Fog Computing: Survey of Trends, Architectures, Requirements, and Research Directions
像物联网（IoT）这样的新兴技术需要延迟感知计算来进行实时应用处理。在物联网环境中，连接的事物会产生大量的数据，这些数据通常被称为大数据。由于云计算范例的按需服务和可扩展性特征，从IoT设备生成的数据通常在云基础设施中处理。然而，对于某些物联网应用程序，特别是对时间敏感的应用程序来说，专门在云上处理物联网应用程序请求并不是一个有效的解决方案。为了解决这个问题，提出了位于云和物联网设备之间的雾计算。通常，在雾计算环境中，IoT设备连接到雾设备。这些雾设备位于用户附近，负责中间计算和存储。雾计算研究仍处于起步阶段，仍然需要对雾基础设施，平台和应用程序的需求进行基于分类的调查。本文首先对雾计算进行了概述，回顾了雾计算的定义、研究趋势以及雾计算与云计算的技术差异。然后，我们研究了许多提出的雾计算架构，并详细描述了这些架构的组件。由此，将定义每个组件的角色，这将有助于雾计算的部署。其次，通过考虑雾计算范式的要求，提出了雾计算的分类。我们还讨论了现有的研究工作和差距，在资源分配和调度，容错，仿真工具，和基于雾的微服务。最后，针对目前研究工作的局限性，我们提出了一些开放性的问题，这将决定未来的研究方向。
2018-07-03 cs.DC
FogGIS: Fog Computing for Geospatial Big Data Analytics
云地理信息系统（GIS）已成为分析、处理和传输地理空间数据的工具。雾计算是一种范例，其中雾设备有助于提高吞吐量并减少客户端边缘的延迟。本文开发了一个基于雾的框架命名为雾地理信息系统从地理空间数据挖掘分析。我们用Intel Edison做了一个原型，一个嵌入式微处理器。我们通过初步分析验证了FogGIS。包括压缩和覆盖分析。结果表明，雾计算在地理空间数据分析方面有很大的潜力。我们使用了几种开源压缩技术来减少向云的传输。
2016-12-10 cs.DC
Modelling and Simulation of Fog and Edge Computing Environments using iFogSim Toolkit
Fog计算中的资源管理非常复杂，因为它涉及大量不同的和资源受限的Fog节点，以分布式方式满足支持IoT的系统的计算需求。它与云的集成引发了组合资源管理的进一步困难。物联网设备的不同感知频率、分布式应用结构及其协调也影响着雾计算环境中的资源管理。为了促进雾及其资源管理的发展，进行广泛的研究是毫无疑问的.为了发展和评估不同的想法和资源管理政策，对雾环境的实证分析是关键。由于Fog计算环境包含物联网设备、Fog节点和云计算中心以及大量的物联网数据和分布式应用程序，因此Fog环境的实际实施将非常昂贵。此外，在真实世界的雾环境中修改任何实体将是繁琐的。在这种情况下，模拟雾计算环境可以是非常有帮助的。仿真工具包不仅提供了框架来设计定制的实验环境，而且还有助于可重复的评估。在本章中，我们将重点介绍用于建模和模拟雾计算环境的iFogSim工具包教程。我们相信本章将为研究人员提供一种在研究工作中应用iFogSim的简化方法。
2018-12-03 cs.DC
Fog Computing Applications: Taxonomy and Requirements
雾计算旨在支持延迟关键型应用程序的特定需求，例如增强现实和物联网应用程序，这些应用程序会产生大量数据，这些数据无法发送到遥远的云数据中心进行分析。然而，这也为更广泛的应用创造了新的机会，这些应用反过来又对未来的雾计算平台提出了自己的要求。本文介绍了一组具有代表性的30个雾计算应用程序的研究，以及通用雾计算平台应支持的要求。
2019-07-26 cs.DC
FogBus: A Blockchain-based Lightweight Framework for Edge and Fog Computing
