工業(yè)互聯(lián)網(wǎng)傳輸延時性分析與研究

梅雨林

（1.安徽工業(yè)大學 電氣與信息工程學院，安徽 馬鞍山 243002；2.合肥職業(yè)技術學院 信息工程與傳媒學院，安徽 合肥 230012）

0 引言

工業(yè)互聯(lián)網(wǎng)的目標是將靈活的網(wǎng)絡技術和思想應用到工業(yè)環(huán)境中，整合工業(yè)生產中的各類要素，從而提升效率、降低成本。當前工業(yè)互聯(lián)網(wǎng)還處于發(fā)展初期階段，以工業(yè)制造業(yè)為例，其主要特征是生產終端的類型多、工藝流程復雜，各個生產環(huán)節(jié)會產生大量的數(shù)據(jù)(包括材料、加工設備、加工過程、質量等），導致車間管理過程復雜，接入終端數(shù)量繁多。企業(yè)通過實施信息化系統(tǒng)對制造流程進行精細化管理，實現(xiàn)企業(yè)的數(shù)字化、智能化轉型，既需要相關生產設備產生的海量數(shù)據(jù)信息作為重要的數(shù)據(jù)源，也需要具備處理海量數(shù)據(jù)的能力，還要有高可靠網(wǎng)絡提供的實時、精準傳輸能力。當前工業(yè)互聯(lián)網(wǎng)中網(wǎng)絡延遲已成為關鍵性技術，很多應用及架構都建立在低延時基礎上，如何有效降低網(wǎng)絡中的傳輸時延以及提升系統(tǒng)的性能已成為當代工控現(xiàn)場的研究的重點。本文從工業(yè)互聯(lián)網(wǎng)時延模型出發(fā)，對時延產生的各種因素進行分析，研究了移動邊緣計算和霧計算技術在減低傳輸時延方面的應用，重點聚焦計算卸載、多維資源分配以及邊緣緩存等產生的延時問題，利用技術手段對延時進行優(yōu)化，通過對比方法證明了引入邊緣計算能夠有效降低網(wǎng)絡中的延時，提高系統(tǒng)的整體性能。

1 整體延時性分析

以典型時延的模型進行分析，如圖1所示，在工業(yè)互聯(lián)網(wǎng)中被控對象通常可劃分為執(zhí)行器和傳感器，T(ca）為控制數(shù)據(jù)從控制節(jié)點開始發(fā)送到達I/O設備后在網(wǎng)絡中的傳輸時延。反過來T(sc）為反饋數(shù)據(jù)從I/O口開始傳輸?shù)竭_控制節(jié)點后在網(wǎng)絡中的傳輸時延。

圖1 典型時延的模型

從此處的典型傳輸系統(tǒng)模型上看，可以將工控互聯(lián)網(wǎng)傳輸時延分成兩部分，一部分是節(jié)點因自身計算而產生的處理時延，例如控制器、執(zhí)行器等完成自身功能都需要花費一定的時間；第二部分是信息在網(wǎng)絡中傳輸過程中所引起的時延。前者與控制設備自身的設計和實現(xiàn)有關，通常數(shù)值較小，相對于整體時延可以忽略不計；而后者是由于引入傳輸環(huán)節(jié)產生的，稱作網(wǎng)絡誘導時延，根據(jù)計算機網(wǎng)絡中通信信道時分復用的特點，網(wǎng)絡誘導時延屬于系統(tǒng)噪聲，是無法被消除的，因此網(wǎng)絡誘導時延成為影響系統(tǒng)的主要指標，也成為研究者眼中實時性和確定性的主要內容。

2 邊緣計算延時改善

如圖2所示，移動邊緣計算互聯(lián)網(wǎng)架構通常涉及3大重要部分：公有云，邊緣云和邊緣設備。

圖2 邊緣計算工業(yè)互聯(lián)網(wǎng)框架

(1）公有云：提供計算服務的設備，一般包括云服務提供商和后臺運營商。負責整個系統(tǒng)的維護和管理，其中計算功能最強大的云服務計算中心就在這一層。

(2）邊緣云：為整個系統(tǒng)提供端到端之間的云服務，進一步將云計算的能力拓展到離終端用戶更近的邊緣設備，最終完成云計算服務向終端用戶的下沉。邊緣云具備在物理上距離用戶距離更近的優(yōu)勢，減少了由于傳輸距離遠而造成的額外數(shù)據(jù)傳輸時間，可以提供更低的網(wǎng)絡延時，提高用戶體驗，但邊緣云也有自己的缺點：由于邊緣云AP的計算和存儲能力有限，只能適合小規(guī)模用戶群。

