Анализ отказоустойчивости в IoT-системах на основе туманных вычислений

В условиях стремительного роста масштаба и критичности IoT‑инфраструктур особенно актуальной становится задача обеспечения отказоустойчивости гибридных систем, сочетающих туманные и облачные вычисления, способных поддерживать заданный уровень сервиса при сбоях узлов и каналов связи.

Целью исследования является разработка и оценка математической модели отказоустойчивости для распределенной IoT‑среды, а также выработка подходов к динамической балансировке нагрузки с учетом показателей надежности, сетевых задержек и интенсивности загрузки узлов.

В работе использованы методы теории непрерывных марковских цепей, теории массового обслуживания, а также эксперимент на туманных узлах и облачном сервере с варьированием сетевых параметров и сценариев отказов.

Результаты. В ходе исследования были получены решения по построению интегральной метрики, объединяющей надежность, задержку и загрузку, а также алгоритмические правила перераспределения задач между туманными и облачными узлами, обеспечивающие устойчивое функционирование IoT‑сети при частичных отказах инфраструктуры. Экспериментальные результаты показали, что применение предложенной модели для динамической балансировки нагрузки позволяет снизить среднее время простоя системы на 32 % и уменьшить задержки для критических задач в 4–6 раз по сравнению с чисто облачными архитектурами.

Научная новизна работы заключается в разработке математической модели отказоустойчивости гибридной IoT‑системы на основе непрерывных марковских цепей, которая интегрирует показатели надежности узлов, сетевых задержек и коэффициентов загрузки в единую интегральную метрику устойчивости, а также метода динамической балансировки нагрузки в туманно-облачной архитектуре, использующего интегральную метрику в качестве критерия перераспределения задач между узлами для минимизации простоев и задержек при частичных отказах инфраструктуры.

Теоретическая значимость исследования состоит в развитии аппарата математического моделирования отказоустойчивости распределенных IoT‑систем и в предложении формализованного критерия оценки их устойчивости в динамических условиях эксплуатации.

Практическая значимость заключается в возможности использования разработанной модели и интегральной метрики при проектировании и настройке гибридных архитектур Интернета вещей, выборе параметров резервирования и правил перераспределения нагрузки, а также при разработке рекомендаций по оптимизации потоков данных для повышения стабильности и производительности реальных телекоммуникационных и индустриальных IoT‑платформ.

1. Yermakov S.G., Khalil M.M., Khomonenko A.D., Bukharova K.A. Evaluating the efficiency of fog computingon the internet of things using a Non-Markov model // T-Comm. 2022. Vol. 16. Iss. 12. PP. 46‒52. DOI:10.36724/2072-8735-2022-16-12-46-52. EDN:MVRSBV

2. Глушак Е.В. Облачные и туманные вычисления: архитектура, моделирование, применение. Вологда; Москва: ООО «Инфра-Инженерия», 2025. 180 с. EDN:BUZGWB

3. Fletcher M., Paulz E., Ridge D., Michaels A.J. Low-Latency Wireless Network Extension for Industrial Internet of Things // Sensors. 2024. Vol. 24. Iss. 7. P. 2113. DOI:10.3390/s24072113. EDN:YATJXO

4. Плотников П.В., Владыко А.Г. Анализ подходов к оптимизации V2X-систем: кластеризация, граничные и туманные вычисления // Труды учебных заведений связи. 2024. Т. 10. № 3. С. 7‒22. DOI:10.31854/1813-324X-2024-10-3-7-22. EDN:TRWNON

5. Дараселия А.В. Модели и анализ показателей эффективности механизмов выгрузки трафика в гетерогенных беспроводных сетях. Дис. … канд. физ.-мат. наук. М.: Российский университет дружбы народов, 2022. 106 с. EDN:VQNBTU

6. Мурашкин И.Н. Исследование алгоритмов минимизации задержек в системах обработки потоков данных // Инновации и инвестиции. 2025. № 4. С. 356‒359. EDN:AHKBWE

