霧計算

2012年，Cisco給出了霧計算的明確定義：霧計算是云計算的延伸概念，在霧計算模式中，數據、處理和應用程序都集中在網絡邊緣的設備中，而不是幾乎全部保存在云中，因此“霧是更貼近地面的云”?；萜諏嶒炇抑该?，“霧計算是由大量異構的分布式設備，通過有線/無線的方式協同完成任務的計算與存儲”。霧位于終端設備與云之間，為終端設備與云架起一座橋梁。霧計算同云計算一樣可以為終端設備提供計算、存儲與網絡服務，與云計算不同的是霧計算更接近終端設備。

(1)低延時：不同于遠程部署的云，霧通常部署于網絡邊緣，近距離為終端設備提供計算、存儲以及網絡等服務。對于實時數據的發送可以通過單跳鏈路通信完成，大大縮短了數據傳輸時延。相比于將數據傳輸至云端進行計算，保證了實時數據處理的服務質量，減輕了主干網絡通信壓力。

(2)地理分布：云由高性能服務器集群組成，因此，云計算是典型的集中式計算模式。與之相反，霧節點廣泛地分布在網絡邊緣，霧計算是一種分布式計算模式。霧計算的分布式計算特性為實時性、移動性支持提供了保障。醫院、賓館、商場、劇院、機場等場所均可通過部署霧節點形成強大的霧計算環境，霧計算為下一代新型應用的設計與實現提供可能。、

(3)位置與情景感知：由于霧節點分布范圍較廣，密度較大，部署在霧計算環境中的設備能夠感知周圍環境的詳細信息，可以隨時獲取其中設備的位置信息、正在發生的行為活動以及人員的出席情況等。

(4)移動性支持：在霧計算環境中，靜止的霧節點不但可以為靜止/移動的終端用戶提供服務，而且移動的霧節點也可以為靜止/移動的終端用戶提供服務。移動的霧節點可以是正在行駛的汽車、飛行中的無人機、配有可穿戴設備的行人等。通過采用不同的通信協議以及任務遷移等技術，從而實現霧節點與移動終端設備的信息無縫交互。

(5)低能耗：霧計算具有低能耗的優勢，終端設備將任務發送至附近的霧節點處理，終端設備的能耗問題得到解決。在霧計算環境中，分布式部署的霧相比集中式部署的云其能效性更高。在云計算環境中，海量數據傳輸至云需要消耗大量的能量，對于移動設備來說是一個很大的挑戰。引入霧計算解決能耗問題，海量數據無需發送至云端進行分析，靠近數據源的霧節點為降低能耗提供了有效的解決方案。

(6)異構性：隨著物聯網技術的快速發展，預測在未來不久，將會有數百億的物理設備連接到物聯網。霧節點由位于網絡邊緣的智能體、網絡設備等組成，這些設備的功能以及性能都存在很大的差異，同時依賴不同的通信協議和傳輸介質。霧計算能夠在制造現場通過虛擬化技術和面向服務的理念將異構設備進行抽象，形成提供計算、存儲與網絡服務的高度虛擬化共享平臺，為操作技術(Operation Technology，OT)與信息技術(Information Technology，IT)互相融合提供載體，從而有效降低云端與制造系統交互的任務難度^[1]。

從架構角度可以把霧計算分為三層，其自上而下分別為：云層、霧層和終端層/應用層。

(1)云層

云層位于整個霧計算架構的最頂端(最遠端)，它包含多種云系統設備，由大量的數據存儲服務器和網絡通信設備所組成，可以提供強大的集中計算和資源存儲能力，大量信息和繁重的任務都在云服務器中處理。云層在管理整個系統方面起著不可或缺的作用，但云服務器的位置距離用戶設備較遠。

(2)霧層

霧層是整個霧計算架構的核心層，霧節點通過位于云層和邊緣層之間的核心網絡或邊緣網絡與云和其他霧節點相互連接，霧層中包括了大量具有計算能力、存儲能力有限的霧節點，每個霧節點都相當于一個小型的云服務器，它們的位置更接近網絡邊緣的用戶設備，這樣的部署方式極大降低了計算時延。

(3)終端層/應用層

由大量異構的智能終端和設備組成，包括傳感器、智能手機、個人電腦、車輛等。在不同的應用場景下，用戶層的設備也存在較大的差異性，例如，在車聯網環境中，用戶層主要包括車輛及其上配置的各種傳感器，而在智能家居環境中，用戶層主要包括智能電器、傳感器和智能手機等。異構的用戶終端設備在連接霧設備時，可以使用Wi-Fi、以太網、移動網絡以及藍牙等各種不同的通信技術^[2]。