(3）邊緣設備：通常將連入網(wǎng)絡的智能設備統(tǒng)稱為邊緣設備，最常見的如筆記本電腦、智能手機、傳感器節(jié)點等都屬于邊緣設備。

邊緣緩存涉及到資源分配，凡是網(wǎng)絡中具備緩存能力的設備都可以享受資源分配，在系統(tǒng)任務中，提前緩存好所需的輸入文件或是計算結果，可以有效地降低服務延時，提高用戶的服務質量。資源分配除了計算資源和卸載資源外，還涉及到能量資源，因為在移動邊緣計算的無線網(wǎng)絡中，所有任務的計算分析，數(shù)據(jù)傳輸以及通信都需要消耗能量，對這部分能量進行合理分配，能夠大大提高效率，降低系統(tǒng)能耗，減少傳輸時延。在工業(yè)互聯(lián)網(wǎng)中，由于設備工作過程中的產熱以及能耗的增加，導致延時的驟增，也是亟待需要解決的問題。如何降低設備間的能耗，可以考慮通過拓展無線電網(wǎng)絡中的頻譜資源利用率，進一步降低設備本身造成的數(shù)據(jù)傳輸延時性。針對數(shù)據(jù)傳輸?shù)娜蝿諗?shù)量，可以通過劃分時隙，傳統(tǒng)的方法是時分多路復用或頻分多路復用技術，但由于多任務的到達順序，需要進行排隊，即使是基于時隙劃分的任務調度算法依然存在排隊等待，嚴重增加了數(shù)據(jù)傳輸?shù)臅r延，可以考慮通過改進多任務決策算法，引進納什平衡算法，實現(xiàn)更加科學的多任務調度。最后國內還有部分研究者針對單用戶單MEC服務場景中的下行傳輸功率的分配方案，設計出多用戶多天線的邊緣計算系統(tǒng)，利用離線優(yōu)化和在線優(yōu)化，對下行傳輸功率分配方案繼續(xù)研究，得到基于拉格朗日對偶法的離線優(yōu)化問題的半封閉式最優(yōu)解以及基于滑動窗口協(xié)議和系列優(yōu)化的在線能量資源分配方案，最終可以將系統(tǒng)總能耗降低45%~90%［2］。

在基于MEC卸載的時延指標中，可以利用云邊緣協(xié)作系統(tǒng)聯(lián)合通信和計算資源分配法使用迪杰斯特拉算法來最小化所有設備的能耗加權值與延時，設計一種啟發(fā)式算法來優(yōu)化系統(tǒng)資源機制，計算出最小化的加權總和，使得最終執(zhí)行的延遲低于系統(tǒng)延遲要求。還有部分研究者以服務時延長短和任務失敗產生的成本作為性能指標，提出了另外一種計算卸載策略，實質上對這兩種指標進行優(yōu)化，在降低時延的同時提高系統(tǒng)的穩(wěn)定性，更能減少任務卸載失敗的風險。通過分析和建模，將這兩種聯(lián)合指標最小化問題建立成高維馬爾可夫決策問題，提出基于李雅普諾夫函數(shù)的低復雜度在線動態(tài)計算卸載算法來對每個時隙內的計算卸載量進行評估和分析，最終聯(lián)合優(yōu)化出本地中央處理器計算頻率的分配策略，根據(jù)實驗分析，這種算法最終能有效降低64%的服務延時［3］。

針對邊緣計算中，傳統(tǒng)卸載能耗較大，邊緣和云的任務調度較慢的情況，可以采用時延懲罰機制，在給定的時延范圍內，運行最優(yōu)發(fā)射功率的二分搜索算法，實現(xiàn)邊緣－云快速匹配，得到邊緣到云任務的最優(yōu)任務卸載發(fā)射功率，進一步提高系統(tǒng)的響應率。國內研究者還提出了一種異構移動邊緣計算系統(tǒng)，包含一個中心云和多個邊緣服務器，中心云可根據(jù)系統(tǒng)的負載情況升級成多層中心。還有研究針對用戶任務成功卸載最大化，提出新式啟發(fā)式調度算法，既結合了邊緣服務器由于距離較近使得傳輸時延較小的優(yōu)勢外，同時考慮到中心云服務器上資源豐富使得計算速度快時延較小，優(yōu)勢明顯。MEC服務器計算負載有一個額定閾值，一旦超過這個閾值后，系統(tǒng)立刻把對延時不敏感的任務卸載至中央云，剩下來的計算資源全部用作處理延時敏感的任務；為了進一步降低時延，也可以利用擁塞博弈的方式來進一步降低邊緣服務器的能耗，引用馬爾可夫決策過程，結合本地執(zhí)行的時鐘頻率和邊緣云執(zhí)行的傳輸功率聯(lián)合優(yōu)化方案，為了優(yōu)化隊列時延，建立不同容量的排隊模型，提升邊緣計算的卸載性能［4］。