同时支持延迟敏感型和计算密集型物联网（IoT）应用的需求不断提高了集成边缘、雾和云基础设施的必要性。虽然有许多真实世界的框架试图支持这样的集成，他们有许多限制，从各种角度，包括平台独立性，安全性，资源管理和多应用程序的援助。为了解决这些限制，我们提出了一个简化但有效的框架，名为FogBus，用于促进端到端的物联网-雾（边缘）-云集成。FogBus为IoT应用程序和计算实例提供了一个独立于平台的接口，用于执行和交互。它不仅帮助开发人员构建应用程序，还帮助用户一次运行多个应用程序，并帮助服务提供商管理其资源。此外，FogBus应用区块链、身份验证和加密技术来保护敏感数据的安全操作。由于其轻量级和跨平台的软件系统，易于部署，可扩展性和成本效益。我们通过创建一个计算环境来证明我们的框架的有效性，该计算环境将手指脉搏血氧仪作为物联网设备与基于智能手机的网关和基于Raspberry Pi的Fog节点集成，用于睡眠呼吸暂停分析。我们还在此计算环境上运行了几个实验，改变FogBus设置。实验结果表明，不同的FogBus设置可以改善计算基础设施的延迟，能源，网络和CPU使用率。
2018-11-29 cs.DC
The Internet of Things, Fog and Cloud Continuum: Integration and Challenges
物联网对计算能力和存储的需求预计将在未来十年保持增长。因此，网络边缘设备生成的数据量也将增长。虽然云计算已经是获取计算和存储作为许多应用的服务的既定且有效的方式，但是它可能不适合于处理来自IoT设备的无数数据并且满足很大程度上异构的应用要求。雾计算已被开发为位于物联网和云之间，提供了一个计算能力的层次结构，可以收集，聚合和处理来自/到物联网设备的数据。结合雾和云可以减少到云的数据传输和通信瓶颈，并且还有助于减少延迟，因为雾计算资源更接近边缘。本文探讨了这个物联网-雾-云生态系统，并从不同方面提供了文献综述：它可以如何组织，如何管理，以及应用程序如何从中受益。最后，我们提出了物联网-雾-云基础设施中尚未解决的挑战性问题。
2018-09-26 cs.DC
Adaptive multi-criteria-based load balancing technique for resource allocation in fog-cloud environments
针对雾云环境资源稀缺、需低延迟响应的资源分配难题，提出结合FAHP与FTOPSIS的自适应多准则负载均衡资源分配技术，在多指标上优于现有方法。
2024-02-02 cs.DC
Fog Function: Serverless Fog Computing for Data Intensive IoT Services
雾计算可以通过将计算从云移动到边缘设备来支持具有快速响应时间和低带宽使用的物联网服务。然而，现有的雾计算框架具有有限的灵活性，以支持动态服务组合与面向数据的方法。FaaS（Function-as-a-Service）是一种很有前途的雾计算编程模型，可以增强灵活性，但目前基于事件或主题的功能触发设计以及数据管理和功能执行的分离导致数据密集型物联网服务效率低下。为了实现灵活性和效率，我们提出了一个以数据为中心的编程模型，称为雾函数，并介绍了其底层的编排机制，利用三种类型的上下文：数据上下文，系统上下文和使用上下文。此外，我们还展示了一个智能停车的具体用例，其中Fog Function允许服务开发人员轻松地对其服务逻辑进行建模，与静态服务拓扑相比，减少了学习工作量。我们的性能评估结果表明，雾功能可以扩展到数百个雾节点。雾功能可以通过云功能节省95%的内部数据流量来提高系统效率，并且可以通过边缘功能减少30%的服务延迟。
2019-07-18 cs.DC
On the Applicability of Network Coordinate Systems for Fog Computing
本文评估Meridian和Vivaldi网络坐标系统在雾计算中识别最近节点的性能，发现其虽能定位邻近节点，但忽略了负载均衡问题。
2023-07-25 cs.DC
