[论文解读] A Cloud-Fog Computing Architecture for Real-Time Digital Twins

Francisco Paiva Knebel, Juliano Araújo Wickboldt+1 more|arXiv (Cornell University)|Dec 11, 2020

IoT and Edge/Fog Computing参考文献 31被引用 6

一句话总结

本文提出一种云-雾计算架构，通过将处理任务更靠近边缘设备分布，以降低实时数字孪生系统中的延迟。通过在雾节点上部署MQTT代理和数字孪生实例，与纯云部署相比，该架构将平均消息响应时间减少了64%，从而实现对实时运行至关重要的及时系统响应。

ABSTRACT

Digital Twin systems are designed as two interconnected mirrored spaces, one real and one virtual, each reflecting the other, sharing information, and making predictions based on analysis and simulations. The correct behavior of a real-time Digital Twin depends not only on the logical results of computation but also on the timing constraints. To cope with the large amounts of data that need to be stored and analyzed, modern large scale Digital Twin deployments often rely on cloud-based architectures. A significant portion of the overall response time of a Digital Twin is spent on moving data from the edge to the cloud. Therefore, implementing Digital Twins using cloud-fog architectures emerges as an alternative to bring computing power closer to the edge, reducing latency and allowing faster response times. This paper studies how suitable the use of a cloud-fog architecture is to handle the real-time requirements of Digital Twins. Based on a realistic implementation and deployment of Digital Twin software components, it is possible to conclude that the distribution of Digital Twins in a fog computing setup can reduce response times, meeting its real-time application requirements.

研究动机与目标

• 解决大规模数字孪生系统中集中式云处理导致的高延迟问题。
• 评估雾计算是否能够降低实时数字孪生应用中的端到端响应时间。
• 设计并实现一种满足严格实时时序约束的分布式架构。
• 对比三种部署场景的性能表现：纯云、云-雾混合以及纯雾。
• 证明雾计算在支持数字孪生实时数据流和处理方面的可行性。

提出的方法

• 该架构使用MQTT作为消息协议，以实现传感器与数字孪生实例之间可靠且轻量级的通信。
• 实现了三种部署场景：(1) 所有组件均位于云端，(2) MQTT代理位于雾节点，数字孪生实例位于云端，(3) 代理和数字孪生实例均位于同一雾节点。
• 客户端设备以80ms的间隔发布传感器数据，模拟实时物联网数据流。
• 系统测量了在所有场景下，从消息发布到孪生实例接收的端到端延迟。
• 性能评估基于每条消息的平均、最小、最大响应时间及标准差。
• 实验通过改变消息频率和负载大小，评估了可扩展性与实时响应能力。

实验结果

研究问题

• RQ1 与纯云部署相比，云-雾架构是否能够降低实时数字孪生系统中的端到端延迟？
• RQ2 将MQTT代理和数字孪生实例分布在雾节点上，对响应时间和实时合规性有何影响？
• RQ3 在数字孪生流水线中，将数据处理更靠近边缘进行，可实现哪些性能提升？
• RQ4 雾计算在多大程度上缓解了因长距离数据传输至云端而造成的延迟瓶颈？
• RQ5 不同的部署配置（纯云、云-雾混合、纯雾）对实时数字孪生应用的时序约束有何影响？

主要发现

• 与纯云场景相比，纯雾部署将平均消息响应时间降低了64%，从182.45ms降至66.08ms。
• 在所有基于雾的场景中，最大响应时间相比纯云设置减少了41%。
• 在纯雾场景中，最小响应时间降低了69%，从111.82ms降至35.13ms。
• 与纯云部署相比，云-雾混合场景将平均延迟降低了54%。
• 所有基于雾的部署在标准差方面均有显著改善，表明性能更加稳定。
• 结果证实，将处理任务更靠近边缘分布，是满足大规模数字孪生系统实时需求的关键。