最后在工業(yè)4.0時代，由于現(xiàn)代工業(yè)互聯(lián)網(wǎng)對于無線通信的要求越來越高，大部分工業(yè)園區(qū)現(xiàn)場使用的無線接入方式都是WiFi，但WiFi在穩(wěn)定性和信道利用率問題上，都難以滿足工控現(xiàn)場的要求，同時工控現(xiàn)場網(wǎng)絡為了鏈接工廠內的各個要素，以現(xiàn)場總線和工業(yè)以太網(wǎng)等專業(yè)網(wǎng)絡為主，兩者之間其實很難協(xié)調，經常會造成工業(yè)控制網(wǎng)絡中的大量數(shù)據(jù)無法上傳至企業(yè)信息網(wǎng)絡中，造成數(shù)據(jù)沉淀。為了解決這種難題，可以將蜂窩網(wǎng)絡與移動邊緣計算本地云平臺相結合，實現(xiàn)機器和設備的相關數(shù)據(jù)實時分析或本地分流，最終完成生產自動化，提升整個工控現(xiàn)場的效率。由于其無須通過傳統(tǒng)核心網(wǎng)，移動邊緣平臺可以直接對數(shù)據(jù)進行分析、處理及反饋，可以大大降低網(wǎng)絡延時，提升穩(wěn)定性和安全性。所以對于工業(yè)互聯(lián)網(wǎng)而言，確定性網(wǎng)絡可以為工業(yè)控制提供毫秒級時延的遠程控制通道，保證鏈路微秒級抖動以及滿足工業(yè)互聯(lián)網(wǎng)高精度時延抖動要求，具有更好的優(yōu)勢。

3 霧計算延時改善

邊緣計算可以進一步配合霧計算來改善邊緣設備處理數(shù)據(jù)的能力，將云計算服務推給網(wǎng)絡邊緣，霧計算確保數(shù)據(jù)傳輸依靠本地設備而不是云服務器，同時不需要和遠程云服務器建立連接就可以滿足本地絕大部分用戶的需求，在工業(yè)互聯(lián)網(wǎng)中可以發(fā)揮重要作用。雖然通常霧計算使用的設備性能較弱，沒有云計算設備的能力強大，一旦超過單個霧節(jié)點的處理能力，就需要其他霧節(jié)點的幫助。但云計算在提供服務的時候避免不了的會消耗大量的資源(能量，時間和帶寬），提供服務過程中最大的問題會產生較大的時延，服務效率大打折扣。霧計算在性能上繼承了云計算的絕大部分的優(yōu)點，和邊緣計算相類似，能夠為用戶提供本地服務，及時響應本地用戶的所有服務請求，具有很低的網(wǎng)絡延時，故霧計算在解決網(wǎng)絡傳輸延時性問題上也具有廣闊的前景。

相對于云計算，霧計算具有極低的延時，非常低的延時抖動，較少的能量消耗，較好的實時互動性和極低的在線數(shù)據(jù)攻擊率，在工業(yè)互聯(lián)網(wǎng)中具有更強的優(yōu)勢。霧計算在一個中心位置收集和處理來自其他終端的數(shù)據(jù)，但數(shù)據(jù)處理的位置不是云服務提供商提供的大型數(shù)據(jù)中心，霧計算提供了一個“迷你數(shù)據(jù)中心”，位置與數(shù)據(jù)中心一致。但迷你數(shù)據(jù)中心所進行的數(shù)據(jù)處理都是時間要求較高的計算，且計算結果會對本地設備產生影響，同時所有的計算都局限于本地。但邊緣計算的計算優(yōu)勢在于：數(shù)據(jù)處理和預處理都可以本地本設備中完成，所以霧計算對本地設備的計算能力，安全性和開放性要求要遠低于邊緣計算。

霧無線接入網(wǎng)絡可以通過內容緩存，資源分配和計算卸載3個方面來降低系統(tǒng)的延時性。

(1）內容緩存：可以利用霧計算節(jié)點(F-AP）和用戶設備處的邊緣緩存，也可以使用云計算中心的集中式緩存。類似于邊緣計算原理，一般計算可以推送給距離目標用戶較近的網(wǎng)絡邊緣，但邊緣緩存的容量又是有限的，故要對邊緣緩存的內容進行篩選以及緩存位置的優(yōu)化部署都可以有效的降低時延。通常都將尺寸小的內容緩存在用戶設備，其余流行度較高的內容緩存在霧計算節(jié)點，流行度低的數(shù)據(jù)存放在云計算中心。