Edge, Fog, and Cloud Computing : An Overview on Challenges and Applications
随着物联网（IoT）和各种移动设备的快速增长，传统的云计算范式面临着重大挑战（高延迟、带宽成本等）。受这些限制和对物联网未来的担忧的推动，现代架构正朝着将云计算资源分布到大多数终端设备所在的远程位置的方向发展。边缘和雾计算被认为是集中式云解决方案不适合的应用程序的关键推动因素。在本文中，我们回顾了边缘、雾、云计算的高级定义，以及它们在各种物联网场景中的配置。我们进一步讨论了它们在许多应用中的交互和协作，例如云卸载，智能城市，医疗保健和智能农业。虽然在开发这种分布式系统方面仍然存在挑战，但解决这些限制的早期研究也已经浮出水面。
2022-11-03 cs.DC
Fog Computing: A Taxonomy, Survey and Future Directions
近年来，物联网（IoT）设备/传感器的数量在很大程度上增加。为了支持大部分地理分布的IoT设备/传感器的实时延迟敏感应用的计算需求，已经引入了一种名为“雾计算”的新计算范例。一般来说，雾计算更接近物联网设备/传感器，并扩展了基于云的计算，存储和网络设施。在本章中，我们全面分析了Fogs作为物联网设备/传感器和云计算中心之间的中间层所面临的挑战，并回顾了该领域的当前发展。根据雾计算面临的挑战及其主要特征，对雾计算进行了分类，并将现有的研究成果映射到该分类中，以找出雾计算领域目前的研究空白。此外，根据观察结果，我们提出了未来的研究方向。
2017-10-21 cs.DC
FOGNITE: Federated Learning-Enhanced Fog-Cloud Architecture
FOGNITE提出一种雾-云框架，结合联邦学习、强化学习和数字孪生验证，在Raspberry Pi测试平台上实现负载均衡准确率提升93.7%、能源浪费减少63.2%，推动智能电网从被动纠错转向主动优化。
2025-07-22 cs.DC
Fog Computing based SDI Framework for Mineral Resources Information Infrastructure Management in India
空间数据基础设施（SDI）是一个重要的概念，用于在网络上共享空间数据。随着空间云计算和雾计算等技术的积累，空间数据基础设施具有更大的发展潜力，已经成为空间数据处理、分析和传输的工具。雾计算是一种范例，其中雾设备有助于增加吞吐量并减少客户端边缘相对于云计算环境的延迟。本文提出并开发了一个基于雾计算的SDI框架，用于从印度矿产资源管理的空间大数据中进行挖掘分析。我们使用嵌入式微处理器Raspberry Pi构建了一个原型。我们通过对印度矿产资源管理的案例研究进行了初步的分析，包括叠加分析。结果表明，雾计算在空间数据分析中具有广阔的应用前景。我们使用开源GIS，即QGIS和QIS插件，以减少从雾节点到云的传输。
2018-01-11 cs.DC
A Two-Sided Matching Model for Data Stream Processing in the Cloud-Fog Continuum
延迟敏感和带宽密集型流处理应用是Internet网络上的主要流量生成器。流由连续的数据元素序列组成，这些数据元素需要近乎实时的处理。为了改善通信延迟并减少网络拥塞，雾计算通过将计算移动到网络边缘来补充云服务。不幸的是，新的云-雾连续体的异构性提出了与部署和执行数据流应用程序相关的重要挑战。在这项工作中，我们探索了一种称为Cloud-Fog的双边稳定匹配模型，用于在异构Cloud-Fog计算资源上部署分布式应用程序，该分布式应用程序表示为流处理微服务的工作流。在CODA中，应用微服务基于其微服务流处理时间对连续体资源进行排名，而资源基于其剩余带宽对流处理微服务进行排名。一种稳定的多对一匹配算法根据微服务的相互偏好将其分配给资源，旨在优化应用程序端的完整流处理时间和资源端的总流流量。我们评估CODA算法使用模拟和真实世界的云雾场景。与相关的最先进的方法相比，我们实现了11%至45%的流处理时间和1.3%至20%的流流量。
