[论文解读] Feasibility of Fog Computing

Blesson Varghese, Nan Wang+2 more|arXiv (Cornell University)|Jan 19, 2017

IoT and Edge/Fog Computing被引用 34

一句话总结

本文提出雾计算作为仅使用云架构的去中心化替代方案，利用靠近用户的边缘节点降低延迟和网络流量。在真实在线游戏用例中，雾计算将平均响应时间降低了20%，并将传送到云的流量减少了90%以上，证明了其在提升服务质量（QoS）和用户体验（QoE）方面的可行性。

ABSTRACT

As billions of devices get connected to the Internet, it will not be sustainable to use the cloud as a centralised server. The way forward is to decentralise computations away from the cloud towards the edge of the network closer to the user. This reduces the latency of communication between a user device and the cloud, and is the premise of 'fog computing' defined in this paper. The aim of this paper is to highlight the feasibility and the benefits in improving the Quality-of-Service and Experience by using fog computing. For an online game use-case, we found that the average response time for a user is improved by 20% when using the edge of the network in comparison to using a cloud-only model. It was also observed that the volume of traffic between the edge and the cloud server is reduced by over 90% for the use-case. The preliminary results highlight the potential of fog computing in achieving a sustainable computing model and highlights the benefits of integrating the edge of the network into the computing ecosystem.

研究动机与目标

• 研究雾计算作为集中式云计算的可扩展替代方案的可行性，以应对数十亿台联网设备产生的日益增长的数据量。
• 评估将计算任务去中心化至靠近用户的边缘节点是否能提升实时应用中的服务质量（QoS）和用户体验（QoE）。
• 量化与仅使用云的模型相比，使用雾计算时网络流量和延迟的减少程度。
• 识别部署雾计算时的关键挑战，包括市场机制设计、安全性、计费机制以及工作负载管理。

提出的方法

• 作者为一款在线游戏（iPokeMon）实现了分区化的服务器架构，其中云负责维护全局游戏状态，而边缘节点负责管理本地用户会话。
• 边缘节点部署在贝尔法斯特女王大学的物理服务器上，而云服务器则运行在都柏林的Amazon EC2上，使用Linux容器实现隔离。
• 边缘节点定期将本地用户数据同步至云服务器，以保持一致性，模拟实时状态传播。
• 响应时间以五分钟内用户请求到服务器响应的往返延迟进行测量，测试在不同用户负载下的表现。
• 记录了边缘节点与云之间传输的数据量，以量化雾模型中的网络流量减少情况。
• 本研究对比了仅使用云的模型与采用边缘计算的雾计算模型在性能指标（延迟、流量）上的表现。

实验结果

研究问题

• RQ1 与仅使用云的模型相比，雾计算能否降低实时应用的端到端响应时间？
• RQ2 雾计算在多大程度上减少了边缘节点与云之间的数据传输量？
• RQ3 将计算任务去中心化至边缘节点如何影响交互式应用的可扩展性和性能？
• RQ4 作为一项公用服务部署雾计算时，面临哪些关键技术与社会经济挑战？

主要发现

• 与仅使用云的模型相比，雾计算模型将平均用户响应时间降低了20%以上，显著提升了服务质量（QoS）。
• 边缘节点与云之间的数据传输量平均减少了90%，显示出显著的网络流量节省效果。
• 性能提升在不同用户数量下均保持一致，表明雾模型具有良好的可扩展性。
• 结果验证了雾计算在真实应用场景（如在线游戏）中降低延迟和网络负载的可行性。
• 本研究强调了建立标准化市场机制、实现安全的资源共享以及自动化工作负载部署的必要性，以支持生产规模的雾计算部署。