16、基于最优雾网络拓扑的雾计算环境资源管理

基于最优雾网络拓扑的雾计算环境资源管理

1. 引言

基于互联网的计算模式在全球范围内按需提供服务，计算节点类型包括移动、传感器和云节点。这些节点相互连接，数据存储在云数据中心。当用户需要数据时，从云端获取会增加网络延迟，且数据不受终端用户控制，还可能存在数据中心云存储被非法访问的风险。

雾计算作为云计算的扩展，可在边缘计算环境中实现低延迟和高可用性。雾节点在网络边缘提供计算环境，数据由雾节点（如传感器、摄像头、代理服务器和执行器）生成。雾计算在实时决策中发挥重要作用，在卫生部门、智能停车和灾难管理系统等领域有广泛应用，它与云计算存储服务集成，利用分布式数据收集点（雾节点）进行边缘处理和数据分析，无需访问数据中心的云存储，通过有效的雾节点可提高性能和服务质量。

本章重点描述雾网络资源管理所需的物理拓扑，以及全球资源管理策略的实施。雾网络结合传感器、执行器和控制设备，捕获用户现场的实时流数据，用于全球用户端的分析和评估。雾网络与云数据中心节点连接，通过软件即服务（SaaS）和基础设施即服务（IaaS）提供服务。借助雾计算、物联网计算以及它们与云计算环境的集成等技术变革，可增强信息管理系统的可靠性。由于自然资源有限，需要保护资源并确保数据中心全天候可用。雾计算克服了云计算的局限性，研究人员致力于开发远离云的高效模型以减少延迟，将智能分配到接入点，雾网络节点可在靠近数据源处处理物联网设备生成的信息，还可将智能转移到局域网，支持在雾节点或基于物联网的网关设备中处理数据。本章主要关注雾计算环境中利用雾网络物理拓扑的资源管理方法，并分析延迟和能耗等性能指标，还包括一个涉及雾设备（如脑电图传感器、区域摄像头、互联网服务提供商网关和云节点）的雾网络案例研究。

2. 背景与相关