霧計算(fog computing)是另一個與邊緣計算相關的概念，它由思科公司在2012年提出，以應對即將到來的萬物聯網時代。同邊緣計算一樣，霧計算也是將數據、數據相關的處理和應用程序都集中于網絡邊緣的設備，而不是全部保存在云端.霧計算的名字也源自于此———霧比云更貼近地面.與邊緣計算不同的是，霧計算更強調在數據中心與數據源之間構成連續統一體(cloud-to-things continuum)來為用戶提供計算、存儲與網絡服務，使網絡成為數據處理的“流水線”，而不僅僅是“數據管道”。也就是說，邊緣和核心網絡的組件都是霧計算的基礎設施。而邊緣計算更強調用戶與計算之間的“距離”。目前，思科對霧計算的實現是它推出的IOx系統。IOx運行在路由器、交換機這些網絡設備上，可以使開發人員輕松的在這些設備上開發應用，部署服務。

(1)數據源不同

邊緣計算的數據處理更靠近數據源，而霧計算的數據處理是在距離數據源附近的當地微型機房。

(2)使用方式不同

霧計算過程發生在局域網(LAN)級網絡架構上，使用與智能網關和嵌入式計算機系統交互的集中式系統，而邊緣計算處理的大部分數據來源于所在的物聯網設備本身。

霧計算依賴于現有的和通用的技術來支持其部署和應用。這些關鍵技術主要包括計算、通信、存儲、命名、資源管理、安全和隱私保護等，充分考慮了霧計算的特性，以滿足霧計算的應用需求。在此基礎上，霧計算為IDs提供了更加智能化且適應性更強的服務。

1. 計算技術

霧計算作為一種智能計算系統，能夠自主獨立地為IDs提供局部計算和數據處理等服務。霧計算的智能化和低時延的服務需要一些計算技術的支持。

(1)計算卸載。對于計算密集型任務，計算卸載技術可以克服邊緣設備上的資源限制，提高任務計算性能并延長IDs的電池壽命。

(2)時延管理。霧計算中的時延管理的主要目標是將IDs的服務響應時間不超過IDs的QoS需求的最大可容忍時延。

2通信技術

根據霧計算網絡體系結構，FNs是與終端用戶和設備、其他FNs和云端連接的重要角色。該結構包含三種連接：終端設備與FNs之間的無線連接、FNs之間的有線或者無線連接和FNs與云數據中心之間的有線或者無線連接。常見的支持移動霧計算的無線通信技術包括4G、5G、WiFi、無線局域網(Wireless Local Area Networks，WLAN)和藍牙。

(1)軟件定義網絡(Software Defined Networking，SDN)。SDN是一種新興的計算和網絡范例，是實現網絡虛擬化的一種方法。該架構將控制平面和數據平面分開，以實現對網絡流量的靈活控制?？刂坪凸濣c的通信路徑由中央服務器決定。SDN具有靈活性，可伸縮性，可編程性的特征。不需要依賴底層網絡設備(例如路由器、交換機和防火墻)，并且可以消除與底層異構網絡設備的區別。IDs可以定義想要實現的任何網絡路由和傳輸規則，使通信更加靈活和智能。在霧計算中，SDN能夠有效管理異構霧計算網絡。SDN與霧計算結合，可以解決諸如不規則連接、沖突和高丟包率等問題。

(2)網絡功能虛擬化(Network Function Virtualization，NFV)。NFV的主要思想是通過虛擬化和設備抽象技術將網絡功能與專用物理網絡硬件分離。這意味著可以靈活地共享資源，實現新服務的快速開發和部署。NFV技術顯著提高了電信服務供應的靈活性。將NFV與霧計算相結合，可以實現多方面性能的提升，例如，網關、交換機和防火墻可以虛擬化并放置在FNs上，在異構且分布廣泛的霧網絡中實現資源的無縫管理和功能協調。將NFV應用到霧計算中，重點考慮虛擬化網絡設備的性能。虛擬化網絡設備與高效的實例化、放置和遷移技術相結合，以實現低時延和高吞吐量性能的提升。

