Discussion

Desde el punto de vista de la computación distribuida, los dispositivos móviles fueron adoptados ini- cialmente por el paradigma de computación móvil en la nube (MCIC) Fernando et al. (2013); Khan y otros (2015), que es un rama de investigación que desprende del paradigma de Cloud Computing. MCIC aumenta las capacidades de los dispositivos mediante el uso de recursos (principalmente potencia y al- macenamiento) en servidores remotos para superar las limitaciones de teléfonos inteligentes y mejorar la experiencia de los usuarios Khan et al. (2015). Un reciente relacionado paradigma conocido como Fog Computing Gupta et al. (2017) sigue la misma idea que MClC, pero utiliza cerca servidores, es decir, en la misma red local. Además, Mobile Crowd Computing (MCrC) es una rama de MClC en el cual los dispositivos cercanos pueden actuar como el "servidor" de destino al descargar trabajos o datos de un dis- positivo circundante Fernando et al. (2016). Los dispositivos móviles dispuestos a proporcionar recursos computacionales a otros dispositivos móviles se organizan en las llamadasmobile Gridsomobile-edge

Cloud, utilizando un soporte de comunicación basado en infraestructura o un soporte de red ad-hoc. La

herramienta de simulación presentada en este capítulo se encuentra en el área de MCrC y particularmente en redes móviles basadas en infraestructura. Lejos de ser solo diferente En las formas de organización de dispositivos, existen diferencias sustanciales en la forma en que los planificadores operan en redes basadas en infraestructura y ad-hoc que convierten algunas suposiciones en un área de investigación no

válida en el otro. viceversa. Las diferencias se relacionan con la forma en que la información atraviesa la red.

En las redes móviles ad-hoc, por ejemplo, la transferencia inalámbrica de datos se realiza a través de ru- tas de varios saltos donde los dispositivos móviles pueden desempeñar el papel de remitentes (clientes), receptores (servidores) y repetidores (routers) de datos. En las redes móviles basadas en infraestructura, la transferencia inalámbrica de datos se produce a través de enlaces de un solo salto, ya que se supone que los dispositivos móviles están conectados a un punto de acceso estacionario o que la antena desem- peña el papel de servidor. Luego, en redes móviles ad-hoc, debido a la posible ausencia de un canal de comunicación directa entre cliente y servidores, la eficacia de la programación de trabajos depende de cómo se distribuye la carga entre los nodos para la detección y coordinación de recursos, la publicación de los datos y la distribución de los resultados, que a su vez depende en gran medida de la efectividad de los algoritmos de encaminamiento de datos. En redes móviles basadas en infraestructura, el impacto en la energía de todos estos problemas se minimizan debido a que el componente de programación tiene la vista global de todos los recursos y la comunicación directa con todos los dispositivos móviles. Entonces, es común en la investigación ad-hoc de redes móviles adoptar marcos de simulación de red existentes, como NS-3 y OMNET Chengetanai y O’Reilly (2015), que proporcionan abstracciones para modelar procesos físicos que afectan las comunicaciones inalámbricas, a saber movilidad de nodo, propagación de señal Shah (2015) y colisión, o incluso aspectos asociados a la red procesos tales como la fragmenta- ción de paquetes, el almacenamiento en búfer de paquetes, las retransmisiones de paquetes. Todas estas características en torno a preocupaciones relacionadas con la transferencia de datos, y deje de lado las preocupaciones relacionadas con la informática, por ejemplo, cómo el uso de la CPU del dispositivo móvil afecta el consumo de energía, que son relevantes para la investigación en programadores de Grid móvil basado en infraestructura.

Losframeworksde simulación con soporte integrado para modelar conceptos relacionados con el poder

de cómputo de sistemas distribuidos son utilizados en la investigación que refiere al paradigma Grid Computing. En particular, GridSim Buyya y Murshed (2002) es un evento impulsado Kit de herramien- tas de simulación que proporciona abstracciones para modelar sistemas informáticos distribuidos a gran escala integrados por millones de recursos con procesadores únicos o multiprocesadores, con memoria compartida o distribuida administrado por programadores compartidos de tiempo o espacio. Entre las características recientemente agregadas se encuentran las funcionalidades para leer los rastros reales de la carga de trabajo tomados de las supercomputadoras. Una opción más versátil es SimGrid Casanova (2001), sobre el cual se han creado modelos específicos para simular una variedad de sistemas distribui- dos, incluidos clústeres, compartición de contenido en redes de área amplia y local, centros de datos y entornos de nube. Sin embargo, estos modelos permiten simular el comportamiento de los recursos infor- máticos dedicados conectados a través de redes cableadas. Modelar recursos informáticos no dedicados es un aspecto crucial para MCrC cualquier simulador ya que los recursos informáticos de los dispositivos móviles se comparten con el propietario.

SimGrid también se ha utilizado como base para modelos de simulación de cómputo voluntario, por ejemplo, ComBos Alonso-Monsalve et al. (2017) que proporciona funcionalidad para modelar toda la infraestructura de BOINC, incluidos proyectos científicos, componentes de servidor que proporcionan

archivos de entrada asociados con trabajos del proyecto, clientes donar ciclos de CPU de computado- ras de escritorio y el componente de programación en el lado del cliente que programa recursos entre diferentes proyectos. El paradigma de la informática voluntaria también se ocupa de los no dedicados recursos informáticos pero ignora las preocupaciones sobre el consumo de energía a medida que se fijan los recursos (computadoras de escritorio). El modelado de planificadores de recursos con conciencia de energía es compatible con simuladores para computación ecológica tales como como GreenCloud Klia- zovich et al. (2012), pero tales simuladores no son aplicables a infraestructura basada investigación de grid móvil por varias razones. En primer lugar, las estrategias de ahorro de energía enGreen Compu- tingimplican operaciones que requieren privilegios especiales sobre los recursos de hardware, incluido el cierre dinámico de componentes, lo que es claramente inviable desde la lógica de programación en Grillas móviles debido a la falta de propiedad de los recursos. En segundo lugar, la conciencia energética no implica ser consciente de la energía finita, sino usar menos energía o disipar menos calor para los recursos informáticos que están conectados a la electricidad Grid, mientras que en las redes móviles los recursos informáticos dependen de la energía suministrada por las baterías.

Ampliar cualquiera de losframeworksanteriores para proporcionar la funcionalidad faltante necesaria para modelar la provisión de recursos informáticos de redes móviles basadas en infraestructura podría llevar a más esfuerzo que construir una nueva herramienta de simulación diseñada para soportar las carac- terísticas específicas. Además, desde la perspectiva de la usabilidad, extendiendo algunas de las encima de los marcos, el modelador podría estar en la necesidad de configurar componentes que no son relevan- tes al problema que se modela. Para empeorar las cosas, al ejecutar modelos con muchos componentes irrelevantes, se podría desperdiciar un valioso tiempo de modelado y ciclos de memoria/CPU para ejecu- tar implementaciones de modelos pesados. Esto motiva el desarrollo de esta herramienta de simulación, que proporciona un modelo para la simular tareas con los requisitos de transferencia de datos y CPU utilizando dispositivos móviles como proveedores de recursos y coordinado a través de un componente central llamadoproxydonde tiene lugar la planificación de las tareas.