A density-aware and overlap-driven framework for task allocation in distributed spatial data processing environments

doi:10.1016/j.future.2026.108861

A density-aware and overlap-driven framework for task allocation in distributed spatial data processing environments

2026-10-09

0

OA

AI

Christoforos Kosmıdis

K

Konstantinos Kolomvatsos

DOI：10.1016/j.future.2026.108861

原文链接

查看原文

摘要

En 中文

分布式传感和物联网（IoT）设备及应用程序产生数据量的增加，加剧了边缘和分布式环境中高效数据与任务管理的需求。此类系统的关键挑战在于如何跨分布式节点分配需要处理多维数据的任务，同时保持数据局部性并限制通信开销。本文提出了一种适用于分布式数据处理环境的密度感知和重叠驱动的任务分配框架。任务和节点数据区域被表示为多维超矩形，每个节点维护其本地数据密度的信息。该框架采用基于严格空间包含、容错基包含和外部执行的情景化分配机制。根据任务与可用数据区域之间的空间关系以及相应的密度条件，任务可本地执行、通过邻节点协作支持、卸载至其他节点，或在无合适执行节点时报告未服务。协作和卸载候选节点通过考虑空间重叠和通信延迟的评分机制选择。为提高对异构数据分布的适应性，该框架还支持根据观测节点密度进行自适应密度阈值和有界容错扩展。该方法使用三种异构真实数据集进行评估：来自希腊的开街图（OSM）数据、纽约市黄色出租车数据以及来自国家门诊医疗保健调查（NAMCS）的数据。评估考察了分配行为、执行成功率、通信需求、决策开销、可扩展性、参数敏感性及截止日期感知准入。结果表明，在低决策开销下实现了准确的分配决策，同时突出了本地执行、邻节点协作和外部卸载之间的权衡。该框架为多维任务分配提供了可解释且自适应的方法，并为边缘和物联网环境中的分布式数据处理提供了实用基础。

Keyword:

Edge computing

Distributed data processing

Task allocation

Spatial data management

Data density

Task offloading

Internet of things

A density-aware and overlap-driven framework for task allocation in distributed spatial data processing environments

摘要

AI总结

期刊

机构

引用论文