چکیده
مقدمه
ارکستراسیون خدمات در رایانش مه
نظارت بر رایانش مه
طبقه بندی ویژگی های نظارت در یک سناریوی ارکستراسیون مه
تجزیه و تحلیل ابزارهای پایش مه بر اساس طبقه بندی پیشنهادی
مطالعات مرتبط
چالش های باز
نتیجه گیری
منابع
Abstract
Introduction
Service orchestration in fog computing
Monitoring fog computing
Taxonomy of monitoring characteristics in a fog orchestration scenario
Analysis of fog monitoring tools based on proposed taxonomy
Related work
Open challenges
Conclusions
References
چکیده
محاسبات مه یک پارادایم توزیع شده است که منابع محاسباتی را در مجاورت کاربران فراهم می کند. ارکستراسیون مه مجموعه ای از عملکردها است که زیرساخت های پویا را هماهنگ می کند و خدمات را برای تضمین توافق نامه های سطح خدمات مدیریت می کند. مانیتورینگ یک عملکرد ارکستراسیون از اهمیت اولیه است. این مبنایی برای اقدامات مدیریت منابع، جمع آوری وضعیت منابع و خدمات و ارائه داده های به روز شده به ارکستراتور است. چندین راه حل و ابزار نظارت بر ابر وجود دارد، اما هیچ یک از آنها با ویژگی ها و چالش های مه مطابقت ندارند. راهحلهای نظارت بر مه کمیاب هستند و ممکن است برای نوشتن یک سرویس ارکستراسیون آماده نباشند. این مقاله پایگاه دانش در مورد پایش مه را به روز می کند، موضوعات اخیر را در این زمینه ارزیابی می کند، مانند قابلیت مشاهده، استانداردسازی داده ها و حوزه های ابزار دقیق. ما یک طبقهبندی جدید از راهحلهای نظارت بر مه را پیشنهاد میکنیم که با بررسی سیستماتیک ادبیات پشتیبانی میشود. پیشنهادات نظارت بر مه توسط این طبقهبندی جدید تجزیه و تحلیل و دستهبندی میشوند و یک نمای کلی به محققان ارائه میدهند. این کار همچنین چالش های اصلی و سؤالات تحقیق باز را برجسته می کند.
توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.
Abstract
Fog computing is a distributed paradigm that provides computational resources in the users’ vicinity. Fog orchestration is a set of functionalities that coordinate the dynamic infrastructure and manage the services to guarantee the Service Level Agreements. Monitoring is an orchestration functionality of prime importance. It is the basis for resource management actions, collecting status of resource and service and delivering updated data to the orchestrator. There are several cloud monitoring solutions and tools, but none of them comply with fog characteristics and challenges. Fog monitoring solutions are scarce, and they may not be prepared to compose an orchestration service. This paper updates the knowledge base about fog monitoring, assessing recent subjects in this context like observability, data standardization and instrumentation domains. We propose a novel taxonomy of fog monitoring solutions, supported by a systematic review of the literature. Fog monitoring proposals are analyzed and categorized by this new taxonomy, offering researchers a comprehensive overview. This work also highlights the main challenges and open research questions.
Introduction
Fog computing is a computational paradigm that complements cloud computing, providing computational resources on the network edge, closer to the users. As a distributed infrastructure, fog computing must deal with heterogeneity of network links and processing capacity of its composing nodes [1]. These characteristics bring complexity to fog management, and it is addressed by the orchestration of services and resources. Orchestration is a management function, composed of several complementary functionalities. It is responsible for dealing with infrastructure dynamicity, for taking timely actions and for assuring that Service Level Agreements (SLAs) are respected [2]. There are several proposals of fog service orchestration in the literature, although most of them, only conceptual.
Conclusions
Fog computing extends cloud computing to the edge of the network, properly dealing with low-latency and real-time use cases. To provide services to the end-users and guarantee that SLA and QoE are respected, fog service orchestration coordinates the environment. Orchestration is a composition of several complementary functionalities, including Monitoring, that is specifically accountable for collecting updated status about resources and services, and for delivering them timely to support decision-making.