霧/邊緣計算的底層算法分析

董春利，王 莉

（1.南京交通職業技術學院 電子信息工程學院，江蘇 南京 211188；2.上海劍曦信息科技有限公司，上海 200051）

0 引 言

有幾種底層算法用于促進霧/邊緣計算，本文將其歸納為4種算法進行討論[1]：

（1）發現：識別網絡中可用于分布式計算的邊緣資源；

（2）基準測試：捕獲用于決策的資源性能，以最大化部署性能；

（3）負載均衡：根據不同的標準，如優先級、公平性等，在資源之間分配工作負載；

（4）放置：為部署工作負載，確定合適的資源。

1 發 現

發現是指識別邊緣資源，以便可以在云或用戶設備/傳感器上部署工作負載[2]。通常邊緣計算研究假定邊緣資源是已被發現的，但這不是一件容易的事。這里使用3種技術，分別為編程基礎設施、握手協議和消息傳遞技術。

第一種技術使用如霧滴（Foglets）之類的編程基礎設施，于是邊緣資源加入云邊緣生態系統的機制被提出。具體地，提出了一種發現協議，將一個應用的資源需求與邊緣上的可用資源相匹配。盡管如此，該協議假定邊緣資源是眾所周知的或可供使用的，實現了一個附加的加入協議，允許從與用戶具有相同地理距離的一組資源中選擇一個邊緣節點。

第二種技術使用握手協議。邊緣即服務（EaaS）平臺為一組同質邊緣資源提供輕量級發現協議。該平臺需要主節點，可以是計算可用網絡設備或者是執行管理器進程，并與邊緣節點通信的專用節點。管理器與潛在的邊緣節點通信，并在邊緣節點上執行進程以運行命令。一旦被發現，LXD容器可以部署在邊緣節點上。

第三種技術使用消息傳遞。在傳感器網絡環境中，終端設備可能不一定能夠訪問互聯網。研究表明，可以使用由連接到互聯網的節點（稱為處理節點）提供的服務，從而在這樣的網絡中傳遞消息。具體地，提出了一種用于識別處理節點的發現方法，假設用戶可以與網絡中的任何節點通信，提交查詢，并依賴于基于仿真的驗證。

2 基準測試

基準測試是一種事實上的方法，用于捕獲計算系統的性能（如存儲器、CPU、網絡等實體）。需要使用標準性能評估工具，捕獲與每個實體性能相關的度量標準[3]。

邊緣基準測試可分為評估功能屬性的基準測試、基于應用的基準測試以及集成基準測試。大多數邊緣基準測試研究是評估邊緣處理器的功耗、CPU和內存性能。

由于多種原因，在邊緣環境中基準測試變得更具挑戰性。首先，因為尚未提供捕獲各種工作負載的邊緣特定應用的基準測試?，F有的基準測試通常是不太適合邊緣的科學應用。相反已經使用了語音驅動的基準測試和物聯網（IoT）應用。其次，在資源受限的邊緣節點上，運行額外的耗時應用具有挑戰性，需要用于邊緣的輕量級基準測試工具。最后，僅僅對邊緣資源進行基準測試并不充分，還需要一種用于對云和邊緣資源進行基準測試的集成方法。

3 負載均衡

當邊緣數據中心部署在網絡邊緣時，使用高效負載均衡算法分配任務的問題，已經引起了人們的極大關注。邊緣現有的負載均衡算法采用4種技術，即粒子群優化、協作負載均衡、基于圖的平衡以及廣度優先搜索[4]。

He等人提出了用于車輛互聯網（IoV）的軟件定義云/霧網絡（SDCFN）架構。SDCFN允許集中式控制車輛之間的網絡，并幫助中間件獲得負載均衡所需的信息。該研究采用粒子群優化-約束優化進行負載均衡，以減少延遲，并有效地實現車輛所需的服務質量（QoS）。

CooLoad提出了霧/邊緣數據中心之間的協作負載均衡模型，以減少服務暫停時間。CooLoad為每個數據中心分配一個緩沖區，以接收來自客戶端的請求。當緩沖區中的項目數超過某個閾值時，對數據中心的傳入請求，將負載均衡到相鄰的數據中心。這項工作假設數據中心通過高速傳輸連接，以實現有效的負載均衡。

Song等人指出，在單個集群中運行的云平臺的現有負載均衡算法，不能直接應用于動態和點對點的霧計算架構。為了實現有效的負載均衡，可將霧結構抽象為圖模型，其中每個頂點表示節點，圖邊表示任務之間的數據依賴性。于是，提出了一種動態圖重新分區算法，使用先前的負載均衡結果作為輸入，最小化負載均衡結果差異，同時提出了原始狀態。

Puthal等人專注于開發一種有效的動態負載均衡算法，一種為邊緣數據中心的認證方法。通過應用廣度優先搜索（BFS）方法，將任務分配給未充分利用的邊緣數據中心。每個數據中心都使用當前負載和用于計算當前負載的最大容量建模。驗證方法允許負載均衡算法找到一個經過驗證的數據中心。

4 放 置

霧/邊緣計算中的一個具有挑戰性的問題，是將輸入的計算任務放在合適的霧/邊緣資源上。放置算法解決了這個問題，需要考慮霧/邊緣層資源的可用性和環境變化[5]?，F有技術可被分類為動態條件感知技術和迭代技術。迭代技術可以進一步分為2個空間，即迭代資源空間和迭代問題空間。

王等人指出，現有的工作解決了靜態網絡條件和預定資源需求下的霧/邊緣計算中的放置問題，不是動態條件感知（不考慮用戶的移動性和資源可用性的變化）。通過考慮一組額外的參數來解決這個缺點，包括用戶的位置、偏好、數據庫位置以及系統上的負載。

霧計算層次結構中，資源的迭代方法是另一種有效的技術。Taneja等人提出了一種用于分層霧計算的放置算法，利用了傳統的云計算和最近的霧計算。該算法從霧向云迭代，以便先將計算模塊放置在可用的霧節點上。

與上述迭代方法相反，可以在識別問題空間上執行多次迭代。Skarlat等人提出了一種稱為霧服務放置問題（FSPP）的方法，以便在物聯網服務中更優地共享霧節點中的資源。

5 結 論

本次調查中注意到，霧/邊緣計算資源管理中，發現、基準測試、負載均衡和放置方面的算法還比較有限，需要進一步開發用于對云和邊緣資源進行基準測試的集成方法，同時需充分考慮用戶的移動性和資源可用性的變化。