Sisirlenmiş IoT uygulamalarında enerji ve tamamlanma süresi açısından optimize edilmiş görev eşleştirme: hibrit bir yaklaşım

Neden daha akıllı bulutlar günlük cihazlar için önemli

Fitness takipçileri ve akıllı termostatlardan bağlı arabalara ve hastane izleme cihazlarına kadar milyarlarca cihaz artık sürekli olarak veriyi internet üzerinde bir yerde işlenmek üzere gönderiyor. Bu “bir yerde” uzak bir bulut veri merkezi olduğunda, mesafe gecikmelere ve enerji israfına yol açabiliyor. Bu makale, bağlı cihazların hızlı yanıt alırken tüm sistemin daha az güç kullanmasını sağlamak için bu dijital işleri nerede yapmaya karar vermenin yeni bir yolunu araştırıyor.

Bulutu gerçek dünyaya yaklaştırmak

Günümüzün nesnelerin interneti (IoT) sıklıkla bilgiyi depolamak ve analiz etmek için büyük bulut veri merkezlerine dayanıyor. Bu birçok iş için iyi çalışsa da otonom sürüş, çevrimiçi oyun veya uzaktan sağlık izlemesi gibi milisaniye düzeyinde yanıt gerektiren etkinlikler için uygun değil; küçük gecikmeler bile zararlı veya can sıkıcı olabiliyor. Bunu aşmak için mühendisler giderek verinin oluştuğu yere daha yakın küçük sunucular yerleştiren "fog bilişim" kullanıyor. Yazarlar üç katmanlı bir düzeni inceliyor: en altta günlük cihazlar, ortada yakın fog düğümleri ve üstte güçlü bulut sunucuları. Çoğu görevin ideal olarak fog katmanında işlenmesi, yalnızca en ağır işlerin buluta gönderilmesi hedefleniyor.

Sahne arkasındaki zamanlama zorluğu

Hangi sunucunun hangi görevi ele alacağına karar vermek şaşırtıcı derecede karmaşık. Her gelen görevin bir boyutu ve geliş zamanı olurken, her sanal makinenin işlem hızı, bellek ve ağ bant genişliği sınırları var. Görevler kötü yerleştirilirse bazı makineler boşta beklerken diğerleri aşırı yüklenir; bu da uzun bekleme sürelerine ve israf edilen elektriğe yol açar. Makale aynı anda üç hedefe odaklanıyor: tüm görevleri mümkün olduğunca çabuk bitirmek (kısa makespan), mümkün olduğunca az enerji tüketmek ve işi eşit yayarak tek bir makinenin aşırı yoğunlaşmasını önlemek. Yazarlar yalnızca tek bir hedefi optimize etmek yerine, dikkatlice dengelenmesi gereken birbiriyle yarışan bir hedefler seti olarak ele alıyorlar.

Yük paylaşımı için sürü esinli bir yöntem

Bu dengeleme işini çözmek için araştırmacılar kuşların sürü oluşturması veya balıkların okul yapmasından esinlenen bir teknik olan parçacık sürü optimizasyonu (PSO) üzerine inşa ediyor. PSO’da birçok aday çözüm—burada görevleri makineler arasında atamanın farklı yolları—olasılık uzayında "uçuyor", kendi başlarına ve komşuları için şimdiye kadar en iyi işe yarayanlara göre konumlarını ayarlıyorlar. Yazarlar EMAPSO (Enerji ve Makespan Farkındalıklı PSO) adını verdikleri geliştirilmiş bir versiyon öneriyor. Bu yöntem, en kısa tamamlanma sürelerine sahip makineleri tercih eden akıllı bir başlangıç tahmininden başlıyor, sonra enerji kullanımı ile toplam tamamlama süresini harmanlayan bir uygunluk skoru kullanarak görev atamalarını sürekli güncelliyor. EMAPSO ayrıca her makinenin ne kadar meşgul olduğunu izliyor ve zaten yoğun yüklü olan sunuculara yeni işler göndermekten kaçınıyor.

Yeni yöntemin uygulamadaki davranışı

Ekip EMAPSO’yu bir simüle edilmiş fog–bulut ortamında test etti ve standart PSO ve kuş ile arı temelli diğer sürü esinli algoritmalar da dahil olmak üzere birkaç mevcut yaklaşımla karşılaştırdı. Farklı gerçek dünya koşullarını taklit etmek için hem görev sayısını hem de sanal makine sayısını değiştirdiler. Tüm testlerde EMAPSO aynı işi tutarlı şekilde daha hızlı ve daha az enerjiyle tamamladı. Bir deney setinde enerji kullanımını yaklaşık %35 oranında azalttı ve iş tamamlama sürelerini rekabetçi veya daha iyi düzeyde tutmayı başardı. İstatistiksel testler, hız ve enerji alanındaki bu kazanımların tesadüfi olmadığını gösterdi: tekrar edilen koşu sonuçlarında hem hız hem de enerji açısından önemli iyileşmeler saptandı.

Günlük teknoloji için ne anlama geliyor

Uzman olmayanlar için ana mesaj, ağ içindeki daha akıllı zamanlamanın bağlı cihazların daha duyarlı hissetmesini sağlayabileceği ve aynı zamanda enerji faturalarını düşürüp veri merkezlerine binen baskıyı hafifletebileceğidir. EMAPSO, hız ile güç tüketimi arasında esnek bir takas sunuyor—sistem operatörleri yoğun saatlerde hızlı yanıtları, trafik düşükken ise enerji tasarrufunu önceliklendirecek şekilde algoritmayı ayarlayabilir. Çalışma simülasyonlara dayansa da, gelecekteki fog–bulut sistemlerinin milyonlarca küçük dijital görevi otomatik olarak dengeleyerek arabanızın, telefonunuzun veya medikal sensörünüzün gerçek zamanlı tepki vermesini sağlarken arkada enerji israfını önleyebileceğine işaret ediyor.

Atıf: Tripathy, N., Sahoo, S., Alghamdi, N.S. et al. Energy and makespan optimised task mapping in fog enabled IoT application: a hybrid approach. Sci Rep 16, 5210 (2026). https://doi.org/10.1038/s41598-026-35065-9

Anahtar kelimeler: fog bilişim, nesnelerin interneti, görev zamanlama, enerji verimliliği, parçacık sürü optimizasyonu