ЗАСТОСУВАННЯ БЕЗСЕРВЕРНИХ СИСТЕМ ДЛЯ ОБРОБКИ МЕТРОЛОГІЧНИХ МЕТАДАНИХ В ІОT

1
Національний університет «Львівська політехніка», кафедра спеціалізованих комп’ютерних систем
2
Lviv Polytechnic National University, Ukraine

У статті досліджується потенціал безсерверних архітектур для ефективної обробки великомасштабних метаданих, що генеруються сенсорами Інтернету речей (IoT). Оскільки системи Інтернету речей стають дедалі складнішими, проблеми, пов'язані з обробкою великих обсягів даних у розподілених середовищах, стають все більш помітними. Ключовими питаннями є забезпечення точності даних, підтримка масштабованості та зменшення операційних витрат на інфраструктуру обробки даних. У статті запропоновано безсерверні обчислення як високоадаптивне рішення цих проблем, зосереджуючи увагу на їхній здатності до обробки в режимі реального часу, динамічного масштабування та безперешкодної інтеграції з сучасними хмарними платформами. Дослідження підкреслює важливість динамічного калібрування сенсорів Інтернету речей для забезпечення точності та надійності зібраних даних. Динамічне калібрування вирішує такі проблеми, як вплив змін навколишнього середовища і деградації сенсорів, використовуючи безсерверні системи для автоматизації повторного калібрування на основі аналізу даних в режимі реального часу. Автори пропонують архітектуру на основі Amazon Web Services (AWS) для демонстрації практичного застосування безсерверних принципів. Ця архітектура включає AWS Lambda для обчислювальних задач, SQS для розподілу робочого навантаження і S3 для масштабованого зберігання даних.

У статті підкреслюються переваги безсерверних систем, включаючи економічність, оптимізацію ресурсів і масштабованість, а також визнаються такі виклики, як безпечна інтеграція приватних даних і потенційні помилки в автоматизованих системах. Автори стверджують, що при правильному впровадженні безсерверні архітектури можуть забезпечити надійні рішення для обробки метаданих Інтернету речей, що дозволить підвищити продуктивність, надійність і економічну ефективність сучасних екосистем Інтернету речей.

Розглядаючи як теоретичні, так і практичні аспекти, дослідження пропонує цінну інформацію для дослідників і практиків, які прагнуть використовувати можливості безсерверних систем для додатків IoT. Результати дослідження підкреслюють трансформаційний потенціал хмарних безсерверних інфраструктур у досягненні ефективного і масштабованого управління даними для галузей, що використовують Інтернет речей.

  1. Eichstädt, S. (2020, June). From dynamic measurement uncertainty to the Internet of Things and Industry 4.0. In 2020 IEEE International Workshop on Metrology for Industry 4.0 & IoT , pp. 632-635. IEEE. DOI:https:// doi.org/10.1109/MetroInd4.0IoT48571.2020.9138250.
  2. Schneider, T., Helwig, N., & Schütze, A. (2018). Industrial condition monitoring with smart sensors using automated feature extraction and selection. Measurement Science and Technology, 29(9),          094002. DOI:https://doi.org/10.1088/1361-6501/aad1d4
  3. S. Hackel, F. Härtig, T. Schrader, A. Scheibner, J. Loewe, L. Doering, B. Gloger, J. Jagieniak, D. Hutzschenreuter, and G. Söylev-Öktem. The fundamental architecture of the DCC.  Measurement:  Sensors,  18:100354,  2021. DOI:https://doi.org/10.1016/j.measen.2021.100354.
  4. Gu, J., Liu, C., Zhuang, Y., Du, X., Zhuang, F., Ying, H., …& Guizani, M. (2020). Dynamic measurement and data calibration for aerial mobile IoT. IEEE Internet of Things Journal, 7(6), pp. 5210-5219. DOI:https://doi.org/ 10.1109/JIOT.2020.2977910
  5. Nummiluikki, J., Saxholm, S., Kärkkäinen, A., & Koskinen,S. (2023). Digital Calibration Certificate in an industrial application. Acta IMEKO, 12(1), pp. 1-6. DOI: 10.21014/actaimeko.v12i1.1402.
  6. Rajan, R. A. P. (2018, December). Serverless architecture-a revolution in cloud computing. In 2018 Tenth International Conference on Advanced Computing (ICoAC), pp. 88-93. IEEE. 23 December 2019. DOI:https://doi.org/ 10.1109/ICoAC44903.2018.8939081
  7. Yang, Li & Shami, Abdallah. (2022). IoT Data Analytics in Dynamic Environments: From An Automated Machine Learning Perspective. 10.48550/arXiv.2209.08018. 105 p.DOI:10.48550/arXiv.2209.08018
  8. Mukherjee, S. (2019). Benefits of AWS in modern cloud. arXiv preprint arXiv:1903.03219. DOI: https://doi.org/10.48550/arXiv.1903.03219
  9. Wittig, A., & Wittig, M. (2023). Amazon Web Services in Action: An in-depth guide to AWS. Simon and Schuster.ISBN: 163343916X
  10. Aquino, G., Queiroz, R., Merrett, G., & Al-Hashimi, B. (2019). The circuit breaker pattern targeted to future iot applications. In Service-Oriented Computing: 17th International Conference, ICSOC 2019, Toulouse, France, October 28–31, 2019, Proceedings 17, pp. 390-396. Springer International Publishing. DOI:https://doi.org/ 10.1007/978-3-030-33702-5_30
  11. H.M. Khan, A. Khan, F. Jabeen, A. Anjum, G. Jeon (2021). Fog-enabled secure multiparty computation-based aggrega- tion scheme in smart grid. Computers & Electrical Engi- neering, Vol. 94, 107358. DOI:https://doi.org/10.1016/ j.compeleceng.2021.107358.
  12. Song, B., Yu, Y., Zhou, Y., Wang, Z., & Du, S. (2018).Host load prediction with long short-term memory in cloud computing. The Journal of Supercomputing, 74, pp. 6554- 6568. DOI: https://doi.org/10.1007/s11227-017-2044-4
  13. Le, D. M., Dang, D. H., & Nguyen, V. H. (2018). On domain driven design using annotation-based domain specific language. Computer Languages, Systems & Structures, 54,            pp.           199-235. DOI:https://doi.org/10.1016/j.cl.2018.05.001