引言

近幾年來，“物聯(lián)網(wǎng)”、“云計算”這兩個詞語深刻地變革 了 IT學術界、產(chǎn)業(yè)界。但是在實際應用過程中，物聯(lián)網(wǎng)和云 計算都存在一定的短板和缺憾，具體表現(xiàn)在：（1）物聯(lián)網(wǎng)感 知層的數(shù)據(jù)量大而且非常復雜，海量數(shù)據(jù)間存在著頻繁的沖 突與合作，具有很強的冗余性、互補性和實時性，同時又是 多源異構型數(shù)據(jù)。因此，在實時性要求較高情況下，對海量 數(shù)據(jù)的過濾、處理、傳輸和應用等問題是一個巨大的挑戰(zhàn)。（2） 云服務是聚合度很高的服務計算，其使用方式雖然廉價、簡 單且方便，但是背后卻消耗著大量的網(wǎng)絡帶寬，用戶訪問量大 會大幅度增加網(wǎng)絡流量，由此引發(fā)的服務中斷、網(wǎng)絡延遲等問 題，以及云計算的集中式計算導致網(wǎng)點分布不均而產(chǎn)生的用戶 訪問網(wǎng)站響應速度慢，我國帶寬不足、流量成本高的問題都制 約著我國云計算服務的應用和發(fā)展。綜合分析以上問題，有人 提出云端計算，更加強調(diào)邊緣計算設備的作用，都是希望計 算要在物理節(jié)點上分散，而不是集中，這些都為霧計算的產(chǎn)生 提供了空間。

思科全球研發(fā)中心總裁Dr.Flavio Bonomi于2011年首 次提出霧計算（Fog Computing）的概念之后，思科研發(fā)組的 Flavio Bonomi，Rodolfo Milito，Jiang Zhu, Sateesh Addepalli 等人開創(chuàng)性地描述了霧計算的概念。他們認為：正如云計算一 樣，霧計算也十分形象，大自然中的霧是更接近地面的云，故 用霧計算恰當?shù)孛枋鼋橛谠朴嬎闩c終端計算的中間態(tài);霧計算 是半虛擬化架構的分布式的服務計算模型，用戶、應用或物聯(lián) 網(wǎng)終端可以在任何時候、從任何地方基于任何聯(lián)網(wǎng)設備訪問自 己的本地云（Local Cloud，也可稱為霧節(jié)點）。因此，霧計算既繼承了云計算的優(yōu)點，也具有終端計算的優(yōu)勢，能夠充 分發(fā)揮終端的計算功能和本地就近處理的優(yōu)勢。霧計算可以 很好地解決那些時延敏感應用（Iatency-sensitive Applications） 的計算問題，這些業(yè)務往往處于數(shù)據(jù)中心邊緣，需要就近處理, 從而減少時延，集中于數(shù)據(jù)中心的云計算顯得無能為力叫 1霧計算的應用定位。

霧計算是分布式的云計算節(jié)點，就其位置而言，可以稱 為邊界計算（Edge Computing），就是互聯(lián)網(wǎng)與現(xiàn)實世界的邊界。 云數(shù)據(jù)中心是互聯(lián)網(wǎng)的中心，PC、手機、監(jiān)控照相機等諸多 的電子設備，移動終端，家用電器處在現(xiàn)實世界的中心，而霧 計算的服務器處在二者的邊界之上，物聯(lián)網(wǎng)的信息模型如 圖1所示。

圖1物聯(lián)網(wǎng)的信息模型圖

主要表現(xiàn)為個人云、家庭云以及機構云等私有的“小云” 為主，而不是早期云計算所倡導的IT服務提供商的“大云”、 “公有云”。從長期發(fā)展趨勢來看，我們認為終端計算、霧計算 和云計算的將在一定時期長期共存，因為它們各有優(yōu)勢。就系 統(tǒng)的數(shù)量級而言，一個云計算系統(tǒng)可以關聯(lián)多個霧計算系統(tǒng)， 一個霧計算系統(tǒng)可以服務于多個（成百上千、甚至幾萬個）計 算終端［5］，物聯(lián)網(wǎng)終端設備是指一切具有網(wǎng)絡身份標識的信 息終端，大到汽車、冰箱，小到門鎖、追蹤卡、手環(huán)等都是終 端設備。霧計算的“霧端”與云計算的“云端”以及物聯(lián)網(wǎng)的“物端”之間的關系如圖 2 所示 ：

與云計算依賴集中式高性能計算設備強調(diào)整體計算能力 不同，霧計算以量制勝，強調(diào)計算節(jié)點數(shù)量，不管單個計算 節(jié)點能力多么弱都要發(fā)揮作用。因此霧計算有幾個明顯特征： 低延時和位置感知，更為廣泛的地理分布，適應移動性的應用， 支持更多的邊緣節(jié)點?？傊?，霧計算面對市場需求，擯棄了云 計算聚合度過大且技術過于復雜的弊病，保留了云計算的一 些優(yōu)點，比如高性價比、可擴展性、技術透明性等，同時還 兼具分布式系統(tǒng)的一些優(yōu)點，例如容錯、異構、安全、編程 模型等間。下面分別對這些“小云”做簡要介紹：

