"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Publicerad: 2021-02-15

Forskning ger bättre effektivitet i småskaliga molndatacenter

NYHET Chanh Nguyen, doktorand i datavetenskap, har utvecklat metoder för att förbättra effektiviteten i så kallade Mobile Edge Clouds, MECs. Han försvarar sin avhandling vid Umeå universitet den 17 februari.

Text: Ingrid Söderbergh och Mikael Hansson

I vårt framtida samhälle kommer vi att se en radikal förändring av det sätt vi gör innovationer på, hur vi samarbetar och umgås. Ett exempel från senaste året är hur Covid19-pandemin och globala nedstängningar av hela länder inneburit att organisationer och människor förändrat sitt sätt att arbeta på och samarbeta. Det har lett till en dramatiskt större efterfrågan på höghastighetsnät för datatrafik. För att underlätta nätverkstrafiken har vissa tjänsteleverantörer därför sänkt sin servicekvalitet. Till exempel minskade Netflix kvaliteten på videoströmmar för att minska trafiken i europeiska nätverk.

Ett annat exempel är att prestandan för de framväxande virtual reality- och augmented reality-applikationer är mycket känsliga för fördröjningar i nätverk, latens, samtidigt som de nuvarande nätverkslatenserna mellan slutanvändare och fjärrdatacenter är för höga.

Denna utveckling har lett till ett paradigmskifte som inneburit att nya distribuerade datainfrastrukturer växer fram. De kallas Mobile Edge Clouds, MECs, och gör det möjligt att distribuera resurser till den del av nätverken som ligger i närheten av slutanvändarna.

Redan i dag kompletterar fjärrdatacenter i molnet den begränsade dator- och lagringskapaciteten hos slutanvändarenheter som smartphones, stationära och bärbara datorer. Den typ av interaktiva realtidsapplikationer som dessa datormoln kan stödja begränsas dock av brister i kommunikationsnäten.

Tack vare resursfördelningen inom MEC kan tjänster med hög bandbredd och låg latens erbjudas. Dessutom kan MECs med servrar i närheten av slutanvändare fungera som sekretessbrandväggar, vilket gör det möjligt för användare att dynamiskt och selektivt kontrollera hur känslig information överförs från sensorer till molnet.

MECs måste dock klara av flera utmaningar, som inte är vanligt förekommande i traditionella molnsystem, exempelvis hur användare förflyttar sig, olika typer av hårdvara och betydande flexibilitet när det gäller var datorkapacitet kan användas. Detta gör det särskilt svårt att analysera och kontrollera resursanvändning och allokering för att minimera kostnader och maximera prestanda samtidigt som slutanvändarens förväntade krav på kvalitet kan mötas.

I sin avhandling definierar Chanh Nguyen modeller och algoritmer för hantering av resurstilldelning i en heterogen MEC-miljö.

– Jag har modellerat applikations- och systemprestanda och designat olika resurstilldelningar för MEC. Den omfattande utvärderingen med simulerade testbäddar och emulerade system visar att de föreslagna tillvägagångssätten överträffade alternativa avancerade metoder och därmed kan bidra till att förbättra resursallokeringens effektivitet, säger Chanh Nguyen, doktorand på Institutionen för datavetenskap vid Umeå universitet.

Doktorsarbetet har finansierats av Wallenberg Artificial Intelligence, Autonomous Systems and Software Program (WASP).

Chanh Nguyen kommer ursprungligen från Hue city, i centrala Vietnam. Han har en kandidatexamen i datavetenskap från Ho Chi Minh City University of Technology, Vietnam, och en magisterexamen i datavetenskap från Tsinghua Unviersity, Peking, Kina.

Läs hela avhandlingen

Pressfoto. Foto: Mikael Hansson

 

Om disputationen:

Onsdagen den 17 februari försvarar Chanh Nguyen, Institutionen för datavetenskap vid Umeå universitet, sin avhandling med titeln: Location-aware Resource Allocation in Mobile Edge Clouds. Svensk titel: Platsmedveten resursallokering i höggradigt distribuerade datormoln.

Disputationen äger rum klockan 13:00 i Aula Biologica, Umeå universitet.
Fakultetsopponent är professor Maarten Van Steen, University of Twente, the Netherlands.
Handledare är professor Erik Elmroth och Dr. Cristian Klein, Institutionen för datavetenskap vid Umeå universitet.

För mer information, kontakta gärna: