FogMLS：一种用于物联网-雾-云计算任务调度的三层模拟数据集

《Scientific Data》：A labeled dataset for resource scheduling in heterogeneous IoT-fog-cloud computing systems

　　

摘要

雾计算将计算能力推向物联网设备以降低延迟，但将任务分配给合适的执行节点需要调度决策，而这类决策在缺乏标注训练数据的情况下难以自动化。基于机器学习的调度器需要此类标签，然而公开可用的数据集要么不携带分配标签，要么仅记录执行后的指标，要么分配忽略节点级信息的二元层级标签。本文描述了FogMLS，这是一种由遗传算法调度器生成并采用贪婪初始化策略的三层物联网-雾-云计算模拟数据集，涵盖三个异构雾节点和一个云服务器。在固定随机种子42下生成了三种负载配置，每种配置跨越5,000个调度时隙。主要的高负载数据集包含404,919个任务-资源分配，每个时隙涵盖200个任务位置，预执行特征编码了任务类型、指令数量、数据大小以及调度时每个雾节点的实时剩余容量，同时附带了遗传算法生成的节点分配标签。一个随机森林分类器在四个调度类别上实现了76.35%的整体准确率，并在种子42、123和456上保持一致结果（76.14–76.35%），这证实了标签携带了训练调度模型所需的充分信号。