2021-05-17 cs.DC
FogStore: Toward a Distributed Data Store for Fog Computing
有状态应用和虚拟化网络功能（VNF）可以从状态外部化中受益，以提高其可靠性、可扩展性和互操作性。为了保持和共享外部化的状态，分布式数据存储（DDS）是一个强大的工具，允许在一致性，可用性和分区容差的传统权衡管理。随着雾计算和边缘计算的出现，有状态应用程序和VNF从数据中心推向网络边缘。这对为云数据中心部署量身定制的DDS提出了新的挑战。在本文中，我们提出了两个新的设计目标的DDS是专门为雾计算：（1）雾感知副本放置，（2）上下文敏感的差分一致性。为了在现有DDS的基础上实现这些设计目标，我们提出了FogStore系统。FogStore透明地管理副本放置和一致性管理中所需的调整，以便现有的DDS可以插入系统。为了展示FogStore的好处，我们使用Yahoo Cloud Serving Benchmark进行了一系列评估。
2017-09-22 cs.DC
Integration of FogBus2 Framework with Container Orchestration Tools in Cloud and Edge Computing Environments
目前，由于容器技术具有重量轻、部署简单、支持多环境、启动时间短、可扩展、易迁移等优点，在云计算和边缘/雾计算中得到了广泛应用，并解决了不同计算环境下的设备异构问题。在此基础上，作为最流行的容器编排和管理系统之一，Kubernetes几乎主导了云环境。但是，由于它主要是为计算资源充足的集中式资源管理场景而设计的，因此由于硬件限制，该系统在边缘环境中不稳定。因此，为了实现云和边缘/雾混合计算环境下的容器编排，提出了一种可行的基于K3 s构建混合集群的方法，解决了不同环境下虚拟实例因IP地址而无法连接的问题。我们还提出了将FogBus 2框架部署到混合环境中的三种设计模式，包括1）主机网络模式，2）代理服务器和3）环境变量。
2021-12-11 cs.DC
MockFog 2.0: Automated Execution of Fog Application Experiments in the Cloud
雾计算是一种新兴的计算范式，它使用位于边缘、云中以及可能介于两者之间的处理和存储功能。然而，测试和基准测试雾应用程序是很困难的，因为运行时基础设施通常会被使用，或者可能还不存在。虽然基础设施测试台的仿真方法确实存在，但它们的重点通常是边缘设备的仿真。其他方法也可以模拟核心网络或云中的基础设施，但它们不支持自动化实验编排。在本文中，我们建议评估雾应用程序在云中创建的模拟基础设施测试平台上，可以根据预定义的编排时间表进行操作。开发人员可以自由地设计基础设施、配置性能特征、管理应用程序组件以及编排他们的实验。我们还介绍了我们的概念验证实现MockFog 2.0。我们使用MockFog 2.0来评估基于雾的智能工厂应用程序，并展示如何使用其功能来研究基础设施变化和工作负载变化的影响。通过这些实验，我们还表明，即使在公共云环境中，MockFog也可以实现良好的实验再现性。
2021-05-11 cs.DC
Foggy: A Platform for Workload Orchestration in a Fog Computing Environment
在本文中，我们提出了雾，一个架构框架和软件平台的基础上开源技术。Foggy可为多层、分布式、异构和分散式云计算系统协调应用工作负载、协商资源并支持物联网操作。Foggy是为5G网络和物联网等新兴领域量身定制的，这些领域需要遵循雾计算范式，将资源和服务分布并靠近数据源和用户。Foggy为基础设施所有者和租户提供了一个平台（即，应用程序提供商）提供协商、调度和工作负载放置的功能，同时考虑传统要求（例如基于RAM、CPU、磁盘）和非传统要求（例如基于联网）以及对位置和访问权的多样化约束。在不久的将来，Foggy模型也可以考虑资源的经济和定价。通过视频监控和车辆跟踪环境中的三个用例，Foggy能够在基础设施所有者和租户的需求之间找到平衡，在有效和优化使用基础设施的同时满足应用程序的要求。
