L’edge computing devient une architecture complémentaire au cloud computing. Un avantage clé de l’informatique en périphérie de réseau est que les edge data centers traditionnels sont généralement situés beaucoup plus près des utilisateurs que les cloud data centers traditionnels. Cela est particulièrement pertinent pour les applications avec des exigences de latence strictes, telles que la réalité virtuelle, les véhicules autonomes ou l’Internet des Objets. Cependant, comme les clusters de bord sont souvent limités en ressources, il y a un compromis entre la latence du réseau et la latence de traitement des serveurs lors du déploiement d’applications sur les deux architectures, edge et cloud.

Les auteurs proposent une approche visant à élaborer des plans de déploiement hybrides cloud/edge garantissant une latence de bout en bout (c’est-à-dire le temps de réponse moyen) inférieur à celle des déploiements purement cloud et ce à coût minimal. Pour un scénario donné avec un nombre et une localisation des utilisateurs et des data centers, la méthode optimise le nombre de serveurs par data center ainsi que la probabilité, pour chaque paire utilisateur/data center possible, qu’une requête de l’utilisateur soit programmée pour le data center. La matrice de probabilité résultante permet au planificateur de tâches de réaliser le compromis entre le traitement en edge et le traitement en cloud.

Étant donné que le temps de réponse moyen de bout en bout est une fonction hautement non linéaire et non convexe du nombre de serveurs et des probabilités de planification, les auteurs ont utilisé l’algorithme Interior-Point/Direct d’Artelys Knitro avec la fonction multistart pour résoudre une relaxation continue du problème avant arrondi.

Les résultats montrent que l’approche proposée produit effectivement des plans de déploiement au moins aussi efficaces que les déploiements cloud pour un budget égal ou inférieur. De plus, la méthode proposée surpasse les déploiements purement edge (c’est-à-dire lorsque les utilisateurs envoient leurs requêtes au data center le plus proche) de 11 % à 24 %.