边缘计算中胖客户端管理

面向边缘计算环境中胖客户端管理的个性化医疗服务系统架构规划

1. 引言

边缘计算是一种在数据生成的网络边缘执行数据存储和分析等计算任务的计算范式[1]。边缘计算系统通常通过设备层、边缘层和云层这三个不同层次来处理上述问题。它具有两个主要特征：首先，通过将计算位置从云端转移到数据生成的边缘网络，可以降低网络延迟；其次，它能够在不连接到中心云服务器的情况下执行任务并提供服务。这些边缘计算特性被广泛应用于智能家居、视频监控、智慧城市和医疗保健等领域[2]。特别是，在医疗保健领域，边缘计算可以解决与网络延迟和数据传输错误相关的问题，这些问题可能导致致命事故。当系统用于提供医疗服务，特别是面向用户定制化医疗服务时，必须通过分析大量环境信息来考虑用户周围的多种情况。基于用户的健康状况和周围环境，应进行多种类型的分析。由于输入数据集因用户所使用的设备和数据类型不同而有所差异，因此大多数包含分析阶段的软件模块都需要单独准备。此外，分析模型在使用不同时间范围的数据集时可能表现出不同的性能，其准确性也可能显著下降[3‐4]。

为了在边缘计算环境中提供个性化医疗服务，需要考虑数据采集和数据分析等数据处理任务。在边缘计算环境中，不同的实例可以部署在不同的层级中。这些实例可以是胖客户端，能够因其位于需求点而独立执行特定任务。通过在边缘计算环境中采用胖客户端技术进行数据处理，可以最小化将数据集从一层传输到云的通信成本[5]。该技术可减少与云之间的数据吞吐量，并使胖客户端无需连接上层即可独立运行。为了实现对胖客户端的有效管理，需要一种描述其包括数据采集和分析在内的操作流程的管理方法。本文提出了一种在边缘计算环境中管理胖客户端以提供个性化医疗服务的方法。该方法支持对数据源位置和分析模型的管理。

2. 相关工作

在本章中，我们讨论了考虑数据采集和分析的提供医疗服务的相关系统。我们通过讨论每一层执行的操作来回顾这些系统。

当在与边缘计算环境相关的系统中提供医疗服务时，存在作为中间设备的装置，这些装置将上下行数据集传输到各层的边界。拉赫马尼等人的一项研究[6]提到了明确这些规则的重要性，并使用称为网关的中间设备。网关支持传感器网络中使用的协议转换等基本操作。每一层具有不同的角色，但连接这些层需要满足以下各种要求；

设备层 (1)

• 发现异构物联网(IoT)设备
• 通过有线/无线通信协议向边缘层进行数据传输

边缘层 (1)

• 传感器层与云层之间的计算操作
• 转换异构设备的通信协议
• 数据聚合、数据过滤和数据压缩
• 实时紧急事件检测和服务预测

云层 (1)

• 数据仓库和广播
• 大规模数据分析
• 用于获取数据的可视化和反馈的用户界面

为了实现各层的这些需求，网关应支持哪些操作至关重要。本研究提出了一种智能电子健康网关，可在本地或边缘位置提供诸如构建存储和处理实时数据等不同操作或任务。本研究展示了三个优势：第一，所提出的电子健康网关能够利用网关中未使用的计算资源；第二，该电子健康网关通过监控数据传输开销，为应急供应提供快速响应；第三，由于每个边缘层均支持数据预处理、数据转换、数据聚合等数据处理操作，因此可降低云层上数据集的处理开销，从而减少了数据集交换方面的顾虑。

阿卜杜拉提夫等人[7]的另一项研究专注于在移动计算环境中提供医疗服务。该环境称为移动边缘计算（MEC）。在MEC环境中，包含数据压缩、在本地节点处理数据以及事件检测三大功能。为了实现这些功能，该研究考虑了各层的需求，如下所示；

设备层 (2)

