[论文解读] A Fog-based Architecture and Programming Model for IoT Applications in the Smart Grid

Pan Wang, Shidong Liu+2 more|arXiv (Cornell University)|Apr 4, 2018

IoT and Edge/Fog Computing参考文献 13被引用 31

一句话总结

本文提出了一种面向智能电网中物联网应用的雾计算架构与编程模型，引入了分布式雾计算协调器，以实现在边缘节点间低延迟、位置感知且协同的处理。与传统雾架构相比，该模型在高服务请求负载下以及协调器密度增加时，可将应用延迟降低高达40%。

ABSTRACT

The smart grid utilizes many Internet of Things (IoT) applications to support its intelligent grid monitoring and control. The requirements of the IoT applications vary due to different tasks in the smart grid. In this paper, we propose a new computing paradigm to offer location-aware, latencysensitive monitoring and intelligent control for IoT applications in the smart grid. In particular, a new fog-based architecture and programming model is designed. Fog computing extends computing to the edge of a network, which has a perfect match to IoT applications. However, existing schemes can hardly satisfy the distributed coordination within fog computing nodes in the smart grid. In the proposed model, we introduce a new distributed fog computing coordinator, which periodically gathers information of fog computing nodes, e.g., remaining resources, tasks, etc. Moreover, the fog computing coordinator also manages jobs so that all computing nodes can collaborate on complex tasks. In addition, we construct a working prototype of intelligent electric vehicle service to evaluate the proposed model. Experiment results are also presented to demonstrate that our proposed model exceed the traditional fog computing schemes for IoT applications in the smart grid.

研究动机与目标

• 为解决传统云和雾计算在满足智能电网中物联网应用对低延迟、分布式协调和位置感知需求方面的局限性。
• 设计一种新型雾计算架构，以增强地理分布的雾节点之间在复杂实时任务中的协调能力。
• 开发一种专用编程模型，以支持在所提架构内雾节点之间的任务分配与协作。
• 通过智能电动汽车服务的原型实现，评估所提架构与模型的性能。

提出的方法

• 引入分布式雾计算协调器，定期从本地雾节点收集资源与任务信息，以实现动态协调。
• 设计一种三层雾计算架构：智能电网层、雾层（含协调器）和云层，实现分层处理。
• 开发一种支持跨雾节点任务分配与协同执行的编程模型，提升分布式协调能力。
• 实现智能电动汽车充放电服务的原型，以验证架构与模型的可行性。
• 采用实验评估方法，通过改变服务请求数量与雾计算协调器数量，测量应用延迟。
• 采用基于数据流的处理方法，与现有物联网框架（如Node-RED）集成，用于原型开发。

实验结果

研究问题

• RQ1 雾计算如何能更好地支持智能电网中物联网应用的低延迟、位置感知和分布式协调？
• RQ2 在智能电网背景下，为实现雾节点间有效协作，需要哪些架构增强？
• RQ3 与传统雾架构相比，引入专用雾计算协调器在多大程度上提升了应用性能？
• RQ4 所提出的编程模型在多大程度上增强了分布式物联网工作负载中的协调能力并降低了延迟？
• RQ5 增加雾计算协调器数量对物联网工作负载中应用延迟有何影响？

主要发现

• 在高服务请求负载下，所提出的雾计算架构相比传统雾计算方案，可将应用延迟降低高达40%。
• 随着服务请求数量的增加，所提架构的延迟显著低于传统模型，表现出更优的可扩展性。
• 增加雾计算协调器数量可显著降低应用延迟，证实了集中式协调的有效性。
• 实验结果表明，所提架构在响应时间与负载处理能力方面均优于传统雾计算。
• 智能电动汽车服务的原型实现成功验证了所提模型的可行性与性能提升。
• 专用协调器的集成显著提升了智能电网环境中分布式雾节点间的资源利用率与任务协作能力。