從云計(jì)算到霧計(jì)算-南信大學(xué)報(bào)

1、從云計(jì)算到霧計(jì)算的范式轉(zhuǎn)變 基金項(xiàng)目：計(jì)算機(jī)軟件新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室(南京大學(xué))開放課題(No. KFKT2014B21）；作者簡介：方?。?975-），男，副教授，博士、博士后，中國計(jì)算機(jī)學(xué)會高級會員，主要研究方向?yàn)橹悄苄畔⑻幚怼⒃朴?jì)算和大數(shù)據(jù)分析。 方巍1,2,3(1南京信息工程大學(xué)， 江蘇省網(wǎng)絡(luò)監(jiān)控中心，計(jì)算機(jī)與軟件學(xué)院，江蘇 南京，2100442計(jì)算機(jī)軟件新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室(南京大學(xué))，江蘇 南京2100463佛羅里達(dá)大學(xué)，電子與計(jì)算機(jī)工程系，美國 蓋恩斯維爾32608）摘 要雖然云計(jì)算的應(yīng)用越來越廣泛，但其具有如不能支持高移動性、不支持地理位置信息及高時(shí)延等亟待解決的問題。為此，霧

2、計(jì)算已經(jīng)出現(xiàn)，將云計(jì)算擴(kuò)展到網(wǎng)絡(luò)的邊緣，以減少延遲和網(wǎng)絡(luò)擁塞。本文首先介紹了霧計(jì)算的概念、特點(diǎn)和結(jié)構(gòu)，然后討論了具有代表性的應(yīng)用場景以及霧計(jì)算安全問題。并對霧計(jì)算相似的原位計(jì)算和連續(xù)計(jì)算也進(jìn)行了介紹。最后，給出了云計(jì)算與霧計(jì)算的區(qū)別與聯(lián)系，并分析了霧計(jì)算未來發(fā)展方向。霧計(jì)算擴(kuò)大了以云計(jì)算為特征的網(wǎng)絡(luò)計(jì)算范式，將網(wǎng)絡(luò)計(jì)算從網(wǎng)絡(luò)的中心擴(kuò)展到網(wǎng)絡(luò)的邊緣，從而更加廣泛地運(yùn)用于更多的應(yīng)用形態(tài)和服務(wù)類型。關(guān)鍵詞：大數(shù)據(jù)，物聯(lián)網(wǎng)，云計(jì)算，霧計(jì)算，原位計(jì)算，邊緣計(jì)算 中圖分類號：TP393.41 引言近年來，隨著大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，越來越多應(yīng)用把大量數(shù)據(jù)存放到“云”里去計(jì)算或存儲。這樣，就解

3、決了目前電腦或手機(jī)存儲量不夠，或者是運(yùn)算速度不夠快的問題，也帶來了很多其他益處。這里所謂的“云”的核心，就是裝配大量服務(wù)器和存儲器的“數(shù)據(jù)中心”。同時(shí)，隨著物聯(lián)網(wǎng)技術(shù)運(yùn)用，今后各種家庭電器以及大量傳感器，包括嵌入在可穿戴設(shè)備里的傳感器都會連網(wǎng)，從而產(chǎn)生極其大量的數(shù)據(jù)。而大量數(shù)據(jù)的發(fā)送和接收，可能造成數(shù)據(jù)中心和終端之間的I/O（輸入輸出）瓶頸，傳輸速率大大下降，甚至造成很大的時(shí)延。雖然現(xiàn)今計(jì)算資源大多存放在數(shù)據(jù)中心托管，巨量的數(shù)據(jù)集從分布式機(jī)器，顯示器，測量儀和各種傳感器中產(chǎn)生。例如，大約有3000萬個(gè)監(jiān)控?cái)z像頭部署在美國，一周生成超過40億小時(shí)記錄1。甚至一個(gè)攝像頭也能生成幾百個(gè)GB級的日常數(shù)

4、據(jù)2。同樣，智能傳感器用于監(jiān)測范圍廣，一個(gè)星期內(nèi)很容易生成一些TB級的數(shù)據(jù)3。此外，今天的快速增長的科學(xué)數(shù)據(jù)集（例如，氣候數(shù)據(jù)和基因組數(shù)據(jù)），通常分布在世界各地的眾多站點(diǎn)和研究機(jī)構(gòu)中。這些位置相關(guān)數(shù)據(jù)的廣域協(xié)作通常需要每年日常PB級數(shù)據(jù)共享4。根據(jù)Gartner公司最近的一項(xiàng)研究，大數(shù)據(jù)時(shí)代將所有這些分布式數(shù)據(jù)集中到一個(gè)中心位置進(jìn)行處理無論從技術(shù)上還是經(jīng)濟(jì)上來說都是不可行的5。如果說現(xiàn)在用了大量電能來維持的云計(jì)算中心，還能給廣大用戶提供互聯(lián)網(wǎng)云服務(wù)的話，當(dāng)數(shù)據(jù)傳輸量進(jìn)一步成指數(shù)式增長，可能這個(gè)云中心會無法再維持下去。從分布式來源產(chǎn)生的海量數(shù)據(jù)給目前數(shù)據(jù)移動帶來巨大挑戰(zhàn)，特別是當(dāng)數(shù)據(jù)的體積和速度

5、超越今天的商業(yè)機(jī)器的運(yùn)行能力和容量。海量的數(shù)據(jù)移動將帶來巨大的管理費(fèi)用如圖1所示。圖1(a)為典型的網(wǎng)絡(luò)速度傳輸1TB數(shù)據(jù)所需的傳輸時(shí)間。沒有高吞吐量和可伸縮的網(wǎng)絡(luò)，它可能需要花費(fèi)數(shù)天或數(shù)周來移動TB級數(shù)據(jù)到云中6,7。而10GB以太網(wǎng)接入設(shè)備和新興的40GB以太網(wǎng)正成為數(shù)據(jù)中心的核心骨干網(wǎng)接入方式，但由于高成本代價(jià)它們?nèi)匀贿€沒有廣泛采用在網(wǎng)絡(luò)邊界中（如靠近數(shù)據(jù)源那部分）(CAPEX)8,9。因此，亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）和谷歌離線磁盤輸入允許用戶通過寄送硬盤來加速批量數(shù)據(jù)的遷移10,11。盡管有一些第三方解決方案，如CERN的File Transfer Service12和LIGO的Data

6、 Replicator13可以提供高級的數(shù)據(jù)移動，但它們往往需要復(fù)雜的軟件和專用的基礎(chǔ)設(shè)施，因此僅限于極少數(shù)科研社區(qū)使用14。 (a)傳輸時(shí)間 (b)傳輸代價(jià)圖1 巨大數(shù)據(jù)移動帶來的管理費(fèi)用Fig. 1 The overhead associated with bulk data movement此外，與數(shù)據(jù)遷移相關(guān)的運(yùn)營成本（OpEx）也快速增長。例如，Globus，沿用已久的批量數(shù)據(jù)共享服務(wù)提供商，收費(fèi)為每月1950美元300 TB的數(shù)據(jù)傳輸量15。截至2014年1月，亞馬遜的收費(fèi)從它數(shù)據(jù)中心傳輸1TB數(shù)據(jù)超過60美元，如圖1(b)所示。更重要的是，對于許多數(shù)據(jù)驅(qū)動項(xiàng)目由于缺乏寬帶接入，數(shù)