• 通过安卓智能手机收集可穿戴传感器数据
• 向上传输数据的通信中心

边缘层 (2)

• 在设备层与云层之间对数据集进行中间处理和存储
• 采集的医疗数据的整合与分类
• 用于情境感知的数据分析。提供紧急通知服务
• 采集数据的预处理和特征提取

云层 (2)

• 通过分类提取数据的特征来提供适当的医疗服务
• 数据仓库

本研究使用了许多可在设备层和边缘层工作的移动设备。通过提升小型设备的计算能力，本研究表明移动设备也可在边缘层发挥作用。此外，用户可将移动设备更换至其他位置，从而降低各层的网络成本。

乌丁的另一项研究[8]指出了在边缘计算环境中进行建模分析的困难。当多个可穿戴设备连接到用户时，所采集的数据集被用于分析。与此情况相关的问题是，设备具有异构性，导致数据集格式不同。尽管该研究仅将图像文件作为输入数据，但本研究的主要关注点和需求描述如下：

设备层 (3)

• 异构医疗传感器的识别、检测和传输

边缘层 (3)

• 从采集的传感器数据中提取特征
• 使用训练好的深度学习模型识别特征，并分析与用户健康相关的活动模式
• 通过活动模式进行紧急情况检测、预测和通知服务

云层 (3)

• 提供用户健康信息
• 深度学习模型训练
• 广播和数据仓库

本研究中调整输入数据集的关键思想是，所提出的系统在边缘计算环境中收集数据集时，利用RNN技术并去除数据噪声。之后，可根据用户健康状况提供服务。

我们回顾了上述研究，以确定本研究的需求。这些研究主要关注降低传输开销、利用移动设备在不同层级正常运行，以及对收集的数据进行管理。所有这些研究均通过在边缘计算环境中进行分析来提供医疗服务。这些系统通过分析模型（如分析方法、模型路径）提供的信息进行数据分析，并基于分析结果提供服务。然而，如果分析模型的管理方法未明确定义，则会影响准确性。分析结果可能会丢失，从而无法提供适当的服务。

3. 拟议系统架构

本章通过回顾分析从边缘计算环境收集的数据并提供个性化医疗服务的系统需求，概述了该架构。同时，分别描述了胖客户端在架构各层中的管理方式。通过在边缘计算环境中进行分析以提供个性化医疗服务的各系统层需求如下。

设备层

• 异构传感器设备发现与数据采集

边缘层

• 采集数据的预处理与分析
• 本地数据存储与处理
• 基于用户周围环境的情境感知服务提供
• 用于分析模型的胖客户端管理

云层

• 数据聚合与数据仓库
• 创建并管理用于数据采集与分析的胖客户端模型
• 创建并管理胖客户端配置文件

该系统架构基于上述需求进行设计。系统的整体架构如图1所示。该架构由三层组成：云层、边缘层和设备层。所提出的系统对从异构物联网设备收集的用户健康信息和环境数据进行分析，并将其转换为上下文信息。通过这些上下文信息，能够识别情境、检测用户的紧急情况并提供各种服务。每一层的胖客户端执行各自的数据采集和分析。这种分层胖客户端管理有助于管理数据采集和分析模型。下文将描述每一层的功能和配置模块，并讨论胖客户端如何被管理。

3.1 设备层

Every h异构 IoT 设备层收集用户周围产生的传感器数据和健康信息，并对收集的数据进行转换，然后通过有线或无线通信协议将数据传输到边缘层。设备层由传感器设备或机器人设备组成。机器人设备收集其数据集，并根据边缘层的保健服务内容向用户提供适当的服务。

3.2 边缘层

The edge layer is l 位于网络边缘靠近数据生成的位置。边缘层执行部分云计算功能，包括数据分析与处理、本地数据存储以及提供服务，从而减少在云中进行的数据处理开销。此外，由于计算能力不足而在边缘层难以处理的任务将被卸载至云层。边缘层包含五个内部组件：胖客户端实例管理器、基于个人健康记录的上下文信息转换系统、基于个人健康记录的定制化医疗保健服务系统、胖客户端和本地存储。

