这篇论文的主要内容是关于基于边缘计算和微服务缓存的睡眠监测系统。以下是详细内容概述：

标题

• 睡眠监测系统基于边缘计算和微服务缓存

作者

• Nico Surantha - 东京市立大学，日本
• David Jayaatmaja - 雅加达Bina Nusantara大学，印度尼西亚
• Sani Muhamad Isa - 雅加达Bina Nusantara大学，印度尼西亚

摘要

• 论文介绍了一种基于边缘计算的智能睡眠监测系统，使用微服务架构和缓存技术。
• 该系统通过在数据源附近进行数据处理来减少延迟，提高实时监测能力。
• 缓存技术用于减少数据库负载和优化随机存取存储器（RAM）的使用。
• 研究针对物联网（IoT）健康监测平台在网络质量差的环境中的延迟和响应时间挑战，同时优化了Jetson Nano边缘计算设备上的数据库负载和资源使用。
• 使用心电图（ECG）数据作为输入，系统表现出色，提高了吞吐量，减少了响应时间和延迟。
• 通过集成消息队列遥测传输（MQTT），CPU使用率降低了约40%，RAM使用量减少了约81.24%。

关键词

• 物联网
• 微服务
• 健康监测
• 边缘计算
• 缓存

引言

• 论文讨论了睡眠对人类健康的重要性，并强调了IoT技术在创建全面睡眠质量监测系统方面的机会。
• 介绍了先前研究的健康监测系统，包括使用不同架构和技术来提高准确性和性能。
• 讨论了现有系统的局限性，如对良好网络环境的依赖。

方法论

• 现有架构：介绍了David等人和Surantha等人提出的现有系统架构。
• 提出的系统架构：提出了一个基于ECG数据的睡眠质量监测系统，使用WELM-PSO算法进行分类。
• 评估指标：考虑了延迟、响应时间、吞吐量和RAM及CPU使用等性能指标。
• 评估场景：比较了提出的系统与现有系统的性能。

在论文中，WELM-PSO算法被用于睡眠阶段的分类。WELM-PSO算法结合了加权极端学习机（Weighted Extreme Learning Machine）和粒子群优化（Particle Swarm Optimization）两种算法。

结果与讨论

• 吞吐量评估：提出的系统展示了最高的平均吞吐量。
• 延迟评估：提出的系统具有最低的延迟。
• 响应时间评估：提出的系统具有最低的平均响应时间。
• 资源使用评估：提出的系统在CPU和RAM使用上更为高效。

结论

• 通过使用MQTT消息传递和集成高效的缓存系统，显著提高了睡眠质量监测系统的性能、响应性和适应性。
• 使用MQTT的轻量级特性和强大的发布-订阅模型，确保了更快的响应和传输。
• 实施缓存系统还精心优化了数据库负载，确保即使在网络条件差的环境下也能快速访问关键数据。
• 这些改进不仅提高了系统的效率和可靠性，而且对于像Jetson Nano这样的资源受限设备尤其重要。

致谢

• 研究的发表得到了Tateishi Science and Technology Foundation的支持。

参考文献

• 列出了与睡眠、IoT、健康监测、边缘计算和缓存相关的文献。

这篇论文提出了一个创新的睡眠监测系统，通过边缘计算和缓存技术，提高了健康监测的效率和可靠性，特别是在网络条件不佳的环境中。