7、據(jù)移動問題變得特別嚴(yán)重。例如石油/天然氣勘探16，農(nóng)村地理測量17，偏遠(yuǎn)地區(qū)的天文觀測18，野生動物行為研究的視頻監(jiān)控19和非洲地區(qū)流行病監(jiān)測（如，埃博拉病毒）。雖然在某些情況下，衛(wèi)星/微波傳輸已被使用，但它每月超過數(shù)千美元且非常有限網(wǎng)絡(luò)帶寬的花費(fèi)。為了解決上述問題，可以不再拘泥于云計(jì)算，并研究如何在物聯(lián)網(wǎng)設(shè)備上存儲和處理它們自身產(chǎn)生的數(shù)據(jù)，或者是在設(shè)備之間、網(wǎng)絡(luò)上。不用不斷地移動巨量的數(shù)據(jù)到中央數(shù)據(jù)倉庫進(jìn)行處理，放在設(shè)備邊緣進(jìn)行處理如嵌入原位服務(wù)器系統(tǒng)(in-situ server systems)。把服務(wù)器中大部分?jǐn)?shù)據(jù)集放到數(shù)據(jù)預(yù)處理部分所在位置進(jìn)行處理。即在終端和數(shù)據(jù)中心之間再加一層，叫

8、網(wǎng)絡(luò)邊緣層，如再加一個(gè)帶有存儲器的小服務(wù)器或路由器，把一些并不需要放到“云”的數(shù)據(jù)在這一層直接處理和存儲，可大大減少“云”本身的壓力，既提高其處理效率，也提升其傳輸速率，減低了時(shí)延。如最近思科公司提出的稱為霧計(jì)算(Fog Computing)的原位數(shù)據(jù)處理模式，能有效防止云系統(tǒng)過載21，但它目前只能使用思科自己的路由器來處理網(wǎng)絡(luò)流量。另外原位計(jì)算（in-situ computing）的概念提出也被應(yīng)用在高性能計(jì)算（HPC）社區(qū)，用以解決計(jì)算密集型工作負(fù)載的I/O開銷22,23。本文后續(xù)章節(jié)中，將進(jìn)一步探討云計(jì)算、霧計(jì)算、邊緣計(jì)算和原位計(jì)算的概念、原理、應(yīng)用和相互之間區(qū)別和聯(lián)系等。2 霧計(jì)算概念

9、與應(yīng)用物聯(lián)網(wǎng)技術(shù)推動各種業(yè)務(wù)轉(zhuǎn)型，通過連接日常的對象和設(shè)備，和云托管服務(wù)，正在推動著我們的生活和商業(yè)的各個(gè)方面的數(shù)字轉(zhuǎn)換。物聯(lián)網(wǎng)越來越多的連接的設(shè)備正在以指數(shù)級速率創(chuàng)建數(shù)據(jù)。目前的“云”物聯(lián)網(wǎng)架構(gòu)導(dǎo)致基礎(chǔ)設(shè)施和連接的限制和緩慢的采用，并減少通過這種轉(zhuǎn)換技術(shù)可以實(shí)現(xiàn)的價(jià)值。相反，有選擇地移動計(jì)算，通信，控制和決策的網(wǎng)絡(luò)邊緣的數(shù)據(jù)正在生成的是一個(gè)新興的領(lǐng)域，這被稱為霧計(jì)算(Fog Computing)或邊緣計(jì)算（edge computing）。目前的構(gòu)建方法不能維持物聯(lián)網(wǎng)的增長速度和體積要求。一種被稱為霧計(jì)算的方法可以解決基礎(chǔ)設(shè)施和連接的挑戰(zhàn)，強(qiáng)調(diào)更接近數(shù)據(jù)產(chǎn)生或使用所在地的信息處理?？梢?，霧計(jì)算

10、處于云計(jì)算與邊緣設(shè)備之間，其所處層次如圖2所示。圖2 霧計(jì)算在云和邊緣設(shè)備之間Fig. 2 Fog between edge and cloud2.1 霧計(jì)算定義與特點(diǎn)霧計(jì)算（Fog Computing）是云計(jì)算（Cloud Computing）的延伸概念，由思科公司（Cisco）首創(chuàng)。這個(gè)因“云”而“霧”的命名源自“霧是更貼近地面的云”這一名句。根據(jù)Openfog社區(qū)定義霧計(jì)算24是一個(gè)系統(tǒng)級的水平架構(gòu)，在網(wǎng)絡(luò)的邊緣連續(xù)提供了從云到終端的有吸引力的計(jì)算能力、存儲容量和網(wǎng)絡(luò)服務(wù)。具體如，l 水平結(jié)構(gòu)：支持多個(gè)垂直行業(yè)和應(yīng)用領(lǐng)域，為用戶和商業(yè)提供智力服務(wù)；l 云到終端的連續(xù)服務(wù)：能提供接近云和終

11、端之間分布任何地方連續(xù)的服務(wù)和應(yīng)用程序；l 系統(tǒng)級：通過云在網(wǎng)絡(luò)邊緣對終端進(jìn)行延伸，即終端和數(shù)據(jù)中心之間再加一層，叫網(wǎng)絡(luò)邊緣層，把一些并不需要放到“云”中的數(shù)據(jù)在這一層直接處理和存儲。如圖2所示。根據(jù)Wiki百科的定義25，霧計(jì)算26 或霧的網(wǎng)絡(luò)，也被稱為霧，是一種體系結(jié)構(gòu)，在一個(gè)或一個(gè)眾多協(xié)同的終端用戶或用戶邊緣設(shè)備附近進(jìn)行大量的存儲（而主要不存儲在云數(shù)據(jù)中）、通信（而不在互聯(lián)網(wǎng)骨干路由上）、控制、配置、管理和測量（而不通過如那些主要用于控制的LTE核心網(wǎng)絡(luò)的網(wǎng)關(guān)）。霧計(jì)算可以在巨大的云系統(tǒng)和大數(shù)據(jù)結(jié)構(gòu)中被感知，使得在客觀上獲取信息的困難越來越大。這導(dǎo)致獲得缺乏高質(zhì)量的內(nèi)容。霧計(jì)算在云計(jì)算和

12、大數(shù)據(jù)系統(tǒng)的影響有所不同，但有一個(gè)共同的方面就是可以提取是一個(gè)有限、準(zhǔn)確的分布內(nèi)容，嘗試提高解決的問題的精度27。霧計(jì)算主要具有以下特點(diǎn)：l 處于邊緣位置，低延遲和位置和內(nèi)容感知。這對于目前正在蓬勃發(fā)展中的物聯(lián)網(wǎng)有著十分重要的意義，如網(wǎng)上游戲、視頻傳輸、增強(qiáng)現(xiàn)實(shí)等也都需要極低的時(shí)延。l 地理分布廣泛。這正好與集中在某個(gè)地點(diǎn)的云計(jì)算(數(shù)據(jù)中心)形成強(qiáng)烈的對比。l 海量節(jié)點(diǎn)數(shù)。有大量網(wǎng)絡(luò)節(jié)點(diǎn)的大規(guī)模傳感器網(wǎng)絡(luò)，用于監(jiān)控環(huán)境。l 無線接入的主導(dǎo)作用。對于霧計(jì)算來說，手機(jī)和其他移動設(shè)備可以互相之間直接通信，信號不必到云端甚至基站去繞一圈，因此可以支持很高的移動性。l 實(shí)時(shí)分析與近源控制。支持實(shí)時(shí)互動，

