雾计算

2012年，Cisco给出了雾计算的明确定义：雾计算是云计算的延伸概念，在雾计算模式中，数据、处理和应用程序都集中在网络边缘的设备中，而不是几乎全部保存在云中，因此“雾是更贴近地面的云”。惠普实验室指明，“雾计算是由大量异构的分布式设备，通过有线/无线的方式协同完成任务的计算与存储”。雾位于终端设备与云之间，为终端设备与云架起一座桥梁。雾计算同云计算一样可以为终端设备提供计算、存储与网络服务，与云计算不同的是雾计算更接近终端设备。

(1)低延时：不同于远程部署的云，雾通常部署于网络边缘，近距离为终端设备提供计算、存储以及网络等服务。对于实时数据的发送可以通过单跳链路通信完成，大大缩短了数据传输时延。相比于将数据传输至云端进行计算，保证了实时数据处理的服务质量，减轻了主干网络通信压力。

(2)地理分布：云由高性能服务器集群组成，因此，云计算是典型的集中式计算模式。与之相反，雾节点广泛地分布在网络边缘，雾计算是一种分布式计算模式。雾计算的分布式计算特性为实时性、移动性支持提供了保障。医院、宾馆、商场、剧院、机场等场所均可通过部署雾节点形成强大的雾计算环境，雾计算为下一代新型应用的设计与实现提供可能。、

(3)位置与情景感知：由于雾节点分布范围较广，密度较大，部署在雾计算环境中的设备能够感知周围环境的详细信息，可以随时获取其中设备的位置信息、正在发生的行为活动以及人员的出席情况等。

(4)移动性支持：在雾计算环境中，静止的雾节点不但可以为静止/移动的终端用户提供服务，而且移动的雾节点也可以为静止/移动的终端用户提供服务。移动的雾节点可以是正在行驶的汽车、飞行中的无人机、配有可穿戴设备的行人等。通过采用不同的通信协议以及任务迁移等技术，从而实现雾节点与移动终端设备的信息无缝交互。

(5)低能耗：雾计算具有低能耗的优势，终端设备将任务发送至附近的雾节点处理，终端设备的能耗问题得到解决。在雾计算环境中，分布式部署的雾相比集中式部署的云其能效性更高。在云计算环境中，海量数据传输至云需要消耗大量的能量，对于移动设备来说是一个很大的挑战。引入雾计算解决能耗问题，海量数据无需发送至云端进行分析，靠近数据源的雾节点为降低能耗提供了有效的解决方案。

(6)异构性：随着物联网技术的快速发展，预测在未来不久，将会有数百亿的物理设备连接到物联网。雾节点由位于网络边缘的智能体、网络设备等组成，这些设备的功能以及性能都存在很大的差异，同时依赖不同的通信协议和传输介质。雾计算能够在制造现场通过虚拟化技术和面向服务的理念将异构设备进行抽象，形成提供计算、存储与网络服务的高度虚拟化共享平台，为操作技术(Operation Technology，OT)与信息技术(Information Technology，IT)互相融合提供载体，从而有效降低云端与制造系统交互的任务难度^[1]。

从架构角度可以把雾计算分为三层，其自上而下分别为：云层、雾层和终端层/应用层。

(1)云层

云层位于整个雾计算架构的最顶端(最远端)，它包含多种云系统设备，由大量的数据存储服务器和网络通信设备所组成，可以提供强大的集中计算和资源存储能力，大量信息和繁重的任务都在云服务器中处理。云层在管理整个系统方面起着不可或缺的作用，但云服务器的位置距离用户设备较远。

(2)雾层

雾层是整个雾计算架构的核心层，雾节点通过位于云层和边缘层之间的核心网络或边缘网络与云和其他雾节点相互连接，雾层中包括了大量具有计算能力、存储能力有限的雾节点，每个雾节点都相当于一个小型的云服务器，它们的位置更接近网络边缘的用户设备，这样的部署方式极大降低了计算时延。

(3)终端层/应用层

由大量异构的智能终端和设备组成，包括传感器、智能手机、个人电脑、车辆等。在不同的应用场景下，用户层的设备也存在较大的差异性，例如，在车联网环境中，用户层主要包括车辆及其上配置的各种传感器，而在智能家居环境中，用户层主要包括智能电器、传感器和智能手机等。异构的用户终端设备在连接雾设备时，可以使用Wi-Fi、以太网、移动网络以及蓝牙等各种不同的通信技术^[2]。