3.2.1 胖客户端实例管理器

胖客户端实例管理器创建并管理用于数据分析及其所收集环境的每个胖客户端实例。其具有以下配置：胖客户端池负责存储和请求来自云层提供的胖客户端模型和胖客户端配置文件。胖客户端实例生成器根据胖客户端配置文件和胖客户端模型中描述的角色创建胖客户端实例。胖客户端部署用于部署胖客户端实例生成器为每个胖客户端创建的实例。

3.2.2 胖客户端

胖客户端收集、处理并分析来自设备层的传入数据。胖客户端的组成为：环境信息采集器从设备层收集数据。环境信息解析器负责对收集的数据进行预处理，以便在电子健康记录分析模块中使用。电子健康记录分析模块负责分析收集的数据。事物元数据代理将这些分析后的数据发送到基于电子健康记录的上下文信息转换系统。

3.2.3 基于电子健康记录的上下文信息转换系统

基于电子健康记录的上下文信息转换系统将胖客户端分析的数据抽象为上下文信息。其配置如下：设备元数据收集器从胖客户端收集分析后的数据，并使用扩展设备元数据对其进行处理。上下文信息生成器汇集分析后的数据，并将其转换为上下文信息。

3.2.4 基于电子健康记录的定制化医疗服务系统

基于个人健康记录的定制化医疗保健服务系统通过抽象的上下文信息为用户提供定制化服务。其配置如下：上下文信息分类根据服务类型对抽象的上下文信息进行分类，然后将其提供给医疗保健服务管理器；场景编辑器用于创建和修改服务流程场景；医疗保健服务管理器作为管理者，提供用户所需的服务；服务控制则检查实际提供该服务处于提供服务的状态。如果状态信息集匹配以提供服务，则向用户提供定制化医疗服务。

3.2.5 本地存储

本地存储以数据库和数据池的形式存储在边缘层收集和使用的所有数据与信息。用于为用户提供服务的上下文信息以及在设备层收集的传感器数据存储在数据库中。服务场景文档描述了服务流程。胖客户端模型和胖客户端配置文件用于创建胖客户端实例。而扩展事物元数据模式则以数据池格式存储。

3.3 云层

云层负责管理所有采集数据的集成数据存储与管理，例如在边缘层分析的信息和情境信息。它还创建并管理用于胖客户端管理的胖客户端配置文件和胖客户端模型。云层包含三个内部组件：胖客户端配置文件管理器、胖客户端管理器和存储。

3.3.1 胖客户端配置文件管理器

胖客户端配置文件管理器负责为集成数据采集和胖客户端管理创建并管理胖客户端配置文件。设备元数据收集器用于集成数据源，胖客户端配置文件解析器根据胖客户端配置文件模式处理信息以创建胖客户端配置文件。分析配置文件生成器负责基于分析所需的所有信息创建分析配置文件。

3.3.2 胖客户端管理器

为了管理胖客户端，胖客户端管理器创建在边缘层使用的胖客户端模型。它还分发由胖客户端配置文件管理器创建的胖客户端配置文件和胖客户端模型。胖客户端管理器具有以下配置。胖客户端模型生成器负责生成边缘层使用的分析模型。胖客户端模型存储生成的胖客户端模型，并为所需胖客户端配置文件提供数据访问请求。而胖客户端模型注入则将生成的胖客户端模型和胖客户端配置文件传递到边缘层。

3.3.3 存储

存储以数据库和数据池的形式存储所有集成数据。环境信息、扩展物品元数据信息和胖客户端配置文件模式以数据池的形式存储。而扩展物品元数据、胖客户端配置文件信息、环境信息、传感器关系规范、量化模型、PHR对象信息以及本地存储复制则以数据库的形式存储。