13、支持云端在線分析。l 異構(gòu)性。不同的形式因素，不同的環(huán)境，支持多樣化的異構(gòu)軟硬件設(shè)備。從上可知，霧計(jì)算是一種新的云計(jì)算服務(wù)模式，又稱邊緣計(jì)算，它利用了虛擬化的基礎(chǔ)設(shè)施更接近最終用戶，在云的邊緣進(jìn)行處理的好處，包括更少的帶寬和網(wǎng)絡(luò)應(yīng)變，降低成本，減少延遲，和更多的訪問。這樣的計(jì)算既擴(kuò)展了云的能力，同時(shí)又降低組織利用它的要求。霧計(jì)算和云計(jì)算名稱一樣，兩者十分生動形象。云在天空飄浮，高高在上，遙不可及，刻意抽象；而霧卻現(xiàn)實(shí)可及，貼近地面，就在你我身邊。霧計(jì)算對企業(yè)來說有著明顯效果：企業(yè)大量的內(nèi)部數(shù)據(jù)不用傳到“云”里再從“云”里傳回來進(jìn)行處理，而是直接通過身邊的“霧”來直接處理，這樣減少了數(shù)據(jù)傳輸消耗

14、則能大大提高企業(yè)業(yè)務(wù)效率和降低運(yùn)營成本。對個(gè)人而言，霧計(jì)算也能提供快速有效服務(wù)，如手機(jī)中軟件需要升級，也不必到“云”里去升級，只需在最近的“霧計(jì)算”的設(shè)備 (如小區(qū)內(nèi))升級就可以快速解決。2.2 霧計(jì)算結(jié)構(gòu)霧計(jì)算的設(shè)備本質(zhì)上是異構(gòu)的，且部署在各種環(huán)境中，如核心、邊緣、訪問網(wǎng)絡(luò)和端點(diǎn)。因此，霧結(jié)構(gòu)應(yīng)能跨平臺進(jìn)行無縫資源管理。霧節(jié)點(diǎn)部署在不同環(huán)境和異構(gòu)的核心、邊緣、訪問網(wǎng)絡(luò)和端點(diǎn)中，霧計(jì)算結(jié)構(gòu)應(yīng)能方便無縫管理這些平臺設(shè)備資源。一種參考的霧計(jì)算結(jié)構(gòu)如圖3所示30：圖3 霧計(jì)算結(jié)構(gòu)30Fig. 3 Architecture of Fog computing 30霧結(jié)構(gòu)設(shè)計(jì)應(yīng)采用能適用于不同的應(yīng)用程序間

15、訪問的通用API，如圖3所示的霧平臺。霧平臺主機(jī)不同的應(yīng)用程序?qū)儆诟鞣N不同領(lǐng)域，如智能互聯(lián)汽車、智能城市、石油、天然氣、智能電網(wǎng)等。霧平臺應(yīng)提供必要的方法來滿足基于分布式策略的業(yè)務(wù)流程，可擴(kuò)展管理的各個(gè)子系統(tǒng)和提供整體服務(wù)。霧平臺主機(jī)中不同的應(yīng)用程序?qū)儆诟鞣N環(huán)境，智能連接車輛到智能城市、石油和天然氣和智能電網(wǎng)等，因此，這種架構(gòu)應(yīng)該能公開通用并可以在霧平臺中不同的應(yīng)用程序中靈活使用。它還能促進(jìn)一些基于分布式策略的方法在可擴(kuò)展管理的業(yè)務(wù)流程和整體服務(wù)中應(yīng)用。參考霧結(jié)構(gòu)的各組成部分含義如下：2.2.1 異構(gòu)物理資源層上述討論的霧節(jié)點(diǎn)是異構(gòu)的。它們從高端服務(wù)器，邊緣路由器，訪問點(diǎn)，機(jī)頂盒，甚至終端節(jié)點(diǎn)

16、，如車輛、傳感器、手機(jī)等。不同的硬件平臺有不同級的內(nèi)存，二級存儲和基礎(chǔ)設(shè)施支持新的要求。這個(gè)平臺運(yùn)行各種操作系統(tǒng)，軟件應(yīng)用程序具有廣泛的硬件和軟件功能。該霧網(wǎng)絡(luò)設(shè)施也是異構(gòu)的，從連接企業(yè)數(shù)據(jù)的高速連接到多個(gè)無線接入技術(shù)到邊界（如：3G、4G、LTE，WiFi等）。2.2.2 霧抽象層霧抽象層通過自定義的資源管理API和用戶界面(UI)，可以提供一致性的基礎(chǔ)設(shè)施使它能在不同異構(gòu)平臺中訪問、控制。使用這些API內(nèi)存、網(wǎng)絡(luò)、能源和CPU等物理資源和物理機(jī)器監(jiān)控和管理不同系統(tǒng)管理程序，服務(wù)器實(shí)例和容器。資源的有效利用是由在物理機(jī)上運(yùn)行的具有虛擬化技術(shù)和多租戶支持的操作系統(tǒng)數(shù)量決定。在相同的物理基礎(chǔ)設(shè)施

17、中，多租戶通過通用API考慮相同設(shè)備上不同租戶系統(tǒng)的安全、隔離和隱私情況。單一的特定模式可以持續(xù)提供隔離的所有服務(wù)。對于管理員而言，該抽象層暴露了邏輯和物理網(wǎng)絡(luò)以及該網(wǎng)絡(luò)中每個(gè)租戶的資源使用情況。 2.2.3 業(yè)務(wù)流程服務(wù)層霧業(yè)務(wù)流程服務(wù)層策略采用基于動態(tài)霧服務(wù)生命周期管理。霧的服務(wù)和基礎(chǔ)設(shè)施自然分配。考慮到霧能力要求大量霧節(jié)點(diǎn)、范圍廣服務(wù)，需要采用先進(jìn)技術(shù)和組件，如：l Foglet，可持續(xù)性業(yè)務(wù)流程層上體積盡可能小的軟件agent(代理)，它遵循這一層邊緣設(shè)備必需的功能。l 一致和分布式存儲資源能力，高性能，易于檢索和更新。l 業(yè)務(wù)流程和資源管理通過消息總線進(jìn)行傳輸控制信息服務(wù)。l 本地執(zhí)

18、行和存在一個(gè)分布式策略引擎的單一全局視圖。2.2.4 Foglet軟件Agent幾個(gè)Foglet軟件霧平臺，分布式霧業(yè)務(wù)流程框架由Foglet軟件agent運(yùn)行在每個(gè)節(jié)點(diǎn)的API來監(jiān)控物理機(jī)和部署在機(jī)器上的服務(wù)狀態(tài)和健康情況。為了全局處理需要，該信息被推送到分布式存儲和進(jìn)行本地分析，承載客戶操作系統(tǒng)，服務(wù)容器，并配置和消除服務(wù)實(shí)例等。Foglet負(fù)責(zé)這類生命周期管理等活動。Foglet agent使用抽象層，霧結(jié)點(diǎn)上的Foglet在物理機(jī)、管理程序、客戶機(jī)操作系統(tǒng)、服務(wù)容器和服務(wù)實(shí)例的實(shí)體范圍內(nèi)進(jìn)行交互。對于程序化的管理和控制，F(xiàn)oglet則通過抽象層API調(diào)用這些函數(shù)，所有這些實(shí)體都實(shí)現(xiàn)了所

