Published January 1, 2020 | Version v1
Publication Open

A Hybrid Service Selection and Composition Model for Cloud-Edge Computing in the Internet of Things

Creators

  • 1. Duy Tan University
  • 2. Iran University of Medical Sciences
  • 3. Vietnam National University Ho Chi Minh City
  • 4. Ho Chi Minh City University of Technology
  • 5. Sultan Qaboos University
  • 6. Khazar University
  • 7. Islamic Azad University Islamshahr Branch
  • 8. Islamic Azad University, Science and Research Branch

Description

Cloud-edge computing is a hybrid model of computing where resources and services provided via the Internet of Things (IoT) between large-scale and long-term data informs of the cloud layer and small-scale and short-term data as edge layer. The main challenge of the cloud service providers is to select the optimal candidate services that are doing the same work but offer different Quality of Service (QoS) values in IoT applications. Service composition in cloud-edge computing is an NP-hard problem; therefore, many meta-heuristic methods introduced to solve this issue. Also, the correctness of meta-heuristic and machine learning algorithms for evaluating service composition problem should be proven using formal methods to guarantee functional and non-functional specifications. In this paper, a hybrid Artificial Neural Network-based Particle Swarm Optimization (ANN-PSO) Algorithm presented to enhance the QoS factors in cloud-edge computing. To illustrate the correctness and improve the reachability rate of candidate composited services and QoS factors for the proposed hybrid algorithm, we present a formal verification method based on a labeled transition system to check some critical Linear Temporal Logics (LTL) formulas. The experimental results illustrated the high performance of the proposed model in terms of minimum verification time, memory consumption, and guaranteeing critical specifications rules as the Linear Temporal Logic (LTL) formulas. Also, we observed that the proposed model has optimal response time, availability, and price with maximum fitness function value than other service composition algorithms.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

الحوسبة السحابية هي نموذج هجين للحوسبة حيث تقوم الموارد والخدمات المقدمة عبر إنترنت الأشياء (IoT) بين البيانات واسعة النطاق وطويلة الأجل بإبلاغ الطبقة السحابية والبيانات صغيرة النطاق وقصيرة الأجل كطبقة حافة. يتمثل التحدي الرئيسي لمقدمي الخدمات السحابية في اختيار الخدمات المرشحة المثلى التي تقوم بنفس العمل ولكنها تقدم قيمًا مختلفة لجودة الخدمة (QoS) في تطبيقات إنترنت الأشياء. يعد تكوين الخدمة في الحوسبة السحابية مشكلة صعبة NP ؛ لذلك، تم تقديم العديد من الأساليب الاستدلالية لحل هذه المشكلة. كما يجب إثبات صحة خوارزميات ما بعد الاستدلال والتعلم الآلي لتقييم مشكلة تكوين الخدمة باستخدام طرق رسمية لضمان المواصفات الوظيفية وغير الوظيفية. في هذه الورقة، تم تقديم خوارزمية هجينة لتحسين سرب الجسيمات القائم على الشبكة العصبية الاصطناعية (ANN - PSO) لتعزيز عوامل جودة الخدمة في الحوسبة السحابية. لتوضيح صحة وتحسين معدل إمكانية الوصول إلى الخدمات المركبة للمرشحين وعوامل جودة الخدمة للخوارزمية الهجينة المقترحة، نقدم طريقة تحقق رسمية تستند إلى نظام انتقال مسمى للتحقق من بعض صيغ المنطق الزمني الخطي الحرجة (LTL). أوضحت النتائج التجريبية الأداء العالي للنموذج المقترح من حيث الحد الأدنى لوقت التحقق، واستهلاك الذاكرة، وضمان قواعد المواصفات الحرجة مثل صيغ المنطق الزمني الخطي (LTL). كما لاحظنا أن النموذج المقترح لديه وقت استجابة مثالي، وتوافر، وسعر مع أقصى قيمة لوظيفة اللياقة البدنية من خوارزميات تكوين الخدمة الأخرى.

Translated Description (French)

Le cloud edge computing est un modèle informatique hybride où les ressources et les services fournis via l'Internet des objets (IoT) entre les données à grande échelle et à long terme informent de la couche cloud et des données à petite échelle et à court terme en tant que couche périphérique. Le principal défi des fournisseurs de services cloud est de sélectionner les services candidats optimaux qui font le même travail mais offrent des valeurs de qualité de service (QoS) différentes dans les applications IoT. La composition des services dans l'informatique de pointe en nuage est un problème NP-difficile ; par conséquent, de nombreuses méthodes méta-heuristiques ont été introduites pour résoudre ce problème. En outre, l'exactitude des algorithmes méta-heuristiques et d'apprentissage automatique pour évaluer le problème de composition du service doit être prouvée à l'aide de méthodes formelles pour garantir des spécifications fonctionnelles et non fonctionnelles. Dans cet article, un algorithme hybride d'optimisation d'essaim de particules basé sur un réseau neuronal artificiel (ANN-PSO) a été présenté pour améliorer les facteurs de QoS dans le cloud computing de pointe. Pour illustrer l'exactitude et améliorer le taux d'accessibilité des services composés candidats et des facteurs de QoS pour l'algorithme hybride proposé, nous présentons une méthode de vérification formelle basée sur un système de transition étiqueté pour vérifier certaines formules critiques de logique temporelle linéaire (LTL). Les résultats expérimentaux ont illustré la haute performance du modèle proposé en termes de temps de vérification minimum, de consommation de mémoire et de garantie de règles de spécifications critiques comme les formules de logique temporelle linéaire (LTL). En outre, nous avons observé que le modèle proposé a un temps de réponse, une disponibilité et un prix optimaux avec une valeur maximale de la fonction de remise en forme par rapport aux autres algorithmes de composition de services.

