从云计算到雾计算-南信大学报讲解.docx

　从云计算到雾计算的范式转变方巍1,2,3(1南京信息工程大学， 江苏省网络监控中心，计算机与软件学院，江苏 南京，2100442计算机软件新技术国家重点实验室(南京大学)，江苏 南京2100463佛罗里达大学，电子与计算机工程系，美国盖恩斯维尔32608）摘要虽然云计算的应用越来越广泛，但其具有如不能支持高移动性、不支持地理位置信息及高时延等亟待解决的问题。为此，雾计算已经出现，将云计算扩展到网络的边缘，以减少延迟和网络拥塞。本文首先介绍了雾计算的概念、特点和结构，然后讨论了具有代表性的应用场景以及雾计算安全问题。并对雾计算相似的原位计算和连续计算也进行了介绍。最后，给出了云计算与雾计算的区别与联系，并分析了雾计算未来发展方向。雾计算扩大了以云计算为特征的网络计算范式，将网络计算从网络的中心扩展到网络的边缘，从而更加广泛地运用于更多的应用形态和服务类型。关键词：大数据，物联网，云计算，雾计算，原位计算，边缘计算中图分类号：TP393.41 引言近年来，随着大数据、云计算、物联网技术的广泛应用，越来越多应用把大量数据存放到“云”里去计算或存储。这样，就解决了目前电脑或手机存储量不够，或者是运算速度不够快的问题，也带来了很多其他益处。这里所谓的“云”的核心，就是装配大量服务器和存储器的“数据中心”。同时，随着物联网技术运用，今后各种家庭电器以及大量传感器，包括嵌入在可穿戴设备里的传感器都会连网，从而产生极其大量的数据。而大量数据的发送和接收，可能造成数据中心和终端之间的I/O（输入输出）瓶颈，传输速率大大下降，甚至造成很大的时延。虽然现今计算资源大多存放在数据中心托管，巨量的数据集从分布式机器，显示器，测量仪和各种传感器中产生。例如，大约有3000万个监控摄像头部署在美国，一周生成超过40亿小时记录[1]。甚至一个摄像头也能生成几百个GB级的日常数据[2]。同样，智能传感器用于监测范围广，一个星期内很容易生成一些TB级的数据[3]。此外，今天的快速增长的科学数据集（例如，气候数据和基因组数据），通常分布在世界各地的众多站点和研究机构中。这些位置相关数据的广域协作通常需要每年日常PB级数据共享[4]。根据Gartner公司最近的一项研究，大数据时代将所有这些分布式数据集中到一个中心位置进行处理无论从技术上还是经济上来说都是不可行的[5]。如果说现在用了大量电能来维持的云计算中心，还能给广大用户提供互联网云服务的话，当数据传输量进一步成指数式增长，可能这个云中心会无法再维持下去。从分布式来源产生的海量数据给目前数据移动带来巨大挑战，特别是当数据的体积和速度超越今天的商业机器的运行能力和容量。海量的数据移动将带来巨大的管理费用如图1所示。图1(a)为典型的网络速度传输1TB数据所需的传输时间。没有高吞吐量和可伸缩的网络，它可能需要花费数天或数周来移动TB级数据到云中[6,7]。而10GB以太网接入设备和新兴的40GB以太网正成为数据中心的核心骨干网接入方式，但由于高成本代价它们仍然还没有广泛采用在网络边界中（如靠近数据源那部分）(CAPEX)[8,9]。因此，亚马逊网络服务（AWS）和谷歌离线磁盘输入允许用户通过寄送硬盘来加速批量数据的迁移[10,11]。尽管有一些第三方解决方案，如CERN的File Transfer Service[12]和LIGO的Data Replicator[13]可以提供高级的数据移动，但它们往往需要复杂的软件和专用的基础设施，因此仅限于极少数科研社区使用[14]。(a)传输时间 (b)传输代价图1巨大数据移动带来的管理费用Fig. 1 The overhead associated with bulk data movement此外，与数据迁移相关的运营成本（OpEx）也快速增长。例如，Globus，沿用已久的批量数据共享服务提供商，收费为每月1950美元300 TB的数据传输量[15]。截至2014年1月，亚马逊的收费从它数据中心传输1TB数据超过60美元，如图1(b)所示。更重要的是，对于许多数据驱动项目由于缺乏宽带接入，数据移动问题变得特别严重。例如石油/天然气勘探[16]，农村地理测量[17]，偏远地区的天文观测[18]，野生动物行为研究的视频监控[19]和非洲地区流行病监测（如，埃博拉病毒）。虽然在某些情况下，卫星/微波传输已被使用，但它每月超过数千美元且非常有限网络带宽的花费。为了解决上述问题，可以不再拘泥于云计算，并研究如何在物联网设备上存储和处理它们自身产生的数据，或者是在设备之间、网络上。不用不断地移动巨量的数据到中央数据仓库进行处理，放在设备边缘进行处理如嵌入原位服务器系统(in-situ server systems)。把服务器中大部分数据集放到数据预处理部分所在位置进行处理。即在