19、需功能。2.2.5 分布式數(shù)據(jù)庫為增加霧計(jì)算的可擴(kuò)展性和容錯(cuò)性，分布式數(shù)據(jù)庫可以很快地存儲和檢索數(shù)據(jù)而不是采用集中式數(shù)據(jù)系統(tǒng)。應(yīng)用數(shù)據(jù)和必要的數(shù)據(jù)庫元數(shù)據(jù)存儲輔助霧服務(wù)業(yè)務(wù)流程。這樣的樣本元數(shù)據(jù)有：霧結(jié)點(diǎn)的硬件和軟件能力使服務(wù)實(shí)例與平臺能力相匹配。負(fù)載平衡，生成如運(yùn)行服務(wù)實(shí)例和霧節(jié)點(diǎn)的健康及其他狀態(tài)信息的性能報(bào)告。配置這類服務(wù)的生命周期，安全執(zhí)行和嵌入的業(yè)務(wù)策略。2.2.6 基于策略的業(yè)務(wù)流程服務(wù)基于公開策略的業(yè)務(wù)流程框架的路由服務(wù)，如，傳入的服務(wù)請求被路由到指定的所需的服務(wù)實(shí)例確認(rèn)業(yè)務(wù)策略相關(guān)。這個(gè)框架，有助于基于策略的業(yè)務(wù)流程服務(wù)。業(yè)務(wù)流程框架是管理員通過一個(gè)直觀的交互面板（UI）進(jìn)行操作

20、。業(yè)務(wù)策略通過UI和策略模板管理和監(jiān)控霧平臺并根據(jù)需求進(jìn)一步細(xì)化。這些策略包括：l 用于指定負(fù)載平衡的閾值的策略如作為最大用戶數(shù)，連接和中央處理器負(fù)載等。l 用于指定服務(wù)質(zhì)量(QoS)的要求如網(wǎng)絡(luò)、存儲、計(jì)算最低延遲和最大速率等的服務(wù)。l 在一個(gè)特定的環(huán)境配置設(shè)備和服務(wù)實(shí)例。l 用于租戶/霧平臺相關(guān)聯(lián)的電源管理能力。l 指定在多租戶隔離的安全和隱私，如視頻服務(wù)前的防火墻。2.3 霧計(jì)算應(yīng)用下面主要討論霧計(jì)算幾種代表性的應(yīng)用場景，進(jìn)一步理解霧計(jì)算概念和原理。比如無線傳感網(wǎng)絡(luò)，它的特點(diǎn)是極低的功耗，電池可以5到6年換一次，甚至可以不用電池而使用太陽能來供電。這樣對網(wǎng)絡(luò)節(jié)點(diǎn)要求極低，只須很低的帶寬及

21、低端處理器以及小容量的存儲器即可。傳感器可用于收集環(huán)境中的溫度、濕度、雨量、光照量等數(shù)據(jù)，這樣就不需要把這些大量數(shù)據(jù)傳到“云”中去處理，而直接在“霧”里進(jìn)行處理就行了。這就是霧計(jì)算的典型應(yīng)用之一。霧計(jì)算能滿足這些情況下的應(yīng)用程序的要求，很多領(lǐng)域也能受益于霧計(jì)算。2.3.1 車聯(lián)網(wǎng)霧計(jì)算的一個(gè)典型用例是車聯(lián)網(wǎng)中一個(gè)智能交通燈系統(tǒng)，它可以改變其信號的基礎(chǔ)上傳入的交通監(jiān)控，以防止事故或減少擁塞。數(shù)據(jù)也可以被發(fā)送到云計(jì)算的長期分析。這個(gè)系統(tǒng)把交通燈作為網(wǎng)絡(luò)節(jié)點(diǎn)，可以和傳感器一起進(jìn)行互動。傳感器可以探測出行人或騎自行車人的出現(xiàn)情況，測量出正在接近的汽車的距離和車速。通過霧計(jì)算，這些智能交通燈可以與鄰近的

22、智能交通燈進(jìn)行協(xié)調(diào)，可以對接近的汽車發(fā)出警告，甚至可以改變紅綠燈亮的周期，以避免可能出現(xiàn)的交通意外。最后，霧計(jì)算服務(wù)器里的智能交通系統(tǒng)數(shù)據(jù)，將傳到“云”里，再進(jìn)行全局?jǐn)?shù)據(jù)分析，如圖3所示31。在道路沿線路邊的單位和智能交通燈部署各種無線接入點(diǎn)如WiFi、3G和4G。車輛到車輛，車輛到訪問點(diǎn)，和訪問點(diǎn)間的相互作用，都是霧計(jì)算在這方面的應(yīng)用。圖3 霧計(jì)算在智能交通燈和關(guān)聯(lián)交通中應(yīng)用Fig. 3 Fog Computing in smart traffic lights and connected vehicles 312.3.2 無線傳感器和執(zhí)行器傳統(tǒng)的無線傳感器網(wǎng)絡(luò)在應(yīng)用中存在傳感和跟蹤不足問題

23、，即使超出了傳感和跟蹤應(yīng)用，但仍需要執(zhí)行器施加相應(yīng)物理動作，如打開，關(guān)閉或甚至攜帶傳感器31。在這種情況下，作為霧設(shè)備的執(zhí)行器可以自行控制測量過程，通過創(chuàng)建一個(gè)閉環(huán)系統(tǒng)來保證其穩(wěn)定性和振蕩行為。例如,自維護(hù)列車情況，列車的球軸承的傳感器監(jiān)測可以檢測到熱水平，允許應(yīng)用程序發(fā)送一個(gè)自動報(bào)警信號給火車操作員在下一站停下來進(jìn)行緊急維修，從而避免可能存在的脫軌發(fā)生。在采礦的救生通風(fēng)口情形中，礦山傳感器在通風(fēng)口監(jiān)測空氣的流入和流出情況，如果空氣條件變得對礦工危險(xiǎn)，則系統(tǒng)自動改變空氣流量。因此，上述情況下的控制測量過程中都需要霧設(shè)備的執(zhí)行器。2.3.3智能分散系統(tǒng)控制該情況下，在建筑物環(huán)境中使用傳感器測量溫

24、度、濕度和各級不種氣體情況，這些傳感器可以和放置在不同位置的霧設(shè)備之間進(jìn)行信息交換。然后，合并這些可靠測量收集到的信息，執(zhí)行器根據(jù)其結(jié)果做出相應(yīng)的反應(yīng)。同樣，在列車上，自我維持的傳感器能檢測每個(gè)車廂的空氣水平，系統(tǒng)可以協(xié)同工作調(diào)節(jié)溫度，打開窗戶放入新鮮空氣。傳感器也可以跟蹤和對不同運(yùn)動做出反應(yīng)（例如，打開或關(guān)閉燈）。霧裝置可以被分配在每一層，并可以和更高級別的驅(qū)動合作。隨著霧計(jì)算應(yīng)用在這種情況下，智能建筑可以維護(hù)自身材料、外部和內(nèi)部環(huán)境，以達(dá)到節(jié)約能源、水和其它資源目的。有霧計(jì)算的場景驅(qū)動可以實(shí)現(xiàn)對智能建筑外部和內(nèi)部結(jié)構(gòu)的節(jié)能。這種情況下的應(yīng)用提供了便利的無線傳感器部署測量建筑物空氣中的溫度、

25、濕度或各種氣體的水平。信息可以在地板上的所有傳感器之間交換，它們的參數(shù)可以綜合起來以形成可靠的測量數(shù)據(jù)。傳感器將使用分布式?jīng)Q策和霧設(shè)備執(zhí)行器對數(shù)據(jù)做出反應(yīng)。2.3.4 軟件定義網(wǎng)絡(luò) (SDN)由于在網(wǎng)絡(luò)和計(jì)算機(jī)的所有新興技術(shù)中霧計(jì)算越來越受到歡迎，另一個(gè)有用的概念即軟件定義網(wǎng)絡(luò)（SDN）也在車聯(lián)網(wǎng)新興領(lǐng)域得到廣泛應(yīng)用。在集中的服務(wù)器上進(jìn)行控制，并通過服務(wù)器建議的路徑在所有的節(jié)點(diǎn)之間進(jìn)行通信。通信和路由不涉及多跳的概念，即使在無線傳感器，無線局域網(wǎng)和網(wǎng)格中。圖4 車載網(wǎng)SDN中霧計(jì)算Fig. 4 Fog computing in SDN in vehicular networks32如圖4所示，

