本文作者夏曄，法國電信博士研究生，關注霧計算、雲計算、分布式計算領域。
隨著科技進步，各種技術名詞也在快速發展。雲計算、物聯網、霧計算，相信這些名詞早已進入大家的視野。其中，霧計算的概念2011年由Cisco提出 ，相對較新。時至今日，霧計算已經成為研究的熱點和重點，並被業界寄予厚望。
然而，筆者仍能看到對霧計算沒有根據的質疑，無外乎兩種：
不就是本地伺服器嗎？雲裡霧裡的，炒作呢吧？
霧計算遠遠不止那麼簡單，它是對數以萬計的「本地服務器」整體性的考量。它是一個平台而不是單獨一台機器。在後續內容中，我們會深入探討。
看看世界上的科技巨頭們選擇的方向吧，以下所有項目都與霧計算有莫大關聯。他們花費大筆資金精力聘用頂級科學家來炒作？
Arm、Cisco、Dell、Intel、Microsoft以及普林斯頓大學共同投資創辦的霧計算研究項目OpenFog。Orange (法國電信) 與Inria(法國國立計算機及自動化研究院)共同主導的霧計算與大規模分布式雲研究項目Discovery。華為的「全面雲化」戰略Intel的「Cloud Computing at the Edge」項目。NTT的「Edge Computing」項目。
AT&T的「Cloud 2.0」項目。
對於這種質疑，筆者希望用本文揭示霧計算的重大價值。
從物聯網說起
智慧城市、智慧家庭，種種可預見的物聯網應用，在未來將極大地方便人們的生活。然而目前市場上智慧終端設備的智慧程度普遍令人不滿。那麼這個「智慧」應來自哪裡？怎樣才能保障設備的智慧呢？
電腦智慧的基礎就在於其背後的資源，如CPU、內存、硬碟、網路頻寬等計算資源（更確切的說法，會將CPU、內存歸類於計算資源；硬碟歸於儲存資源；頻寬歸於通信資源。本文為了簡化，統一將它們稱作計算資源）；影像、溫度、光線強度等傳感器提供的數據資源；當然還有電力等等。
在這些資源中最核心的就是計算資源，通過計算提取數據中的知識、做出決策；通過儲存來保存知識庫，從而根據歷史經驗保證決策準確，做出預測；通過通信完成設備間的溝通，實現知識與決策的分發。基於以上，才能給用戶智慧的服務與體驗。
那麼現在設備的不夠智慧，癥結是否在於設備的CPU不強，內存硬碟不夠大呢？
終端的不足
我們無法想像把基站安裝在每部手機上，同樣的，我們無法想像每台設備都擁有大量資源，這將大幅度提高成本，無法形成有效的解决方案。
當資源不足時，一個直觀的想法是將計算任務，交給其他計算能力強的設備。物聯網中有大量的終端設備，它們無法在本地完成計算做出決策，那麼應該由誰來解決終端設備的資源不足呢？大家想到了雲。
雲的不足
雲計算平台為雲用戶提供數據中心中的資源。近十年來，雲計算充分的向人們展示了它的優越性：
「無限」的資源池
大量用戶共享資源池帶來的廉價資源
随時隨地用任何網路設備訪問
「快速」重新部署，彈性的資源租用
按需購買，自助服務
服務提供商把特定服務部署在雲中，終端設備發送資訊給服務，服務完成運算後將結果發回給終端，並將必要數據在雲端儲存。通過這種形式，雲充分滿足了終端設備的資源期待，也成為物聯網生態系統中不可缺少的一環。
為了服務不同地理位置的用戶，在網際網路的多層次結構中，數據中心位於核心網路。核心網路距離終端用戶較遠，用戶消息需要經過若干跳才能夠到達。下圖是簡化的一部分網路拓撲。
從物聯網說起
智慧城市、智慧家庭，種種可預見的物聯網應用，在未來將極大地方便人們的生活。然而目前市場上智慧終端設備的智慧程度普遍令人不滿。那麼這個「智慧」應來自哪裡？怎樣才能保障設備的智慧呢？
電腦智慧的基礎就在於其背後的資源，如CPU、內存、硬碟、網路頻寬等計算資源（更確切的說法，會將CPU、內存歸類於計算資源；硬碟歸於儲存資源；頻寬歸於通信資源。本文為了簡化，統一將它們稱作計算資源）；影像、溫度、光線強度等傳感器提供的數據資源；當然還有電力等等。
在這些資源中最核心的就是計算資源，通過計算提取數據中的知識、做出決策；通過儲存來保存知識庫，從而根據歷史經驗保證決策準確，做出預測；通過通信完成設備間的溝通，實現知識與決策的分發。基於以上，才能給用戶智慧的服務與體驗。
