霧中的計算節點通信：調查和研究挑戰
先看摘要
計算節點作為整個計算系統之中重要的組成部分，也是區別于云計算的一點，目的是避免計算瓶頸和減少計算延遲。
- 在多個研究之中，提出了很多的計算平臺。大致分為：分層、點對點、和混合。
- 這些計算平臺的通信類型也會大大影響應用最后實現的功能。
本文的主要主題
- 確定了霧計算中的三種主要通信類型，即:分層、點對點(P2P)和混合。
- 回顧了霧計算平臺，重點討論了計算節點之間的通信，并將每個平臺映射到各自的通信類型。
- 提出了一套基于霧計算需求的標準，用于比較所審查的計算平臺和通信類型。
- 通過檢查每種通信類型滿足哪些標準來確定霧計算節點之間通信的研究挑戰。
霧計算的層級通信（分層類型）
這樣的層級通信，如下圖所示，下面的層次組成了上面的層次的功能，每個計算節點之間形成樹狀拓撲結構。往往最高級的計算節點仍然在云上，主要負責的是協調整個系統。
Chekired提出的多層霧計算架構
將網絡的計算節點組織成實現霧計算的樹狀層級結構，使用霧計算來最小化延遲。將低層級處理不了的工作負載到高層級上，一層一層向上請求，這樣在網絡高峰的時候，大量的IOT設備都可以正常運行。而且作者還開發了一種負載分配的算法，使得平均延遲最小化。
Djabir Abdeldjalil Chekired and Lyes Khoukhi. 2018. Multi-Tier Fog Architecture: A New Delay-Tolerant Network for IoT Data Processing. In 2018 IEEE International Conference on Communications (ICC). IEEE, 1–6
Sinaeepourfard提出的一種IOT數據存儲的霧計算架構
利用霧計算的計算節點，減少計算延遲。頂層置于云上，層數取決于計算節點的數量。作者設計了一個數據存儲的機制，最底層節點收集數據，如果運行中的應用程序需要這些數據，由于彼此的距離很近，基本可以保證數據的實時獲取，但是考慮到邊緣設備的存儲容量有限，數據會周期性的向上層傳輸保存。
Amir Sinaeepourfard, Jordi Garcia, Xavier Masip-Bruin, and Eva Marin-Tordera.2018.Data Preservation through Fog-to-Cloud (F2C) Data Management in Smart Cities. In 2nd IEEE International Conference on Fog and Edge Computing (ICFEC).IEEE, 1–9.
Skarlat提出的霧計算執行工作負載的框架
Olena Skarlat, Vasileios Karagiannis, Thomas Rausch, Kevin Bachmann, and Stefan Schulte. 2018. A Framework for Optimization, Service Placement, and Runtime Operation in the Fog. In 11th IEEE/ACM International Conference on Utility and Cloud Computing (UCC). IEEE, 164–173.
本框架將參與的資源整合到計算節點的層次結構中，層次結構的頂部，是一個云計算的節點。云計算節點的下層結構按照樹形結構來構建，將IOT設備看成樹的葉子，在云設備和霧設備之間，設置一個霧控制器的組件，這個組件給計算節點提供虛擬資源。這樣的體系結構可以將霧計算的工作負載被分到邊緣設備的多個計算節點。當工作負載仍然太大或者無法完成時，將任務提交到云上。
總結
這樣的分層類型的分層依據往往是按照資源大小來進行排布的，對于霧計算平臺尤其有益，特別是那些計算資源極其有限的IOT設備，這些設備沒有那種特別復雜的算法和資源用來處理和轉發工作負載內容。它們就在層級樹狀結構的最底層，僅僅梳理簡單的、資源占用低的計算工作。
霧計算的點對點通信
這樣的點對點通信方式就是利用P2P的方式來組織霧計算的節點，如下圖所示
Santos提出的基于分布式哈希表的資源發現服務
José Santos, Tim Wauters, Bruno Volckaert, and Filip De Turck. 2018. Towards Dynamic Fog Resource Provisioning for Smart City Applications. In 14th International Conference on Network and Service Management (CNSM). IEEE, 290–294.
用于霧計算中的動態資源配置，分布式哈希表（DHT）提供一種按照環形的結構來組織計算節點的機制。通過使用DHT，計算節點就可以交換彼此可用的計算資源信息和工作負載的各種信息。文獻【40】也提出了一種接近感知和容錯機制。雖然提供了消息傳遞系統，但是沒有提及具體的供應機制，作者選擇了三種基于DHT的P2P協議：Chord, Kademlia and Pastry.
Tato 提出的重疊網Koala
Genc Tato, Marin Bertier, and Cedric Tedeschi. 2018. Koala: Towards Lazy and Locality-Aware Overlays for Decentralized Clouds. In 2nd IEEE International Conference on Fog and Edge Computing (ICFEC). IEEE, 1–10.
用于組織所有的計算節點，通過假設在地理維度上的很多小型數據中心，來讓云分散化。Koala通過簡化掉檢測節點故障的周期性消息來降低通信協議上的開銷，檢測故障的方式變成了檢測不響應程序流量的節點。發現這樣的節點之后，更新相應節點的路由信息，從而匯報故障。這樣的機制為重疊網提供了容錯，而且這樣的覆蓋也提供了接近感知的路由方式。基于此，所有的計算節點都被組織在了環形結構之中，每個節點都僅僅維護系統的一部分視圖，用于權衡路由跳數和延遲之間的均衡后選擇下一跳。
Cabrera提出P2P實現霧計算存儲的系統模型
Juan A. Cabrera G, Daniel E. Lucani R., and Frank H. P Fitzek. 2016. On network coded distributed storage: How to repair in a fog of unreliable peers. In 2016 International Symposium on Wireless Communication Systems (ISWCS). IEEE, 188–193.