26、霧計(jì)算框架可以應(yīng)用于車載網(wǎng)絡(luò)的SDN（software defined network）理念。車載網(wǎng)絡(luò)SDN的概念最早是在文獻(xiàn)32中提出。SDN是一種新興的計(jì)算和網(wǎng)絡(luò)范式，并成為IT業(yè)最流行的話題之一。它分離控制和數(shù)據(jù)通信層?？丶窃谝粋€(gè)中央集中服務(wù)器上完成的，節(jié)點(diǎn)遵循通信路徑由服務(wù)器決定。集中式服務(wù)器需要分布式實(shí)現(xiàn)。SDN的概念，研究了無線局域網(wǎng)，無線傳感網(wǎng)的網(wǎng)絡(luò)，但他們不涉及無線通信、多跳路由。此外，在這種情況下，沒有同層之間的溝通。SDN的理念與霧計(jì)算將解決車載網(wǎng)絡(luò)，主要問題有間歇性的連接，碰撞和高丟包率等，可通過增加車輛和車輛到基礎(chǔ)設(shè)施的通信和集中控制來解決。這樣，提高了同行之間、車輛

27、與車輛之間的通信差距。但隨著霧計(jì)算與SDN的出現(xiàn)縮小了車載網(wǎng)絡(luò)之間的差距，并降低了丟包率33。其它應(yīng)用領(lǐng)域如農(nóng)業(yè)、氣象行業(yè)。農(nóng)業(yè)包括但不限于肉類和奶制品的生產(chǎn)、養(yǎng)殖、蔬菜、水稻、玉米栽培、作物、生物（包括藻類）等，在許多地區(qū)，農(nóng)業(yè)是優(yōu)化和收益是由大中型企業(yè)農(nóng)場的最大化來體現(xiàn)。這些農(nóng)場已經(jīng)進(jìn)行了一場技術(shù)革命，以確保他們有正確的作物，適用正確的除草劑和農(nóng)藥，并最大限度地利用水資源，以最大限度地提高農(nóng)作物利潤和產(chǎn)量。也就是說，進(jìn)行本地化的霧計(jì)算，對于農(nóng)業(yè)領(lǐng)域仍然是一個(gè)巨大的機(jī)會，可為農(nóng)業(yè)發(fā)展做出了積極的作用。氣象領(lǐng)域同樣也大有作為，在各種艱苦和復(fù)雜的環(huán)境下，各類氣象傳感網(wǎng)絡(luò)設(shè)備等可以通過霧計(jì)算進(jìn)行互

28、聯(lián)互通，完成本地化計(jì)算再傳輸?shù)綒庀笤朴?jì)算服務(wù)中心進(jìn)行集中處理，這樣大大降低氣象網(wǎng)絡(luò)傳輸、處理和維護(hù)成本。表1歸納總結(jié)了目前霧計(jì)算在各個(gè)領(lǐng)域中的應(yīng)用情況。表1 霧計(jì)算主要應(yīng)用Table 1 Fog computing applications應(yīng)用領(lǐng)域主要內(nèi)容1、車聯(lián)網(wǎng)（Connected Vehicles）車聯(lián)網(wǎng)分布顯示了交通連接和交叉網(wǎng)絡(luò)情況：小汽車到小汽車，小汽車到訪問點(diǎn)（Wi-Fi,3G,智能交通燈）和訪問點(diǎn)到訪問點(diǎn)。2、無線傳感網(wǎng)和執(zhí)行器網(wǎng)絡(luò)真的無線傳感網(wǎng)結(jié)點(diǎn)（WSNs）為了擴(kuò)展電池使用壽命或降低能耗則能工作在低電源情況。大多數(shù)WSNs包括大量低帶寬，低能耗，低處理電源，微內(nèi)存，通過一個(gè)

29、收集器以單向方式工作。3、物聯(lián)網(wǎng)和信息物理系統(tǒng)（Cyber-Physical Systems） 霧系統(tǒng)正成為物聯(lián)網(wǎng)和信息物理系統(tǒng)重要的分支。物聯(lián)網(wǎng)能夠通過網(wǎng)絡(luò)的識別地址來連接普通物理對象。信息物理系統(tǒng)也能組織企業(yè)電腦和數(shù)據(jù)中心的物理和工程系統(tǒng)。4、軟件定義網(wǎng)絡(luò)(SDN)軟件定義網(wǎng)絡(luò)(SDN)沿著霧平臺決定交通網(wǎng)絡(luò)、非正常連接、沖突和高丟包通過設(shè)施間通訊和一致控制來滿足車輛到車輛間控制。5、非集中控制的智能樓宇控制開發(fā)的應(yīng)用可以通過無線傳感器定位、監(jiān)測溫度、濕度和建筑物環(huán)境中各種氣體情況。這種情況下，信息可以通過各層所有傳感器結(jié)點(diǎn)進(jìn)行交換，分析合并成持久的測量結(jié)果。2.4 霧計(jì)算安全問題霧計(jì)算環(huán)

30、境下，同樣存在著安全性和隱私問題。目前，智能電網(wǎng)和設(shè)備之間通信，已有一些云計(jì)算的安全解決方案。然而，現(xiàn)有方法可能不適合霧計(jì)算，因?yàn)殪F設(shè)備工作在網(wǎng)絡(luò)的邊緣。霧裝置的工作環(huán)境將面臨許多威脅，和良好管理的云計(jì)算中情況不太一樣。主要的安全問題是在不同層次的網(wǎng)關(guān)認(rèn)證，如在智能電網(wǎng)的情況下，智能電表安裝在消費(fèi)者家里，每個(gè)智能電表和智能設(shè)備都有一個(gè)IP地址。一個(gè)惡意的用戶可以篡改自己的智能儀表，報(bào)告錯(cuò)誤的讀數(shù)，或使用虛假的IP地址?，F(xiàn)有一些解決方案如認(rèn)證問題。文獻(xiàn)34闡述了公鑰基礎(chǔ)設(shè)施（PKI）為基礎(chǔ)的解決方案，包括組播認(rèn)證。一些使用的身份驗(yàn)證技術(shù)Diffie-Hellman密鑰交換技術(shù)35。入侵檢測技術(shù)也

31、可以應(yīng)用于霧計(jì)算36。在智能電網(wǎng)的入侵中可以使用基于簽名的檢測方法，在該方法中，觀察和檢查現(xiàn)有的數(shù)據(jù)庫來判斷可能的越軌行為。入侵也可以使用基于異常的方法進(jìn)行捕獲，觀察行為與預(yù)期的行為可有偏差來識別。在隱私問題上，如智能電網(wǎng)中，隱私問題處理隱藏的細(xì)節(jié)，如什么設(shè)備在什么時(shí)候使用，同時(shí)允許正確的精確充電匯總信息?，F(xiàn)有一些采用超遞增序列結(jié)構(gòu)的多維數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)的加密同態(tài)密碼技術(shù)。同態(tài)函數(shù)需要從智能電表的輸入并產(chǎn)生一個(gè)加密的加密數(shù)據(jù)匯總結(jié)果。霧裝置無法解密智能電表的讀數(shù)并篡改他們，這樣保證了智能電表收集到的數(shù)據(jù)的隱私，但不保證霧裝置能傳輸正確報(bào)告到其它網(wǎng)關(guān)。數(shù)據(jù)通信從用戶到智能電網(wǎng)操作中心，在無需解密

