Avaliação de Processamento Local Baseada em Traços de Execução, Aplicada a Protocolos de Comunicação e a Sensores da Internet das Coisas
Autores
7256 |
347,2605
|
|
7257 |
347,2605
|
Informações:
Publicações do PESC
A Internet das Coisas (IoT) é um paradigma onde bilhões de objetos comuns com poder de processamento, sensoriamento e comunicação são capazes de atuar ao nosso redor de maneira quase imperceptível.
À medida que novos dispositivos, aplicativos e protocolos de comunicação são propostos para o contexto da IoT, sua avaliação, comparação, ajuste e otimização se tornam cruciais. Tal cenário estimula a pesquisa por novas metodologias de avaliação que contribuam para uma melhor eficiência na utilização dos recursos computacionais disponíveis.
Esta tese propõe um método para avaliação do processamento local de sensores IoT com múltiplos processadores, mediante a análise e classificação de traços de execução obtidos junto ao escalonador de processos.
No âmbito da IoT, onde a comunicação por rede sem fio é predominante, verifica-se na literatura a necessidade de uma melhor avaliação do processamento local realizado por sensores em relação a novos protocolos de comunicação que estão sendo propostos. Neste contexto, a avaliação do processamento local mostra-se fortemente influenciada pelo estado da rede, muitas vezes comprometendo a qualidade dos resultados obtidos.
Como forma de aplicarmos o método de avaliação de processamento local proposto nesta tese a um problema real em aberto, realizamos sua implementação em um sensor IoT de prateleira, com mais de um processador e com sistema operacional de tempo real (FreeRTOS). A implementação realizada é então utilizada para avaliar um protocolo de comunicação segura (TLS) com o objetivo de verificarmos a capacidade de aplicação do método na produção de resultados comparáveis e não influenciados pelo estado da rede.
As principais contribuições desta tese são: uma metodologia para detalhamento e avaliação do processamento local de sensores IoT e a apresentação de que o método proposto, quando aplicado à avaliação de protocolos ou aplicações que se comuniquem em rede, é capaz de produzir resultados mais confiáveis, comparáveis e sem influência do estado da rede.
The Internet of Things (IoT) is a paradigm where billions of common objects with processing, sensing, and communication capabilities are able to act around us almost imperceptibly.
As new devices, applications, and communication protocols are proposed for the context of IoT, their evaluation, comparison, adjustment, and optimization become crucial. Such a scenario stimulates research for new evaluation methodologies that contribute to better efficiency in the use of available computing resources.
This thesis proposes a method for evaluating the local processing of IoT sensors with multiple processors, through the analysis and classification of execution traces obtained from the process scheduler.
In the scope of IoT, where wireless network communication is predominant, there is a need for better evaluation of the local processing performed by sensors in relation to new communication protocols being proposed. In this context, the evaluation of local processing is strongly influenced by the state of the network, often compromising the quality of the results obtained.
As a way to apply the proposed method for local processing evaluation to a real open problem, we implemented it on a shelf IoT sensor with more than one processor and a real-time operating system (FreeRTOS). The implementation is then used to evaluate a secure communication protocol (TLS) with the aim of verifying the method’s ability to produce comparable results that are not influenced by the network state.
The main contributions of this thesis are: a methodology for detailing and evaluating the local processing of IoT sensors and the presentation that the proposed method, when applied to the evaluation of protocols or applications that communicate over a network, is capable of producing more reliable, comparable results without being influenced by the network state.