個人云（Personal Cloud）是指借助智能手機、平板電腦、 電視和PC等個人設備，通過互聯(lián)網(wǎng)無縫存儲、同步、處理并 分享數(shù)據(jù)的在線服務叫個人云是云計算在個人生活領域的延 伸，通過Internet對個人的各種信息進行組織、存儲、分發(fā)和 再加工。與所有的“云” 一樣，個人云由服務器、終端、應用 程序和個人信息組成。數(shù)據(jù)信息存儲在云上，通過3G網(wǎng)絡接 口向終端提供服務冏。由于隱私性的要求，個人云的安全性要 求較高。

家庭云是指在家庭網(wǎng)絡環(huán)境下實現(xiàn)多成員的設備、信息 等互聯(lián)、共享和互操作。這種云是部署在家庭里，而不是交 給云服務提供商。家庭云可以實現(xiàn)無線智能組網(wǎng)、智能關聯(lián)、 集中存儲、娛樂實時分享、智能家居遠程控制、集中安全存儲 及統(tǒng)一設備管理等功能叫

機構云是指服務于一個學校、企業(yè)、政府部門等機構的 內(nèi)部云服務系統(tǒng)，類似于家庭云。機構云的規(guī)模要比家庭云更 大且復雜，用戶數(shù)據(jù)也相對更多，數(shù)據(jù)量也更大，服務類型 也更豐富。

2物端-霧端-云端的互操作

在物聯(lián)網(wǎng)的最佳實踐中，應用、存儲和計算等服務盡可 能位于距傳感器和設備等“物體”更近的位置，這正是霧計算 產(chǎn)生的背景，在圖2所示的物聯(lián)網(wǎng)的邏輯模型中，終端計算層 主要服務于物聯(lián)網(wǎng)的傳感器層和信息匯聚層，霧計算層主要服 務于物聯(lián)網(wǎng)的信息分析層和數(shù)據(jù)傳輸層，云計算層主要服務 于物聯(lián)網(wǎng)的應用服務層。其中傳感器層是物聯(lián)網(wǎng)的皮膚和五官, 主要用于識別物體，采集信息；信息匯聚層是物聯(lián)網(wǎng)的神經(jīng)中 樞網(wǎng)和血管網(wǎng)，負責數(shù)據(jù)信息的收集閱讀器接收到來自電子標 簽的載波信息；信息分析層是將收集的數(shù)據(jù)信息送至霧計算 系統(tǒng)進行分析、過濾和處理；數(shù)據(jù)傳輸層將信息分析層的信 息進行分發(fā)與傳遞，傳送給云計算系統(tǒng)；云計算服務的應用 層是物聯(lián)網(wǎng)的“社會分工”一一與具體行業(yè)需求結合，實現(xiàn)廣 泛智能化。

霧計算的互操作性框架如圖3所示，該框架是遵循物聯(lián) 網(wǎng)業(yè)界標準的開放式互操作框架，可以很好地滿足物聯(lián)網(wǎng)應用 的近、遠期實施目標。

霧計算系統(tǒng)被看作是由多個獨立的霧節(jié)點（Fog Node）組成的系統(tǒng)，由物聯(lián)網(wǎng)終端設備本身或者介于終端設備與網(wǎng)絡之 間的設備來承擔存儲和處理物聯(lián)網(wǎng)生成數(shù)據(jù)流的任務。最重 要的是霧節(jié)點分離了云節(jié)點和終端設備，有利于打破壟斷和隔 閡，改良了物聯(lián)網(wǎng)的生態(tài)環(huán)境，開拓了新的商業(yè)模式。

邊緣服務器需要處理的數(shù)據(jù)量非常龐大（比如EPCglobal 物聯(lián)網(wǎng)讀寫器每秒可捕獲120到400個信號），解決物聯(lián)網(wǎng)數(shù) 據(jù)處理的性能和可伸縮性問題的方法，主要有線程多路技術 和非阻塞（Non-blocking） I/O機制，非阻塞I/O可以使邊緣 服務器能夠在多個并發(fā)用戶中復用少量線程，確保較高的性 能和可伸縮性。在處理讀寫器的大流量數(shù)據(jù)和進行消息傳遞 時，需要大量使用I/O和網(wǎng)絡。邊緣服務器中使用“批量數(shù) 據(jù)傳輸”技術，將多個相同類型的請求包裝在一個數(shù)據(jù)包中, 可以舒緩網(wǎng)絡堵塞問題。它還可以減少多個請求通過其它邏輯 層所需的時間。最后,如果由邊緣服務器完成中央數(shù)據(jù)庫（DataCenter）的存儲操作，將會產(chǎn)生系統(tǒng)瓶頸，影響可伸縮性。比 如將從一組RFID讀寫器捕獲的數(shù)據(jù)全部寫入中央數(shù)據(jù)庫，進 入數(shù)據(jù)庫的巨大數(shù)據(jù)流會對性能產(chǎn)生嚴重影響。因此，應該 在云平臺層處理與中央數(shù)據(jù)庫的交互，這樣就可以大大減少 需要處理的數(shù)據(jù)。這種架構（如圖5所示），相對于事件儲存庫方法，可以定義為事件源方法。