雾计算(fog computing)是另一个与边缘计算相关的概念，它由思科公司在2012年提出，以应对即将到来的万物联网时代。同边缘计算一样，雾计算也是将数据、数据相关的处理和应用程序都集中于网络边缘的设备，而不是全部保存在云端.雾计算的名字也源自于此———雾比云更贴近地面.与边缘计算不同的是，雾计算更强调在数据中心与数据源之间构成连续统一体(cloud-to-things continuum)来为用户提供计算、存储与网络服务，使网络成为数据处理的“流水线”，而不仅仅是“数据管道”。也就是说，边缘和核心网络的组件都是雾计算的基础设施。而边缘计算更强调用户与计算之间的“距离”。目前，思科对雾计算的实现是它推出的IOx系统。IOx运行在路由器、交换机这些网络设备上，可以使开发人员轻松的在这些设备上开发应用，部署服务。

(1)数据源不同

边缘计算的数据处理更靠近数据源，而雾计算的数据处理是在距离数据源附近的当地微型机房。

(2)使用方式不同

雾计算过程发生在局域网(LAN)级网络架构上，使用与智能网关和嵌入式计算机系统交互的集中式系统，而边缘计算处理的大部分数据来源于所在的物联网设备本身。

雾计算依赖于现有的和通用的技术来支持其部署和应用。这些关键技术主要包括计算、通信、存储、命名、资源管理、安全和隐私保护等，充分考虑了雾计算的特性，以满足雾计算的应用需求。在此基础上，雾计算为IDs提供了更加智能化且适应性更强的服务。

1. 计算技术

雾计算作为一种智能计算系统，能够自主独立地为IDs提供局部计算和数据处理等服务。雾计算的智能化和低时延的服务需要一些计算技术的支持。

(1)计算卸载。对于计算密集型任务，计算卸载技术可以克服边缘设备上的资源限制，提高任务计算性能并延长IDs的电池寿命。

(2)时延管理。雾计算中的时延管理的主要目标是将IDs的服务响应时间不超过IDs的QoS需求的最大可容忍时延。

2通信技术

根据雾计算网络体系结构，FNs是与终端用户和设备、其他FNs和云端连接的重要角色。该结构包含三种连接：终端设备与FNs之间的无线连接、FNs之间的有线或者无线连接和FNs与云数据中心之间的有线或者无线连接。常见的支持移动雾计算的无线通信技术包括4G、5G、WiFi、无线局域网(Wireless Local Area Networks，WLAN)和蓝牙。

(1)软件定义网络(Software Defined Networking，SDN)。SDN是一种新兴的计算和网络范例，是实现网络虚拟化的一种方法。该架构将控制平面和数据平面分开，以实现对网络流量的灵活控制。控制和节点的通信路径由中央服务器决定。SDN具有灵活性，可伸缩性，可编程性的特征。不需要依赖底层网络设备(例如路由器、交换机和防火墙)，并且可以消除与底层异构网络设备的区别。IDs可以定义想要实现的任何网络路由和传输规则，使通信更加灵活和智能。在雾计算中，SDN能够有效管理异构雾计算网络。SDN与雾计算结合，可以解决诸如不规则连接、冲突和高丢包率等问题。

(2)网络功能虚拟化(Network Function Virtualization，NFV)。NFV的主要思想是通过虚拟化和设备抽象技术将网络功能与专用物理网络硬件分离。这意味着可以灵活地共享资源，实现新服务的快速开发和部署。NFV技术显著提高了电信服务供应的灵活性。将NFV与雾计算相结合，可以实现多方面性能的提升，例如，网关、交换机和防火墙可以虚拟化并放置在FNs上，在异构且分布广泛的雾网络中实现资源的无缝管理和功能协调。将NFV应用到雾计算中，重点考虑虚拟化网络设备的性能。虚拟化网络设备与高效的实例化、放置和迁移技术相结合，以实现低时延和高吞吐量性能的提升。

