雾计算降低物联网能耗综述

用雾计算绿化物联网：一项综述

摘要

当前互联网服务、移动设备和机器对机器（M2M） 技术的快速发展为物联网（IoT）奠定了基础，并已广泛应用于 各个行业领域。随着物联网应用的持续扩展，除云计算外，一 种名为雾/边缘计算的新平台正在发展，以满足带宽、延迟和位 置感知等方面的需求。与以往许多通信系统类似，物联网中的 能耗问题一直被忽视，未来可能成为制约其发展的瓶颈。本文 对现有涉及物联网能耗增长的文献进行了综述。我们首先强调 了系统设计、应用层和网络虚拟化中的各种因素和技术，这些 因素和技术会导致物联网服务能耗升高或降低。此外，我们还 报告了利用雾计算降低物联网应用和服务功耗的可行策略。本 文旨在为希望深入了解部署节能型物联网应用的网络设计人员 和决策者提供参考。

关键词 ——边缘计算；雾计算；物联网（IoT）；物联网的能耗

一、引言

在未来几年，随着社会和工业领域部署物联网（Io T）[1]，大量物理对象将以空前的速度接入互联网。物联 网的基本理念是使物理对象能够在无需人为干预的情况下 直接协作，共享信息、协调智能且实时的决策，并最终在 人类活动的各个领域提供无处不在的服务。随着物联网设 备尺寸和成本的显著降低，以及大数据和预测分析技术的 不断进步[1]，物联网正迅速渗透到我们的日常生活中。

预计在不久的将来，物联网应用将提供种类繁多的服 务，这些服务由作为物联网基础设施部署的一系列高度异 构的设备支持。这些传感器和执行器中的许多设备预计将 相互连接，并通过互联网交换数据和信息。在这方面，资 源管理、服务创建、服务管理、服务发现、数据存储和电 源管理需要对物联网基础设施进行仔细整合，并对这些组 件进行复杂协调。此时云计算发挥作用[2]。采集到的传感 器数据将被发送至云数据中心内的服务器进行处理，以确 定任何所需的操作。如果需要采取操作，服务器将根据服务 需求协调必要的资源。仅使用集中式的云计算会引发诸如 带宽限制和延迟等问题。

在许多应用中，物联网设备和传感器在局域网内收集 数据，且响应这些数据所需的操作也发生在同一局域网内。 因此，一种名为雾/边缘计算[3, 4]的新平台被引入，用 于支持那些由于服务需求而无法在云上执行、或无法从云 资源中受益的物联网应用。雾计算为形成局部网络的一组 物联网设备添加了本地智能（计算和存储）。雾能够实现 对低延迟有要求的服务，并可减少原本需要发送到（远程） 数据中心的数据量。该平台能够在物联网终端节点与传统 云之间实现更精细、更优的应用或网络服务。

物联网中的雾计算并不是对云的替代；相反，它们在 很大程度上是互补的。实际上，雾系统的管理和更新可能 由云来完成。目前，业界正在大力关注提升物联网可在众 多行业中应用的物联网应用的安全、隐私、可扩展性、移 动性等方面。然而，尽管感知/执行设备需要功耗来采集、 传输并可能分析数据，但对于物联网应用能耗的增长却较 少受到重视。

在本文中，我们简要综述了已发表的研究中关于云和 雾计算在物联网应用中的功耗问题的工作。我们讨论了系 统设计中导致高功耗的因素。我们还报告了有助于降低物 联网应用和服务功耗的策略。我们强调了可能影响物联网 应用能耗的因素和技术，例如雾中接入网络的类型、位于 雾中的服务器的空闲时间以及网络虚拟化。最后，我们讨 论了利用微电网资源为雾计算供电以减少物联网服务碳足 迹的可能性。

本文的目的是提供一些见解，以帮助网络设计人员或 决策者在考虑开发节能的物联网应用时进行决策。

本文的其余部分组织如下。在第二节中，我们介绍云和雾计算范式 以及描述它们的架构和特性。第三节综述了现有研究，比较基 于云计算和雾计算的物联网应用的能耗/功耗情况。在第四 节中，我们探讨结合雾计算和微电网以降低物联网应用和 服务碳足迹的效果。最后，在第五节中总结全文，并强调 相关领域中若干重要且需要进一步关注的开放性研究方向。