2018-09-29 cs.DC
Resource Management in Fog/Edge Computing: A Survey
与使用远程和集中的云数据中心资源相反，在网络边缘采用分散的资源来处理更靠近用户设备（例如智能手机和平板电脑）的数据是即将到来的计算范例，称为雾/边缘计算。与云相比，雾/边缘资源通常是资源受限的、异构的和动态的，从而使资源管理成为需要解决的重要挑战。本文回顾了早在1991年的出版物，其中85%的出版物在2013-2018年之间，以识别和分类雾/边缘计算中管理资源的架构，基础设施和底层算法。
2018-09-30 cs.DC
Big Data and Fog Computing
雾计算作为网络拓扑中位于边缘设备和云之间的计算层。它们的计算能力比边缘更强，但远低于云数据中心。它们通常具有高可靠性和始终在线的Internet连接。利用雾的应用程序可以避免云计算的网络性能限制，同时比边缘计算受到更少的资源约束。因此，它们提供了一种有益的现有模式的平衡。本文探讨了大数据背景下雾计算的各个方面。
2017-12-27 cs.DC
DHT-based Edge and Fog Computing Systems: Infrastructures and Applications
为了支持延迟要求低于云数据中心所能提供的新出现的应用程序，边缘和雾计算范式已经兴起。在这样的系统中，实时即时数据被处理得更靠近网络边缘，而不是远程数据中心。随着边缘和雾计算系统的发展，基于分布式哈希表（DHT）的新型高效解决方案应运而生，并在系统设计中发挥着关键作用。已经提出了几种基于DHT的解决方案，以增强边缘和雾计算基础设施的可扩展性和效率，或者实现特定于应用程序的功能，例如任务和资源管理。本文首次从基础设施和应用的角度对边缘和雾计算系统中最先进的基于DHT的架构进行了全面研究。此外，本文详细介绍了开放的问题，并讨论了未来的研究方向，基于DHT的边缘和雾计算系统。
2022-11-10 cs.DC
Distributed Edge Analytics in Edge-Fog-Cloud Continuum
针对云中心物联网应用的高延迟、高负载与隐私问题，本文提出边缘-雾-云连续体下的分布式边缘分析，从无服务器数据流水线、分布式计算、联邦学习三个维度结合自研框架验证了该方案的可行性。
2024-07-11 cs.DC
EmuFog: Extensible and Scalable Emulation of Large-Scale Fog Computing Infrastructures
雾计算部署模型的多样性和缺乏公共可用的雾基础设施使得设计高效的应用程序或资源管理策略成为一项具有挑战性的任务。这种研究通常需要一个测试框架，以可重复和可控的方式促进对应用程序或协议设计的实验评估。在本文中，我们提出了EmuFog-一个为雾计算场景量身定制的可扩展仿真框架-它可以从头开始设计雾计算基础设施，并模拟真实的应用程序和工作负载。EmuFog使研究人员能够根据用例设计网络拓扑，在拓扑中嵌入雾计算节点，并在通过仿真网络连接的节点上运行基于Docker的应用程序。EmuFog的每个子模块都很容易扩展，尽管EmuFog为每个子模块提供了默认实现。EmuFog的可扩展性和有效性在合成和真实世界的网络拓扑结构上进行了评估。
2017-09-22 cs.DC
IFCIoT: Integrated Fog Cloud IoT Architectural Paradigm for Future Internet of Things
