Συντάχθηκε 22-12-2025 14:14
Ενημερώθηκε:
22-12-2025 14:46
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 23/12/2025 12:00
Λήξη: 23/12/2025 13:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Μεταπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ
Δημητρίου Μπανέλα
με θέμα
Βελτιστοποιημένη Κατανεμημένη Αναλυτική Επεξεργασία κατά Μήκος του Υπολογιστικού Συνεχούς από το Νέφος στα ΆκραOptimized Distributed Analytics as a Service Across the Cloud to the Edge Continuum
Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Νικόλαος Γιατράκος (επιβλέπων)
Καθηγητής Αντώνιος Δεληγιαννάκης
Δρ. Αλκιβιάδης Σιμιτσής (Ερευνητικό Κέντρο Αθηνά)
Περίληψη
Η εκτέλεση ροών εργασίας (workflows) ανάλυσης ροών δεδομένων σε µμεγάλης κλίµακας υποδομές IoT παρουσιάζει µοναδικές προκλήσεις. Η κεντρική συλλογή δεδοµένων εξαντλεί το διαθέσιμο εύρος ζώνης και αφήνει ανεκµετάλλευτους τους πόρους των συσκευών IoT. Επομένως, η εκτέλεση των ροών εργασίας πρέπει να πραγµατοποιείται εντός του ίδιου του δικτύου, αναθέτοντας την εκτέλεση των τελεστών των ροών σε συσκευές στο φάσµα από το cloud έως το edge. Ωστόσο, η τεράστια κλίµακα των συσκευών οδηγεί σε εκθετικό αριθµό πιθανών συνδυασμών αντιστοίχισης τελεστών σε συσκευές.
Επιπλέον, οι ροές εργασίας εκτελούνται σε δυναµικά περιβάλλοντα, όπου οι ευµετάβλητες κατανοµές των ροών δεδοµένων και οι µεταβολές στη διαθεσιµότητα των συσκευών µπορεί να καταστήσουν ένα πλάνο εκτέλεσης αναποτελεσµατικό. Συνεπώς, οι ταχείες αποφάσεις προσαρµογής είναι κρίσιµες. Για την αντιµετώπιση αυτών των προκλήσεων, παρουσιάζουµε το APEROL, την πρώτη σουίτα παράλληλων αλγορίθµων βελτιστοποίησης για έγκαιρη και αποδοτική εκτέλεση ροών εργασίας σε περιβάλλοντα IoT. Το APEROL εισάγει µια νέα προσέγγιση στην µοντελοποίηση του χώρου αναζήτησης, σε συνδυασµό µε ένα σχήµα απαρίθµησης πλάνων εκτέλεσης βασισµένο σε υπογραφές, που επιτρέπουν επεκτάσιµη ϰαι παράλληλη εξερεύνηση πλάνων. Η σουίτα περιλαμβάνει εξαντλητικούς, ευρετικούς, άπληστους και τυχαίας δειγματοληψίας αλγορίθμους, οι οποίοι είναι συµπληρωµατικοί ως προς το συμβιβασμό ταχύτητας εκτέλεσης του αλγορίθμου έναντι ποιότητας πλάνου, ανάλογα µε το εκάστοτε περιβάλλον. Η τρέχουσα υλοποίηση εξετάζει έως και 2 εκατοµµύρια υποψήφια πλάνα ανά δευτερόλεπτο σε συμβατικά υπολογιστικά συστήματα. Πειράματα µε 5 απαιτητικές ροές εργασίας από 2 benchmarks ροών, σε πραγματικά και προσομοιωμένα δίκτυα από δεκάδες έως και χιλιάδες κόµβους, αποδεικνύουν την αποτελεσματικότητα και την ταχύτητα του APEROL.
Abstract
The execution of streaming analytics workflows across large-scale IoT infrastructures poses unique challenges, due to the nature of the streaming workloads, whose distributions are extremely volatile and geo-distributed. Central data collection depletes the available bandwidth and leaves IoT device resources unutilized. Therefore, workflow execution should be performed in-network, assigning workflow operator execution on devices across the cloud-to-edge continuum. However, the vast scale of
devices results in an exponential number of possible combinations of workflow operator assignments. On top of that, workflows are executed in dynamic environments where volatile data stream distributions and device churn may render a deployed plan inefficient and, therefore, rapid adaptation decisions are crucial. To address these challenges, we present APEROL, the first suite of parallel optimization algorithms for timely and efficient workflow execution in IoT environments. APEROL introduces a novel conceptualization of the optimization search space, coupled with a signature-based
execution plan enumeration scheme, that enables scalable, parallel plan exploration.
The suite includes exhaustive, heuristic, greedy, and random sampling algorithms, which are complementary in algorithm speed vs. plan quality trade-offs under different setups. The current implementation examines up to 2M candidate plans per second on commodity hardware. Experiments with 5 challenging workflows from 2 streaming benchmarks, over real and simulated networks ranging from 10s to 1000s of sites show APEROL’s effectiveness and timeliness.
Meeting ID: 968 5292 5894
Password: 001169
