FOGコンピューティングエッジサーバーのストレージの最適化：干渉を最小限に抑えた最近のアルゴリズム設計

霧コンピューティングの急成長分野は、多様なセクターに広範なアプリケーションを備えた変革的コンピューティングパラダイムを導入します。このパラダイムの中心には、重要なコンピューティングとストレージ機能が委ねられているエッジサーバーの極めて重要な役割があります。これらのサーバーのストレージ容量の最適化は、FOGコンピューティングインフラストラクチャの有効性を強化する上で重要な要因として浮上しています。このホワイトペーパーでは、LIRU（最近使用された低干渉）と呼ばれる新しいストレージ最適化アルゴリズムを紹介します。これは、LIRS（低干渉記録セット）とLRU（最近使用されていない）の交換アルゴリズムの強度を合成します。制約付きストレージリソースを背景に設定されたこの研究は、ストレージスペースの使用率を最適化し、データアクセス効率を高め、アクセスレイテンシを減らすアルゴリズムを策定するよう努めています。この調査では、エッジサーバーで利用可能なストレージリソースの包括的な分析を開始し、最適化アルゴリズムの重要な考慮事項を特定します：ストレージリソースの使用率とデータアクセス周波数。次に、この研究は、データ頻度をキャッシュ能力と調和させる最適化モデルを構築し、最適化理論を使用して、ストレージの最大化の最適なソリューションを識別します。LIRUアルゴリズムのその後の実験的検証は、従来の交換アルゴリズムに対する優位性を強調し、ストレージ利用、データアクセス効率、およびアクセス遅延の減少の大幅な改善を示しています。特に、LIRUアルゴリズムは、LFUアルゴリズムと比較して1ホップヒット率の5％増加、LRUアルゴリズムの66％の強化、LRUアルゴリズムに対するシステムヒット率の14％の上昇を登録します。さらに、特に大きなキャッシュサイズを含むシナリオでは、LRUおよびLFUアルゴリズムと比較して、それぞれ平均システム応答時間を2.4％および16.5％削減します。この研究は、エッジサーバーストレージの最適化の複雑さに光を当てるだけでなく、より広い霧コンピューティングエコシステムのパフォーマンスと効率を大幅に推進します。これらの洞察を通じて、この研究は、FOGコンピューティングアーキテクチャ内のデータ管理戦略を強化するための貴重なフレームワークに貢献し、この分野での注目に値する進歩を示しています。

The burgeoning field of fog computing introduces a transformative computing paradigm with extensive applications across diverse sectors. At the heart of this paradigm lies the pivotal role of edge servers, which are entrusted with critical computing and storage functions. The optimization of these servers' storage capacities emerges as a crucial factor in augmenting the efficacy of fog computing infrastructures. This paper presents a novel storage optimization algorithm, dubbed LIRU (Low Interference Recently Used), which synthesizes the strengths of the LIRS (Low Interference Recency Set) and LRU (Least Recently Used) replacement algorithms. Set against the backdrop of constrained storage resources, this research endeavours to formulate an algorithm that optimizes storage space utilization, elevates data access efficiency, and diminishes access latencies. The investigation initiates a comprehensive analysis of the storage resources available on edge servers, pinpointing the essential considerations for optimization algorithms: storage resource utilization and data access frequency. The study then constructs an optimization model that harmonizes data frequency with cache capacity, employing optimization theory to discern the optimal solution for storage maximization. Subsequent experimental validations of the LIRU algorithm underscore its superiority over conventional replacement algorithms, showcasing significant improvements in storage utilization, data access efficiency, and reduced access delays. Notably, the LIRU algorithm registers a 5% increment in one-hop hit ratio relative to the LFU algorithm, a 66% enhancement over the LRU algorithm, and a 14% elevation in system hit ratio against the LRU algorithm. Moreover, it curtails the average system response time by 2.4% and 16.5% compared to the LRU and LFU algorithms, respectively, particularly in scenarios involving large cache sizes. This research not only sheds light on the intricacies of edge server storage optimization but also significantly propels the performance and efficiency of the broader fog computing ecosystem. Through these insights, the study contributes a valuable framework for enhancing data management strategies within fog computing architectures, marking a noteworthy advancement in the field.