نهج جديد لجدولة المهام الديناميكية لإنترنت الأشياء في بيئة الضباب-السحابة

لماذا تحتاج أجهزتك الذكية إلى مساعدين أذكى

من متتبعات اللياقة وكاميرات المنازل إلى السيارات ذاتية القيادة وروبوتات المصانع، تبث الأجهزة الحديثة بيانات باستمرار يجب معالجتها خلال أجزاء من الثانية. إرسال كل شيء إلى مراكز بيانات سحابية بعيدة غالباً ما يكون بطيئاً ومهدراً للموارد. تعرض هذه الورقة طريقة جديدة لتقرير، لحظة بلحظة، أين ينبغي أن تنفذ كل تلك المهام الرقمية الصغيرة بحيث تبقى الأنظمة سريعة وموفرة للطاقة وميسورة التكلفة — حتى عندما تتنافس آلاف الأجهزة على الانتباه.

من السحابة إلى الضباب القريب

تعمل الحوسبة السحابية التقليدية جيداً لتخزين الصور أو تشغيل تحليلات البيانات الكبيرة، لكنها تواجه صعوبة في السيناريوهات الحاسمة زمنياً أو المرتبطة بالحياة، مثل الجراحة عن بُعد، إشارات المرور الذكية، أو الطائرات المسيرة المستقلة. التأخير الناتج عن إرسال البيانات عبر الإنترنت والانتظار في الطوابير قد يكون غير مقبول. لحل هذا، قدم المهندسون طبقة وسيطة إضافية تُسمى «الحوسبة الضبابية»: خوادم وبوابات صغيرة موضوعة أقرب إلى مكان توليد البيانات. في إعداد من ثلاث طبقات — الأجهزة، الضباب، والسحابة — ينبغي أن تظل المهام الخفيفة والعاجلة بالقرب من الحافة، بينما يمكن نقل الأعمال الأثقل والأقل حساسية للزمن إلى السحابة. المشكلة أن هذه الطبقات تضم خليطاً من آلات بسرعات وحجوم ذاكرة وروابط شبكية واستهلاك طاقة وأسعار مختلفة، وكلها تتغير مع الزمن. يصبح اتخاذ قرار فعال بشأن من يفعل ماذا ومتى لغزاً معقداً.

مراقب حركة للمهام الرقمية

يقترح المؤلفون مراقب حركة جديد لهذا اللغز، أطلقوا عليه اسم مجدول ديناميكي متحيز مستوحى من الكم (QBDS). اعتبر كل رسالة من مستشعر أو تطبيق مهمة يجب تعيينها إلى عقدة ضبابية أو سحابية. يقوم QBDS أولاً بترتيب كل المهام المنتظرة حسب مدى استعجالها ومتطلباتها — آخذًا في الاعتبار مواعيدها النهائية، ومدة تشغيلها المتوقعة، وكمية الذاكرة المطلوبة، وكمية البيانات التي يجب نقلها. هذا يمنع المهام الصغيرة والعاجلة من أن تُدفن تحت المهام الكبيرة الأقل أهمية. لكل تطابق محتمل بين مهمة وآلة، يقدر QBDS بعد ذلك المدة التي ستستغرقها المهمة، وكمية الطاقة التي ستستهلكها الآلة، ومقدار الرسوم أو الغرامات التي سيدفعها المشغل في حال تخطي المواعيد. تُجمع كل هذه العناصر في درجة مرنة يمكن لمشغلي النظام تعديلها اعتماداً على ما إذا كانوا يهتمون أكثر بالسرعة أو التكلفة أو توفير الطاقة.

