![](/images/graphics-bg.png)
Live big data analytics resource management techniques in fog computing for tele-health applications
العناوين الأخرى
تقنيات إدارة الموارد المتعلقة بتحليل البيانات الضخمة الحية في الحوسبة الضبابية للتطبيقات الصحية عن بعد
المؤلفون المشاركون
Tahir, Muhammad
Shihab, Raja
Muhammad, Huda K.
المصدر
Jordanian Journal of Computetrs and Information Technology
العدد
المجلد 7، العدد 1 (31 مارس/آذار 2021)، ص ص. 89-103، 15ص.
الناشر
جامعة الأميرة سمية للتكنولوجيا
تاريخ النشر
2021-03-31
دولة النشر
الأردن
عدد الصفحات
15
التخصصات الرئيسية
تكنولوجيا المعلومات وعلم الحاسوب
الملخص EN
Enhancing the IoT health monitoring systems used in various environments, such as smart homes and smart hospitals, imply lively analyzing the patients’ critical streams (e.g.
ECG stream).
Conducting these tele-health applications over the traditional cloud violates the deadline constrains of the stream analytics applications, which results not only in performance degradation, but also in inaccurate analytics results due to patient's stream loss.
Fog computing can take place within the patient's vicinity and is considered as the best candidate for critically analyzed stream applications.
Fog nodes are geo-distributed and are poor in resources, thus a scalable and fault-tolerant resource management platform for stream analytics in fog computing is a must.
Current Stream Processing (SP) resource managers are designed for massive resource nodes, deploying them over the poor resource edge fog nodes greatly decreasing the fog infrastructure utilization.
Innovative SP resource managers that cope with the fog nature are needed.
We propose Fog Assisted Resource Management (FARM) platform based on Apache Hadoop2 resource manager (YARN) for compatible stream/batch analytics.
Static FARM (S-FARM) represents two YARN schedulers; per-user and per-module.
Results indicate that per- user scheduler overcomes the lack of resources issues of the edge fog nodes, fully utilizes the fog infrastructure and allows the system to expand safely up to its double size.
In addition, Differentiated S-FARM scheduler is proposed to support per-user control to the analytic results' accuracy and speed.
Stream CardioVascular Disease (S-CVD) application for patient's ECG analytics is simulated in iFogSim to judge the proposed YARN schedulers.
The research is pioneer in enhancing the poor resource edge fog node utilization, supporting per- user control to live big data analytics IoT applications and utilizing iFogSim to implement and evaluate the resource manager performance of a stream analytics platform.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Shihab, Raja& Tahir, Muhammad& Muhammad, Huda K.. 2021. Live big data analytics resource management techniques in fog computing for tele-health applications. Jordanian Journal of Computetrs and Information Technology،Vol. 7, no. 1, pp.89-103.
https://search.emarefa.net/detail/BIM-1415622
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Shihab, Raja…[et al.]. Live big data analytics resource management techniques in fog computing for tele-health applications. Jordanian Journal of Computetrs and Information Technology Vol. 7, no. 1 (Mar. 2021), pp.89-103.
https://search.emarefa.net/detail/BIM-1415622
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Shihab, Raja& Tahir, Muhammad& Muhammad, Huda K.. Live big data analytics resource management techniques in fog computing for tele-health applications. Jordanian Journal of Computetrs and Information Technology. 2021. Vol. 7, no. 1, pp.89-103.
https://search.emarefa.net/detail/BIM-1415622
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references : p. 101-103
رقم السجل
BIM-1415622
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)