我们提出了一种新的集成雾云物联网（IFCIoT）架构范例，承诺提高性能，能源效率，降低延迟，更快的响应时间，可扩展性，以及更好的本地化精度为未来的物联网应用。雾节点（例如，边缘服务器、智能路由器、基站）从各种IoT设备接收计算卸载请求和感测数据。为了提高应用程序的性能，能源效率和实时响应能力，我们提出了一个可重构和分层的雾节点（边缘服务器）架构，分析应用程序的特性和重新配置的架构资源，以更好地满足峰值工作负载的需求。提出的雾节点架构的层包括应用层、分析层、虚拟化层、重配置层和硬件层。分层架构促进雾计算范例的抽象和实现，雾计算范例在本质上是分布式的，并且其中多个供应商（例如，应用、服务、数据和内容提供方）。我们还详细阐述了IFCIoT架构的潜在应用，如智慧城市、智能交通系统、本地化天气地图和环境监测，以及实时农业数据分析和控制。
2017-01-30 cs.DC
Multi-Criteria-based Dynamic User Behaviour Aware Resource Allocation in Fog Computing
雾计算是一种很有前途的计算模式，可以在边缘附近处理物联网数据，以支持时间敏感的应用程序。然而，计算设备中的资源的可用性是不稳定的，因为它们可能不是专门专用于雾环境中的处理。这与动态用户行为相结合，可能会影响应用程序的执行。针对资源受限的Fog设备中用户行为的动态变化，提出了一种基于多准则的资源预留资源分配策略，该策略考虑了Fog计算相关特性，如设备异构性、资源约束和移动性，以及用户需求的动态变化，以最小化总体延迟、处理时间和SLA违规.我们采用多个目标函数，以找到适当的资源，在雾环境中执行时间敏感的任务。实验结果表明，我们提出的政策表现优于现有的，减少了51%的总延迟。该算法还减少了处理时间和SLA违规，这是有益的运行时间敏感的应用程序在雾环境中。
2019-12-17 cs.DC
Fog Computing for Smart Grids: Challenges and Solutions
智能电网（SG）能够整合包括可再生能源在内的各种电源。它们可以有助于减少有害气体排放，并支持双向信息流动，以提高能源效率，以及小规模微电网，作为一个有前途的解决方案，以应对环境问题。然而，随着关键任务和延迟敏感型应用的出现，传统的基于云的数据处理模式变得越来越不令人满意。使用雾计算来增强智能电网系统的边缘侧处理能力被认为是解决该问题的潜在解决方案。在本章中，我们的目的是提供一个全面的分析雾计算在智能电网中的应用。我们首先概述智能电网和雾计算。然后，通过对现有研究的综述，总结了雾计算在智能电网中的主要应用、关键问题和可能的解决方法。我们通过讨论研究挑战和未来方向来结束本章。
2020-08-31 cs.DC
Demystifying Fog Computing: Characterizing Architectures, Applications and Abstractions
物联网（IoT）通过智慧城市基础设施和生活方式设备加速了网络边缘数百万个传感器的部署。云计算平台的任务通常是处理来自边缘的大量快速数据流。最近，雾计算已经成为这些观察流的低延迟和资源丰富处理的概念，以补充边缘和云计算。在本文中，我们回顾了系统架构，应用程序特性和平台抽象的各个方面，这些方面在边缘，雾和云生态系统中表现出来。我们强调了Edge和Fog层的新功能，例如物理和应用程序移动性，隐私敏感性和新生的运行时环境。基于不同领域第一手经验的物联网应用案例研究推动了这一分类。我们还强调了雾计算的潜力和现实之间的差距，并确定了解决方案可持续发展需要克服的挑战。总之，我们的文章可以帮助平台和应用程序开发人员弥合差距，使雾计算可行。
2017-02-21 cs.DC
Fog Computing Architecture: Survey and Challenges
生成大量数据的新兴技术（如物联网（IoT）服务）需要延迟感知计算平台来支持时间关键型应用程序。由于云计算的按需服务和可扩展性特征，大数据应用处理在云基础设施中完成。仅在云中管理大数据应用程序对于与智能交通系统、医疗保健解决方案、应急响应系统和内容交付应用程序相关的延迟敏感型应用程序来说并不是一种有效的解决方案。因此，允许应用程序在云和终端设备之间执行计算操作的雾计算范例已经出现。在雾架构中，物联网设备和传感器连接到位于用户附近的雾设备，它还负责中间计算和存储。大多数计算将通过消除对云资源的完全依赖而在边缘上完成。在这一章中，我们调查和调查雾计算架构已提出在过去几年中。此外，我们还研究了物联网应用程序和平台的要求，以及云系统在执行物联网应用程序时所面临的限制。最后，我们回顾了当前的研究工作，特别是专注于大数据应用程序执行雾和解决几个开放的挑战，以及未来的研究方向。
