[논문 리뷰] A Decade of Research in Fog computing: Relevance, Challenges, and Future Directions

Satish Narayana Srirama|arXiv (Cornell University)|2023. 05. 03.

IoT and Edge/Fog Computing인용 수 5

한 줄 요약

이 종합 논문은 10년에 걸친 안개 계산 연구를 종합적으로 분석하여 대규모 구현을 저해하는 기술적, 비기능적, 경제적 과제를 다룹니다. 안개 계산 프레임워크, 자원 관리, 연합 학습 등의 클러스터에 걸쳐 최신 기술을 체계화하고, 실시간으로 확장 가능한 안개 애플리케이션을 실현하기 위해 연합 학습 as a service와 양자 클라우드 컴퓨팅과 같은 새로운 추세를 통합하는 향후 연구 방향을 제안합니다.

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.

연구 동기 및 목표

• 10년에 걸친 연구에도 불구하고 대규모 안개 계산 도입을 저지르는 지속적인 장벽을 분석하기 위해.
• 기술적, 비기능적, 경제적 차원에서 안개 계산의 최신 기술을 통합하기 위해.
• 실제 구현을 제한하는 안개 경제 및 인프라 인cent라이브 모델의 격차를 특정하기 위해.
• 연합 학습 및 양자 컴퓨팅과 같은 신기술이 안개 계산을 발전시키는 데서 수행하는 역할을 탐색하기 위해.
• 확장 가능하고 실시간으로 작동하는 안개 기반 IoT 애플리케이션을 달성하기 위한 실천 가능한 향후 연구 방향을 제공하기 위해.

제안 방법

• Scopus에서 확보한 안개 및 엣지 컴퓨팅 분야의 48,000篇 이상의 논문을 대상으로 체계적 종합 조사하여 연구 클러스터를 식별하기 위해.
• 기술적, 비기능적, 경제적 클러스터로 도전 과제를 분류하고 기존 해결책과의 매핑을 수행하기 위해.
• 안개 프레임워크, 시뮬레이터, 자원 관리, 배치 전략, QoS 메커니즘 분야에서 최신 기술을 통합하기 위해.
• 안개 환경에 적용 가능한 개인정보 보호 기반 머신러닝 기법으로서의 연합 학습 분석하기 위해.
• 양자 클라우드 컴퓨팅이 엣지/안개 아키텍처 및 보안에 미치는 잠재적 영향 탐색하기 위해.
• 빠른 참고를 위한 도식적 통합 프레임워크(그림 3) 개발: 과제와 해결책 간의 매핑 제공하기 위해.

실험 결과

연구 질문

• RQ1 지난 10년 동안 대규모 안개 계산 구현을 저지르는 데 영향을 미친 주요 기술적, 비기능적, 경제적 과제는 무엇인가요?
• RQ2 학술 및 산업계의 노력은 안개 계산에서 자원 관리, 배치, QoS 과제를 어떻게 해결해 왔나요?
• RQ3 연합 학습을 서비스 형태로 활용함으로써 안개 기반 IoT 시스템에서 개인정보 보호와 확장성을 향상시킬 수 있는 정도는 어느 정도인가요?
• RQ4 양자 클라우드 컴퓨팅은 향후 엣지 및 안개 계산 아키텍처에 어떤 잠재적 영향을 미칠 수 있나요?
• RQ5 안개 네트워크의 도입 및 대규모 시범 구현을 촉진하기 위해 필요한 경제 모델과 인센티브 메커니즘은 무엇인가요?

주요 결과

• 안개 및 엣지 컴퓨팅 분야에 대해 48,000편 이상의 논문이 존재하지만, 대규모 공개 또는 민간 안개 네트워크는 여전히 실현되지 않았으며, 현재는 시범 연구 및 시뮬레이터만 사용되고 있습니다.
• 안개 계산은 아직 명확한 비즈니스 케이스를 확립하지 못했으며, 이동 통신 사업자와 같은 인프라 제공업체들은 이를 자신의 核심 비즈니스에 위협으로 간주하고 있습니다.
• 에너지 제약과 효율적인 자원 활용 모델의 부족은 특히 배터리로 구동되는 안개 장치에 있어 중요한 장벽으로 남아 있습니다.
• 연합 학습은 개인정보 보호 기반 머신러닝을 위한 유망한 해결책으로 부상하고 있으며, 스마트 헬스케어 및 자율 주행 차량 분야에서의 응용 사례가 있습니다.
• 경량 모델과 에너지 및 계산 제약 조건을 고려한 최적화와의 통합은 향후 주요 연구 방향입니다.
• 양자 클라우드 컴퓨팅은 보안 향상과 더 빠른 계산을 통해 안개 계산에 영향을 줄 수 있지만, 안개와의 통합은 아직 탐색되지 않았으며, 초기 조사가 필요합니다.