اقتراض حيلة من الأمواج، لا من أجهزة الكم

ما يميز QBDS هو لمسة «مستوحاة من الكم» دقيقة. بدلاً من استخدام حواسب كمومية حقيقية، يستعير الأسلوب فكرة السلوك الشبيه بالموجة لتحسين بحثه عن توافقات جيدة بين المهام والآلات. لكل تطابق، يبني المجدول عدة مقاييس بسيطة: مدى تطابق حجم المهمة مع معالجة الآلة وذاكرتها، مدى ملاءمة رابط الشبكة، رخص الآلة، ومدى قصر تأخير الاتصال. تُحوَّل هذه المقاييس باستخدام موجات جيبية ناعمة ثم تُخلط بأوزان عشوائية. يؤدي الانحياز الناتج إلى ثني درجة التكلفة الشاملة قليلاً بحيث يتم دفع المجدول بعيداً عن الآلات المكتظة ومتجهاً نحو الآلات القادرة ولكن قليلة الاستخدام. والأهم أن هذا التعديل محدود بعناية فلا يطغى أبداً على الأهداف الأساسية لإتمام المهام في الوقت المحدد وضمن الميزانية. يظل النهج كلاسيكياً تماماً — إنه يعيد تشكيل «منظر التكلفة» بطريقة موجية محكومة لتجنب الوقوع في خيارات متوسطة.

اختبار المجدول الجديد

لاختبار فاعلية الفكرة عملياً، أجرى الباحثون تجارب حاسوبية واسعة تحاكي وصول آلاف إلى عشرات الآلاف من المهام إلى أنظمة ضباب-سحابة مختلطة. قارنوا أولاً QBDS بنسخة منه تفتقر إلى الانحياز المستوحى من الكم. مع تفعيل الانحياز، أنهى النظام كل المهام أسرع بحوالي ربع الوقت، واحتاج إلى قرابة خمس أقل من الطاقة، وأنفق أقل إجمالاً، ووزع العمل بشكل أكثر توازناً عبر الآلات. بعد ذلك، واجهوا QBDS مع مجموعة من أساليب التحسين المتقدمة، بما في ذلك الاستراتيجيات المستوحاة من السلالات، مجدولات قائمة على التعلم الآلي، وقواعد كلاسيكية مثل «من يأتي أولاً يُخدم أولاً» أو «أقصر مهمة أولاً». عبر إعدادات صغيرة وكبيرة، قدم QBDS باستمرار أوقات إكمال أقصر، ومعدل إنجاز أعلى، وعدد أقل من المواعيد الفائتة، وتوازن أفضل للحمل — غالباً بينما يعمل أسرع بكثير من طرق البحث القائمة على التجمعات التي تتطلب تكرارات عديدة.

ماذا يعني هذا لتكنولوجيا الحياة اليومية

بالنسبة لغير المتخصص، الرسالة الأساسية هي أن الجدولة الأذكى والأكثر مرونة يمكن أن تجعل الأنظمة المتصلة أسرع وأكثر كفاءة بيئياً. من خلال ترتيب المهام بذكاء وإضافة دفعة لطيفة مستوحاة من الأمواج نحو الآلات قليلة الاستخدام، يحافظ QBDS على البيانات أقرب إلى حيث تُحتاج، ويقلص الطاقة المهدرة، ويقلل خطر التأخيرات الخطيرة. وبينما تم إثبات الفكرة حتى الآن في محاكيات بدلاً من أجهزة حقيقية، فإنها تشي بمنصات ضباب-سحابة مستقبلية قادرة على التعامل مع آلاف المهام الزمن‑حقيقية — من المراقبة الطبية إلى المدن الذكية — دون الحاجة إلى حواسب كمومية غريبة أو طاقة حاسوبية إضافية هائلة.

الاستشهاد: Mindil, A., Hamed, A.Y., Hassan, M.R. et al. A novel approach for dynamic task scheduling for IOT in fog-cloud environment. Sci Rep 16, 5501 (2026). https://doi.org/10.1038/s41598-026-35156-7

الكلمات المفتاحية: الحوسبة الضبابية, جدولة مهام إنترنت الأشياء, الحافة والسحابة, حوسبة فعالة من حيث الطاقة, الأنظمة الزمن الحقيقي