningsbehovet för applikationerna som de kör och mängden data de producerar kräver högpresterande datorkapacitet nära dessa enheter för att hantera deras data och beräkningar.

Doktorand

Ali Rahmanian
Doktorand
E-post
E-post
Telefon
090-786 61 97

Projektöversikt

Projektperiod:

2020-01-01 2023-12-31

Finansiering

Ericsson Research, Kista

Medverkande institutioner och enheter vid Umeå universitet

Institutionen för datavetenskap

Forskningsämne

Datavetenskap

Projektbeskrivning

Det är vanligt redan i dag att ladda ner delar av beräkningarna och datalagring från mobila enheter till avlägsna stora molndatacenter. Varje gång man använder en mobilapplikation, som till exempel röstigenkänning med Apples Siri, upprättas en anslutning till ett molndatacenter. Avlastning till avlägsna moln i stor skala har grundläggande kommunikationsbegränsningar eftersom stora fördröjningar begränsar typen av applikationer som stöds av sådan avlastning.

Edge cloud är en ny arkitektur där småskaliga molnresurser läggs till vid kanten av ett nätverk nära användarna som förenar hanteringen och kontrollen av åtkomligt nätverk, de resurser som läggs till kanten och de avlägsna storskaliga datacentrarna. Edge cloud handlar om att flytta behandling och intelligens närmare slutanvändarna eller ursprunget till data.

På grund av användarrörlighet, hårdvarans heterogenitet och ökad flexibilitet för att bestämma var datorkapacitet kan användas, innebär Edge cloud dock betydande utmaningar när det gäller att analysera, förutsäga och kontrollera resursanvändning och allokering för att optimera kostnader och prestanda, samtidigt som förväntade slut- användarkvalitet. Dessutom lägger nya applikationer, som 360 video, videoanalys i realtid och självkörande bilar, mer komplexitet till problemet med resurshantering.

Dessutom har prestandafokuset för kantbaserade tjänster konsekvenser för konfigurationen av slutanvändaranslutning mellan kantdatacenter och användare. Därför måste det finnas en samordning mellan resurshanteringen av kantmoln och anslutningskonfiguration.