[论文解读] Application Management in Fog Computing Environments: A Taxonomy, Review and Future Directions

Redowan Mahmud, Kotagiri Ramamohanarao+1 more|arXiv (Cornell University)|May 21, 2020

IoT and Edge/Fog Computing参考文献 141被引用 165

一句话总结

本文提出了一种全面的分类法、综述以及雾计算环境中应用管理的未来研究框架。它解决了在分布式、异构且资源受限的雾节点中应用架构、部署和维护方面的挑战，提出了一个多级编排模型，并识别出关键的研究空白和方向，如基于人工智能的管理、能效权衡以及可信服务编排。

ABSTRACT

The Internet of Things (IoT) paradigm is being rapidly adopted for the creation of smart environments in various domains. The IoT-enabled Cyber-Physical Systems (CPSs) associated with smart city, healthcare, Industry 4.0 and Agtech handle a huge volume of data and require data processing services from different types of applications in real-time. The Cloud-centric execution of IoT applications barely meets such requirements as the Cloud datacentres reside at a multi-hop distance from the IoT devices. extit{Fog computing}, an extension of Cloud at the edge network, can execute these applications closer to data sources. Thus, Fog computing can improve application service delivery time and resist network congestion. However, the Fog nodes are highly distributed, heterogeneous and most of them are constrained in resources and spatial sharing. Therefore, efficient management of applications is necessary to fully exploit the capabilities of Fog nodes. In this work, we investigate the existing application management strategies in Fog computing and review them in terms of architecture, placement and maintenance. Additionally, we propose a comprehensive taxonomy and highlight the research gaps in Fog-based application management. We also discuss a perspective model and provide future research directions for further improvement of application management in Fog computing.

研究动机与目标

• 分析并分类雾计算环境中现有的应用管理策略。
• 识别雾计算中应用架构、部署和维护方面的研究空白。
• 提出一种多级视角模型，用于编排跨雾和云基础设施的应用管理。
• 概述提升雾基物联网系统效率、可靠性和可扩展性的未来研究方向。

提出的方法

• 提出一个三层次的应用管理分类法：架构、部署和维护。
• 引入一个视角模型，整合跨雾和云层级的CPS管理器、应用部署引擎（APE）和资源管理器（FRM/CRM）。
• 采用分层架构，其中CPS管理器根据资源状态和QoS需求协调应用部署。
• 采用动态工作负载调度以适应环境变化并优化任务分发。
• 利用FRM和CRM的反馈实时调整应用规格和部署策略。
• 通过协调管理组件支持运行时编排、迁移和多级资源供给。

实验结果

研究问题

• RQ1 如何为雾计算环境有效设计和分类应用架构？
• RQ2 当前基于雾的应用部署策略面临哪些关键挑战和局限性？
• RQ3 如何在分布式、异构且受限的雾基础设施中优化应用维护？
• RQ4 应用管理中存在哪些关键研究空白，阻碍了雾计算能力的充分挖掘？
• RQ5 为推进可扩展、高效且可信的雾应用管理，哪些未来研究方向至关重要？

主要发现

• 本文识别出在应用架构、部署和维护方面存在显著的研究空白，尤其是在处理异构性、资源限制和动态工作负载方面。
• 提出了一种多级管理框架，将雾和云资源管理器与应用部署和工作负载调度组件集成。
• 研究表明，基于人工智能的管理可提升对资源需求、环境变化和节点故障的预测能力。
• 能效权衡至关重要，尤其是在使用可再生能源时，需动态调节采样频率和精度。
• 可信服务编排对于实现公共与私有雾基础设施之间的安全协作至关重要。
• 雾节点的动态整合与弹性扩展可降低能耗和成本，同时保持性能。