LE-Stream: A Latency and Energy-Aware Framework for Data Stream Processing in the Internet of Things
Autores
|
7065 |
3098,51,3124
|
|
|
7066 |
3098,51,3124
|
|
|
7067 |
3098,51,3124
|
Informações:
Publicações do PESC
O processamento de dados em IoT é um desafio devido à sua natureza dinâmica e heterogênea e à enorme quantidade de dados envolvidos. Dados gerados por sensor sofrem de problemas de incerteza e inconsistência, que podem afetar sua precisão. Vários aplicativos IoT são sensíveis à latência, exigindo processamento de dados rápido. Por fim, como os dispositivos IoT costumam ser alimentados por bateria, as tarefas de processamento devem ser executadas de maneira eficiente em termos de energia. Portanto, os desafios no processamento de fluxo de dados englobam três dimensões: precisão, latência e energia. Esta dissertação de mestrado propõe o LE-Stream, um framework para apoiar o processamento de fluxo de dados para sistemas IoT que aborda estas três dimensões em conjunto. O paradigma de computação de borda é utilizado para aproximar o processamento de dados das fontes de dados, minimizando a latência. Uma nova amostragem adaptativa colaborativa combinada com um modelo de previsão de dados em duas etapas reduz o consumo de energia dos dispositivos sensores sem comprometer a precisão dos dados de saída. Um esquema de seleção de nós ativos melhora a distribuição da carga de trabalho entre os dispositivos, abordando também a dimensão da energia, promovendo uma degradação harmoniosa dos seus recursos computacionais.
Data processing in IoT is challenging due to its dynamic and heterogeneous nature, and the massive amount of generated data. Sensor data suffers from uncertainty and inconsistency issues, that can affect its accuracy. Several IoT applications are time sensitive, requiring fast data processing. Finally, as IoT devices are often battery powered, processing tasks must be performed in an energy-efficient way. Therefore, there are challenges in data stream processing concerning three dimensions: accuracy, latency and energy. We propose LE-STREAM, a framework to support the data stream processing for IoT systems which jointly addresses these dimensions. It leverages edge computing to bring the data processing closer to the data sources, thus minimizing latency. A novel collaborative adaptive sampling combined with a two-step data prediction model reduce the energy consumption of devices without compromising data accuracy. An active node selection schema improves the workload distribution among devices, also tackling the energy dimension by promoting a graceful degradation of devices resources.