[论文解读] SDFog: A Software Defined Computing Architecture for QoS Aware Service Orchestration over Edge Devices

Harshit Gupta, Shubha Brata Nath+2 more|arXiv (Cornell University)|Sep 5, 2016

IoT and Edge/Fog Computing参考文献 7被引用 28

一句话总结

SDFog 提出了一种软件定义雾（SDFog）架构，通过统一软件定义网络（SDN）、网络功能虚拟化（NFV）和服务导向计算，实现对边缘设备上分布式服务的 QoS 感知编排。通过将雾资源抽象为可管理的服务，并利用集中式控制器通过虚拟网络功能（VNF）调度 QoS 约束的流量，该系统在网络拥塞情况下仍能确保一致的用户体验质量，其有效性通过智能家庭用例得到验证，视频质量指标显著提升。

ABSTRACT

Cloud computing revolutionized the information technology (IT) industry by offering dynamic and infinite scaling, on-demand resources and utility-oriented usage. However, recent changes in user traffic and requirements have exposed the shortcomings of cloud computing, particularly the inability to deliver real-time responses and handle massive surge in data volumes. Fog computing, that brings back partial computation load from the cloud to the edge devices, is envisioned to be the next big change in computing, and has the potential to address these challenges. Being a highly distributed, loosely coupled and still in the emerging phase, standardization, quality-of-service management and dynamic adaptability are the key challenges faced by fog computing research fraternity today. This article aims to address these issues by proposing a service-oriented middleware that leverages the convergence of cloud and fog computing along with software defined networking (SDN) and network function virtualization (NFV) to achieve the aforementioned goals. The proposed system, called "Software Defined Fog" (SDFog), abstracts connected entities as services and allows applications to orchestrate these services with end-to-end QoS requirements. A use-case showing the necessity of such a middleware has been presented to show the efficacy of the SDN-based QoS control over the Fog. This article aims at developing an integrated system to realize the software-defined control over fog infrastructure.

研究动机与目标

• 解决新兴雾计算环境中 QoS 管理、动态适应性和标准化方面的挑战。
• 通过统一的中间件层，实现对分布式雾资源（计算、存储和网络）的集中式、软件定义控制。
• 通过基于应用级约束动态调度服务间流量，支持端到端的 QoS 感知服务编排。
• 证明虚拟网络功能（VNF）在实时、低延迟敏感型应用（如视频流）中用于保持 QoS 的可行性。
• 通过服务导向的抽象，弥合 SDN 的网络控制与雾计算的分布式、异构基础设施之间的差距。

提出的方法

• 将所有雾实体（边缘设备、服务器和网络节点）抽象为具有相关元数据的首等服务，以支持可发现性和管理。
• 实现一个逻辑上集中的 SDFog 控制器，用于管理服务发现、QoS 感知的流量创建以及在整个雾连续体中实例化 VNF。
• 在应用请求中使用 QoS 注解以指定所需性能指标（如延迟、吞吐量），控制器将这些指标转换为底层资源分配。
• 利用网络功能虚拟化（NFV）在路径中的关键位置部署保持 QoS 的 VNF（如用于流量整形、数据去重的 VNF）。
• 采用多域控制器架构以支持大规模、分布式雾环境中的可扩展性和动态重构。
• 利用北向接口，允许应用程序提交带有 QoS 注解的任务，并通过自动编排获得保证的服务交付。

实验结果

研究问题

• RQ1 如何将软件定义控制从网络层扩展到包括雾计算中的计算和存储资源？
• RQ2 服务导向的中间件能否有效实现跨异构边缘设备的分布式服务 QoS 感知编排？
• RQ3 虚拟网络功能（VNF）在拥塞的雾网络中，能在多大程度上改善视频质量等 QoS 指标和交付可靠性？
• RQ4 在不同网络负载下，QoS 感知路由与尽力而为路由在端到端用户体验质量（QoE）方面有何差异？
• RQ5 在移动、分布式的雾环境中，需要何种机制来支持动态服务发现、部署和状态迁移？

主要发现

• SDFog 架构成功实现了对边缘设备上服务的 QoS 感知编排，在高网络拥塞情况下仍能确保一致的性能表现。
• 在智能家庭用例中，QoS 感知路由在相同负载下维持了平均 SSIM 为 0.85 的稳定水平，而尽力而为路由的平均 SSIM 降至 0.6 以下。
• 原型验证表明，VNF 可有效用于保持视频质量，并防止在高拥塞情况下出现 TCP 连接中断，而尽力而为场景中则无法避免此类问题。
• 通过在最优网络位置动态部署 VNF，系统显著提升了端到端 QoE，降低了延迟并增强了数据交付的可靠性。
• 服务发现与动态部署机制支持对网络条件变化和用户移动性的无缝适应，保障了应用连续性。
• SDN、NFV 和 SOA 在统一中间件层的集成，实现了对雾基础设施的高层级、基于策略的控制，简化了配置与管理。