91Ž«ĂœÔÚÏß

"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Publicerad: 2018-09-25

Effektiv datahantering i decentraliserade molninfrastrukturer

NYHET Med framtida självkörande bilar, smart videoövervakning och automatiserade fabriker växer datatrafikshanteringen lavinartat. Amardeep Mehta har i sin avhandling tagit fram metoder för att allokera resurser optimalt till nästa generations applikationer i distribuerade så kallade Mobile Edge Clouds. Det är en infrastruktur med stora centraliserade datacenter kombinerat med utspridd beräkningskapacitet sammankopplade med 5G-nätverk.

Den snabba utvecklingen av högpresterande och kostnadseffektiva uppkopplade enheter och utvecklingen av 5G-nÀtverk har gett en tidigare aldrig skÄdat tillvÀxt i datatrafik som krÀver en effektiv datahantering. Till exempel har tillverkare som Toyota och Hitachi förutspÄtt att mÀngden data genererat av sjÀlvkörande bilar kommer att vara flera petabyte om dagen. PÄ motsvarande sÀtt kommer smarta fabriker (sÄ kallad industri 4.0) att revolutionera tillverkningsindustrin.

Dessa nya typer av autonoma applikationer kommer att krÀva mycket hög bandbredd, lÄg latens och minimalt med jitter (variation i prestanda). Dagens centraliserade och avlÀgset belÀgna datacenter klarar inte av att leverera den prestanda dessa applikationer krÀver.

Ett sÀtt att hantera dessa utmaningar Àr att flytta berÀkningskapacitet frÄn datacentren nÀrmare slutanvÀndarna, vilket ger bÀttre prestanda och robusthet för applikationer och Àven kan sÀnka kostnaderna. Detta paradigm, med berÀkningskapacitet utplacerad mellan datacentren och applikationerna, brukar kallas Mobile Edge Clouds (MECs). En telekom-operatör av en MEC-infrastruktur kan genom att allokera hÄrdvaruresurser i MEC-infrastrukturen till applikationer pÄ ett optimalt sÀtt bÄde förbÀttra tillgÀngligheten och prestandan hos applikationerna och sÀnka sina driftkostnader.

Det finns dock flera utmaningar att överbrygga. Den första Àr att avgöra hur mycket berÀkningskapacitet som behöver installeras,och var i nÀtet denna bör placeras för kostnads- och prestandaoptimal drift av hela MEC-infrastrukturen. Den andra, relaterade, utmaningen Àr hur mycket kapacitet som ska allokeras till varje applikation, och var i nÀtet detta ska ske för att fÄ bÀsta möjliga prestanda till lÀgsta möjliga kostnad. Den tredje utmaningen Àr hur ett ramverk bör designas för att förenkla utveckling av nya applikationer som kan köras var som helst i MEC-infrastrukturen, allt frÄn de centrala datacentren Ànda ut till de mobila enheterna.

I sitt avhandlingsarbete definierar Amardeep Mehta modeller och algoritmer sÄvÀl som simuleringsverktyg och programvaruramverk för att hantera utmaningarna med resursallokering i en heterogen MEC-miljö bestÄende av mobila enheter, utspridda berÀkningsnoder och centraliserade datacenter.

– Med de metoder jag tagit fram kan en telekom-operatör optimera installationen av en MEC-infrastruktur och spara upp till 67 procent av driftkostnaderna för bandbreddskrĂ€vande applikationer, sĂ€ger Amardeep Mehta.

Forskningen har utförts vid institutionen för datavetenskap vid UmeÄ Universitet i samarbete med forskare vid Lunds Universitet och Ericsson Research.

Amardeep Mehta föddes och vÀxte upp i Indien. Hon har en ingenjörsexamen i informationsteknologi frÄn Panjab University, Chandigarh i Indien, och en masterexamen i datavetenskap frÄn Uppsala universitet.





Om disputationen:

PÄ mÄndag den 1 oktober försvarar Amardeep Mehta, Institutionen för datavetenskap vid UmeÄ Universitet sin avhandling med titeln: Resource Allocation for Mobile Edge Clouds.

Disputationen Àger rum klockan 13:30 i sal MA121 I MIT-huset.

Fakultetsopponent Àr: Dr. Valeria Cardellini, Associate Professor, Department of Civil Engineering and Computer Science Engineering, University of Rome Tor Vergata, Italy.