32、的本地網(wǎng)關(guān)上直接對加密文本進(jìn)行數(shù)據(jù)聚合。認(rèn)證成本可通過批量驗(yàn)證技術(shù)降低。綜上所述，霧計(jì)算的本質(zhì)是，采用一種分散的方法在邊緣設(shè)備處進(jìn)行計(jì)算。霧計(jì)算正好與分布式計(jì)算，甚至有一定的彈性計(jì)算能力的計(jì)算相吻合。當(dāng)配置資源的需求，一個(gè)可以做最有效地的本地化處理方式，是霧計(jì)算不可或缺的優(yōu)勢，尤其是當(dāng)這些資源包括不斷將物聯(lián)網(wǎng)、云計(jì)算應(yīng)用程序數(shù)據(jù)流和其他方面的大數(shù)據(jù)量的巨大數(shù)據(jù)傳輸量?？梢哉f，在這方面，霧計(jì)算是云計(jì)算（而不是替代）的一個(gè)重要和有益的補(bǔ)充。3 與霧計(jì)算相關(guān)計(jì)算范式隨著云計(jì)算、物聯(lián)網(wǎng)技術(shù)的進(jìn)一步發(fā)展壯大，互聯(lián)網(wǎng)中出現(xiàn)一些新興物聯(lián)網(wǎng)的網(wǎng)絡(luò)部署和應(yīng)用問題，具有對位置感知和低延遲要求，最明顯的就是對移動性

33、的支持以及地理位置分布情況需求，這就需要一些新興的計(jì)算平臺來滿足。如前述的霧計(jì)算，原位計(jì)算、傳輸計(jì)算(in-transit computing)以及邊緣計(jì)算等。下面就對與霧計(jì)算范式相似主流的原位計(jì)算和邊緣計(jì)算加以介紹。3.1 原位計(jì)算（In-Situ Computing）近年來，已經(jīng)看到海量分布式數(shù)據(jù)源的數(shù)據(jù)量急劇爆炸，如無處不在的攝像頭和各種傳感器。對這些地理上分散的數(shù)據(jù)集進(jìn)行分析的主要挑戰(zhàn)是由于數(shù)據(jù)傳輸開銷明顯，數(shù)據(jù)聚合過程耗時(shí)，以及對能源需求的不斷增加等。而不應(yīng)將大量的原始數(shù)據(jù)不斷地傳輸?shù)竭h(yuǎn)程大規(guī)模數(shù)據(jù)倉庫的計(jì)算系統(tǒng)來處理，這可利用原位服務(wù)器系統(tǒng)（In-Situ Server Syste

34、ms）有助于預(yù)處理這些數(shù)據(jù)，例如，把計(jì)算留在數(shù)據(jù)所在的位置。據(jù)維基百科定義，原位計(jì)算（In-Situ Computing）：它的意思是“局部”、“現(xiàn)場”、“現(xiàn)場”或“到位”來描述一個(gè)事件在何處發(fā)生，并在許多不同的環(huán)境中使用。例如，在物理，化學(xué)或生物學(xué)等領(lǐng)域，在原位可以描述測量的方式，即，在同一個(gè)地方的現(xiàn)象發(fā)生，而不與其他系統(tǒng)隔離，或改變測試的原始條件。原位計(jì)算的概念已經(jīng)在高性能計(jì)算和系統(tǒng)研究界為解決I/O開銷問題上被提出。幾項(xiàng)研究提出在科學(xué)應(yīng)用產(chǎn)生數(shù)據(jù)的同時(shí)執(zhí)行數(shù)據(jù)分析 36，37，38或從計(jì)算節(jié)點(diǎn)到存儲服務(wù)器的移動計(jì)算39。然而，它們只看到數(shù)據(jù)中心內(nèi)原位計(jì)算情況。它們既不能解決了大容量數(shù)據(jù)移

35、動問題，也不能解決當(dāng)今數(shù)據(jù)中心面臨的超大電源預(yù)算挑戰(zhàn)問題。一些網(wǎng)絡(luò)研究還嘗試在接近數(shù)據(jù)源的網(wǎng)絡(luò)邊緣進(jìn)行計(jì)算。但是，這些方法受限于傳感器節(jié)點(diǎn)和網(wǎng)絡(luò)路由器，缺乏用于處理海量數(shù)據(jù)的必要存儲容量和計(jì)算能力。原位計(jì)算與霧計(jì)算數(shù)據(jù)處理模式非常相似，都能有效防止云系統(tǒng)過載情況，但它與霧計(jì)算最大區(qū)別目前主要是因?yàn)樗伎旗F計(jì)算只能使用自己公司的路由器設(shè)備來處理網(wǎng)絡(luò)流量，通用性上還存在不足。原位計(jì)算的核心思想是提供非侵入性的、環(huán)保型數(shù)據(jù)處理，盡量減少大數(shù)據(jù)時(shí)代傳遞數(shù)據(jù)到計(jì)算資源的開銷。一個(gè)典型的原位計(jì)算系統(tǒng)如圖5所示39。圖5: 作為將來云中輔助的In-situ服務(wù)器系統(tǒng)Figure 5: In-situ serv

36、er system as an ancillary to future cloud39根據(jù)系統(tǒng)中數(shù)據(jù)流的處理方式可以分為：間斷性批處理作業(yè)和持續(xù)數(shù)據(jù)流方式。原位計(jì)算主要應(yīng)用場景如下：油氣勘探（間斷性批處理作業(yè)方式）：石油和天然氣工業(yè)中，大量的地震數(shù)據(jù)收集和分析用于指導(dǎo)站點(diǎn)選擇和鉆井。一個(gè)石油勘探工程可能涉及數(shù)以萬計(jì)的微地震測試而每個(gè)測試可以生成多個(gè)TB級數(shù)據(jù)。傳統(tǒng)上，這些在遠(yuǎn)程高性能計(jì)算集群處理實(shí)驗(yàn)數(shù)據(jù)，通常依賴于昂貴的通信傳輸設(shè)備（例如通過商業(yè)衛(wèi)星）或通過便攜式存儲設(shè)備花費(fèi)大量時(shí)間進(jìn)行傳送。視頻監(jiān)控（持續(xù)數(shù)據(jù)流方式）：監(jiān)視相機(jī)通常部署在很難觸及或危險(xiǎn)區(qū)域提供野外生活、火山活動和地方流行病的來

37、源等行為的理解，這些項(xiàng)目中大部分需要大量遠(yuǎn)遠(yuǎn)超出傳統(tǒng)的視頻監(jiān)控系統(tǒng)性能的實(shí)時(shí)和高保真數(shù)據(jù)。傳統(tǒng)的解決方案導(dǎo)致巨大的人力（例如，手動數(shù)據(jù)檢索）和研究人員暴露在危險(xiǎn)之中。它也會帶來顯著的數(shù)據(jù)存儲開銷和耗時(shí)的數(shù)據(jù)聚合過程。物理地理和地球科學(xué)（間斷性批處理作業(yè)和持續(xù)數(shù)據(jù)流方式）：在原位通常描述的自然材料或過程之前，運(yùn)輸。例如，在原位使用的風(fēng)化和侵蝕之間的區(qū)別，不同的是，侵蝕需要一個(gè)傳輸介質(zhì)（如風(fēng)，冰，或水），而在原位發(fā)生風(fēng)化。地球化學(xué)過程也經(jīng)常被描述為發(fā)生在原位的材料。在大氣科學(xué)中，原位是指通過與各自的主題直接取得聯(lián)系，如無線電探空儀測量包裹空氣或風(fēng)速儀測量風(fēng)速，而遙感如天氣雷達(dá)或衛(wèi)星。3.2 邊緣計(jì)

