[论文解读] From Zero to Fog: Efficient Engineering of Fog-Based IoT Applications.

Tobias Pfandzelter, Jonathan Hasenburg+1 more|arXiv (Cornell University)|Aug 18, 2020

IoT and Edge/Fog Computing参考文献 5被引用 4

一句话总结

本文提出了一种三步设计流程——最佳实践、仿真与测试床验证——以高效构建基于雾计算的物联网应用。通过在雾节点与云节点之间迭代优化组件部署，该方法降低了延迟与带宽消耗，在物理测试床中通过智能工厂用例验证了可测量的性能提升。

ABSTRACT

In IoT data processing, cloud computing alone does not suffice due to latency constraints, bandwidth limitations, and privacy concerns. By introducing intermediary nodes closer to the edge of the network that offer compute services in proximity to IoT devices, fog computing can reduce network strain and high access latency to application services. While this is the only viable approach to enable efficient IoT applications, the issue of component placement among cloud and intermediary nodes in the fog adds a new dimension to system design. State-of-the-art solutions to this issue rely on either simulation or solving a formalized assignment problem through heuristics, which are both inaccurate and fail to scale with a solution space that grows exponentially. In this paper, we present a three step process for designing practical fog-based IoT applications that uses best practices, simulation, and testbed analysis to converge towards an efficient system architecture. We then apply this process in a smart factory case study. By deploying filtered options to a physical testbed, we show that each step of our process converges towards more efficient application designs.

研究动机与目标

• 解决雾计算中物联网应用组件部署低效的问题，该问题导致高延迟、带宽压力及隐私风险。
• 克服现有启发式与基于仿真的方法在大规模、指数级增长的解空间中难以扩展且准确性不足的局限性。
• 开发一种实用的、迭代式的设计方法论，通过真实世界验证逐步收敛至最优系统架构。
• 在真实世界的智能工厂用例中展示该方法的有效性，并实现可测量的性能提升。

提出的方法

• 应用既定的雾架构最佳实践，基于延迟、数据敏感性与处理需求，指导初始的组件部署决策。
• 使用仿真建模多种部署配置，并在不同网络与工作负载条件下评估性能权衡。
• 通过在物理测试床上部署筛选后的设计选项，测量真实世界中的延迟、吞吐量与资源利用率，验证有前景的配置。
• 通过对比仿真结果与测试床测量数据，迭代优化系统设计，调整组件部署以提升效率。
• 利用测试床实验的反馈改进仿真模型，并指导进一步的优化循环。
• 通过在雾层中将计算密集型组件更靠近物联网设备部署，重点最小化端到端延迟与网络带宽消耗。

实验结果

研究问题

• RQ1 如何系统性地优化基于雾计算的物联网系统中的组件部署，以减少延迟与带宽使用？
• RQ2 将最佳实践、仿真与物理测试床验证相结合，与纯启发式或仿真方法相比，能在多大程度上提升雾应用设计的效率？
• RQ3 通过真实世界测试进行迭代设计优化，能否在智能工厂物联网部署中带来可测量的性能提升？
• RQ4 在真实雾环境中，不同的部署策略如何影响端到端延迟与网络负载？

主要发现

• 三步设计流程——最佳实践、仿真与测试床验证——使系统架构的优化收敛程度优于仅依赖启发式或仿真方法的方案。
• 物理测试床部署结果证实，基于仿真与最佳实践筛选出的设计选项显著降低了端到端延迟与网络负载。
• 基于测试床反馈的迭代优化提升了仿真模型的准确性，并带来了更优的组件部署决策。
• 该方法成功扩展至智能工厂环境中复杂的真实物联网工作负载，展示了实际适用性。
• 采用该方法做出的组件部署决策，相比基线配置，实现了可测量的延迟与带宽消耗降低。
• 将真实世界测试与仿真及设计原则相结合，带来了更可靠、更高效的雾应用架构。