[论文解读] IFCIoT: Integrated Fog Cloud IoT Architectural Paradigm for Future Internet of Things

Arslan Munir, Prasanna Kansakar+1 more|arXiv (Cornell University)|Jan 30, 2017

IoT and Edge/Fog Computing参考文献 9被引用 20

一句话总结

本文提出了IFCIoT架构范式，整合雾计算、云计算与物联网，以提升物联网应用中的性能、能效和实时响应能力。该研究提出一种可重构的分层雾节点架构，包含应用层、分析层、虚拟化层、重构层和硬件层，能够根据工作负载需求动态适应，降低延迟并提升智慧城市、智能交通、环境监测和农业应用中的本地化精度。

ABSTRACT

We propose a novel integrated fog cloud IoT (IFCIoT) architectural paradigm that promises increased performance, energy efficiency, reduced latency, quicker response time, scalability, and better localized accuracy for future IoT applications. The fog nodes (e.g., edge servers, smart routers, base stations) receive computation offloading requests and sensed data from various IoT devices. To enhance performance, energy efficiency, and real-time responsiveness of applications, we propose a reconfigurable and layered fog node (edge server) architecture that analyzes the applications' characteristics and reconfigure the architectural resources to better meet the peak workload demands. The layers of the proposed fog node architecture include application layer, analytics layer, virtualization layer, reconfiguration layer, and hardware layer. The layered architecture facilitates abstraction and implementation for fog computing paradigm that is distributed in nature and where multiple vendors (e.g., applications, services, data and content providers) are involved. We also elaborate the potential applications of IFCIoT architecture, such as smart cities, intelligent transportation systems, localized weather maps and environmental monitoring, and real-time agricultural data analytics and control.

研究动机与目标

• 解决集中式云计算在处理海量物联网数据时面临的高延迟和带宽限制问题。
• 克服未来物联网与信息物理系统（CPS）应用中雾计算节点存在的性能、能耗和延迟瓶颈。
• 设计一种统一的架构范式，融合物联网、雾计算与云计算，实现可扩展、实时且本地化的数据处理。
• 通过可重构的分层架构，实现雾节点对不同应用工作负载的动态适应。
• 在智慧城市、智能交通和精准农业等实际应用场景中，验证IFCIoT模型的可行性。

提出的方法

• 提出一种集成的IFCIoT架构范式，将物联网、雾计算与云计算统一为一个整体、连贯的框架。
• 设计一种五层雾节点架构：应用层、分析层、虚拟化层、重构层和硬件层，以实现模块化与抽象化。
• 实现重构层，根据实时工作负载特征和应用需求动态调整雾节点资源。
• 利用本地无线接入网络和边缘服务器在数据源附近处理数据，最大限度减少向云端的数据传输。
• 在雾节点实现协同式无线资源管理与本地信号处理，以减轻蜂窝网络拥塞。
• 在边缘服务器集成实时分析引擎，实现在农业和智能交通系统（ITS）等应用中的即时决策与执行器控制。

实验结果

研究问题

• RQ1 如何有效整合雾计算与云计算，以提升物联网应用的性能并降低延迟？
• RQ2 何种架构设计可使雾节点在保持能效的同时，动态适应不同的应用工作负载？
• RQ3 IFCIoT架构相较于集中式云处理，在本地化精度方面有何提升？
• RQ4 分层雾节点架构如何支持多厂商、分布式物联网生态系统中异构服务与数据源的协同？
• RQ5 哪些实际物联网应用最能通过所提出的IFCIoT范式得到有效支持？

主要发现

• IFCIoT架构通过在靠近数据源的位置利用雾节点处理数据，显著降低了数据传输延迟，提升了实时响应能力。
• 可重构的分层雾节点架构能够动态适应高峰工作负载，提升性能与能效。
• 基于边缘处理的本地化气象与环境监测应用，实现了更高的地理精度（例如，从邮区编码提升至亚英里级分辨率）。
• 利用边缘服务器进行实时农业分析，可实现对灌溉、施肥和病虫害管理系统的即时控制，提升作物产量与资源利用效率。
• 雾节点通过卸载处理任务并实施协同式无线资源管理，减轻了蜂窝网络负载，为关键服务保留了带宽。
• 边缘服务器定期向云端更新数据，既支持大规模分析与长期预测，又保持了低延迟的本地决策能力。