Translated Description (Spanish)

La computación en el borde de la nube es un modelo híbrido de computación donde los recursos y servicios proporcionados a través de Internet de las cosas (IoT) entre datos a gran escala y a largo plazo informan de la capa de nube y datos a pequeña escala y a corto plazo como capa de borde. El principal desafío de los proveedores de servicios en la nube es seleccionar los servicios candidatos óptimos que están haciendo el mismo trabajo pero que ofrecen diferentes valores de calidad de servicio (QoS) en las aplicaciones de IoT. La composición de servicios en la computación en el borde de la nube es un problema NP-duro; por lo tanto, se introdujeron muchos métodos metaheurísticos para resolver este problema. Además, la corrección de los algoritmos metaheurísticos y de aprendizaje automático para evaluar el problema de composición del servicio debe probarse utilizando métodos formales para garantizar las especificaciones funcionales y no funcionales. En este documento, se presentó un algoritmo híbrido de optimización de enjambre de partículas basado en redes neuronales artificiales (ANN-PSO) para mejorar los factores de QoS en la computación en la nube. Para ilustrar la corrección y mejorar la tasa de accesibilidad de los servicios compuestos candidatos y los factores de QoS para el algoritmo híbrido propuesto, presentamos un método de verificación formal basado en un sistema de transición etiquetado para verificar algunas fórmulas críticas de Lógica Temporal Lineal (LTL). Los resultados experimentales ilustraron el alto rendimiento del modelo propuesto en términos de tiempo mínimo de verificación, consumo de memoria y garantía de reglas de especificaciones críticas como las fórmulas de Lógica Temporal Lineal (LTL). Además, observamos que el modelo propuesto tiene un tiempo de respuesta, disponibilidad y precio óptimos con un valor máximo de función de aptitud que otros algoritmos de composición de servicios.

Files

09085994.pdf.pdf

Files (245 Bytes)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:d919ae086c1f470320e44794733ffc31
245 Bytes
Preview Download

Additional details

Additional titles

Translated title (Arabic)
نموذج اختيار وتكوين الخدمة الهجينة للحوسبة السحابية في إنترنت الأشياء
Translated title (French)
Un modèle hybride de sélection et de composition de services pour le Cloud-Edge Computing dans l'Internet des objets
Translated title (Spanish)
Un modelo híbrido de selección y composición de servicios para la computación de vanguardia en la nube en el Internet de las cosas

Identifiers

Other
https://openalex.org/W3021511176
DOI
10.1109/access.2020.2992262

Is supplement to
https://openalex.org/W4386004629 (Other)
https://openalex.org/W4324372666 (Other)
https://openalex.org/W4247536566 (Other)
https://openalex.org/W4225706866 (Other)
https://openalex.org/W2979760315 (Other)
https://openalex.org/W2942586735 (Other)
https://openalex.org/W2914646191 (Other)
https://openalex.org/W2404647514 (Other)
https://openalex.org/W2018477250 (Other)
https://openalex.org/W1667647204 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Vietnam

References

  • https://openalex.org/W179855215
  • https://openalex.org/W1972866128
  • https://openalex.org/W1982509222
  • https://openalex.org/W2002098737
  • https://openalex.org/W2021516494
  • https://openalex.org/W2031702317
  • https://openalex.org/W2033011996
  • https://openalex.org/W2033703392
  • https://openalex.org/W2056398039
  • https://openalex.org/W2057896500
  • https://openalex.org/W2090386095
  • https://openalex.org/W2146013510
  • https://openalex.org/W2164531580
  • https://openalex.org/W2171075212
  • https://openalex.org/W2172105112
  • https://openalex.org/W2173849061
  • https://openalex.org/W2495349330
  • https://openalex.org/W2546873686
  • https://openalex.org/W2569749838
  • https://openalex.org/W2592413155
  • https://openalex.org/W2593833939
  • https://openalex.org/W2795153700
  • https://openalex.org/W2801961685
  • https://openalex.org/W2803462041
  • https://openalex.org/W2807717725
  • https://openalex.org/W2810265518
  • https://openalex.org/W2885295396
  • https://openalex.org/W2890532764
  • https://openalex.org/W2901197424
  • https://openalex.org/W2912098069
  • https://openalex.org/W2913015488
  • https://openalex.org/W2913763310
  • https://openalex.org/W2921194803
  • https://openalex.org/W2944636189
  • https://openalex.org/W2962948535
  • https://openalex.org/W2963218953
  • https://openalex.org/W2990029178
  • https://openalex.org/W3002761780
  • https://openalex.org/W3005936013
  • https://openalex.org/W3123330558
  • https://openalex.org/W747109703