那麼現在設備的不夠智慧，癥結是否在於設備的CPU不強，內存硬碟不夠大呢？
終端的不足
我們無法想像把基站安裝在每部手機上，同樣的，我們無法想像每台設備都擁有大量資源，這將大幅度提高成本，無法形成有效的解决方案。
當資源不足時，一個直觀的想法是將計算任務，交給其他計算能力強的設備。物聯網中有大量的終端設備，它們無法在本地完成計算做出決策，那麼應該由誰來解決終端設備的資源不足呢？大家想到了雲。
雲的不足
雲計算平台為雲用戶提供數據中心中的資源。近十年來，雲計算充分的向人們展示了它的優越性：
「無限」的資源池
大量用戶共享資源池帶來的廉價資源
随時隨地用任何網路設備訪問
「快速」重新部署，彈性的資源租用
按需購買，自助服務
服務提供商把特定服務部署在雲中，終端設備發送資訊給服務，服務完成運算後將結果發回給終端，並將必要數據在雲端儲存。通過這種形式，雲充分滿足了終端設備的資源期待，也成為物聯網生態系統中不可缺少的一環。
為了服務不同地理位置的用戶，在網際網路的多層次結構中，數據中心位於核心網路。核心網路距離終端用戶較遠，用戶消息需要經過若干跳才能夠到達。下圖是簡化的一部分網路拓撲。
圖1 網際網路拓撲圖示
數據中心提供了高度集中的大量資源，然而只有雲仍有一些不足。
高延遲：離用戶較遠的距離導致了較高的網絡延遲。對實時性要求高的應用難以部署在雲中。
網路擁塞：根據 Cisco 的預測，到2020年，全球將有500億智慧設備。相較而言，網路頻寬的增長速度遠遠滯後。如果大量的物聯網應用部署在雲中，將會有數量龐大的傳感器原始數據時刻不斷的湧入核心網路，帶來核心網路擁塞。
較低可靠性：安全，生命相關的物聯網應用，一旦遇到應用失效，數據中心失效，或從終端用戶到雲平台的任何一段網路失效，都將帶來重大的安全隱患。從終端到雲的通信通路較長，失效風險較大；而在雲中部署服務備份的成本也較高。
可見，對實時性，大數據，可靠性要求高的應用，雲並不適合。人們需要新的計算模型來滿足未來的應用，彌補雲的不足。霧計算正是在這種背景下被提出的。
霧計算
霧計算是個很形象的名稱，提出它的Ginny Nichols提了一個有趣的說法「霧是接近地面的雲」。
這句話有兩層含義：
霧計算和雲計算有很多相似。如它們都基於虛擬化技術，從共享資源池中，為多用戶提供資源。
接近地面。這也指出了霧和雲第一個不同——位置。更具體些，是它們在網路拓撲中的位置。
圖2 霧計算原始定義圖示
上圖是根據Cisco對霧計算的原始定義所作的圖示。在Cisco的定義中，霧主要使用邊緣網路中的設備。這些設備可以是傳統網路設備（早已部署在網路中的路由器、交換機、網管等等），也可以是專門部署的本地服務器。
一般來說，專門部署的設備會有更多資源，而使用有寬裕資源的傳統網路設備則可以大幅度降低成本。這兩種設備的資源能力都遠小於一個數據中心，但是它們龐大的數量可以彌補單一設備資源的不足。
霧平台由數量龐大的霧節點（即上文中霧使用的硬體設備，以及設備內的管理系統）構成。這些霧節點可以各自散布在不同地理位置，與資源集中的數據中心形成鮮明對比。
根據以上內容，可以總結出霧計算與雲計算的不同：
更低：霧節點在網路拓撲中位置更低，擁有更小的網路延遲（總延遲=網路延遲+計算延遲），反應性更強。
更多：相比較雲平台的構成單位——數據中心，霧節點數量龐大。
更廣：霧節點擁有廣泛的地域分布。
更輕：霧節點更輕量，計算資源有限。
這些不同給霧帶來哪些優點，是什麼使它成為物聯網生態中又一不可或缺的部分呢？
霧的優點
除了上文中提到的低延遲，霧計算還有以下優點：
省核心網路頻寬：霧作為雲和終端的中間層，本就在用戶與數據中心的通信通路上。霧可以過濾，聚合用戶消息（如不停發送的傳感器消息），只將必要消息發送給雲，減小核心網路壓力。
高可靠性：為了服務不同區域用戶，相同的服務會被部署在各個區域的霧節點上。這也使得高可靠性成為霧計算的內在屬性，一旦某一區域的服務異常，用戶請求可以快速轉向其他臨近區域。
