[论文解读] Enabling Community Health Care with Microservices

Richard Hill, Dharmendra Shadija+1 more|arXiv (Cornell University)|Sep 20, 2017

Software System Performance and Reliability参考文献 17被引用 3

一句话总结

本文提出了一种基于微服务的物联网架构，用于社区医疗保健，通过边缘处理和工作负载管理将数据传输减少57%，计算时间减少59%，从而在去中心化护理系统中提升可扩展性、弹性与隐私性。该方法利用面向代理的建模和LoraWAN技术，实现从家庭传感器到医疗云的高效、安全数据流。

ABSTRACT

Microservice architectures (MA) are composed of loosely coupled, course-grained services that emphasise resilience and autonomy, enabling more scalable applications to be developed. Such architectures are more tolerant of changing demands from users and enterprises, in response to emerging technologies and their associated influences upon human interaction and behaviour. This article looks at microservices in the Internet of Things (IoT) through the lens of agency, and using an example in the community health care domain explores how a complex application scenario (both in terms of software and hardware interactions) might be modelled.

研究动机与目标

• 通过支持可扩展、弹性且具备隐私意识的服务组合，应对社区医疗保健系统日益增长的复杂性。
• 通过在边缘端过滤和处理传感器数据，减少基于物联网的健康监测中的网络带宽和处理开销。
• 探索微服务和面向代理的建模在支持动态、多利益相关方护理环境中的可行性。
• 评估工作负载管理在边缘计算单元中用于实时健康数据处理的性能提升效果。
• 识别在医疗提供者与地方当局之间实现去中心化数据处理和安全数据共享的机会。

提出的方法

• 设计基于微服务的架构，其中每个服务封装特定的护理功能，如数据过滤、分析和报告。
• 在边缘端实施两阶段数据处理流水线：首先对传感器数据进行初步过滤，随后执行模式识别和趋势分析。
• 使用代理统一建模语言（AUML）将系统建模为多代理系统，以实现利益相关方之间的主动与协调行为。
• 采用LoraWAN技术实现家庭监控单元向医疗云的低功耗、长距离非关键数据通信。
• 应用工作负载管理算法，根据可用资源和截止时间动态分配处理任务至边缘组件。
• 使用Omnet++ 5.1在Ubuntu 16.04上对系统进行仿真，采用来自MIT AI实验室的100MB传感器数据集，评估在不同负载下的性能表现。

实验结果

研究问题

• RQ1 微服务与边缘处理如何减少社区医疗保健物联网系统中的数据传输并提升效率？
• RQ2 工作负载管理对基于边缘的健康监测单元中处理延迟和资源利用率有何影响？
• RQ3 微服务架构在动态、多利益相关方医疗保健环境中如何提升系统的弹性与模块化？
• RQ4 在受限的LoraWAN网络中，去中心化数据处理能在多大程度上减少带宽消耗？
• RQ5 如何在社区医疗保健系统的分布式微服务中强制实施数据隐私与访问控制？

主要发现

• 通过边缘过滤和工作负载感知处理，模拟网络中的数据传输量减少了57%。
• 由于优化了工作负载分配，处理传感器数据的计算时间从18.3秒减少至7.3秒，降幅达59%。
• 由于在传输前过滤了冗余传感器数据，网络带宽消耗减少了51%。
• 得益于动态工作负载管理，系统在传感器负载增加时表现出更强的弹性和适应性。
• 即使在高传感器输入情况下，边缘架构仍保持性能稳定性，对网络波动的敏感性降低。
• 家庭监控单元的计算能力未被充分利用，表明可通过更先进的数据处理实现进一步优化。