7. Мельник Э.В., Клименко А.Б., Клименко В.В. Модели и анализ надежности информационно-управляющих систем на основе туманных вычислений // 5-я Всероссийская научно-техническая конференции «Суперкомпьютерные технологии» (СКТ ‒ 2018, Ростов-на-Дону, Российская Федерация, 17–22 сентября 2018 г.). Ростов-на-Дону: Южный федеральный университет, 2018. Т. 2. С. 103‒107. EDN:YQBQRN

8. Глушак Е.В., Клюев Д.С. Разработка и исследование моделей функционирования облачных и туманных вычислений // Радиотехника. 2025. Т. 89. № 3. С. 157‒168. DOI:10.18127/j00338486-202503-14. EDN:IGUDLR

9. Мельник Э.В., Клименко А.Б. Методика восстановления вычислительного процесса информационно-управляющих систем на основе концепции «туманных вычислений» после сбоев // Известия Тульского государственного университета. Технические науки. 2018. № 9. С. 551‒563. EDN:YNDROH

10. Аль-Свейти М. Методы машинного обучения для прогнозирования трафика в многоуровневой облачной архитектуре для сервисов автономных транспортных средств // Труды учебных заведений связи. 2022. Т. 8. № 4. С. 89‒99. DOI:10.31854/1813-324X-2022-8-4-89-99. EDN:CNIDPH

11. Мельник Э.В., Иванов Д.Я., Орда-Жигулина М.В., Орда-Жигулина Д.В., Родина А.А. Применение технологий туманных вычислений в системе мониторинга и прогнозирования опасных природных явлений // Известия Тульского государственного университета. Технические науки. 2019. № 2. С. 300‒311. EDN:ZAFGCT

12. Волков А.Н. Задача маршрутизации в сети динамических туманных вычислений // Труды учебных заведений связи. 2024. Т. 10. № 4. С. 27‒37. DOI:10.31854/1813-324X-2024-10-4-27-37. EDN:QWBVQY

13. Волков А.Н. Динамические туманные вычисления и бессерверная архитектура: на пути к зеленым ИКТ // Труды учебных заведений связи. 2024. Т. 10. № 3. С. 24‒34. DOI:10.31854/1813-324X-2024-10-3-24-34. EDN:QOELMJ

14. Глушак Е.В., Михайлова П.Д. Обзор адаптивных алгоритмов распределения потоков данных Интернета вещей в облачных и туманных средах // Инфокоммуникационные технологии. 2024. Т. 22. № 4(88). С. 15‒22. DOI:10.18469/ikt.2024.22.4.02. EDN:ALXFGY

15. Волков А.Н. Разработка и исследование комплекса моделей и методов построения сетей связи на основе туманных вычислений и предоставления услуг телеприсутствия. Автореферат дисс. … докт. техн. наук. СПб.: Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича, 2024. 54 с.

16. Куприянов Д.О. Математическое моделирование потока заявок к облачному вычислительному кластеру // T-Comm: Телекоммуникации и транспорт. 2020. Т. 14. № 10. С. 39‒44. DOI:10.36724/2072-8735-2020-14-10-39-44. EDN:MWCXTC

17. Мельник Э.В., Клименко А.Б., Иванов Д.Я. Модель задачи распределения вычислительной нагрузки для информационно-управляющих систем на базе концепции туманных вычислений // Известия Тульского государственного университета. Технические науки. 2018. № 2. С. 174‒187. EDN:YXJCRP

18. Глушак Е.В., Клюев Д.С., Воловач В.И. Анализ распределения задач в системе облачных и туманных вычислений // T-Comm: Телекоммуникации и транспорт. 2025. Т. 19. № 7. С. 25‒33. DOI:10.36724/2072-8735-2025-19-7-25-33. EDN:WHDPWF

19. Воробьев С.П. Математическая модель оптимизации сетевой инфраструктуры распределенной корпоративной системы на базе облачных, туманных и граничных технологий // Моделирование, оптимизация и информационные технологии. 2019. Т. 7. № 3(26). С. 4. DOI:10.26102/2310-6018/2019.26.3.003. EDN:LIIPTF