ارائه روش حریصانه بهبود یافته برای افزایش تعداد کاربران سرویس داده شده در شبکه‌های ابر لبه

یکی از مهمترین چالش‌ها در محاسبات لبه، افزایش تعداد کاربران سرویس داده شده است بدون اینکه در پیچیدگی مساله تغییری حاصل شده و تاخیر بیشتری برای سرویس‌دهی به شبکه ابر لبه تحمیل شود. در ابر لبه، ابتدا تلاش می‌شود تا هر کاربر از سرور لبه خود، سرویس مورد نظرش را درخواست  داده و این سرویس در اختیار وی قرار گیرد. در صورت عدم وجود سرویس در ابر لبه، از سرور لبه مجاور بر اساس فاصله، استعلام صورت می‌گیرد تا از  نزدیک‌ترین ابرهای لبه که به صورت بی‌سیم می‌توانند با این ابر ارتباط داشته باشند، سرویس مورد نظر دریافت شود. اگر کاربر همچنان موفق به دریافت سرویس نشود، درخواست وارد پیوند بک‌هال شده و سرویس درخواستی در سایر سرورهای لبه جستجو می شود. در نهایت در صورتی که باز هم درخواست پاسخ داده نشود، سرویس از ابر دریافت می‌شود. استراتژی معرفی شده در مقاله، با توجه پیچیدگی بررسی شده، شرایطی را فراهم می‌کند که تعداد کاربران سرویس داده شده افزایش یابد بدون اینکه پیچیدگی تغییر کند. متوسط بهبود برای کاربران سرویس گرفته به کل کاربران در الگوریتم پیشنهادی نسبت به روش حریصانه 0.4 درصد و نسبت به روش بیشینه جریان 1.1 درصد است. همچنین این الگوریتم نسبت به الگوریتم بیشینه جریان و حریصانه در زمانبندی کاربران به ترتیب 20% و 22% بهبود را نشان می‌دهد.

providing an improved greedy approach for increasing the number of served users in cloud-edge networks

one of the most significant challenges in edge computing is increasing the number of served users without changing the complexity of the problem and imposing further delays on cloud-edge network services. in edge networks, every user initially requests the desired service from their edge server, which edges provide it. if the requested service is not available in the cloud-edge network, the inquiry is made from the adjacent edge server based on the distance. the nearest edge clouds that can connect to it wirelessly provide the desired service. if unsuccessful, requests are forwarded to the backhaul link and other edge servers are searched for the desired service.  finally, if all else fails, the service is obtained from the cloud. due to the complexity examined, the strategy proposed in the paper provides the conditions to increase the number of served users without changing the service delay. the proposed algorithm improves served users by 0.4% and 1.1% over the greedy method and maximum flow method, respectively. furthermore, it demonstrates a 20% and 22% improvement over the maximum flow and greedy methods, respectively, in users’ scheduling.