(3)5G無線通信系統。5G旨在指定、標準化、設計、制造和部署下一代蜂窩網絡。5G網絡將支持高要求的服務，如增強的移動寬帶(enhanced Mobile Broadband，eMBB)、超可靠低時延通信(Ultra-Reliable and Low Latency Communications，URLLC)和大規模機器通信(Massive Machine-Type Communications，mMTC)，這將要求10Gbps的數據速率、幾毫秒的時延和每平方公里數百萬個設備的連接密度。對于霧計算，5G技術有可能克服資源限制的瓶頸，并為移動IDs提供越來越多的資源密集型服務，同時滿足高速數據應用服務的需求，提供高質量無線通信和低時延服務。

3緩存技術

計算網絡支持的邊緣緩存技術是解決海量內容請求的一種有前景的技術，它結合了內容緩存和卸載，填補了IDs龐大的數據需求和有限的存儲能力之間差距。充分利用FNs和IDs的緩存資源，可以避免內容的重復傳輸，大大減少了IDs從遠程數據中心下載內容的時延，為IDs提供更好的服務。因此，邊緣緩存可以有效地提高網絡性能，減輕網絡流量，降低系統成本^[3]。

目前霧計算的應用主要集中在車聯網、智能園區、公共安防、智能交通、智能電網、智能家居、智慧醫療等。

(1)智慧交通

智慧交通是用于解決居民的出行問題，包括路況的預測，車輛的分流等。智慧交通對每個路口的監控攝像頭以及部署在各地的傳感器收集的數據進行分析，做出相應的決策。隨著城市的發展，數據量也隨之增加。若每個路口的視頻數據和傳感數據都上傳到云數據中心，則會造成網絡的擁塞和極高的延遲。同時由于在智慧交通中有許多場景如對行人的檢測或是信號燈的調度需要實時分析數據并根據分析結果做出決策，而且隨著無人駕駛汽車的迅速發展和無人機的普及，使得實時數據分析變得尤為重要。如果將這些數據上傳到云端處理再進行反饋，會造成極大的通信延遲。面對這些場景，霧計算由于靠近設備端，可以提供低延遲的通信服務，并且霧計算具備一定的計算能力，也同時可以提供實時分析的功能。霧計算還可以對收集的數據進行預處理，將數據進行壓縮之后再上傳到云數據中心，從而減少數據中心的網絡負擔。

(2)智能家居

在智能家居，帶有集成電路芯片即單片機并集成了多種傳感器的家用電器已經非常普及了，如掃地機器人、智能電視、智能冰箱等。但是由于單片機的計算能力非常小，不能對數據做復雜的處理。如果將數據轉發到云端處理，則存在隱私泄露問題，并且數據中心也難以滿足如此大量的節點接入。霧計算則給這樣的場景提供了解決方案。由于霧計算的部署成本較小，使得每個家庭可以部署其自己的霧節點。霧節點可以將隱私敏感的數據進行過濾也能提供一定復雜計算能力，并能滿足一個家庭的設備接入

(3)智慧工廠

霧計算在智慧工廠中也能起到極大的作用。在智慧工廠，由于設備的高度智能化，僅需極少的工作人員甚至可以無人生產。在這樣的環境下，對生產設備的監控以及對監控數據進行實時的分析與處理提出了極高的要求。如果應用傳統的云計算模式，則會存在計算與通信延遲，造成不必要的損失。通過在工廠中部署霧節點，將需要實時分析的計算密集型任務如故障檢測，狀態分析等遷移到霧端完成，對于延遲不敏感的任務，如產品設計，質量監控等，則將數據轉發至云端，實現對智慧工廠的全局調度，從而提高工廠的生產效率。

(4)增強現實與實時視頻分析

增強現實(Augmented Reality，AR)通過在現實世界(在設備顯示系統上觀看)上疊加信息視圖，正逐漸被應用于智能手機，平板電腦和智能眼鏡上。最近流行的產品或項目包括Google Glass，Sony智能眼鏡和Microsoft HoloLens。AR應用通常需要極高的計算能力來處理視頻流和高帶寬用于數據的傳輸。例如，一個普通的應用程序需要使用計算機視覺算法處理實時視頻幀，同時處理其他輸入，如語音，傳感器，并在顯示器上輸出及時的信息內容。然而，人類對于一系列連續交互的延遲非常敏感。超過數十毫秒的處理延遲將破壞用戶體驗并導致負面的用戶反饋。霧計算支持的AR系統可以最大化吞吐量并減少處理和傳輸的延遲^[4]。

參考資料：

[1]王娟.面向智能制造的霧計算關鍵技術研究

[2]李昀. 霧計算環境下入侵檢測與入侵響應方法研究

[3]崔藝凡.面向服務質量的霧計算網絡資源分配方案研究

[4]尹路修.霧計算中基于容器的資源管理與調度方法研究