61、雾计算：特性、挑战与作业调度综述

雾计算：特性、挑战与作业调度综述

1 雾计算基础

雾计算具有分布式和异构的特点，与云计算的显著区别在于，云计算是集中式的，而雾计算是分布式的。下面将从资源分配与调度、容错、移动计算和模拟工具几个方面详细介绍雾计算。

1.1 雾计算中的资源分配与调度

• 动态资源预测算法 ：Aazam 等人提出了一种动态资源预测算法，通过结合历史云服务客户（CSC）记录和放弃可能性（概率）来进行预测。老用户的最小放弃可能性率为 0.1，该值可根据用户历史进行改进；新用户的放弃可能性为 0.3，以实现公平的资源估计。这种方法能减轻资源利用率不足的问题，降低业务损失风险。
• FogTorchπ 工具 ：Brogi 等人提出了 FogTorchπ 工具，用于在雾网络中部署复合应用之前，满足服务质量（QoS）、软件和硬件规格要求。该工具使用蒙特卡罗模拟，仅考虑通信链路的 QoS。算法基于预处理和回溯搜索阶段，预处理阶段利用回溯搜索算法的输入来寻找合适的部署方案。在雾环境中，可访问性和带宽比资源和通信链路的消耗更为重要。
• 模块映射算法 ：Taneja 和 Davy 提出了一种模块映射算法，可在雾 - 云组合环境中高效部署物联网应用，旨在确保雾 - 云基础设施中网络基础设施和资源的有效利用。该算法使用下界搜索，比较函数算法以在雾 - 云中找到合适的网络节点，并生成适合计算过程的节点地图。如果处理需要更高速度，应用将部署在源设备附近，此时需要考虑响应时间和资源可用性等参数。
• 资源分配优化算法