21、雾计算基础设施中使用进化启发式的数据流映射

雾计算基础设施中使用进化启发式的数据流映射

1. 引言

随着网络物理系统中地理分布的传感器数量不断增加，产生的数据量也在持续增长。这些数据需要经过过滤和处理，以支持复杂系统的监测应用。然而，传统的云范式在处理大规模数据时表现不佳，存在响应延迟高和网络链路拥塞的问题。

雾计算范式应运而生，它将部分服务从位于网络核心的云数据中心迁移到网络边缘的雾节点。雾层的服务包括数据过滤、验证、聚合、警报触发等预处理任务，可降低延迟并减少传输到云数据中心的数据量。雾计算在多个领域有应用场景：
- 游戏和视频会议等需要低且可预测延迟的应用。
- 管道监测或环境传感等地理分布式监测应用。
- 智能联网车辆和联网铁路等快速移动应用。
- 智能电网、智能交通监测和自动驾驶支持等大规模分布式控制系统。

本文主要聚焦于智慧城市的环境监测应用，基础设施包含三层：传感器层、雾层和云层。传感器收集城市的交通强度和空气质量等数据，雾层对数据进行预处理，云层进行额外处理和存储。我们的问题是在雾基础设施中管理数据流，即考虑负载均衡和传感器到雾节点的链路延迟，将传感器映射到雾节点。为解决此复杂问题，我们引入基于遗传算法的启发式方法。

2. 相关工作

现代基础设施产生的数据量大幅增加，促使研究人员探索边缘计算解决方案，如雾计算。一些研究关注雾节点数据处理服务在分布式云基础设施上的分配，但未考虑数据源到雾节点的映射。例如，Deng 等人研究雾到云通信中的功耗和传输延迟平衡，假设传感器和雾节点为单跳无线链路；另一项研究关注物联网 - 雾 - 云场景中的服务延迟最小化，通信基于特定应用域。

部分研究聚焦于支持智慧城市的雾计算基础