3.4 管理胖客户端

每个胖客户端通过云层的胖客户端管理器、胖客户端配置文件管理器以及边缘层的胖客户端实例管理器进行管理。在本文中，我们提供胖客户端配置文件来管理胖客户端。胖客户端中的数据采集和分析基于以下信息（目标是提供传感器信息、采集的数据信息、路径、分析模型的作用以及分析结果）。包含这些信息的胖客户端配置文件是基于从云层的胖客户端配置文件管理器收集的集成数据创建的。生成的胖客户端配置文件描述了这些信息用于分析所需的数据以及收集该数据的传感器信息。动态变化的数据显示为null，且可进行修改。随后，胖客户端管理器根据创建的配置文件生成胖客户端模型。之后，将胖客户端配置文件和胖客户端模型传递到边缘层的胖客户端实例管理器。胖客户端实例管理器根据每个用户的分析环境，从胖客户端配置文件中选择相应的胖客户端模型来创建胖客户端实例。在此之后，将动态数据添加到配置文件中。我们将在下一节讨论实验，以说明如何通过所提出的胖客户端管理方法来管理胖客户端。

4. 实验与结果

在实验中，我们通过胖客户端配置文件（Fat‐Client Profile）和监控功能展示了本文提出的胖客户端管理方法。通过针对低血压、褥疮和心律失常患者的胖客户端配置文件收集并分析传感器数据，并进行危险情况检测的实验。实验从实验环境、胖客户端配置文件和监控结果三个方面进行描述。实验环境由 Arduino系列的小型开发板以及连接到该板的各种传感器组成。

表1显示了实验中所用传感器的类型和特性。在本实验中，我们基于表1所示的数据采集规范以及分析模型信息创建胖客户端配置文件，其格式采用JSON。图2展示了本实验所使用的胖客户端配置文件的部分内容。胖客户端配置文件包含采集活动的采集周期、传感器信息和分析模型信息。标记为“null”的信息（如客户端IP和名称）可在实例创建过程中动态添加。这些信息可用于指导和管理胖客户端的数据采集与分析活动。图3展示了通过胖客户端配置文件创建的胖客户端实例的信息。在实例创建后，可以观察到图2中原本为null的客户端IP和名称值已被动态设置。图3体现了对胖客户端实例信息的集中管理。同时，图3还展示了对生成的胖客户端实例进行采集与分析监控的结果。输入数据按照配置文件中的采集周期进行收集，收集的数据被更新至PHR数据路径。通过分析配置文件可以看出使用了不同的分析模型，并且根据分析结果，可在输出信息中确认危险情况的检测结果。分析模型为由Tensorflow模块生成的二进制文件即.pb文件。基于胖客户端配置文件的管理方法为胖客户端提供了采集方法、分析方法以及相关指令。本文提出的管理方法可扩展应用于各种在边缘计算环境中通过数据采集与分析提供服务的系统。

传感器	特征
心率传感器	测量心率（bpm）
血压传感器	测量收缩压与舒张压（mmHg）
温度传感器	测量体表温度（℃）
加速度计	检测身体运动状态
湿度传感器	检测皮肤接触面湿度

5. 结论

本文提出了一种在边缘计算环境中提供定制化医疗服务的胖客户端管理方法。该架构根据定制化医疗保健服务系统的需求进行配置。详细的模块描述说明了如何管理胖客户端。在所提出的方法中，胖客户端模型通过胖客户端配置文件在云层的胖客户端管理器中进行管理。每个对应于用户的胖客户端由边缘层的胖客户端实例管理器进行管理。云层负责创建和管理需要大量计算资源的胖客户端模型。而与用户交互频繁的胖客户端则在边缘层进行管理，以实现本地数据处理。所提出的管理方法能够有效管理胖客户端。在未来的工作中，本文介绍的胖客户端管理方法可集成到提供多种服务的系统中。