38、算（Edge computing）IBM也在開發(fā)類似功能產(chǎn)品，他們將計(jì)算推到邊界（to the edge）。即所謂的邊緣計(jì)算或邊界計(jì)算（edge computing），就是在互聯(lián)網(wǎng)與現(xiàn)實(shí)世界的邊界進(jìn)行計(jì)算。數(shù)據(jù)中心是網(wǎng)絡(luò)的中心，PC、手機(jī)、監(jiān)控照相機(jī)則處在網(wǎng)絡(luò)的邊界上。隨著對高品質(zhì)內(nèi)容的期望日益增長，物聯(lián)網(wǎng)的成長將幫助終端用戶更加貼近邊緣計(jì)算節(jié)點(diǎn)。根據(jù)維基百科定義，邊緣計(jì)算是推動前沿的計(jì)算應(yīng)用程序，數(shù)據(jù)和服務(wù)，遠(yuǎn)離集中式節(jié)點(diǎn)的邏輯終端的網(wǎng)絡(luò)40。它分析處理發(fā)生在數(shù)據(jù)源端產(chǎn)生的數(shù)據(jù)。該方法不需要持續(xù)不斷連接網(wǎng)絡(luò)資源，如筆記本電腦、智能手機(jī)、平板電腦和傳感器41。邊緣計(jì)算涵蓋了眾多現(xiàn)有網(wǎng)絡(luò)技術(shù)如無

39、線傳感器網(wǎng)絡(luò)、移動數(shù)據(jù)采集、移動特征分析，協(xié)同分布式對等網(wǎng)絡(luò)與處理、本地云/霧計(jì)算和網(wǎng)格/網(wǎng)格計(jì)算、露計(jì)算42，移動邊緣計(jì)算4344、微云、分布式數(shù)據(jù)存儲和檢索、自主自愈網(wǎng)絡(luò)、遠(yuǎn)程云服務(wù)和增強(qiáng)現(xiàn)實(shí)等45。目標(biāo)用戶是任何互聯(lián)網(wǎng)客戶端使用的商業(yè)互聯(lián)網(wǎng)應(yīng)用服務(wù)。邊緣計(jì)算帶來了一定的限制，技術(shù)平臺，應(yīng)用程序或服務(wù)的選擇，所有這些都需要專門開發(fā)或配置的邊緣計(jì)算。邊緣計(jì)算推動應(yīng)用程序、數(shù)據(jù)和計(jì)算能力（服務(wù)）遠(yuǎn)離集中的服務(wù)器而指向網(wǎng)絡(luò)的邏輯終端。邊緣計(jì)算復(fù)制的信息跨分布式網(wǎng)絡(luò)的Web服務(wù)器，包括許多網(wǎng)絡(luò)的片段，可能這些數(shù)據(jù)量是巨大的。作為一種拓?fù)淠Ｊ剑吘売?jì)算也被稱為網(wǎng)格計(jì)算、對等計(jì)算、自主（自愈）計(jì)算、網(wǎng)

40、格計(jì)算等非集中、無節(jié)點(diǎn)的名字。為了確保廣泛分散的分布式服務(wù)的可接受的性能，大型組織通常實(shí)施邊緣計(jì)算，通過部署Web服務(wù)器與聚類。以前只提供給非常大的企業(yè)和政府組織使用，隨著技術(shù)進(jìn)步和成本降低的大規(guī)模實(shí)現(xiàn)從而使小型和中型企業(yè)也能使用該項(xiàng)技術(shù)。邊緣計(jì)算有許多優(yōu)點(diǎn)：1、邊緣應(yīng)用服務(wù)顯著減少必須移動的數(shù)據(jù)量，以及遠(yuǎn)程數(shù)據(jù)的傳輸，從而降低傳輸成本，縮短延遲時(shí)間，提高服務(wù)質(zhì)量（QoS）。2、邊緣計(jì)算有助于限制或消除一些中心服務(wù)器存在的主要瓶頸和潛在的故障點(diǎn)。3、隨著加密數(shù)據(jù)的進(jìn)一步移動向網(wǎng)絡(luò)核心延伸，其安全性也要提高。當(dāng)它接近企業(yè)時(shí)，數(shù)據(jù)須被檢查，因?yàn)樗ㄟ^受保護(hù)的防火墻和設(shè)置的安全點(diǎn)，所以其中的病毒、威

41、脅性數(shù)據(jù)和主動性黑客可以在早期被系統(tǒng)捕獲。4、虛擬化能力（如CPU邏輯組性能可根據(jù)需要實(shí)時(shí)延伸擴(kuò)展）。邊緣計(jì)算市場一般是基于付費(fèi)的網(wǎng)絡(luò)服務(wù)模型，典型的客戶的邊緣服務(wù)是渴望組織規(guī)模的業(yè)務(wù)和應(yīng)用性能之間以線性增長。4 云計(jì)算與霧計(jì)算區(qū)別與聯(lián)系云計(jì)算存在一些諸如不能支持高移動性、不支持地理位置信息及高時(shí)延等等問題，而霧計(jì)算正好能夠解決這些問題，同時(shí)又可帶來大量新的應(yīng)用和新的服務(wù)。霧計(jì)算提供了當(dāng)?shù)毓?jié)點(diǎn)分布的地理位置信息，信息傳遞的時(shí)延非常低，而云計(jì)算則提供了中心化的全局信息。霧計(jì)算有很多優(yōu)點(diǎn)，但涉及到未來大規(guī)模部署霧計(jì)算設(shè)備，也同樣會遇到各種問題，比如網(wǎng)絡(luò)堵塞、軟件架構(gòu)、安全、隱私以及采用什么商業(yè)模式

42、等等，不過這些問題在不久的將來一定能得到解決。與云計(jì)算相比，霧計(jì)算所采用的架構(gòu)更呈分布式，更接近網(wǎng)絡(luò)邊緣。霧計(jì)算將數(shù)據(jù)、數(shù)據(jù)處理和應(yīng)用程序集中在網(wǎng)絡(luò)邊緣的設(shè)備中，霧計(jì)算不像云計(jì)算那樣，要求使用者連上遠(yuǎn)端的大型數(shù)據(jù)中心才能存取服務(wù)。數(shù)據(jù)的存儲及處理更依賴本地設(shè)備，而非服務(wù)器。所以，云計(jì)算是新一代的集中式計(jì)算，而霧計(jì)算是新一代的分布式計(jì)算，符合互聯(lián)網(wǎng)的“去中心化”特征。除了架構(gòu)上的差異，云計(jì)算所能提供的應(yīng)用，霧計(jì)算基本上都能提供，只是霧計(jì)算所采用的計(jì)算平臺效能可能不如大型數(shù)據(jù)中心。霧計(jì)算與云計(jì)算之間對比情況如表2和表3所示。表2 云計(jì)算與霧計(jì)算對比ITable 2 Comparison betwe

43、en cloud computing and fog computing I要求云計(jì)算霧計(jì)算地理上分布情況集中式分布式服務(wù)器結(jié)點(diǎn)數(shù)少量巨量移動支持有限支持支持實(shí)時(shí)交互支持支持最后英里連接類型專線無線延遲性高低時(shí)延抖動高低服務(wù)器結(jié)點(diǎn)位置網(wǎng)絡(luò)中網(wǎng)絡(luò)邊緣客戶端和服務(wù)器端距離多跳單跳安全性不可定義可定義數(shù)據(jù)路由攻擊高可靠性極低可靠性位置敏感無有表3 云計(jì)算與霧計(jì)算對比IITable3 Comparison between cloud computing and fog computing II內(nèi)容云計(jì)算霧計(jì)算處理方式數(shù)據(jù)和應(yīng)用在云中處理，對于大數(shù)據(jù)處理是耗時(shí)的不用在云中心進(jìn)行處理，霧操作在網(wǎng)絡(luò)邊緣進(jìn)行