通過管理霧計算中不同設備的數據來應對IOT設備不斷生成的數據。霧計算的節點也被組織到了P2P網絡之中，方便提供低延遲和高吞吐的量的數據存儲。每個節點與鄰近的節點進行無線通信。作者提出了一種用于解決計算節點意外斷聯的問題：數據按照分布式存儲在霧計算的計算節點之中，當有某個節點無法響應的時候，其他的可以響應的節點自動選擇出一個領導者，這樣的一個領導者要從其他節點中收集數據塊，然后通過向前糾錯碼重新組裝數據并重新分發給其他節點。這樣可以提升存儲的容錯并且計算節點出現故障仍然可用。
總結
不可否認P2P對于網絡邊緣設備通信已經很成熟，在霧計算中集成P2P通信可以確保節點故障的容忍度。不足之處在于P2P假設所有節點都是平等的，然而節點之間可用資源的異質性仍然需要討論。
霧計算的混合通信
混合通信就是將分層和P2P一起使用來組織霧計算節點，計算節點按層組織，每層之間的設備按照P2P進行通信。針對于霧計算不同部分有這不同要求的情況是有用的。（霧計算的邊緣設備和云計算的穩定設備的容錯性是有區別的），如下圖所示
Lee提出的霧網絡的框架
Gilsoo Lee, Walid Saad, and Mehdi Bennis. 2017. An online secretary framework for fog network formation with minimal latency. In 2017 IEEE International Conference on Communications (ICC). IEEE, 1–6.
這個框架是為了將工作負載從IOT設備中外包出去。作者提出了一個優化模型，動態選擇每個計算節點的鄰居節點，然后將工作負載外包給鄰居節點，使得計算延遲最小。霧節點彼此連接以P2P進行通信。系統整體架構使用三層分層組織，底層是資源受限IOT設備，將處理不了工作負載給層次結構更高的霧層，霧層的每個計算節點都可以與鄰近的鄰居節點共享負載，也可以將工作負載外包給頂層的云層。
Chen提出的將工作負載的移動應用程序外包到云的框架
Xu Chen and Junshan Zhang. 2017. When D2D meets cloud: Hybrid mobile task offloadings in fog computing. In 2017 IEEE International Conference on Communications (ICC). IEEE, 1–6.
該框架給了工作負載三種選擇
- 在移動節點本地執行
- 外包給附近的計算節點執行或者共同執行
- 外包給云上的節點執行
也是按照移動設備-霧設備-云設備三層架構來設計的。工作負載的任務是優化問題的一部分，優化問題可以最大程度的降低計算成本，這樣來講工作負載就可以在云層中或者在霧層中以P2P為通信方式進行外包。作者開發了兩種啟發式方法（隨機/貪婪）來進行工作負載的有效外包。
Fu提出的基于霧計算的可靠存儲框架
Junsong Fu, Yun Liu, Han-Chieh Chao, Bharat Bhargava, and Zhenjiang Zhang.
\2018. Secure data storage and searching for industrial IoT by integrating fog computing and cloud computing. IEEE Transactions on Industrial Informatics 14, 10 (2018), 4519–4528.
主要為了應對IOT數據的大幅增加。這個框架將計算節點的體系結構重新設定為“邊緣服務器-代理服務器-云服務器”。邊緣服務器將數據轉換為統一的格式，在功能區對其進行組合。數據被發送到代理服務器，代理服務器對數據加密方便存儲在云上。用戶將查詢的陷門（trapdoor）發送到云服務器上，云服務器通過陷門來查找加密數據。實現了數據的加密存儲，但是對于小型數據來講，邊緣服務器之間仍然會相互通信共享負載。
總結
混合通信嘗試將P2P和分層通信結合起來。那么，這種通信方式由于固有的層次結構，支持資源異構的節點。但是其使用的是簡單的P2P連接，往往會喪失容錯機制。
研究挑戰
為了比較霧計算中的通信類型，根據霧計算的性質要求，特出一套標準
- 資源異質性，有多種需要配置和維護的資源異構設備。
- 供應機制，是否包括虛擬資源和自動資源管理。
- 雙重外包，從邊緣設備到霧設備到云設備
- 靠近意識，確定一個度量（延遲、跳數等）來確定接近度。
- 容錯，某計算節點出錯時是否可以保持霧網絡的連接。
根據上表所示，分層通信對于資源異質性的處理很好，不同設備使用不同的層，之間的關系很簡單，要開發供應機制是好的選擇，計算節點在predecessors/successors提供虛擬資源就可以了。但是接近措施和容錯機制沒有被重視。
對于典型的P2P通信，其對于容錯機制很好，但是其往往將每個節點都視為平等的，所以對于節點的資源異質性支持不是很好，反而是混合通信更好一點，而且混合類型可以實現靠近感知，因為層內的設備以p2p方式來通信。
基于上表，明顯可以看出，每種通信類型都符合了不同的標準，所以往往通信標準決定了應用程序的最終功能。但是為了完成通用霧計算的需求，確定以下的研究挑戰：
- 如何將P2P的容錯機制集成到分層通信類型中？
- 如何擴展P2P通信類型以考慮資源異構計算節點？
- 如何為混合和P2P通信類型設計供應機制？
結論
- 霧計算平臺的通信類型應根據最終應用的要求確定，因為每種類型都符合不同的標準。
- 根據每種通信類型所滿足的標準，可以確定可能推動未來霧計算平臺發展的研究挑戰。
