Design and Performance Evaluation of Containerized Microservices on Edge Gateway in Mobile IoT
Notice bibliographique
Résumé
Recently, Internet of Things (IoT) has drawn a great deal of attention and is envisioned in various sectors in the near future due to its promising benefits. However, the constant and rapid growth in IoT devices also brings new challenges due to constrained power and resources associated to them. One of the challenges is to provide seamless connectivity in mobile IoT. Secondly, IoT devices may stream enormous amount of data; hence, providing a solution that can effectively reduce service cost of data transfer. Finally, there are challenges in management and deployment of services running at mobile IoT Edge Gateway. In this context, containerized virtualization solution could play a key role in support of efficient management and deployment of microservices to provide seamless connectivity. This paper proposes a lightweight container-based virtualization technology for IoT, which employs Docker container-based microservices architecture for effectively deploying applications in a virtualized ecosystem. We evaluated the performance of the proposed solution on real IoT testbed using Raspberry Pi 3 as a mobile IoT Edge Gateway for network handover decision making among various alternatives, such as Wi-Fi, Radio, and Satellite. The results demonstrated better performance compared with the native environment, i.e., the one without introduction of a virtualization layer. The results also showed that the Docker container produces negligible resource overhead and can be used on resource constrained mobile IoT Edge Gateway devices like Raspberry Pi 3 for efficiently managing IoT application and services.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».