[论文解读] iFogSim: A Toolkit for Modeling and Simulation of Resource Management Techniques in Internet of Things, Edge and Fog Computing Environments

Harshit Gupta, Amir Vahid Dastjerdi+2 more|arXiv (Cornell University)|Jun 7, 2016

IoT and Edge/Fog Computing参考文献 12被引用 48

一句话总结

本文介绍了iFogSim，一个用于建模和评估物联网、边缘计算及雾计算环境中资源管理技术的仿真工具包。它支持在异构设备上对应用工作负载、运营商部署及调度策略进行端到端仿真，展示了低延迟、可扩展性，并支持以QoS为导向的策略评估，例如仅使用云与边缘感知部署的对比。

ABSTRACT

Internet of Things (IoT) aims to bring every object (e.g. smart cameras, wearable, environmental sensors, home appliances, and vehicles) online, hence generating massive amounts of data that can overwhelm storage systems and data analytics applications. Cloud computing offers services at the infrastructure level that can scale to IoT storage and processing requirements. However, there are applications such as health monitoring and emergency response that require low latency, and delay caused by transferring data to the cloud and then back to the application can seriously impact their performances. To overcome this limitation, Fog computing paradigm has been proposed, where cloud services are extended to the edge of the network to decrease the latency and network congestion. To realize the full potential of Fog and IoT paradigms for real-time analytics, several challenges need to be addressed. The first and most critical problem is designing resource management techniques that determine which modules of analytics applications are pushed to each edge device to minimize the latency and maximize the throughput. To this end, we need a evaluation platform that enables the quantification of performance of resource management policies on an IoT or Fog computing infrastructure in a repeatable manner. In this paper we propose a simulator, called iFogSim, to model IoT and Fog environments and measure the impact of resource management techniques in terms of latency, network congestion, energy consumption, and cost. We describe two case studies to demonstrate modeling of an IoT environment and comparison of resource management policies. Moreover, scalability of the simulation toolkit in terms of RAM consumption and execution time is verified under different circumstances.

研究动机与目标

• 为解决在物联网和雾计算环境中缺乏可扩展、可重复的仿真平台以评估资源管理策略的问题。
• 支持对跨边缘、雾和云层级的流处理应用的调度、部署及迁移策略进行性能评估。
• 支持对具有真实网络、计算及存储约束的物联网工作负载进行端到端建模。
• 提供一个框架，用于比较以QoS为导向的策略，如延迟最小化与能效优化在分布式物联网系统中的表现。
• 促进对实时、低延迟敏感的物联网应用中动态、自适应资源管理的研究。

提出的方法

• 设计并实现iFogSim作为支持异构设备的物联网、雾及云基础设施离散事件仿真器。
• 将物联网工作负载建模为可配置数据流，包括元组大小、传输速率及应用数据流图（操作符的有向无环图）。
• 集成资源感知的调度策略，包括仅使用云和边缘感知的运算符部署策略。
• 通过可配置的拓扑结构和QoS指标，模拟分布式设备间的网络延迟、带宽约束及能耗。
• 支持基于设备可用性和工作负载需求的动态资源分配、运算符迁移与整合。
• 与CloudSim集成以实现云层级的建模，并扩展至边缘/雾层级，以支持全栈仿真。

实验结果

研究问题

• RQ1 在物联网流处理中，与仅使用云的部署方式相比，边缘感知的资源管理如何降低端到端延迟？
• RQ2 在雾环境中，元组大小和数据传输速率的变化对网络拥塞和处理延迟有何影响？
• RQ3 随着设备和工作负载数量的增加，iFogSim在内存使用量和执行时间方面如何体现可扩展性？
• RQ4 在不同的资源部署策略中，能耗、网络负载与延迟之间的性能权衡如何？
• RQ5 iFogSim在模拟具有异构设备和动态QoS需求的真实物联网工作负载方面效果如何？

主要发现

• iFogSim能够成功仿真大规模的物联网和雾计算环境，具备真实的网络、计算及存储约束。
• 仿真器展现出良好的可扩展性，即使在设备和工作负载数量较多的情况下，内存使用量和执行时间仍保持可控。
• 与仅使用云的部署相比，边缘感知的部署策略显著降低了端到端延迟，尤其在高数据速率下效果更明显。
• 该工具包支持对延迟、能耗及网络拥塞等QoS指标进行可重复、量化的评估。
• 案例研究证实，iFogSim支持对资源管理策略（包括动态迁移与整合）进行有意义的比较。
• 该平台具有可扩展性，支持未来增强功能，如能耗感知调度、故障建模及虚拟化技术对比。