云計算驅動了霧計算的發展

薛育紅

認為霧計算/邊緣計算（MEC）是云計算的延伸，其發展源自物聯網（IoT）實時反饋型應用需求的驅動，通過霧計算/MEC將數據采集、數據處理和應用分析程序集中在網絡邊緣設備中，使云端計算、網絡、存儲能力得以向邊緣擴展。提出在IoT中采用中樞智能與邊緣智能的兩級架構，實現霧計算與云計算的協作，提高IoT處理效率。

IoT；云計算；霧計算；IoT云平臺；IoT網關

Fog computing/multi-access edge computing（MEC） driven by the real-time feedback application requirements of Internet of things（IoT） is the extension of cloud computing. Fog computing/ MEC centralizes data acquisition， data processing and application analysis on the edge of the network equipments， and extends cloud computing， networking， and storage capacity to the edge. The two layers architecture of IoT which contains central intelligence and edge intelligence is proposed in this paper. By this way， cloud computing and fog computing/MEC can be carried out in collaboration， and the processing efficiency will be improved.

IoT； cloud computing； fog computing； IoT platform； IoT gateway

云計算、大數據、人工智能等技術不斷發展和成熟，推動了傳統行業的轉型升級和增效，改善著人們的生活，物聯網（IoT）也從簡單的物與物連接向智能化方向轉型。隨著智能化的深入，開發者可以在智能分析的基礎上為各行業提供特色的應用與服務，從而真正改變人們的工作生活方式。據Gartner報告預測，2020年全球智能連接數將達到1 000億，市場規模達到3 000多億美元，涵蓋家居安防、環境監測、能源、車聯網、等領域，IoT規模應用時機已經成熟。

1 霧計算的發展來自于IoT

的需求

IoT應用可分為兩種：一種是事后分析型，即通過IoT終端采集數據，并通過IoT專用網絡或公網傳送到云端，與大數據結合進行數據采集和分析，這種應用往往是單向的，即以采集為主，不需要反向的數據傳輸；還有一種是實時反饋型，即不僅通過IoT終端進行數據采集和分析，還要在反向進行實時反饋，這類應用對時延和可靠性有更高的要求。目前的IoT架構仍然是以云為中心，主要特征是終端到云的通信，并在云端進行數據分析，即以事后分析型應用為主。隨著IoT的發展，實時反饋型應用需求會更多，目前以云為中心的架構顯然不能滿足此類應用的需求。

霧計算和邊緣計算（MEC）應運而生，或者說霧計算的發展本質上是由于IoT的驅動。霧計算的提出使得整個架構從中樞智能向邊緣智能轉變，把數據采集、數據處理和應用分析集中到網絡邊緣的設備上，即霧計算將云端的計算、網絡、存儲能力向邊緣延伸和擴展。云計算和霧計算在各方面的不同點如表1所示。

2 霧計算的本質是“就近提

供服務”和“分布式智能”

與霧計算異曲同工的另一種技術是MEC。根據IMT 2020（5G）的描述，移動邊緣內容與計算技術是在靠近移動用戶的位置上提供信息技術服務環境和云計算能力，將內容分發推送到靠近用戶側，應用、服務和內容都部署在高度分布的環境中，從而更好地支持5G網絡中低時延和高帶寬的業務要求，主要就是IoT的場景。無論是霧計算還是MEC，本質都是“就近提供服務”和“分布式智能”，他們包括如下所述的一些主要特征。

（1）本地在線分析，更好的實時計算能力，滿足高時延應用（如IoT）；

（2）更低時延和提高可靠性；

（3）最大化安全和私密性；

（4）更低的帶寬需求，解決海量連接云端帶寬擁塞；

（5）數據的分布式處理，降低海量數據的儲存需求；

（6）位置感知：由于是近距離分布，可以較為精確地獲取設備的位置信息；

（7）更好地實現網絡上下文信息的解析。

從霧計算和MEC的特點，我們可以看到霧計算/MEC更適用于需要快速反饋的IoT場景：首先，能夠在本地進行數據和應用的處理，對業務的計算時間更短；其次，數據在本地進行處理，需要的帶寬更少，降低了對網絡的需求；此外，由于部署在本地，響應時間和可調節性也就更好。

3 霧計算與IoT架構的結合

在IoT中，很多垂直行業應用都需要及時反饋對終端的控制下達，也就是前面提到的實時反饋型應用，其對于時延、可靠性、安全的要求更高。特別是在工業互聯網和車聯網場景下，云端處理的方式不能滿足延時與可靠性要求，還存在更多的安全漏洞。建議在這種場景下，采用分級處理的方式，第一級處理靠近場景的邊緣，及時處理本地數據并實時反饋，處理結果分析和匯總可以在云端進行，本地節點同樣具備存儲能力，不需要將所有數據都傳送到云端。云端處理結果可以根據策略反饋給第一級的邊緣處理節點。為滿足兩級處理的架構，在邊緣節點上需要引入霧計算/MEC，要求邊緣節點能夠解決時延問題，滿足時延敏感的應用需求，并且邊緣節點需要考慮應用的存儲容量、數據流量、計算分布。

傳統的IoT采用3級架構，即感知層、網絡層和平臺層。如圖1所示，在IoT網關處引入具備存儲、計算、路由能力的霧計算平臺，并與IoT架構的融合，使IoT網關不僅具備路由器的功能，還可根據實際應用場景擁有存儲、計算的能力。本省即成為一個智能節點，實現了邊緣智能化。

4 云霧協同計算平臺

通過部署智能IoT網關，在IoT邊緣形成一個霧計算的平臺。該平臺具備一定的數據分析及邏輯處理能力，邊緣節點具備初步分析能力，有效減少了數據傳輸量。部署IoT網關就相當于在網絡的邊緣部署了微數據中心，集中計算、存儲、感知和處理邏輯。這里引入云霧協同的概念，即邊緣的微數據中心可以通過云端的集中管理中心進行管理，簡化本地節點的運維復雜度。另外，IoT網關與云端的IoT云平臺實現了對接，將本地處理的通用性數據上傳給IoT云平臺進行處理，形成更高級別的分析結果，為上層應用開發提供數據支撐。

IoT網關與IoT云平臺的協作真正實現了云霧結合，中樞智能與邊緣智能的兩級架構實現了數據的分層處理。各智能化節點處理所屬范圍的數據，形成分析結果和策略，既能在邊緣達到實時快速智能的目標，又能在中心對系統統籌。云霧協同的IoT架構為行業客戶提供了更高效的解決方案，推動了IoT的快速發展。