一種基于霧計算的物聯(lián)網(wǎng)應(yīng)用

朱敏

摘要：物聯(lián)網(wǎng)（IoT）旨在將所在物體聯(lián)入網(wǎng)絡(luò)，從而產(chǎn)生大量數(shù)據(jù)，這些巨量數(shù)據(jù)可能會壓垮存儲系統(tǒng)和數(shù)據(jù)分析應(yīng)用程序。云計算能夠在基礎(chǔ)架構(gòu)級別上為物聯(lián)網(wǎng)提供可擴展的存儲和數(shù)據(jù)處理服務(wù)。但是，在諸如強調(diào)實時性，低延遲和移動性等方面的應(yīng)用中暴露出其自身的局限性。為了克服這種限制，人們提出了霧計算。在霧計算中，云服務(wù)被擴展到網(wǎng)絡(luò)邊緣以減少延遲和網(wǎng)絡(luò)擁塞。該文對基于云計算的物聯(lián)網(wǎng)架構(gòu)進行了改進，在網(wǎng)絡(luò)邊緣添加了霧計算。仿真實驗證明，引入了霧計算后的物聯(lián)網(wǎng)系統(tǒng)性能得到改進。

關(guān)鍵詞：物聯(lián)網(wǎng);霧計算;云計算

中圖分類號：TP393 文獻標識碼：A

文章編號：1009- 3044（2019）34-0221-03

1 引言

物聯(lián)網(wǎng)（IoT）技術(shù)的普及，使諸如智能家居，智能城市，智能工廠，智能電網(wǎng)和智能醫(yī)療等應(yīng)用日益走近人們的生活。物聯(lián)網(wǎng)系統(tǒng)中有各種傳感器、執(zhí)行器，日常運行中產(chǎn)生大量的數(shù)據(jù)，但受制于自身有限的計算資源，沒有能力處理這些數(shù)據(jù)。而云計算系統(tǒng)提供了高等級的計算基礎(chǔ)設(shè)施，在能源，帶寬，軟件，平臺和存儲等方面都有巨大的優(yōu)勢，因此物聯(lián)網(wǎng)應(yīng)用系統(tǒng)常常通過網(wǎng)絡(luò)與云計算系統(tǒng)相結(jié)合[1-2]。但是云計算系統(tǒng)也有它的缺點，最主要的問題就是高延遲、高能量消耗等。為解決云計算的這些缺點，人們提出了霧計算。

2 相關(guān)研究

霧計算最初由思科提出，它是對云計算的一種擴展，在云計算中心與客戶端系統(tǒng)之間提供計算、存儲、通信服務(wù)。它是一種分布式的基礎(chǔ)架構(gòu)，是對云計算系統(tǒng)的有效補充。強大的計算設(shè)備，例如服務(wù)器，部署在網(wǎng)絡(luò)的邊緣以支持IoT設(shè)備高復(fù)雜度的計算任務(wù)，以降低延遲，節(jié)省能源，增加運營時間。

OpenFog聯(lián)盟于2016年開始設(shè)計標準化的開放式霧計算框架[3]。這是一個系統(tǒng)級架構(gòu)，沿著云到物（ cloud-to-things）統(tǒng)一體在任何位置分配用于計算、存儲、控制和聯(lián)網(wǎng)的資源和服務(wù)。它支持多個行業(yè)垂直和應(yīng)用領(lǐng)域，使服務(wù)和應(yīng)用能夠更接近數(shù)據(jù)生成來源，從事物、在網(wǎng)絡(luò)邊緣、通過云并跨多個協(xié)議層進行擴展。

文獻[4]中提出了另一種霧計算架構(gòu)，其中設(shè)計了一整套的應(yīng)用程序接口，以實現(xiàn)虛擬機在霧節(jié)點收集信息。

Chin等人在文獻[5]中提出了一種霧框架，它基于上下文感知，支持多種不同的邊緣技術(shù)，如Wi-Fi，LTE和藍牙等，還支持軟件定義網(wǎng)絡(luò)（SDN）和虛擬化工具。它還提出了空中的霧計算系統(tǒng)，使用無人機等空中設(shè)備作為霧節(jié)點，以開展各種方便終端用戶的應(yīng)用和服務(wù)。

3 系統(tǒng)設(shè)計

3.1 系統(tǒng)架構(gòu)

我們建構(gòu)一種基于云一霧計算的物聯(lián)網(wǎng)系統(tǒng)，目的是更有效地進行數(shù)據(jù)的收集和處理。它包括3個層次，傳感器層、霧計算層、云計算層。

傳感器層：包括部署在物聯(lián)網(wǎng)系統(tǒng)中的各種傳感器以及各種執(zhí)行器。它們一方面收集各種原始數(shù)據(jù)，另一方面也可以執(zhí)行來自高級別系統(tǒng)的指令。

霧計算層：霧節(jié)點收集來自傳感器的數(shù)據(jù)并進行智能化的數(shù)據(jù)處理，以減少網(wǎng)絡(luò)流量，節(jié)省能量開支。

云計算層：數(shù)據(jù)流向云計算中心，由云計算中心執(zhí)行強大的數(shù)據(jù)存儲和大數(shù)據(jù)分析處理。

3.2 數(shù)據(jù)處理算法

我們在傳感器上加入基礎(chǔ)的霧計算功能，使其具備簡單的數(shù)據(jù)處理能力，以減少生成的數(shù)據(jù)量?？紤]到傳感器的低功耗、低內(nèi)存要求，這一數(shù)據(jù)聚合算法必須盡可能簡單。參考文獻[6]中的事件觸發(fā)數(shù)據(jù)處理程序，在本地霧計算層執(zhí)行簡單的數(shù)據(jù)聚合，對傳感器測量的原始數(shù)據(jù)做出判定，以確定是否需要將數(shù)據(jù)上傳到網(wǎng)關(guān)。