44、，這樣消耗很少時(shí)間。帶寬要求帶寬問題，通過云通道傳輸每個(gè)字節(jié)數(shù)據(jù)不太關(guān)注帶寬問題，因?yàn)槊總€(gè)結(jié)點(diǎn)的數(shù)據(jù)都在相應(yīng)訪問點(diǎn)進(jìn)行處理而不須通過云通道響應(yīng)時(shí)間與可伸縮性因?yàn)橐蕾囘h(yuǎn)程服務(wù)器，故存在低響應(yīng)時(shí)間和可伸縮性問題通過用戶可見小型邊緣服務(wù)器，霧計(jì)算平臺可避免響應(yīng)時(shí)間和可伸縮性問題云計(jì)算需要大量帶寬，而無線網(wǎng)絡(luò)帶寬有限。霧計(jì)算可以使所需的帶寬量大大降低，原則上可使傳輸?shù)臄?shù)據(jù)“旁路”，即從互聯(lián)網(wǎng)邊上繞過去，使這些數(shù)據(jù)盡可能本地化。最有價(jià)值的數(shù)據(jù)仍然可以通過“云”來傳輸，但是大部分的數(shù)據(jù)流量可以從這些網(wǎng)絡(luò)中分流出去，從而大大減輕了云網(wǎng)絡(luò)的流量負(fù)擔(dān)。智能交通系統(tǒng)、智能電網(wǎng)、智能汽車甚至健康醫(yī)療系統(tǒng)等，如果都是

45、本地處理數(shù)據(jù)，只把最重要的數(shù)據(jù)傳到“云”的話，將變得非常高效，同時(shí)可節(jié)省大量運(yùn)營成本。5結(jié)論隨著網(wǎng)絡(luò)技術(shù)的進(jìn)一步發(fā)展，未來互聯(lián)網(wǎng)上的人及各種設(shè)備都會智能連接在一個(gè)巨大的網(wǎng)絡(luò)中，人、數(shù)據(jù)、物聯(lián)網(wǎng)、智能云處在核心層、邊緣和端點(diǎn)層中。通過霧計(jì)算可以進(jìn)一步擴(kuò)展與云之間聯(lián)系，與云計(jì)算優(yōu)勢互補(bǔ)。霧計(jì)算下一步發(fā)展，將優(yōu)化霧計(jì)算結(jié)構(gòu)，定義一種應(yīng)用結(jié)構(gòu)滿足各種異構(gòu)設(shè)備、資源、應(yīng)用程序和系統(tǒng)之間相互操作以及提供應(yīng)用鏡像服務(wù)，形式相應(yīng)的霧計(jì)算API，提供更廣泛更智能的商業(yè)化服務(wù)，拓展云計(jì)算能力，在邊緣存儲和計(jì)算中起著決定性作用?？梢哉f，霧計(jì)算的到來將提供了一個(gè)新的發(fā)展平臺、一個(gè)新的應(yīng)用程序和服務(wù)種類，為傳感器供應(yīng)商

46、和應(yīng)用程序開發(fā)者提供新的發(fā)展機(jī)遇與挑戰(zhàn)。參考文獻(xiàn) 1 J. Vlahos. Surveillance Society: New High-Tech Cameras Are Watching You. Popular Mechanics, 2009 2 Video Surveillance Storage: How Much Is Enough. White Paper, Seagate Technology, 2012 3 Information Optimization: Harness the Power of Big Data. White Paper, Hewlett-Packard

47、Company, 2012 4 W. Johnston, E. Dart, M. Ernst, and B. Tierney. Enabling High Throughput in Widely Distributed Data Management and Analysis Systems: Lessons from the LHC. Technical Report, Lawrence Berke-ley National Laboratory, 2013 5 Gartner Says the Internet of Things Will Transform the Data Cent

48、er. 6 J. Gray, W. Chong, T. Barclay, A. Szalay, and J. Vandenberg. TeraScale SneakerNet: Using Inexpensive Disks for Backup, Archiv-ing, and Data Exchange. Technical Report, Microsoft Research, 2002 7 W. Vogels. Expanding the Cloud: Moving Large Data Sets into Ama-zon S3 with AWS Import/Export. Tech

49、nical Blog, 2009, 8 Driving 10 Gigabit Ethernet Adoption in the Data Center. White Paper, Intel, 2009 9 G. Chanda. The Market Need for 40 Gigabit Ethernet. White Paper, Cisco, 2012 10 Amazon Import/Export. 11 Offline Disk Import. 12 CERNs File Transfer Service. http:/information-technology.web.cern.

50、ch/services/file-transfer 13 LIGO Data Replicator./LDR/overview.html 14 B. Allen, J. Bresnahan, L. Childers, I. Foster, G. Kandaswamy, R. Kettimuthu, J. Kordas, M. Link, S. Martin, K. Pickett, and S. Tuecke. Globus Online: Radical Simplification of Data Movement via S

51、aaS. Technical Report, Argonne National Laboratory, 2012 15 Globus Provider Plans ./providers/provider-plans 16 Offshore Oil and Gas Supply. Working Document of the National Petroleum Council, 2011 17 The Changing Geospatial Landscape. A Report of the National Geo-spatial Adviso

52、ry Committee, 2009 18 How Big Data Is Changing Astronomy (Again). The Atlantic, 2012 19 W. Cox, M. Pruett, T. Benson, S. Chiavacci, and F. Thompson III. Development of Camera Technology for Monitoring Nests. USGS Northern Prairie Wildlife Research Center, 2012 20 21 Cisco Technology Radar Trends. Wh

53、ite Paper, Cisco, 2014 22 F. Zhang, S. Lasluisa, T. Jin, I. Rodero, H. Bui, and M. Parashar. In-situ Feature-based Objects Tracking for Large-Scale Scientific Simu-lations. 2012 SC Companion: High Performance Computing, Net-working Storage and Analysis (SCC), 2012 23 S. Lakshminarasimhan, D. Boyuka,

54、 S. Pendse, X. Zou, J. Jenkins, V. Vishwanath, M. Papka, and N. Samatova. Scalable In-situ Scientific Data Encoding for Analytical Query Processing. ACM International Symposium on High-Performance Parallel and Distributed Compu-ting (HPDC), 2013 24/resources/#definitio

55、n-of-fog-computing25/wiki/Fog_computing26Bar-Magen Numhauser, Jonathan. Fog Computing introduction to a New Cloud Evolution. Escrituras silenciadas: paisaje como historiografía. Spain: University of Alcala.,2013 ,pp. 111126. ISBN 978-84-15595-84-7.27Bar-Magen Nu

56、mhauser, Jonathan. "XMPP Distributed Topology as a Potential Solution for Fog Computing". MESH 2013 The Sixth International Conference on Advances in Mesh Networks, August 25, 2013.28 D. Bouley, “Estimating a data centers electrical carbon footprint,” April 2010. Online.Available:29 “Repor

57、t to congress on server and data center energy efficiency public law 109_431,” U.S. Environmental Protection July 2007.30T.Venkat Narayana Rao , MD. Amer Khan,et al. A Paradigm Shift from Cloud to Fog Computing. JCSET, November , 2015 ,Vol 5, Issue 11,385-38931 F. Bonomi, R. Milito, J. Zhu, and S. Addepalli,