Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

01.01.2022 | Ausgabe 1/2022

Journal of Network and Systems Management 1/2022

Energy-Efficient Delay-Aware Task Offloading in Fog-Cloud Computing System for IoT Sensor Applications

Zeitschrift:
Journal of Network and Systems Management > Ausgabe 1/2022
Autoren:
Parvinder Singh, Rajeshwar Singh
Wichtige Hinweise

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Internet of Things (IoT) system comprises of many interrelated computing devices and smart sensors with limited battery, processing, and storage capabilities. Due to its nature and area of operation, IoT systems always work in a constrained environment, with battery depletion, hardware malfunction and harsh wireless channel conditions. For application processing, Cloud computing provided an absolute solution, but its viability is limited by the exorbitant costs and high transmission delays associated with it. In such a scenario, Fog computing is fast emerging as an attractive solution. It focuses on shifting the data processing activities to the edge of the network. However, fog computing has its own share of challenges that needs to be overcome for efficient and effective designs. The computational resources of fog server are so scarce that it cannot respond quickly to the high computational requirements that can cause an unacceptable queuing delay among the IoT applications. Hence, the optimal solution lies in the convergence of the two technologies. In this paper, the energy efficient and delay-aware task allocation problem in an IoT-fog-cloud system is investigated. We formulate a delay-based task allocation problem which suggests the optimal task allocation among local IoT devices, edge server and the cloud toward the minimum energy consumption and end to end delay. The problem is then solved using Energy-efficient task offloading strategy (EETOS) based on Levy-flight moth flame optimization (LMFO) algorithm. The EETOS reduces energy consumption by 22%, 25% and 29% in comparison to the Online Job Dispatching (OJD), Multi-tier Fog Computing (MFC) and Computation Offloading Game (COG) algorithms, respectively.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 1/2022

Journal of Network and Systems Management 1/2022 Zur Ausgabe

Premium Partner