II. 架构

物联网应用和服务可以在云平台或雾平台上运行。以下各小节分别解释了云和雾提供的物联网应用的系统架构。

A. 基于云的物联网应用（物联网/云）架构

云计算为数据处理和存储提供集中式资源，这些资源 可能被物联网服务所使用，从简单的个人服务（低容量数 据采集和存储）到基于“大数据”的服务。此外，物联网 用户服务还可受益于云计算的“按需付费”优势。与传统 的基于云的应用类似，物联网应用的系统架构包括：(1) 终 端设备（即物联网传感器），(2) 调制解调器/网关，(3) 接 入网络（如3G/4G、Wi‐Fi、低功耗广域网（LPWA））， (3) 边缘网络（交换机），(4) 核心网络，以及 (5) 数据中 心。

尽管云计算是分布式环境中处理内容的一种高效解决 方案，但该平台不太适合需要低延迟、移动性支持、有限 带宽的偏远地区或隐私敏感型应用的场景。因此，一种名 为雾计算的新平台正在被开发以满足这些需求。下文将介 绍雾计算如何实现新型物联网应用和服务。

B. 基于雾计算的物联网应用（物联网/雾）架构

雾计算[3, 4]指的是分发传统的云计算资源和服务扩展到网络边缘，从而将云资源更接近终端（即传感器和其他物联网设备）。雾计算资源位于局域网内，避免了将数据发送至地理上远程的云数据中心进行处理和存储的需求。然而，雾计算并非完全独立于云，因为雾和云中的相关组件需要交换重要的更新和其他数据以保持同步。因此，雾计算与云计算互为补充，能够服务于那些可能不适合（集中式）云计算的应用。由于雾是本地化的，它支持数据的实时传输，并提供对延迟性能要求更高的服务，如视频会议、游戏、视频流和增强现实（假设雾中的本地计算资源足以像云一样快速完成任务，否则来自云的响应可能更快）。带宽敏感和隐私敏感应用程序是可能由雾计算更好支持的应用示例。

在物联网中拥有数千亿台互联网连接设备的情况下， 需要多种新型无线接入技术来实现这些节点之间的通信。 物联网设备可以直接连接到互联网，也可以通过网关连接， 该网关作为物联网设备、网络和互联网之间的桥梁，如图1所示。在直接连接的情况下，可以使用3G/4G或低功耗 广域网（LPWA）网络连接，而物联网设备与网关之间的 通信通常通过蓝牙、ANT+或ZigBee等短距离无线技术进 行。网关可以通过接入网络调制解调器使用以太网、无源 光网络（PON）、Wi‐Fi或3G/4G网络接口连接到互联网。 第三节中讨论了部分接入网络技术。

通过在边缘网络中部署大量计算和存储资源有限的小型服务 器集群，实现雾计算和存储资源的分布式布局。这些集群有时被 称为“纳米数据中心”，以反映其规模和资源可用性 [5, 6]。雾 计算纳米数据中心中的服务器可以是树莓派等微型计算机，用于 低计算负载场景；如果预期计算负载较高，则可以采用多个树莓 派组成的集群、笔记本电脑或家庭服务器。

物联网/雾计算应用的系统架构包括：（1）终端设备 （即物联网传感器）和纳米数据中心（或雾服务器），（2） 本地接入网络（即蓝牙、ZigBee），（3）物联网网关， （4）连接到互联网的接入网络，（5）边缘网络（交换机）， （6）核心网络，以及（7）数据中心。为简便起见，图1中将 接入网络、边缘网络和核心网络统一表示为传输网络。

III. 物联网/云计算与物联网/雾计算的功耗对比

如第二节所述，一些物联网应用在云平台上运行效率 更高，而其他物联网应用则更适合在雾平台上运行。已有 许多论文讨论了基于云的服务的功耗[7, 8]。然而，由于将 物联网与雾计算相结合相对较新，关于该主题的功耗研究 论文还十分匮乏。

在本节中，我们首先解释物联网终端设备及其支撑网 络的能耗。然后，我们讨论多个物联网/雾计算系统参数对 雾计算能耗的影响。

A. 启用物联网系统的额外能耗

随着物联网（IoT）及其服务的预期普及，国际能源 署（IEA）基于高效能源终端设备（4E）协议发布了一份 关于全球能耗的报告[9]。在该报告中，作者估算了年度 待机能耗现成的市电供电物联网设备及其相应网关，结合市场研究 预测（2015年–2025年）中对未来物联网设备出货量的估 算以及对物联网设备（如智能灯泡）的功耗测量。该报告 估计，五个选定的物联网应用用例（即家庭自动化、智能 照明、智能家电、智能道路和智能路灯）的全球年待机能 耗到2025年可能达到46太瓦时，其中家庭自动化和智能 家电分别占78%（36太瓦时）和15%（7太瓦时）。该报 告进一步对这些应用用例的能源需求进行了分类，并提供 了在最小化待机能耗的前提下选择合适通信技术或协议 （如蓝牙智能、ZigBee、Wi‐Fi等）的指导建议。本报告 未包含相关基于云的应用的通信传输能耗。然而，由于估 算中包含了网关和其他本地物联网设备，因此可以为若这 些应用采用物联网/雾计算为基础架构时的年待机能耗提 供参考依据。