2018-11-22 cs.DC
Management and Orchestration of Network Slices in 5G, Fog, Edge and Clouds
网络切片允许网络运营商在共享的物理网络上构建多个隔离的虚拟网络，以适应各种各样的服务和应用。通过网络切片，服务提供商可以提供具有成本效益的解决方案，以满足部署的应用程序和服务的各种性能要求。尽管有切片的好处，但网络切片的端到端编排和管理是一项具有挑战性且复杂的任务。在本章中，我们将概述网络切片的所有相关方面，重点关注5G、Fog/Edge和云计算平台中的软件定义网络（SDN）和网络功能虚拟化（NFV）等网络技术。为了构建所需的背景，本章首先简要概述了5G、雾/边缘和云计算及其相互作用。然后，我们涵盖了网络切片的5G愿景，并通过调查这些平台中最先进的切片方法将其扩展到雾和云计算。我们通过讨论未来的方向，分析网络切片实现的差距和趋势来结束本章。
2018-12-03 cs.DC
Fog Computing: Principles, Architectures, and Applications
万物互联（IoE）解决方案逐渐使每个对象在线，并且在集中式云中处理数据不能扩展到此类环境的要求。这是因为，有一些应用程序，如健康监测和应急响应，需要低延迟，而将数据传输到云然后返回应用程序所造成的延迟会严重影响性能。为此，雾计算应运而生，它将云计算扩展到网络边缘，以减少延迟和网络拥塞。雾计算是一种管理高度分布式和虚拟化环境的范例，在传感器和云数据中心之间提供计算和网络服务。本章提供了雾计算出现的背景和动机，并定义了其关键特征。此外，雾计算的参考架构，并讨论了最近的相关发展和应用。
2016-01-28 cs.DC
Cost-efficient, QoS and Security aware Placement of Smart Farming IoT Applications in Cloud-Fog Infrastructure
智能农业是农业领域最近的一项创新，它可以通过使用更智能、自动化和数据驱动的农场流程来提高农业产量，这些流程与农场上部署的物联网设备进行交互。云雾基础设施为执行物联网应用提供了有效的平台。雾计算通过使虚拟化服务更接近物联网设备来满足延迟敏感型物联网服务的实时处理需求，而云计算则允许执行具有更高计算要求的应用。物联网应用的部署是一个关键挑战，因为云和雾节点在资源可用性方面各不相同，并且使用不同的成本模型。此外，物联网应用的资源、服务质量（QoS）和安全要求的多样性使问题变得更加复杂。在本文中，我们将物联网应用程序放置建模为一个优化问题，旨在最大限度地降低成本，同时满足QoS和安全约束。该问题是制定使用非线性规划（ILP）。ILP模型进行评估的小规模的情况下。评估结果显示了QoS和安全需求对成本的影响。我们还研究了放松安全约束对布局决策的影响。
2021-07-29 cs.DC
Monitoring Fog Computing: a Review, Taxonomy and Open Challenges
雾计算是一种在用户附近提供计算资源的分布式范例。雾编排是一组功能，用于协调动态基础设施和管理服务，以保证服务级别协议。监控是一项最重要的编排功能。它是资源管理操作的基础，收集资源和服务的状态，并将更新的数据交付给协调器。有几种云监控解决方案和工具，但它们都不符合雾的特征和挑战。雾监控解决方案很少，它们可能没有准备好组成编排服务。本文更新了有关雾监测的知识库，评估了可观测性，数据标准化和仪器领域等方面的最新主题。我们提出了一种新的分类雾监测解决方案，支持系统的文献综述。雾监测建议进行分析和分类，这一新的分类，为研究人员提供了一个全面的概述。这项工作还突出了主要的挑战和开放的研究问题。