首先，當測量數(shù)據(jù)超過某一閥值時，觸發(fā)事件E.：

算法偽代碼如下：

Input： Time-stamp，RData ll Time-stamp為時間戳，RData為原始測量數(shù)據(jù)

Output：PData

//PData為經(jīng)過處理后的數(shù)據(jù)

For each Time-stamp do

SrnsorWakeUP;

Read RData

If Q=true

//Q={ Ei. E2. E3}

Send RData;

End if

Update asi;

UpdateTl and T2;

SensorToSleep;

End for

4 實驗

本文用仿真的方式對提出的系統(tǒng)架構(gòu)及數(shù)據(jù)處理算法進行驗證，所使用的仿真系統(tǒng)為iFogSim[7]系統(tǒng)。iFogSim是由墨爾本大學的云計算和分布式系統(tǒng)（CLOUDS）實驗室開發(fā)的基于Java的開源模擬器。

系統(tǒng)包括4個傳感器、1個網(wǎng)關(guān)和1個云平臺，功能是對工作場所中的能源使用狀況進行監(jiān)控。其結(jié)構(gòu)如圖1所示。在每個時間戳，傳感器被激活，對場所中的燃氣、用電量等進行測量，并發(fā)往本地網(wǎng)關(guān)，再由本地網(wǎng)關(guān)發(fā)往云平臺。

實驗包括兩個部分。在第一部分的實驗中我們對數(shù)據(jù)處理算法進行測試。我們使用在線數(shù)據(jù)庫[8]中的數(shù)據(jù)作為算法的輸入數(shù)據(jù)，這是勞倫斯伯克利國家實驗室校園74號樓的15分鐘電力和5分鐘天然氣消耗數(shù)據(jù)。

圖2為傳感器1的原始數(shù)據(jù)和經(jīng)過數(shù)據(jù)聚合算法處理后的數(shù)據(jù)。

圖3為傳感器2的原始數(shù)據(jù)和經(jīng)過數(shù)據(jù)聚合算法處理后的數(shù)據(jù)。

可以看到，經(jīng)過數(shù)據(jù)聚合算法處理后的數(shù)據(jù)量大大減少。對于傳感器1，處理后的數(shù)據(jù)減少了97.9%，對傳感器2，處理后的數(shù)據(jù)減少了98.1%。

在第二部分的實驗中，我們把引入霧計算后的物聯(lián)網(wǎng)系統(tǒng)與傳統(tǒng)的云計算物聯(lián)網(wǎng)進行比較;在iFogSim系統(tǒng)中模擬的結(jié)果顯示，與后者相比，引入霧計算的物聯(lián)網(wǎng)系統(tǒng)網(wǎng)絡(luò)的占用減少了47.3%，總的能源消耗減少了14.7%。

5 總結(jié)

本文提出了一個三層的物聯(lián)網(wǎng)系統(tǒng)架構(gòu)，即傳感器一霧計算一云計算三層架構(gòu)，在傳統(tǒng)的基于云計算的物聯(lián)網(wǎng)系統(tǒng)中引入霧計算，在傳感器級別上實現(xiàn)了一種本地數(shù)據(jù)處理算法，并在iFogSim系統(tǒng)下進行仿真驗證。結(jié)果證明，霧計算的引入，減少了發(fā)送到云平臺的數(shù)據(jù)總量。通過減少數(shù)據(jù)流量，網(wǎng)絡(luò)可擴展性得到改善。在網(wǎng)絡(luò)節(jié)點層面，其最大的能源消耗是在發(fā)送和接收數(shù)據(jù)時，所以數(shù)據(jù)流量的減少，也降低了網(wǎng)絡(luò)節(jié)點的能源消耗。

在今后的研究中，我們將進一步完善霧計算層的數(shù)據(jù)處理算法，并嘗試將這一物聯(lián)網(wǎng)架構(gòu)運用到實際的場景，諸如智能

參考文獻

[1] N. Moustafa， K.-K. R. Choo， I. Radwan， and S. Camtepe.Outli-er dirichlet mixture mechanism： Adversarial statistical leam-ing for anomaly detection in the fog.lEEE Transactions on In-formation Forensics and Security， 2019.

[2] A. V. Dastjerdi， H. Gupta， R. N. Calheiros， S. K. Ghosh， and R. Buyya.Fog computing： Principles， architectures， and appli-cations.arXiv preprint arXiv：1601.02752， 2016.

[3] Open fog consortium.Aug. 2018. http：//www.openfogconsortium.org/.

[4] M. Zhanikeev.A cloud 19 platform to facilitate cloud federa-tion and fog computing.Computer， 2015，48（5）：80 ～ 83.

[5] W. S. Chin， H.-s. Kim， Y. J. Heo， and J. W. Jang.A context-based future network infrastructure for iot services. ProcediaComputer Science， 2015，56：266 ～ 270.

[6] V. Mihai， C. Dragana， G. Stamatescu， D. Popescu， L. Ichim.Wireless Sensor Network Architecture based on Fog Comput-ing.published in Sth International Conference on Control， Deci-sion and Information Technologies， 2018.

[7] H. Gupta， A. V. Dastjerdi， S. K. Ghosh， R. Buyya.iFogSim：Atoolkit for modeling and simulation of resource managementtechniques in the Internet of Things， Edge and Fog computingenvironments.published in Software Practice and Experience，2017.

[8] https：//openei.org/datasets/dataset/lbnl-building-74.