(2）資源分配：在霧無線接入網(wǎng)絡中，涉及到的資源除了計算資源外還有無線通信資源；計算資源通常指的是網(wǎng)絡中各個節(jié)點們的CPU運轉頻率，計算能力的大小會影響到任務的處理時延。無線通信資源主要是傳輸帶寬，載波信道和傳輸功率等，這些資源都會直接影響到數(shù)據(jù)的傳輸時延。資源是有限的，尤其是在網(wǎng)絡邊緣處，更要合理分配才能獲得最佳時延。這些時延可以通過一定的資源分配方案和算法來減輕鏈路的負擔，降低時延。

(3）計算卸載：當用戶的設備或網(wǎng)絡節(jié)點由于負載較大，計算存儲能力有限導致無法獨立完成計算任務時，便會想方設法將計算任務進行進一步卸載，通常都是卸載到空閑的網(wǎng)絡節(jié)點或計算能力更強的遠端服務器設備上，雖然這種方法一定程度上降低了等待延時和處理延時，但由于調用了遠端服務器，增加了數(shù)據(jù)收發(fā)的距離，會產生額外的傳輸時延。因此需要聯(lián)合優(yōu)化才能有效降低時延。

計算卸載作為工業(yè)互聯(lián)網(wǎng)中解決延時的重要途徑之一，最需要解決的是任務是否可以卸載，按照什么策略進行卸載，是部分卸載還是全部卸載。計算卸載主要還是圍繞兩方面內容展開：卸載決策和資源分配。卸載決策主要考慮用戶任務是否能夠卸載以及使用何種策略卸載哪些任務；資源分配則考慮將任務卸載到哪去。為了使任務卸載更加高效，需要估計通信設備之間的能量消耗，利用無線感知聯(lián)合調度，利用深度學習來對需要卸載的組件進行排序，使用聯(lián)合調度從編譯器中篩選出組件的預定調度順序，使得其向無線感知的方向轉移，在決策權選擇中提供更大的自由度。

在霧無線接入網(wǎng)中，一般基站和用戶的位置為相互獨立的空間點，通常都是泊松分布點和泊松簇過程，可以推導出系統(tǒng)的傳輸延時和遍歷速率。霧計算在云端和移動設備之間引入了一個中間層—霧服務器，利用霧服務器實現(xiàn)云端到移動設備間的低延時通信，中間層—霧層的霧服務器都是部署在網(wǎng)絡邊緣處，每一個霧服務器都是一個高度虛擬化的計算系統(tǒng)，都具備一定的計算，存儲和通信能力。這些霧服務器工作原理類似于傳統(tǒng)以太網(wǎng)中的存儲轉發(fā)技術，霧節(jié)點會預先緩存好用戶訪問頻率高的文件，一旦用戶訪問該文件時，節(jié)點就直接向霧服務器發(fā)出請求，用戶與霧服務器之間通常都是一跳距離，如果用戶所需的文件剛好在霧節(jié)點上命中，則會極大的降低用戶訪問延時。利用好這個特點，對減少用戶訪問時延具有非常重要的意義。

4 結語

隨著工業(yè)互聯(lián)網(wǎng)的興起，工控現(xiàn)場各種實時性要求較高的應用也在日益增加，這也對通信網(wǎng)絡的實時性提出了嚴峻挑戰(zhàn)。低時延網(wǎng)絡對各種新興業(yè)務的性能提升有重要意義，低時延技術也成為了當前的研究熱點。此外，低時延網(wǎng)絡可以促進新型協(xié)議的設計，數(shù)據(jù)驅動新方法的更新以及推動各種基于MEC的平臺產生與發(fā)展。MEC中的緩存技術在大規(guī)模無線網(wǎng)絡中可以發(fā)揮巨大作用，可以同時滿足大規(guī)模接入、密集計算與密集緩存等業(yè)務需求。但需要注意的是，工業(yè)互聯(lián)網(wǎng)本身是兼有離散事件和連續(xù)變量機制的復雜系統(tǒng)，網(wǎng)絡的波動、噪聲的產生和變化都會引發(fā)系統(tǒng)的不確定性，而且很多終端都是移動的，位置的變更和功率的變化都會直接影響到網(wǎng)絡的傳輸時延，如果在同一時隙內同時出現(xiàn)多個事件，計算結果和低延時性也就難以保證了。因此在實際的研究中，基于MEC和霧計算的資源分配方案雖可以一定程度上改善網(wǎng)絡中的延時，但這種僅將實時性要求高的分析和決策下沉到網(wǎng)絡邊緣，實際上仍缺乏高效的邊緣測資源管理和任務調度法，如何有效形成生產場景驅動的自適應學習方法以支持系統(tǒng)個性化決策依然任重而道遠。

（編輯 傅金睿）