雾/边缘计算的底层算法分析

2019-01-15董春利

通信电源技术 2019年7期

关键词：基准边缘数据中心

董春利，王莉

（1.南京交通职业技术学院电子信息工程学院，江苏南京 211188；2.上海剑曦信息科技有限公司，上海 200051）

0 引言

有几种底层算法用于促进雾/边缘计算，本文将其归纳为4种算法进行讨论[1]：

（1）发现：识别网络中可用于分布式计算的边缘资源；

（2）基准测试：捕获用于决策的资源性能，以最大化部署性能；

（3）负载均衡：根据不同的标准，如优先级、公平性等，在资源之间分配工作负载；

（4）放置：为部署工作负载，确定合适的资源。

1 发现

发现是指识别边缘资源，以便可以在云或用户设备/传感器上部署工作负载[2]。通常边缘计算研究假定边缘资源是已被发现的，但这不是一件容易的事。这里使用3种技术，分别为编程基础设施、握手协议和消息传递技术。

第一种技术使用如雾滴（Foglets）之类的编程基础设施，于是边缘资源加入云边缘生态系统的机制被提出。具体地，提出了一种发现协议，将一个应用的资源需求与边缘上的可用资源相匹配。尽管如此，该协议假定边缘资源是众所周知的或可供使用的，实现了一个附加的加入协议，允许从与用户具有相同地理距离的一组资源中选择一个边缘节点。

第二种技术使用握手协议。边缘即服务（EaaS）平台为一组同质边缘资源提供轻量级发现协议。该平台需要主节点，可以是计算可用网络设备或者是执行管理器进程，并与边缘节点通信的专用节点。管理器与潜在的边缘节点通信，并在边缘节点上执行进程以运行命令。一旦被发现，LXD容器可以部署在边缘节点上。

第三种技术使用消息传递。在传感器网络环境中，终端设备可能不一定能够访问互联网。研究表明，可以使用由连接到互联网的节点（称为处理节点）提供的服务，从而在这样的网络中传递消息。具体地，提出了一种用于识别处理节点的发现方法，假设用户可以与网络中的任何节点通信，提交查询，并依赖于基于仿真的验证。

2 基准测试

基准测试是一种事实上的方法，用于捕获计算系统的性能（如存储器、CPU、网络等实体）。需要使用标准性能评估工具，捕获与每个实体性能相关的度量标准[3]。

边缘基准测试可分为评估功能属性的基准测试、基于应用的基准测试以及集成基准测试。大多数边缘基准测试研究是评估边缘处理器的功耗、CPU和内存性能。

由于多种原因，在边缘环境中基准测试变得更具挑战性。首先，因为尚未提供捕获各种工作负载的边缘特定应用的基准测试。现有的基准测试通常是不太适合边缘的科学应用。相反已经使用了语音驱动的基准测试和物联网（IoT）应用。其次，在资源受限的边缘节点上，运行额外的耗时应用具有挑战性，需要用于边缘的轻量级基准测试工具。最后，仅仅对边缘资源进行基准测试并不充分，还需要一种用于对云和边缘资源进行基准测试的集成方法。

3 负载均衡

当边缘数据中心部署在网络边缘时，使用高效负载均衡算法分配任务的问题，已经引起了人们的极大关注。边缘现有的负载均衡算法采用4种技术，即粒子群优化、协作负载均衡、基于图的平衡以及广度优先搜索[4]。

He等人提出了用于车辆互联网（IoV）的软件定义云/雾网络（SDCFN）架构。SDCFN允许集中式控制车辆之间的网络，并帮助中间件获得负载均衡所需的信息。该研究采用粒子群优化-约束优化进行负载均衡，以减少延迟，并有效地实现车辆所需的服务质量（QoS）。

CooLoad提出了雾/边缘数据中心之间的协作负载均衡模型，以减少服务暂停时间。CooLoad为每个数据中心分配一个缓冲区，以接收来自客户端的请求。当缓冲区中的项目数超过某个阈值时，对数据中心的传入请求，将负载均衡到相邻的数据中心。这项工作假设数据中心通过高速传输连接，以实现有效的负载均衡。

Song等人指出，在单个集群中运行的云平台的现有负载均衡算法，不能直接应用于动态和点对点的雾计算架构。为了实现有效的负载均衡，可将雾结构抽象为图模型，其中每个顶点表示节点，图边表示任务之间的数据依赖性。于是，提出了一种动态图重新分区算法，使用先前的负载均衡结果作为输入，最小化负载均衡结果差异，同时提出了原始状态。

Puthal等人专注于开发一种有效的动态负载均衡算法，一种为边缘数据中心的认证方法。通过应用广度优先搜索（BFS）方法，将任务分配给未充分利用的边缘数据中心。每个数据中心都使用当前负载和用于计算当前负载的最大容量建模。验证方法允许负载均衡算法找到一个经过验证的数据中心。