B. 绿色雾计算的参数

考虑到物联网/雾计算平台已经存在且所有额外的能 耗成本均已支付，仍有一些因素和参数会影响在雾平台上 运行的物联网应用的能耗，这些将在以下小节中讨论。

1) 接入网络：Focusing on power

在雾和云计算的能耗方面，雾计算与云计算存在几个 关键差异。与雾计算数据中心相比，云数据中心通常在地 理上远离物联网设备网络；因此，使用云时的传输网络功 耗将高于使用雾计算时的情况（远程性也会对延迟产生影 响）。在某些情况下，传输网络功耗可能占整个物联网服 务功耗的显著比例，不可忽视[5, 8]。虽然一个物联网云服 务在边缘/城域网络和核心网络中的能耗可能相同，但在接 入网络中的能耗则可能因接入网络技术的选择以及上行与 下行流量的服务比特率不同而有较大差异。另一个需要考 虑的因素是，在特定时间内通过网络设备的其他用户或服 务的数据量，这会影响网络元件空闲功耗的分摊比例。

格雷等人在[10]中提供了多种物联网接入网络技术 的功耗模型。作者对物联网接入网络技术的功耗进行了详 细的一阶建模、分析和比较，同时考虑了具有类物联网统 计特征（即1 kb/s至1 Mb/s）且以上行流量为主的网络流 量。作者对比了6种可能适用于未来物联网部署的先进有 线和无线接入网络技术及架构。

对于有线接入网络技术，作者考虑了 无源光网络（PON）、点对点光网络（PtP）和甚高比特 率数字用户线路（VDSL2），而对于无线接入网络技术， 则考虑了长期演进（第四代）或4G‐LTE以及共享与非共 享/家庭Wi‐Fi。

作者指出，如果网络接入由大量用户或服务共享，则 每个用户或服务的功耗份额较低；因此，采用PON网络接 入的共享Wi‐Fi到网关连接被认为是最节能的。尽管作者 表明，在物联网类流量情况下，VDSL2、PtP和PON架构 的功耗相对较高，但他们的结果也显示出利用睡眠模式技 术实现大幅节能的巨大潜力，因为有线网络接入的功耗主 要由各自调制解调器的空闲功耗所主导。因此，实施节能 技术（如睡眠模式）并合理选择接入网络技术，可降低基 于云的物联网服务的能耗（即降低传输能耗）。根据雾资 源的位置不同，若以能耗为衡量标准，这种能耗降低可能 使基于云的服务相较于基于雾的服务更具一定吸引力。

他们的研究结果还表明，对于较低的数据速率，专用 4G‐LTE接入可能比任何专用有线接入技术更加节能。即 使在中等速率下，LTE接入在一天中许多移动用户活跃的 时间段（下午4点至晚上10点的繁忙时段）仍然比有线接 入更高效，因为托管LTE基站的能耗可与其他流量共享。 重要的是，4G‐LTE技术通常能够为地理位置偏远地区提 供网络接入，而这些地区若采用有线接入则可能面临部署 困难且成本高昂的问题。此外，许多物联网服务/应用场景（如智慧农业、环境监测）可能会部署在缺乏传统有线 接入网络基础设施的地理位置偏远地区。尽管作者指出 VDSL2、PtP和PON架构在考虑类似物联网流量时可能具 有较高的能效，但他们的结果也显示出通过使用睡眠模式 技术实现巨大节能潜力，因为有线网络接入的功耗主要由 各自调制解调器的空闲功耗所主导。因此，实施诸如睡眠 模式等节能技术，并合理选择接入网络技术，可以降低基 于云的物联网服务的能耗（即减少传输能耗）。根据雾资 源的位置不同，如果以能耗作为衡量标准，这种能耗的降 低可能使基于云的服务相较于基于雾的服务更具一定吸引 力。

低功耗广域网（LPWA）是一种为物联网设计的新兴接入网 络技术，在Gray等人研究[5]中未被考虑。然而，LPWA可能是 一种更节能的接入网络技术，尽管它仅适用于低数据速率（即从 100 b/s到50 kb/s）的应用，因为它是为低功耗、低比特率的物 联网服务而设计的。

