[论文解读] Fog Computing: Principles, Architectures, and Applications

Amir Vahid Dastjerdi, Harshit Gupta+3 more|arXiv (Cornell University)|Jan 12, 2016

IoT and Edge/Fog Computing被引用 6

一句话总结

本文提出雾计算作为一种去中心化范式，将云计算扩展至网络边缘，从而降低实时物联网（IoT）应用的延迟和网络拥塞。它提出了一种参考架构，具备低延迟、可扩展性和互操作性等关键特性，通过在传感器与云数据中心之间的分布式、虚拟化边缘服务，展示了其在健康监测和应急响应等用例中的有效性。

ABSTRACT

The Internet of Everything (IoE) solutions gradually bring every object online, and processing data in centralized cloud does not scale to requirements of such environment. This is because, there are applications such as health monitoring and emergency response that require low latency and delay caused by transferring data to the cloud and then back to the application can seriously impact the performance. To this end, Fog computing has emerged, where cloud computing is extended to the edge of the network to decrease the latency and network congestion. Fog computing is a paradigm for managing a highly distributed and possibly virtualized environment that provides compute and network services between sensors and cloud data centers. This chapter provides background and motivations on emergence of Fog computing and defines its key characteristics. In addition, a reference architecture for Fog computing is presented and recent related development and applications are discussed.

研究动机与目标

• 为解决集中式云计算在处理万物互联（IoE）环境中低延迟、高吞吐量数据时的局限性。
• 将雾计算定义为一种将云服务扩展至网络边缘、靠近数据源的范式。
• 提出一种标准化的参考架构，支持分布式、虚拟化和可扩展的服务交付。
• 分析雾计算在实时和关键任务环境中的最新发展与应用。
• 确立雾计算作为对延迟敏感型物联网工作负载而言，相较于仅使用云架构的可行替代方案。

提出的方法

• 提出一种将雾计算定位在网络层级中端设备与云数据中心之间的参考架构。
• 将雾计算定义为一种分布式、虚拟化环境，可在网络边缘提供计算、存储和网络服务。
• 引入低延迟、可扩展性、互操作性以及对动态资源分配的支持等关键特性。
• 利用虚拟化与服务编排技术，实现对雾节点的灵活高效管理。
• 将雾计算建模为云计算的延伸，通过更接近数据源和终端用户的特性提升性能。
• 通过分析健康监测和应急响应等实际应用场景，验证该架构的优势。

实验结果

研究问题

• RQ1 如何将云计算扩展至网络边缘，以降低万物互联（IoE）环境中的延迟？
• RQ2 有效的雾计算部署所需的关键架构原则与特性是什么？
• RQ3 雾计算如何提升健康监测和应急响应等延迟敏感型应用的性能？
• RQ4 在服务交付与资源管理方面，雾计算与传统云计算的关键差异是什么？
• RQ5 雾计算在现实系统中的当前趋势与实际应用有哪些？

主要发现

• 通过在数据源附近处理数据，雾计算显著降低了延迟，提升了对时间关键型应用的响应能力。
• 所提出的参考架构支持在异构边缘设备上实现可扩展且互操作的雾服务部署。
• 雾环境中虚拟化与动态资源分配的结合，提升了效率并增强了对工作负载变化的适应能力。
• 健康监测和应急响应等应用因数据传输延迟减少而表现出可测量的性能提升。
• 雾计算通过将处理任务从中心云卸载至分布式边缘节点，有效缓解了网络拥塞。
• 雾与云服务的集成形成了混合模型，在大规模物联网部署中实现了性能、成本与可靠性的平衡。