Distributed market-based resource management of edge computing systems

Κατσαραγάκης, Εμμανουήλ; Katsaragakis, Emmanouil

dc.contributor.author	Κατσαραγάκης, Εμμανουήλ	el
dc.contributor.author	Katsaragakis, Emmanouil	en
dc.date.accessioned	2018-12-13T11:17:17Z
dc.date.available	2018-12-13T11:17:17Z
dc.date.issued	2018-12-13
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/48237
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15326
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Edge computing	en
dc.subject	Resource management	en
dc.subject	Internet of Things	en
dc.subject	Economic theory	en
dc.subject	Real-time processing	en
dc.subject	Cloud	en
dc.subject	Διαχείριση πόρων	el
dc.subject	Οικονομική θεωρία	el
dc.subject	Πραγματικός χρόνος επεξεργασίας	el
dc.title	Distributed market-based resource management of edge computing systems	en
heal.type	bachelorThesis
heal.classification	Computer systems	en
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh98003200
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-10-03
heal.abstract	The rapid growth of IoT has exploded the number of devices connected to the Internet, a number which keeps increasing in high pace. This has led to an enormous amount of collected data and information, traditionally offloaded to cloud computing infrastructure. However, cloud servers and datacenters are geographically centralized, situated far from the end devices and as a consequence, real-time and latency-sensitive computation services often endure large round-trip delay, network congestion and service quality degradation. Moreover, in data-sensitive domains such as Healthcare, privacy and confidentiality concerns have been raised owned to the storage of data to third-party infrastructure. These reasons (lower latency and higher privacy) have driven the Edge computing paradigm, where the required computation is pushed to the Edge of the IoT network in order to alleviate the dependency on cloud infrastructure and enhance the privacy of identifiable personal data. The presented work regards the well-established Edge computing architecture of IoT nodes and Gateways, where a portion of the tasks of the IoT nodes are/can be offloaded to the IoT Gateway. In this setup, resources including available CPU, memory and communication bandwidth on both IoT nodes and Gateways are limited and a portion of them is shared. Thus, an efficient resource management mechanism is required to dynamically allocate the shared Gateway resources and to designate the operating configuration of IoT nodes. In this diploma thesis, DMRM is presented: a fully distributed market-based resource management system on IoT architectures. The basic idea of the algorithm is based on fundamental economic and pricing models. More specifically, Supply and Demand model, Consumer Perceived Value Pricing and Smart Data Pricing are applied in this study. In the beginning, there exists an introduction on IoT, Cloud, Fog and Edge Computing and the connection between computer science and economic theory. Afterwards, there is related work and similar research presented and basic economic models are analyzed and compared among them. Additionally, there is presented a brute-force, an Oracle prediction and a Simulated Annealing solution to the resource management problem. Next, there is an extended analysis of DMRM and its mechanisms and, after that, it is being studied, evaluated and compared with other solutions. The algorithm is applies on Raspberry pi 3 Model B, Intel Galileo 1 and Tegra X1. Finally, the conclusions of this diploma thesis are summarized and ideas for future research are proposed.	en
