Е.В. Глушак1

1 Поволжский государственный университет телекоммуникаций и информатики (г. Самара, Россия)

1 evglushak@yandex.ru

Постановка проблемы. В последние годы существенно увеличился интерес к распределенным вычислениям, особенно в контексте Интернета вещей, где требуются быстрая обработка и передача данных с минимальными задержками. Одним из перспективных решений в этом направлении является использование туманных вычислений, которые дают возможность распределять вычислительные задачи между устройствами, расположенными ближе к источнику данных. Однако для проектирования таких эффективных и надежных систем необходим глубокий анализ их производительности в различных сценариях с помощью инструментов моделирования (например, FogTorch), которые позволяют исследовать влияние сетевых параметров, распределения вычислительных ресурсов и топологии системы на ее характеристики. Таким образом, оценка производительности распределенных систем для реальных приложений Интернета вещей представляет собой актуальную задачу.

Цель. Предложить имитационные модели облачных и туманных вычислений, предназначенных для анализа производительности распределенных систем с учетом задержки передачи данных, пропускной способности сети и оптимизации распределения ресурсов и провести их исследование, а также рассмотреть методы оценки эффективности взаимодействия облачных и туманных узлов в системах Интернета вещей и возможность их адаптации под различные сценарии эксплуатации.

Результаты. Разработаны модели и эффективные методы для оптимизации распределенных вычислений в системах Интернета вещей, использующих облачные и туманные технологии. Получены данные о производительности облачных и туманных вычислений в различных сценариях. Выполнена оценка таких ключевых параметров, как задержка передачи данных, пропускная способность сети и эффективное распределение вычислительных ресурсов между узлами. Доказано, что оптимизация распределения задач и адаптация сети с учетом её характеристик могут значительно уменьшить задержки и увеличить энергоэффективность системы. Выявлено, что интеграция облачных и туманных вычислений позволяет улучшить качество обслуживания в условиях изменяющихся нагрузок.

Практическая значимость. Представленные модели могут быть использованы при проектировании и настройке реальных систем Интернета вещей для обеспечения более высокой производительности.

Глушак Е.В. Разработка и исследование имитационных моделей облачных и туманных вычислений в программе Fogtorch // Радиотехника. 2025. Т. 89. № 8. С. 96-104. DOI: https://doi.org/10.18127/j00338486-202508-12

1. Глушак Е.В., Федин А.В. Облачные, туманные и граничные вычисления: отличия и перспективы развития // Материалы XХVI Междунар. науч.-технич. конф. «Проблемы техники и технологии телекоммуникаций». Самара. 2024. С. 378–379.
2. Черепенин В.А., Воробьев С.П. Интеграция и оптимизация систем облачных, туманных и граничных вычислений: моделирование, задержки и алгоритмы // Известия вузов Северо­Кавказкого региона. Сер. Технические науки. 2024. № 3. С. 19–25.
3. Ежова Д.А., Зоров Д.В. Моделирование туманных вычислений с iFogSim // Молодой ученый. 2022. № 24(419). С. 51–53.
4. Дараселия А.В. Модели и анализ показателей эффективности механизмов выгрузки трафика в гетерогенных беспроводных сетях: Автореф. дисс. … канд. ф.-м. наук. М. 2022. 106 с.
5. Fletcher M., Paulz E., Ridge D., Michaels A.J. Low-latency wireless network extension for Industrial Internet of Things // Sensors 2024. № 24. Р. 2113.
6. Волков А.Н. Разработка и исследование комплекса моделей и методов построения сетей связи на основе туманных вычислений и предоставления услуг телеприсутствия: Автореф. дисс. … канд. ф.-м. наук. СПб. 2024. 54 с.
7. Bisht A., Khaitan V., Gupta Nee. Reliability analysis of 5G-VANET using cloud-fog-edge based architecture // RAIRO. Operations Research. 2024. V. 58. № 1. P. 129-149.
8. Sabireen H., Neelanarayanan V. A review on fog computing: architecture, fog with IoT, algorithms and research challenges // Ict. Express. 2021. V. 7. № 2. Р. 162–176.
9. Бакай Ю.О., Карташевский И.В. Исследование систем моделирования для туманных вычислений: особенности, преимущества и недостатки // Международный журнал информационных технологий и энергоэффективности. 2024. Т. 9. № 4(42). С. 37–43.
10. Zietsch Ja, Kulaga R., Held H., et al. Multi-layer edge resource placement optimization for factories // Journal of Intelligent Manufacturing. 2024. V. 35. № 2. P. 825-840.
11. Stavrinides G.L., Karatza H.D. Leveraging blockchain and AI for IoT, mist, fog and cloud computing: a performance modeling and simulation perspective // Simulation Modelling Practice and Theory. 2022. V. 121. P. 102661.
12. Глушак Е.В., Клюев Д.С. Исследование характеристик сети 5G с помощью моделирования в программе AnyLogic // Радиотехника. 2024. Т. 88. № 1. С. 121-129. DOI: https://doi.org/10.18127/j00338486-202401-11.