(3)5G无线通信系统。5G旨在指定、标准化、设计、制造和部署下一代蜂窝网络。5G网络将支持高要求的服务，如增强的移动宽带(enhanced Mobile Broadband，eMBB)、超可靠低时延通信(Ultra-Reliable and Low Latency Communications，URLLC)和大规模机器通信(Massive Machine-Type Communications，mMTC)，这将要求10Gbps的数据速率、几毫秒的时延和每平方公里数百万个设备的连接密度。对于雾计算，5G技术有可能克服资源限制的瓶颈，并为移动IDs提供越来越多的资源密集型服务，同时满足高速数据应用服务的需求，提供高质量无线通信和低时延服务。

3缓存技术

计算网络支持的边缘缓存技术是解决海量内容请求的一种有前景的技术，它结合了内容缓存和卸载，填补了IDs庞大的数据需求和有限的存储能力之间差距。充分利用FNs和IDs的缓存资源，可以避免内容的重复传输，大大减少了IDs从远程数据中心下载内容的时延，为IDs提供更好的服务。因此，边缘缓存可以有效地提高网络性能，减轻网络流量，降低系统成本^[3]。

目前雾计算的应用主要集中在车联网、智能园区、公共安防、智能交通、智能电网、智能家居、智慧医疗等。

(1)智慧交通

智慧交通是用于解决居民的出行问题，包括路况的预测，车辆的分流等。智慧交通对每个路口的监控摄像头以及部署在各地的传感器收集的数据进行分析，做出相应的决策。随着城市的发展，数据量也随之增加。若每个路口的视频数据和传感数据都上传到云数据中心，则会造成网络的拥塞和极高的延迟。同时由于在智慧交通中有许多场景如对行人的检测或是信号灯的调度需要实时分析数据并根据分析结果做出决策，而且随着无人驾驶汽车的迅速发展和无人机的普及，使得实时数据分析变得尤为重要。如果将这些数据上传到云端处理再进行反馈，会造成极大的通信延迟。面对这些场景，雾计算由于靠近设备端，可以提供低延迟的通信服务，并且雾计算具备一定的计算能力，也同时可以提供实时分析的功能。雾计算还可以对收集的数据进行预处理，将数据进行压缩之后再上传到云数据中心，从而减少数据中心的网络负担。

(2)智能家居

在智能家居，带有集成电路芯片即单片机并集成了多种传感器的家用电器已经非常普及了，如扫地机器人、智能电视、智能冰箱等。但是由于单片机的计算能力非常小，不能对数据做复杂的处理。如果将数据转发到云端处理，则存在隐私泄露问题，并且数据中心也难以满足如此大量的节点接入。雾计算则给这样的场景提供了解决方案。由于雾计算的部署成本较小，使得每个家庭可以部署其自己的雾节点。雾节点可以将隐私敏感的数据进行过滤也能提供一定复杂计算能力，并能满足一个家庭的设备接入

(3)智慧工厂

雾计算在智慧工厂中也能起到极大的作用。在智慧工厂，由于设备的高度智能化，仅需极少的工作人员甚至可以无人生产。在这样的环境下，对生产设备的监控以及对监控数据进行实时的分析与处理提出了极高的要求。如果应用传统的云计算模式，则会存在计算与通信延迟，造成不必要的损失。通过在工厂中部署雾节点，将需要实时分析的计算密集型任务如故障检测，状态分析等迁移到雾端完成，对于延迟不敏感的任务，如产品设计，质量监控等，则将数据转发至云端，实现对智慧工厂的全局调度，从而提高工厂的生产效率。

(4)增强现实与实时视频分析

增强现实(Augmented Reality，AR)通过在现实世界(在设备显示系统上观看)上叠加信息视图，正逐渐被应用于智能手机，平板电脑和智能眼镜上。最近流行的产品或项目包括Google Glass，Sony智能眼镜和Microsoft HoloLens。AR应用通常需要极高的计算能力来处理视频流和高带宽用于数据的传输。例如，一个普通的应用程序需要使用计算机视觉算法处理实时视频帧，同时处理其他输入，如语音，传感器，并在显示器上输出及时的信息内容。然而，人类对于一系列连续交互的延迟非常敏感。超过数十毫秒的处理延迟将破坏用户体验并导致负面的用户反馈。雾计算支持的AR系统可以最大化吞吐量并减少处理和传输的延迟^[4]。

参考资料：

[1]王娟.面向智能制造的雾计算关键技术研究

[2]李昀. 雾计算环境下入侵检测与入侵响应方法研究

[3]崔艺凡.面向服务质量的雾计算网络资源分配方案研究

[4]尹路修.雾计算中基于容器的资源管理与调度方法研究