[论文解读] Load balancing mechanisms in fog computing: A systematic review

Mostafa Haghi Kashani, Ahmad Ahmadzadeh+1 more|arXiv (Cornell University)|Nov 30, 2020

IoT and Edge/Fog Computing参考文献 89被引用 28

一句话总结

本篇系统性综述分析了2013年至2020年8月期间雾计算中的负载均衡机制，将其分类为近似、精确、基础和混合方法。评估了现有研究中使用的指标、工具和技术，识别出关键挑战，并概述了未来研究方向，以改善雾环境中响应时间、能效和资源利用率等QoS参数。

ABSTRACT

Recently, fog computing has been introduced as a modern distributed paradigm and complement to cloud computing to provide services. Fog system extends storing and computing to the edge of the network, which can solve the problem about service computing of the delay-sensitive applications remarkably besides enabling the location awareness and mobility support. Load balancing is an important aspect of fog networks that avoids a situation with some under-loaded or overloaded fog nodes. Quality of Service (QoS) parameters such as resource utilization, throughput, cost, response time, performance, and energy consumption can be improved with load balancing. In recent years, some researches in load balancing techniques in fog networks have been carried out, but there is no systematic review to consolidate these studies. This article reviews the load-balancing mechanisms systematically in fog computing in four classifications, including approximate, exact, fundamental, and hybrid methods (published between 2013 and August 2020). Also, this article investigates load balancing metrics with all advantages and disadvantages related to chosen load balancing mechanisms in fog networks. The evaluation techniques and tools applied for each reviewed study are explored as well. Additionally, the essential open challenges and future trends of these mechanisms are discussed.

研究动机与目标

• 整合并分析雾计算中负载均衡机制的现有研究，以解决缺乏全面、系统性综述的问题。
• 将负载均衡技术分类为四类：近似、精确、基础和混合方法。
• 评估所研究的负载均衡方法中使用的性能指标、工具和评估技术。
• 识别雾计算负载均衡中的开放挑战与未来研究方向，以改善服务质量（QoS）。

提出的方法

• 对2013年至2020年8月期间发表的关于雾计算中负载均衡的同行评审研究进行了系统性文献综述。
• 基于其底层算法和设计原则，将负载均衡机制分为四类：近似、精确、基础和混合方法。
• 分析并比较了所综述研究中响应时间、吞吐量、能耗、资源利用率和成本等性能指标。
• 评估了研究中使用的仿真工具和实验框架，包括NS-3、OMNeT++和自定义仿真器。
• 综合分析了各类方法在可扩展性、适应性和实时性能方面的优缺点。
• 识别出当前方法中的重复性局限与开放挑战，如动态工作负载处理和面向能效的负载分配。

实验结果

研究问题

• RQ1 雾计算中负载均衡机制的主要类别是什么，它们在设计与实现上如何不同？
• RQ2 在雾网络中评估负载均衡时最常使用的性能指标有哪些，它们如何影响QoS？
• RQ3 现有雾计算负载均衡研究中主要使用哪些仿真工具和评估框架？
• RQ4 当前雾计算环境中负载均衡技术的关键局限与开放挑战是什么？
• RQ5 雾计算负载均衡领域中正在出现的未来研究趋势与方向有哪些？

主要发现

• 本综述识别出94项相关研究，其中混合方法类别最为普遍，因其在性能与适应性之间实现良好平衡。
• 响应时间与资源利用率是最常报告的指标，其次为能耗与吞吐量。
• NS-3与OMNeT++等仿真工具被广泛使用，但很少有研究采用真实世界测试平台，表明实际验证方面存在差距。
• 近似方法因其在大规模雾网络中的可扩展性而更受青睐，而精确方法虽提供更高精度，但计算开销较大。
• 能效与动态工作负载适应性在现有方法中被持续强调为关键挑战。
• 未来研究应聚焦于自适应、上下文感知的负载均衡机制，以支持异构雾环境中的移动性、实时处理与能效。