[論文レビュー] A Decade of Research in Fog computing: Relevance, Challenges, and Future Directions

Satish Narayana Srirama|arXiv (Cornell University)|May 3, 2023

IoT and Edge/Fog Computing被引用数 5

ひとこと要約

本論文は、10年間にわたるフォッグコンピューティング分野の研究を統合し、大規模な展開を妨げる技術的・非機能的・経済的課題を分析している。フォッグフレームワーク、リソース管理、フェデレーテッドラーニングなどのクラスタにわたり、最先端のソリューションを整理し、フェデレーテッドラーニング・アズ・ア・サービスや量子クラウドコンピューティングといった新たなトレンドを統合することで、リアルタイムかつスケーラブルなフォッグアプリケーションの実現に向けた今後の研究方向性を提起している。

ABSTRACT

Recent developments in the Internet of Things (IoT) and real-time applications, have led to the unprecedented growth in the connected devices and their generated data. Traditionally, this sensor data is transferred and processed at the cloud, and the control signals are sent back to the relevant actuators, as part of the IoT applications. This cloud-centric IoT model, resulted in increased latencies and network load, and compromised privacy. To address these problems, Fog Computing was coined by Cisco in 2012, a decade ago, which utilizes proximal computational resources for processing the sensor data. Ever since its proposal, fog computing has attracted significant attention and the research fraternity focused at addressing different challenges such as fog frameworks, simulators, resource management, placement strategies, quality of service aspects, fog economics etc. However, after a decade of research, we still do not see large-scale deployments of public/private fog networks, which can be utilized in realizing interesting IoT applications. In the literature, we only see pilot case studies and small-scale testbeds, and utilization of simulators for demonstrating scale of the specified models addressing the respective technical challenges. There are several reasons for this, and most importantly, fog computing did not present a clear business case for the companies and participating individuals yet. This paper summarizes the technical, non-functional and economic challenges, which have been posing hurdles in adopting fog computing, by consolidating them across different clusters. The paper also summarizes the relevant academic and industrial contributions in addressing these challenges and provides future research directions in realizing real-time fog computing applications, also considering the emerging trends such as federated learning and quantum computing.

研究の動機と目的

• 10年間にわたる研究にもかかわらず、フォッグコンピューティングの大規模採用を妨げる恒久的な障壁を分析すること。
• 技術的・非機能的・経済的次元におけるフォッグコンピューティング分野の最先端技術を統合すること。
• 実世界の展開を制限するフォッグ経済やインfraストラクチャーインcentiveのギャップを特定すること。
• フェデレーテッドラーニングや量子コンピューティングといった新技術がフォッグコンピューティングの発展に果たす役割を検討すること。
• スケーラブルでリアルタイムなフォッグベースのIoTアプリケーションを実現するための実行可能な今後の研究方向性を提示すること。

提案手法

• Scopusから得たフォッグおよびエッジコンピューティングに関する48,000件以上の出版物を対象とした体系的サーベイにより、研究クラスタを同定する。
• 技術的・非機能的・経済的クラスタに分類された課題を、既存のソリューションと照合してマッピングする。
• フォッグフレームワーク、シミュレータ、リソース管理、配置戦略、QoSメカニズムにおける最先端技術の統合的分析。
• プライバシー保護型機械学習手法としてのフェデレーテッドラーニングの分析。
• 量子クラウドコンピューティングがエッジ／フォッグアーキテクチャーやセキュリティに与える潜在的影響の探求。
• 迅速な参照を可能にする統合的ビジュアルフレームワーク（図3）の開発。

実験結果

リサーチクエスチョン

• RQ1 過去10年間で、フォッグコンピューティングの大規模展開を妨げてきた主な技術的・非機能的・経済的課題は何か？
• RQ2 学術的および産業的取り組みは、リソース管理、配置、QoSといった課題に対して、どのように対応してきたか？
• RQ3 フェデレーテッドラーニングをサービスとして活用することで、フォッグベースのIoTシステムにおけるプライバシー保護とスケーラビリティをどの程度向上できるか？
• RQ4 量子クラウドコンピューティングがエッジおよびフォッグコンピューティングアーキテクチャの将来に与える潜在的影響は何か？
• RQ5 フォッグネットワークの大規模なパイロット展開を促進するためには、どのような経済モデルとインcentiveメカニズムが必要か？

主な発見

• フォッグおよびエッジコンピューティングに関する48,000件を超える出版物があるにもかかわらず、大規模なパブリックまたはプライベートフォッグネットワークは依然として実現されておらず、主にパイロット研究やシミュレータの利用にとどまっている。
• フォッグコンピューティングはまだ明確なビジネスケースを確立しておらず、モバイル事業者をはじめとするインfraストラクチャープロバイダーは、それが自らのコアビジネスを脅かすと見なしている。
• エネルギー制限と効率的なリソース活用モデルの欠如が、バッテリー駆動のフォッグデバイスにおいて特に深刻な障壁となっている。
• フェデレーテッドラーニングは、スマートヘルスケアや自動運転車両の分野で、プライバシー保護型機械学習の有望なソリューションとして浮上している。
• 軽量モデルとの統合や、エネルギーおよび計算制約への最適化は、今後の主要な研究方向性である。
• 量子クラウドコンピューティングは、セキュリティの強化や高速計算の可能性によりフォッグコンピューティングに影響を与える可能性があるが、フォッグとの統合は未だ未調査であり、早期の調査が求められている。