贾拉利等人 [5, 6] 还对接入网络的功耗进行了建模， 以比较数据在局域网内和远程的处理方式。该论文中涵盖 的接入网络在物联网/雾计算和物联网/云计算中均常见。 [5, 6] 的作者表明，雾计算应用的能耗在很大程度上取 决于连接到局域网中服务器或网关的接入网络类型。研究 结果表明，单个应用的功耗随不同类型的接入网络而变化。 例如，当雾服务器连接到4G时，该应用的功耗远高于雾 服务器连接到以太网时的情况。此外还揭示，根据物联网 服务的数据速率，有线技术（以太网、无源光网络）可能 比无线技术（长期演进技术、Wi‐Fi）更节能，也可能并 非如此。

2) 雾服务器的空闲功耗

文中提到的另一个参数是 [5, 6] 是雾中本地计算设备（即纳米服务器）的空闲功耗及其活动时间。云数据中心中的物理服务器通过虚拟化技术在多个服务和用户之间动态共享。如果某项物联网服务在一段时间内处于非活动状态，服务器便可被分配给云数据中心中的其他任务。这种共享机制能够降低单个服务所消耗的空闲服务器功耗。由于雾计算数据中心的规模相对较小，因此在雾中可能无法实现同等程度的资源共享。因此，如果雾计算数据中心中的服务器在某项服务的任务之间长时间处于空闲状态，则与云相比，该物联网服务在雾中的能效可能更低。

与云计算数据中心相比，雾计算数据中心通常可用的资源（即中央处理器、内存、存储等）要少得多。因此，雾计算数据中心可能较难利用大型数据中心中可用的节能策略，例如虚拟化和更积极地使用睡眠模式。此外，如果雾计算数据中心上的计算负载超过其容量，则必须与其他数据中心分担负载，这将因需要在数据中心之间协调和传输数据而带来效率损失。而在单个（云）数据中心内完成所有处理则可以避免这一问题。

3) 应用类型

影响能耗的一个因素是应用类型。文献[6]的作者指出，下载次数、更新次数和数据预加载量等参数对应用程序的能耗具有重要作用。例如，[6]表明，需要大量更新流量或较高计算能力的应用程序，在云中运行可能比在雾中更节能。他们的研究结果表明，使用雾计算实现最佳节能效果的应用是那些在终端用户场所持续生成和分发数据、来自雾外的数据访问速率较低且具备足够本地计算能力的应用，例如不含人脸识别功能的视频监控应用。

[11]中的结果表明，在雾平台上运行的无计算物联网应用更为节能。相反，该论文还表明，具有大量计算的应用在雾环境中消耗更多能量，并对于此类服务而言，将其发送到云更加节能。原因是，与可以由许多其他应用程序共享空闲功耗的数据中心相比，用于繁重本地计算应用的本地计算资源的空闲功耗非常高。

需要注意的是，这些结果基于物联网系统由集中式电网供电的假设，而非由带有可再生能源的本地智能电网（即微电网）供电。我们将在第四节中说明，如果物联网系统可以由微电网供电，结果将如何变化。

延迟敏感型应用最有可能通过雾计算得到最佳支持。然而，这可能会增加应用的功耗。邓等在[12]中提出了一种云‐雾结合平台，以改善系统功耗与用户感知延迟之间的权衡。

云平台的一个优势是能够根据整体处理负载以及物联网服务的处理和存储需求来分配和重新分配云服务器，从而降低物联网服务的资源消耗。对于不需要大量数据处理和存储的服务，以及对延迟敏感的服务，雾计算在能耗和延迟方面具有优势。相反，延迟容忍型应用更适合被转发到云进行进一步处理。该策略能够更高效地利用网络和云资源，同时也有助于改善功耗。

文献[12]的作者研究了工作负载分配对独立运行的雾和云计算的影响。他们的结果表明，工作负载增加会导致雾和云的功耗均增加。然而，尽管雾的计算延迟随工作负载增加而上升，但由于云具有更高的计算资源可扩展性，其计算延迟保持稳定。

他们还评估了云‐雾结合系统的功耗和延迟。研究发现，当工作负载部分分配给雾和云时，系统延迟降低，但功耗增加。这是因为在云‐雾结合计算系统中，云计算比雾计算具有更强的计算能力和更高的节能性。然而，雾计算由于靠近终端用户，可通过牺牲部分计算资源来提升延迟性能，同时节省广域网带宽。