背景訊息瞭解：因為分布在不同區域，霧計算中的服務可以瞭解到區域背景訊息，如本區域頻寬是否緊張，根據這一知識，一個視訊服務可以即時決策，是否降低本地區影像品質，來避免即將到來的卡頓；而對一個地圖應用，則可將本地區地圖緩存，提高用戶體驗。
省電：數據中心的電力消耗已經成為重要成本，其中冷卻系統佔有不可忽視的比重。霧計算節點因為地理位置分散，不會集中產生大量熱量，並不需要額外的冷卻系統，從而減少耗電。
基於以上優點，霧能夠彌補雲的不足，並和雲相互配合，協同工作。
雲 + 霧
霧計算自提出就是作為雲計算的延伸擴展，而不是雲計算的替代。如前文所述，在物聯網生態中，霧可以過濾，聚合用戶消息；匿名處理用戶數據保證隱秘性；初步處理數據，做出實時決策；提供臨時儲存，提升用戶體驗。
相對地，雲可以負責大運算量，或長期儲存任務（如：歷史數據保存、數據挖掘、狀態預測、整體性決策等等），從而彌補單一霧節點在計算資源上的不足。
這樣，雲和霧共同形成一個彼此受益的計算模型，這一新的計算模型能更好的適應物聯網應用場景。
用例
目前的城市道路監控系統，從監控探頭到本地中心機房的通信跳數一般在3～4跳甚至更高，如果系統需要做出實時決策會面臨網絡延遲的挑戰。
圖3 用例——智慧交通燈系統
圖中所示是一個智慧交通燈系統，除了監控攝影機作為傳感器，還有交通燈作為執行器。霧計算的引入將為這一系統帶來更多的可能性。如：
監控過程中，相比上一幀畫面，通常只有一部分畫面變化，而另一部分不變，非常適於壓縮處理。對於需要人為監控的畫面，霧節點將影像流直接轉發 給中心機房；而其他監控影像只需要儲存，對實時性要求不高，可以在霧節點處緩存若干幀畫面，壓縮後再傳向中心機房。這樣從霧節點到機房的網路頻寬將得到緩解。
在霧節點處，可判斷監控畫面中是否有救護車頭燈閃爍，做出實時決策發送給對應交通燈，協助救護車通過。
上例僅是智慧城市中的一個具體縮影，霧計算在智慧電網，車聯網，智慧家庭等領域的應用場景不勝枚舉。
挑戰
霧計算帶來新的可能性的同時，也在安全性，高效利用資源，API等方面帶來了新的挑戰。霧使用大量分散設備，使中心化的控制變得困難；霧節點的資源 相對受限，需要節點間的協同配合，才能優化各服務的部署；「何時將服務遷移至何處」則是應對行動終端設備，動態的應用場景需要考量的問題。
隨著霧計算概念的發展，霧被進一步擴展到「地面上」。霧節點不再僅限於網路邊緣層，還包括擁有寬裕資源的終端設備。
圖4 霧計算發展定義圖示
終端設備與用戶直接交互，數量龐大，在豐富霧的設備種類的同時，也帶來更多動態屬性，如電池電量，霧節點移動性等問題需要解決。
結語
結語
本文從物聯網的應用場景出發，由終端設備的資源限制談到對雲的需求，再由雲在網路中的位置造成的限制談到霧。和大家共同探討了雲霧的對比，雲霧的結合，霧的優點，霧的應用，霧的挑戰。希望以此文拋磚引玉，和大家共同關注科技發展趨勢。
参考文献
[1] Fog Computing and Its Role in the Internet of Things. Flavio Bononi and al, Cisco. ACM SIGCOMM International Conference on Mobile Cloud Computing, August 2012.
[5] Increasing Network ROI with Cloud Computing at the Edge. Intel Solution Brief, 2014.
[6] Announcing the“Edge computing”concept and the“Edge accelerated Web platform”prototype to improve response time of cloud. NTT Press Release, January 2014.
沒有留言:
張貼留言