heal.abstract	Η ραγδαία ανάπτυξη του Internet of Things(IoT) έχει επιφέρει σημαντική αύξηση των συσκευών που είναι συνδεδεμένες στο διαδίκτυο. Ο αριθμός αυτός εξακολουθεί να αυξάνεται με ταχύτατους ρυθμούς. Συνέπεια αυτού είναι η παραγωγή τεράστιου όγκου πληροφορίων, ο οποίες, παραδοσιακά, μεταφέρονται και επεξεργάζονται στο Cloud. Ωστόσο, οι υποδομές του Cloud είναι γεωγραφικά κεντρικοποιημένες και απομακρυσμένες από τους χρήστες. Έτσι, εφαρμογές που απαιτούν επεξεργασία σε πραγματικό χρόνο, με χαμηλό latency αδυνατούν να εκτελεστούν επιτυχώς, λόγω μεγάλου χρόνου μεταφοράς των δεδομένων, συμφόρησης του δικτύου και υποβάθμισης της ποιότητας. Επιπλέον, σε εφαρμογές που απαιτείται ιδιωτικότητα των δεδομένων, αυτή δε μπορεί να διασφαλιστεί απόλυτα σε απομακρυσμένες υποδομές. Αυτοί οι λόγοι οδήγησαν στη δημιουργία του Edge Computing, όπου οι απαιτούμενοι υπολογισμοί γίνονται κοντά στις ΙοΤ συσκευές. Έτσι οι χρήστες ανεξαρτητοποιούνται από τις υποδομές του Cloud και, ταυτόχρονα, ενισχύεται η προστασία των προσωπικών τους δεδομένων. Η παρούσα διπλωματική παρουσιάζει μία αρχιτεκτονική συσκευών ΙοΤ και Gateways, στην οποία οι εφαρμογές των συσκευών μπορούν να σταλούν προς εκτέλεση στο Gateway. Οι πόροι των συσκευών είναι περιορισμένοι, ενω οι πόροι του Gateway είναι διαμοιραζόμενοι και μπορούν να χρησιμοποιηθούν από όλες τις συσκευές. Επομένως, απαιτείται ένας αποδοτικός μηχανισμός διαχείρισης πόρων, προκειμένου να διαμοιραζόνται αποδοτικά οι πόροι του Gateway και να εκπληρώνονται με επιτυχία οι λειτουργικές απαιτήσεις των ΙοΤ συσκευών. Στα πλαίσια της έρευνας αυτής δημιουργήθηκε το DMRM: ένα πλήρως κατανεμημένο σύστημα διαχείρισης πόρων σε ένα δίκτυο συσκευών IoT. Η κεντρική ιδέα του αλγορίθμου είναι βασισμένη σε θεμελιώδη μοντέλα της οικονομικής θεωρίας. Πιο συγκεκριμένα, βασίζεται στο μοντέλο προσφοράς και ζήτησης(supply and demand model), στο consumer perceived value pricing και στο smart data pricing(SDP). Αρχικά, γίνεται μία εισαγωγή στο IoT, στο Cloud, στο Fog και στο }Edge Computing, ενώ αναλύεται και η συσχέτιση της επιστήμης των υπολογιστών με την οικονομική θεωρία. Στη συνέχεια παρουσιάζεται σχετική δουλειά από άλλες μελέτες, προσεγγίσεις αντίστοιχων προβλημάτων με οικονομικά μοντέλα, ενώ γίνεται ανάλυση και σύγκριση των διαφόρων οικονομικών μοντέλων. Έπειτα, αναλυέται η λύση του προβλήματος διαχείρισης πόρων με εφαρμογή της εξαντλητικής μεθόδου, την εφαρμογή μεθόδου Oracle και με εφαρμογή της μεθόδου Simulated Annealing. Γίνεται εκτενής ανάλυση του DMRM όλων των μηχανισμών του αλγορίθμου που υλοποιήθηκε και στη συνέχεια παρουσιάζεται μια μελέτη και αξιολόγηση του αλγορίθμου αυτού, καθώς και σύγκρισή του με άλλες λύσεις. Ο αλγόριθμός αυτός εφαρμόζεται σε πλατφόρμες Raspberry pi 3 Model B, Intel Galileo 1, Tegra X1. Τέλος, συνοψίζονται τα αποτελέσματα και γίνονται προτάσεις για μελλοντική έρευνα.	el
heal.advisorName	Σούντρης, Δημήτριος	el
heal.committeeMemberName	Σούντρης, Δημήτριος	el
heal.committeeMemberName	Πεκμεστζή, Κιαμάλ	el
heal.committeeMemberName	Σιώζιος, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών. Εργαστήριο Μικροϋπολογιστών και Ψηφιακών Συστημάτων VLSI	el
heal.academicPublisherID	ntua
heal.numberOfPages	81 σ.
heal.fullTextAvailability	true