论文部分内容阅读
云计算已经被广泛应用于各个领域，然而随着物联网技术的发展，云计算面临着很多问题亟需解决。由于造价（建设成本）昂贵，云计算不能实现大范围部署，不能及时处理物联网大量终端设备的数据，无法满足物联网中延迟敏感和位置感知的应用需求。Cisco预测全球连接设备的数量在2020年将达到500亿，随着物联网设备的快速增加，海量数据将被传输到数据中心进行处理，2020年底，全球数据中心每年的IP流量将达到15.3ZB，如果物联网仍然使用当前的云计算范式来处理大量的设备和数据，将导致高延迟和网络拥塞。基于上述问题，Cisco在2012年提出了雾计算这个概念，并在2013年对雾计算进行定义和阐述。为了支持实时应用和降低数据中心网络的负担，网络边缘端所产生的数据会及时地在雾端被缓存和处理，而不是几乎全部保存在云数据中心。
通过在网络边缘部署计算设备是解决云计算在服务过程中传输延迟的重要手段。雾计算作为对云计算存在缺陷的弥补而被提出。雾计算与云计算存在许多相似之处。例如它们都是利用虚拟化技术对底层的物理资源进行抽象用以给用户提供计算、存储以及网络服务。本文讨论了容器虚拟化技术在雾计算中的应用以及虚拟化资源的管理。在深入研究和学习虚拟化技术以及任务调度与资源管理方法的基础上，结合容器虚拟化技术的相关特性，分别针对计算资源、存储资源以及网络资源进行优化管理。首先针对雾计算中部署成本高，维护困难等问题，提出了一种基于容器的多云端与多雾端协作的系统架构。其次研究针对在智慧工厂环境下雾计算的任务调度问题，提出了一种基于动态阈值的任务调度算法以及资源重分配机制，提高节点的计算资源利用率。再次针对容器虚拟化技术的镜像文件分层结构，提出了一种优化的镜像放置策略，提高节点的存储资源利用率。最后，针对在城市环境下终端设备移动频繁导致的服务迁移延迟过高的问题，提出一种移动感知的服务迁移方法，减少了数据转发延迟，提高了节点的网络资源利用率。总结全文主要有以下几方面的研究成果：
1.随着数据中心建设成本的降低，私有云数量的增加，传统的单云端与多雾端架构正逐渐显现出了其维护成本高，服务多样性难以满足的弱点。本文建立了基于容器的多云端与多雾端协作的系统架构，定义了雾计算中临时服务与长期服务两种服务类型以及基础设施提供者，服务开发者以及终端用户三种用户角色。同时对服务过程中的三种形态，请求-服务-容器，给出了具体描述。通过软件定义服务以及云代理的方式，给服务开发者提供服务发布的平台，使得雾计算的服务更加灵活，并解决多个云端与多雾节点共同协作的问题，从而提高资源利用率，减少节点建设与维护成本。
2.尽管已有大量研究将容器应用到了云服务中，但是对于雾计算中服务延迟敏感、资源有限的特点，如何结合容器的特性从而高效地利用雾节点有限的资源提供更快的服务是急需解决的问题。本文深入分析了容器的镜像文件存储机制，并构建了基于雾计算的镜像文件存储模型。针对镜像文件的分层结构，设计了镜像文件的两阶段存储策略。首先在初始化阶段，通过对镜像文件的层次解构计算得到镜像文件在初始化阶段的最大传输量，并利用组合优化的方法选择出满足当前节点存储空间的最优镜像文件组合。然后在运行时阶段针对该节点的所有请求对镜像文件的使用频率进行分析，并周期性的对本地镜像库的镜像文件进行优化调整。通过初始化阶段的优化放置以及运行时阶段优化更新，从而减少镜像文件的下载时间，进而减少服务延迟。
3.目前大多数雾计算的任务调度算法都是基于虚拟机而提出的。随着容器技术的快速发展，容器正在逐渐取代虚拟机技术成为雾计算中主流的虚拟化技术。本文针对智慧工厂环境下任务时延敏感度高，计算密集型任务多的特点，以容器作为任务单元向终端设备提供计算资源，构建了基于智慧工厂的雾计算任务调度模型。然后基于容器的特征，对任务调度过程细分为三个阶段分别是请求评估阶段，任务调度阶段以及资源重分配阶段。当请求达到节点时，首先判断当前节点是否满足该请求的延迟约束条件。对于满足延迟约束条件的请求则进入任务调度阶段。在任务调度阶段中，以云雾结合的方式，提出了一种基于动态阈值的任务调度算法对任务进行调度。最后在资源重分配阶段中，利用容器的资源动态可调整机制，提出了一种优化的资源重分配方案。资源重分配方法根据当前节点的任务量对当前节点的所有任务进行资源配额调整，从而提高雾节点的资源利用率，减少服务时延。
4.在城市环境下雾计算的服务对象具有高机动性的特点，如何在服务对象快速移动的情况下提供低延迟的服务是雾计算需要解决的问题之一。实时的服务迁移是解决该问题的方法之一。然而容器存在进程嵌套以及对镜像文件的强关联关系，导致在迁移的实时性方面存在着不足。本文研究了城市环境下雾节点的服务迁移问题。由于在城市环境中，服务密集区域也会使得节点的服务延迟增加，进而降低了服务质量。为了减少节点的服务延迟，本文提出了一种基于移动感知的服务迁移机制。基于移动感知的服务迁移机制根据当前节点的服务密度触发服务迁移，并以最小化服务延迟为优化目标选择当前节点中最适合迁移的服务集合，最后根据服务所属设备的移动方向以及迁移开销选择相应的目的节点进行迁移。基于移动感知的服务迁移机制能有效地减少服务过程中的等待时延以及迁移时延，进一步优化雾节点的服务质量。