圖6是霧計算節(jié)點的功能框架圖，最上層可接入第三方 APP應用，中間是物聯(lián)網(wǎng)邊緣服務器的功能模塊，最下層是 可接入的各種物聯(lián)網(wǎng)終端設備。從框架圖可以看出，霧計算節(jié) 點對上層應用的接口是開放的，對下層的終端設備也是廣泛的 兼容性冋。

3物聯(lián)網(wǎng)信息處理系統(tǒng)的用例分析

物聯(lián)網(wǎng)環(huán)境中用例層面包括三個要素：物節(jié)點、霧節(jié)點和 云節(jié)點。一個云節(jié)點(公共云)一般會服務于多個霧節(jié)點，它 們之間是一對多的關系。一個霧節(jié)點一般會服務于多個物節(jié)點, 它們之間也是一對多的關系。物節(jié)點可能是一個私有云環(huán)境， 也可能不是云，物聯(lián)網(wǎng)用例旨在描述最為典型的應用場景，而 并非列出物聯(lián)網(wǎng)環(huán)境下的所有現(xiàn)實情況凹。物聯(lián)網(wǎng)的用例包 括4種情況：(1)物節(jié)點與云節(jié)點互動；(2)霧節(jié)點與云節(jié)點 互動；(3)物節(jié)點與霧節(jié)點互動；(4)霧節(jié)點與物節(jié)點和云節(jié) 點互動。

圖7 (a)描述物節(jié)點與云節(jié)點互動的情況，是在物聯(lián)網(wǎng)早 期階段最常見的基于智能終端的物聯(lián)網(wǎng)用例。智能終端可以輕 松訪問云節(jié)點，使用云端的計算、存儲和數(shù)據(jù)服務。

圖7 (c)描述物節(jié)點與霧節(jié)點互動的情況，也是在物聯(lián)網(wǎng) 早期階段最常見的局部RFID物流信息管理的用例。霧節(jié)點是 局部范圍所有物節(jié)點的處理中心、管理中心和應用中心。

圖7 (d)描述霧節(jié)點與物節(jié)點和云節(jié)點互動的情況，是在 物聯(lián)網(wǎng)發(fā)展到成熟期的EPCglobal物聯(lián)網(wǎng)用例。物節(jié)點的編碼 信息被發(fā)送到霧節(jié)點，霧節(jié)點訪問存儲于云節(jié)點上的對象命名 服務ONS (Object Naming Service)以及配套服務，找到該物 品信息所存儲的物理位置，然后由霧節(jié)點給應用系統(tǒng)指明存 儲該物品有關信息的服務器，并將文件中關于該物品的信息進 行傳送和應用。霧節(jié)點起到過濾、處理和聯(lián)通物節(jié)點與云節(jié)點 的互動信息。比如：車聯(lián)網(wǎng)。車聯(lián)網(wǎng)的應用和部署要求有豐 富的連接方式和相互作用。車到車，車到接入點(無線網(wǎng)絡, 3G, LTE，智能交通燈，導航衛(wèi)星網(wǎng)絡等)，接入點到接入點, 接入點到云。

圖7 (b)描述霧節(jié)點與云節(jié)點互動的情況，霧節(jié)點使用云 節(jié)點補充其所需要資源：使用云存儲進行備份或存儲很少用到 的數(shù)據(jù)；使用云中的虛擬機來處理峰值負載；使用云中的應用 程序(SaaS)來處理霧節(jié)點的數(shù)據(jù)；將云數(shù)據(jù)庫用作某一應用 程序處理過程的一部分。與其他霧節(jié)點共享該數(shù)據(jù)庫。

4 結 語

本文分析了霧計算產(chǎn)生的時代背景的基礎上，探討了霧計算的特征和應用定位，然后基于霧計算聯(lián)通型的應用定位，描述了它的組織結構，分析了霧計算的“霧端”與云計算的“云端”以及物聯(lián)網(wǎng)的“物端”的互操作方法，并總結了霧計算的用例，可作為霧計算系統(tǒng)研究與開發(fā)的基礎。霧計算系統(tǒng)以開放式的計算框架模型應用于各個邊緣服務器節(jié)點之上，這些霧節(jié)點具有一定的獨立性、多態(tài)性和適應性，可以實現(xiàn)霧節(jié)點之間以 Web 服務或云服務的方式進行跨網(wǎng)絡的互連、互通和聯(lián)盟，也可以基于內(nèi)部網(wǎng)或局域網(wǎng)的方式進行信任域內(nèi)的數(shù)據(jù)處理與應用。當傳感器越來越便宜，分布得越來越廣，聯(lián)網(wǎng)設備越來越多，產(chǎn)生的數(shù)據(jù)量將進一步爆發(fā)，將網(wǎng)絡計算的重心從網(wǎng)絡中心擴展到了網(wǎng)絡邊緣，只有霧計算模型最適合這種物聯(lián)網(wǎng)的邊界計算需求。

20211223_61c46133dd444__物聯(lián)網(wǎng)的邊界計算模型