65、雾计算系统与帕金森病预测的技术探索

雾计算系统与帕金森病预测的技术探索

雾计算系统中的联邦自主编排

在雾计算系统里，有着独特的联邦自主编排架构，它主要包含云层、雾层和边缘层，并且融入了 MAPE - K 架构来实现自主计算。

云层负责分析和检测诸如高负载和容器故障这类事件，相当于 MAPE - K 中的“分析（A）”环节。雾层的任务是处理这些事件，将节点分组形成层次结构，以及部署新的容器，对应 MAPE - K 中的“规划（P）”和“执行（E）”环节。而边缘层则用于托管已部署的应用程序，并将监控事件发送到云层，属于 MAPE - K 中的“监控（M）”环节。

在边缘层，每个边缘节点上的部署接收器会部署 Docker 基础设施，像容器、网络和卷等。其具体操作流程如下：
1. 部署接收器将部署请求转发给监控平台的构建守护进程。
2. 部署接收器把构建守护进程的部署日志反馈给部署请求者，这样应用程序提供者就能知晓部署是否成功。

联邦学习者会从图表中学习估算容器的资源使用情况。它与 FL 控制服务器相对应，FL 控制服务器仅聚合每个层次结构的模型，而学习者则从本地数据模型中学习。随后，选出的领导者会聚合其所在层次结构的学习模型，并将其发送到 FL 控制服务器。

每天，每个节点上的负载检测器模块会接收高负载消息，并将每个容器的资源使用情况存储在本地数据库中。之所以只在高负载时刻存储资源使用情况，是因为在资源估算时，高估比低估要好。高估资源估算会导致更多节点被排除在协议之外，特别是那些可用资源较少的节点。由于雾计算和边缘计算有大量计算设备，能够平衡高估带来的错误，所以只使用高负载时刻的值进行学习，以实现高估而非低估。

节点评分模块利用 FL 模型和