本文深入研究了容器虚拟化技术的特性，并针对容器虚拟化技术在雾计算中的应用，结合智能工厂、智慧城市等实际场景，以服务延迟、资源利用率、并发数等服务质量的关键指标为优化目标，构建了基于容器的雾节点资源模型，并分别对雾计算中的计算资源、存储资源以及网络资源进行优化管理与调度，提高了用户服务质量以及雾节点的资源利用效率。
通过在网络边缘部署计算设备是解决云计算在服务过程中传输延迟的重要手段。雾计算作为对云计算存在缺陷的弥补而被提出。雾计算与云计算存在许多相似之处。例如它们都是利用虚拟化技术对底层的物理资源进行抽象用以给用户提供计算、存储以及网络服务。本文讨论了容器虚拟化技术在雾计算中的应用以及虚拟化资源的管理。在深入研究和学习虚拟化技术以及任务调度与资源管理方法的基础上，结合容器虚拟化技术的相关特性，分别针对计算资源、存储资源以及网络资源进行优化管理。首先针对雾计算中部署成本高，维护困难等问题，提出了一种基于容器的多云端与多雾端协作的系统架构。其次研究针对在智慧工厂环境下雾计算的任务调度问题，提出了一种基于动态阈值的任务调度算法以及资源重分配机制，提高节点的计算资源利用率。再次针对容器虚拟化技术的镜像文件分层结构，提出了一种优化的镜像放置策略，提高节点的存储资源利用率。最后，针对在城市环境下终端设备移动频繁导致的服务迁移延迟过高的问题，提出一种移动感知的服务迁移方法，减少了数据转发延迟，提高了节点的网络资源利用率。总结全文主要有以下几方面的研究成果：
1.随着数据中心建设成本的降低，私有云数量的增加，传统的单云端与多雾端架构正逐渐显现出了其维护成本高，服务多样性难以满足的弱点。本文建立了基于容器的多云端与多雾端协作的系统架构，定义了雾计算中临时服务与长期服务两种服务类型以及基础设施提供者，服务开发者以及终端用户三种用户角色。同时对服务过程中的三种形态，请求-服务-容器，给出了具体描述。通过软件定义服务以及云代理的方式，给服务开发者提供服务发布的平台，使得雾计算的服务更加灵活，并解决多个云端与多雾节点共同协作的问题，从而提高资源利用率，减少节点建设与维护成本。
2.尽管已有大量研究将容器应用到了云服务中，但是对于雾计算中服务延迟敏感、资源有限的特点，如何结合容器的特性从而高效地利用雾节点有限的资源提供更快的服务是急需解决的问题。本文深入分析了容器的镜像文件存储机制，并构建了基于雾计算的镜像文件存储模型。针对镜像文件的分层结构，设计了镜像文件的两阶段存储策略。首先在初始化阶段，通过对镜像文件的层次解构计算得到镜像文件在初始化阶段的最大传输量，并利用组合优化的方法选择出满足当前节点存储空间的最优镜像文件组合。然后在运行时阶段针对该节点的所有请求对镜像文件的使用频率进行分析，并周期性的对本地镜像库的镜像文件进行优化调整。通过初始化阶段的优化放置以及运行时阶段优化更新，从而减少镜像文件的下载时间，进而减少服务延迟。
3.目前大多数雾计算的任务调度算法都是基于虚拟机而提出的。随着容器技术的快速发展，容器正在逐渐取代虚拟机技术成为雾计算中主流的虚拟化技术。本文针对智慧工厂环境下任务时延敏感度高，计算密集型任务多的特点，以容器作为任务单元向终端设备提供计算资源，构建了基于智慧工厂的雾计算任务调度模型。然后基于容器的特征，对任务调度过程细分为三个阶段分别是请求评估阶段，任务调度阶段以及资源重分配阶段。当请求达到节点时，首先判断当前节点是否满足该请求的延迟约束条件。对于满足延迟约束条件的请求则进入任务调度阶段。在任务调度阶段中，以云雾结合的方式，提出了一种基于动态阈值的任务调度算法对任务进行调度。最后在资源重分配阶段中，利用容器的资源动态可调整机制，提出了一种优化的资源重分配方案。资源重分配方法根据当前节点的任务量对当前节点的所有任务进行资源配额调整，从而提高雾节点的资源利用率，减少服务时延。
4.在城市环境下雾计算的服务对象具有高机动性的特点，如何在服务对象快速移动的情况下提供低延迟的服务是雾计算需要解决的问题之一。实时的服务迁移是解决该问题的方法之一。然而容器存在进程嵌套以及对镜像文件的强关联关系，导致在迁移的实时性方面存在着不足。本文研究了城市环境下雾节点的服务迁移问题。由于在城市环境中，服务密集区域也会使得节点的服务延迟增加，进而降低了服务质量。为了减少节点的服务延迟，本文提出了一种基于移动感知的服务迁移机制。基于移动感知的服务迁移机制根据当前节点的服务密度触发服务迁移，并以最小化服务延迟为优化目标选择当前节点中最适合迁移的服务集合，最后根据服务所属设备的移动方向以及迁移开销选择相应的目的节点进行迁移。基于移动感知的服务迁移机制能有效地减少服务过程中的等待时延以及迁移时延，进一步优化雾节点的服务质量。
本文深入研究了容器虚拟化技术的特性，并针对容器虚拟化技术在雾计算中的应用，结合智能工厂、智慧城市等实际场景，以服务延迟、资源利用率、并发数等服务质量的关键指标为优化目标，构建了基于容器的雾节点资源模型，并分别对雾计算中的计算资源、存储资源以及网络资源进行优化管理与调度，提高了用户服务质量以及雾节点的资源利用效率。