Sis‑bulut ortamında IoT için dinamik görev zamanlamasına yönelik yeni bir yaklaşım

Akıllı cihazlarınızın daha akıllı yardımcılarına neden ihtiyacı var

Fitness takipçilerden ev kameralarına, otonom arabalardan fabrika robotlarına kadar modern cihazlar kesintisiz olarak, saniyenin kesirleri içinde işlenmesi gereken veri akışı üretir. Her şeyi uzak bulut veri merkezlerine göndermek çoğu zaman çok yavaş ve israflıdır. Bu makale, binlerce cihazın aynı anda işlem talep ettiği durumlarda bile sistemlerin hızlı, enerji‑verimli ve ekonomik kalmasını sağlamak için bu küçük dijital işlerin anlık olarak nerede çalıştırılacağına karar vermenin yeni bir yolunu sunar.

Buluttan yakınındaki sise

Geleneksel bulut bilişim fotoğraf depolama veya büyük veri analizleri için iyi çalışır, ancak uzaktan ameliyat, akıllı trafik ışıkları veya otonom insansız hava araçları gibi hayatî veya saniyenin kesirlerinde karar gerektiren senaryolarda zorlanır. Veriyi internet üzerinden göndermenin ve kuyruklarda beklemenin yol açtığı gecikme kabul edilemez olabilir. Bunu düzeltmek için mühendisler, verinin üretildiği yere daha yakın konuşlandırılan küçük sunucular ve ağ geçitlerinden oluşan “sis” bilişim diye bir ara katman getirdiler. Cihazlar‑sis‑bulut olmak üzere üç katmanlı bir düzende hafif, acil işler uçta kalmalı; daha ağır ve daha az zaman kritik işlerse buluta gönderilebilir. Sorun şu ki, bu katmanlarda hız, bellek, ağ bağlantıları, enerji tüketimi ve maliyet açısından zaman içinde değişen farklı yeteneklere sahip karışık makineler bulunur. Kimin neyi, ne zaman yapacağına verimli şekilde karar vermek zor bir bulmaca haline gelir.

Dijital işler için bir trafik kontrolörü

Yazarlar bu bulmaca için Quantum‑esinlenimli Önyargılı Dinamik Zamanlayıcı (QBDS) adını verdikleri yeni bir trafik kontrolörü öneriyor. Her sensör veya uygulama mesajını, bir sis veya bulut düğümüne atanması gereken bir görev olarak düşünün. QBDS önce bekleyen tüm görevleri aciliyetlerine ve taleplerine göre sıralıyor—son tarihleri, çalışma süreleri, ihtiyaç duydukları bellek miktarı ve taşınması gereken veri hacmini dikkate alarak. Bu, küçük ama acil görevlerin büyük ama daha az kritik işlerin altında kalmasını önler. Her bir görev‑makine eşlemesi için QBDS daha sonra görevin ne kadar sürede tamamlanacağını, makinenin ne kadar enerji tüketeceğini ve işletmecinin kullanım ücretleri veya süre aşımı cezaları olarak ne kadar ödeyeceğini tahmin eder. Tüm bu bileşenler, işletmecinin hız, maliyet veya enerji tasarrufu arasında hangisini daha çok önemsediğine göre ayarlayabileceği esnek bir puana dönüştürülür.

Kuantum donanımı değil, dalga taktiği ödünç alma

QBDS’yi öne çıkaran şey, ince bir “kuantum‑esinlenimli” kıvrımdır. Gerçek kuantum bilgisayarları kullanmak yerine yöntem, iyi görev‑makine eşleşmelerini aramayı geliştirmek için dalga‑benzeri davranış fikrini ödünç alır. Her eşleştirme için zamanlayıcı birkaç basit ölçüt oluşturur: görevin boyutunun bir makinenin işlemcisi ve belleğiyle ne kadar uyumlu olduğu, ağ bağlantısının uygunluğu, makinenin maliyeti ve iletişim gecikmesinin kısa olup olmadığı. Bu ölçütler yumuşak sinüs dalgalarıyla dönüştürülür ve rastgele ağırlıklarla karıştırılır. Ortaya çıkan önyargı genel maliyet puanını hafifçe bükerek zamanlayıcının aşırı yüklü makinelerden kaçınmasını ve yetenekli ama az kullanılan makinelere yönelmesini sağlar. Kritik olarak, bu modülasyon dikkatle sınırlanır, böylece görevleri zamanında ve bütçe içinde tamamlamanın temel hedeflerini asla gölgede bırakmaz. Yaklaşım tamamen klasik kalır—sadece ‘maliyet manzarasını’ kontrollü, dalga‑gibi bir biçimde yeniden şekillendirerek vasat seçimlere takılmaktan kaçınır.

Yeni zamanlayıcıyı teste sokmak

Bu fikrin pratikte işe yarayıp yaramadığını görmek için araştırmacılar binlerce ila on binlerce görevin karışık sis–bulut sistemlerine geldiğini simüle eden kapsamlı bilgisayar deneyleri gerçekleştirdi. Önce QBDS’yi kuantum‑esinlenimli önyargıdan yoksun bir sürümüyle karşılaştırdılar. Önyargı açıkken sistem tüm görevleri yaklaşık dörtte bir daha hızlı tamamladı, neredeyse beşte bir oranında daha az enerji kullandı, toplam maliyet daha düşük oldu ve işler makineler arasında çok daha eşit dağıldı. Ardından QBDS’yi modern meta‑sezgiler, makine öğrenimine dayalı zamanlayıcılar ve “ilk gelen ilk hizmet alır” veya “en kısa iş önce” gibi klasik kurallar dahil olmak üzere çeşitli gelişmiş optimizasyon şemalarıyla karşılaştırdılar. Küçük ve büyük kurulumlarda QBDS sürekli olarak daha kısa tamamlama süreleri, daha iyi verim, daha az kaçırılan teslim süresi ve daha iyi yük dengesi sağladı—çoğu zaman birçok iterasyon gerektiren popülasyon‑temelli arama yöntemlerinden çok daha hızlı çalışırken.

Günlük teknoloji için anlamı

Uzman olmayan bir okuyucu için ana mesaj, daha akıllı ve esnek zamanlamanın bağlı sistemleri hem daha hızlı hem de daha çevreci yapabileceğidir. Görevleri akıllıca sıralayarak ve az kullanılan makineleri nazikçe yönlendiren dalga‑esinli bir itki ekleyerek QBDS veriyi ihtiyaç duyulan yere daha yakın tutar, boşa giden enerjiyi azaltır ve tehlikeli gecikmelerin riskini düşürür. Çalışma şu ana dek canlı donanımda değil simulasyonlarda gösterilmiş olsa da, bu yaklaşım gelecekte tıbbi izlemeden akıllı şehirlere kadar binlerce gerçek zamanlı işi egale eden sis–bulut platformlarına işaret ediyor—bunun için egzotik kuantum bilgisayarlarına veya büyük fazladan hesap gücüne gerek yok.

Atıf: 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

Anahtar kelimeler: sis bilişim, IoT görev zamanlaması, uç ve bulut, enerji verimli bilişim, gerçek zamanlı sistemler