4) 虚拟化和网络管理

配置和管理为异构设备提供物联网服务的计算基础设施并非易事。事实上，雾要求对异构设备和服务进行近乎同质化的管理，理想情况下应由一个自动化软件平台来实现。在此方面，网络功能虚拟化（NFV）和软件定义网络（SDN）是最显著的技术，它们能够在资源分配和虚拟机迁移等许多方面简化雾计算的实施与管理，并降低成本。当涉及网络中的节能时，NFV和SDN也是极具前景的解决方案。NFV旨在实现按需网络与用户服务的动态部署，使其能够在需要的时间和地点就近部署。由于部分网络服务仅通过软件即可实现，因此SDN是NFV所需的关键组件之一。例如，一些网关可以作为虚拟机部署，并借助本地边缘云中SDN的能力对其流量进行精确控制。总体而言，NFV与SDN的结合有助于最大限度地降低整体网络和数据中心服务器功耗[13, 14]。

作者在[15]中提出了一种四层物联网模型，以解决由云计算支持的物联网网络中的能源效率问题。该模型的架构在第一层包含物联网对象（例如温度传感器），而网络元素（中继器、协调器和网关）分别位于上三层中。每一层中的这些网络元素负责聚合和处理来自下层物联网对象及其他元素产生的流量。该研究提出了一种模型，其中物联网流量可由分布在中继器、协调器和网关设备上的分布式微型云所承载的虚拟机（VM）进行处理，目标是最小化总功耗。

为此，作者考虑了两种场景；1）网关部署场景（GPS），其中仅将虚拟机部署在网关元素中，使得流量聚合和处理由位于网关处的一个微型云完成；2）最优部署场景（OPS），其中在中继器、协调器或网关元素上弹性启用虚拟机部署。他们的结果表明，在物联网网络中通过最优分布微型云，总功耗显著降低，与在网关处单个微型云处理物联网数据相比，节能最高可达36%。OPS功耗的降低源于物联网到虚拟机流量在物联网网络中经过的跳数减少，以及物联网网络中组件数量和流量的减少。他们还考虑了容量受限的虚拟机（由单个虚拟机可服务的物联网对象数量表示）对总功耗的影响。他们指出，随着每个虚拟机服务的物联网对象数量增加，开机状态的网络元素数量减少，从而提高了能效。

IV. 本地化物联网流量与电力资源

在上一节中，讨论了可以调整以降低当前物联网/雾计算架构中能耗/功耗的因素和参数。本节重点介绍可与雾计算结合使用的技术和系统，以控制物联网应用和服务的能耗。文献[11]的作者提出了一种新方法，旨在利用微电网在雾计算环境中的能力，以降低物联网应用和服务的能耗。

微电网是对传统集中式电网的变革，将小规模能源置于更靠近需求的位置，相较于传统电网更接近终端用户。由于其与终端用户的距离更近，微电网能够动态匹配本地供应与本地需求，并允许直接让客户参与电力供应。微电网既可以连接到传统的集中式电网运行，也可以脱离电网独立运行。雾计算同样有助于物联网应用利用本地处理、计算和存储能力。因此，雾计算与微电网可以相互协作、优势互补，根据可再生能源可用性调整雾资源分配，因为二者均适用于本地化服务。如图2所示，微电网在物理上连接到实施雾计算的终端用户场所。[11]中的结果表明，整合微电网和雾计算可以从多方面降低物联网应用的能耗。当本地可再生能源可用时，由微电网和雾计算共同供电的系统可以在雾中本地高效运行大量物联网应用，而无需考虑接入网络类型、本地服务器的空闲功耗或物联网应用的类型。随着微电网提供的本地能源增多，雾计算平台能够更高效地支持更多的物联网应用。

五、总结与讨论

本文综述了物联网应用和服务在能耗方面的最新研究进展。我们的研究重点主要是利用雾计算来改善物联网的能耗。首先，我们讨论了为支持基于物联网的服务而对现有网络进行升级所需的额外能耗。我们描述了当物联网应用在雾和云上运行时，可能影响物联网网络能耗的各种因素。参数例如雾中的接入网络类型、雾服务器的空闲功耗、物联网应用类型以及微电网的可用性决定了是否能够使云成为比雾更节能的平台。

未来需要考虑的问题包括：
- 能量采集传感器和物联网设备对本地能源生成的利用
- 在微电网可为每户家庭提供本地能源的情况下，雾计算与存储应部署于何处
- 社区中本地储能（电池）和能源的影响
- 在不同网络层级和不同位置集成雾计算与微电网

动态实时能源管理系统将需要响应本地可再生能源可用性、本地天气条件以及物联网应用的类型。这些系统将提供在云和雾资源之间切换的策略，以实现物联网应用的最节能实施以及对波动的可再生能源的最有效利用。