2022-06-16 cs.DC
A Manifesto for Modern Fog and Edge Computing: Vision, New Paradigms, Opportunities, and Future Directions
物联网（IoT）设备的使用正在不断增加，并以快速的方式生成大量数据。云计算是有效处理和管理用户数据的重要范式。此外，引入雾和边缘计算范例以通过减少延迟和响应时间来改善用户服务。本章根据当前的研究趋势，提出了现代雾和边缘计算系统的宣言。此外，雾和边缘计算的架构和应用进行了说明。此外，研究的机会和有前途的未来方向提出了关于新的范式，这将有助于从业者，研究人员和学者继续他们的研究。
2021-09-19 cs.DC
Deep Reinforcement Learning-based Scheduling for Optimizing System Load and Response Time in Edge and Fog Computing Environments
针对边缘/雾计算环境中物联网应用调度面临的过载、依赖约束和资源限制等挑战，提出基于深度强化学习的调度算法DRLIS，在FogBus2框架中实现并显著降低了负载均衡、响应时间和加权成本。
2023-10-23 cs.DC
Scheduling IoT Applications in Edge and Fog Computing Environments: A Taxonomy and Future Directions
雾计算作为一种分布式模式，在网络边缘提供云服务，具有低延迟和高访问带宽，以支持各种物联网应用场景。为了充分利用这种计算模式的潜力，需要可扩展的，自适应的和准确的调度机制和算法，以有效地捕获用户，物联网应用，环境属性和优化目标的动态和需求。本文介绍了在雾计算中调度物联网应用程序的最新文献分类。基于我们的新的分类方案，目前的工作在文献中进行了分析，每个类别的研究差距，并描述各自的未来发展方向。
2022-04-26 cs.DC
Achieving Observability on Fog Computing with the use of open-source tools
本文针对资源受限的雾计算环境，形式化定义雾可观测性，并基于智慧城市真实测试床评估开源工具，证明在调整默认配置、控制开销后可实现可观测性。
2024-05-25 cs.DC
Fog Computing and Large Language Models: A vision for mutual beneficiaries
School of Computer and Information Sciences, University of Hyderabad（海德拉巴大学计算机与信息科学学院）
本文探讨雾计算与大型语言模型（LLMs）如何相互受益，通过优化LLMs以适应雾基础设施，并利用LLMs的代码生成能力动态部署雾应用，综述了当前研究现状与未来方向。
2026-07-09 cs.DC
Resilient Execution of Data-triggered Applications on Edge, Fog and Cloud Resources
物联网（IoT）正在导致物理世界的流数据的普遍可用性，再加上作为智能城市和5G部署的一部分部署的边缘计算基础设施。这些受限的、不太可靠但便宜的资源由雾资源补充，雾资源提供联合管理和加速计算，以及按需付费的云资源。缺乏直观的方法来部署应用程序管道以使用这些不同的流，并在边缘和雾资源上可靠地执行它们。我们提出了一个创新的应用程序模型，声明式地指定查询，以匹配来自流源的微批数据流，并触发数据管道的分布式执行。我们还设计了一个弹性的调度策略，使用先进的保留可靠的雾，以保证在最后期限内，同时最大限度地减少执行成本的低完成。我们对100多个虚拟物联网资源和$\approx 10k$任务执行进行了详细的实验，并与基线调度策略进行了比较，说明了我们框架的成本效益，弹性和可扩展性。
2022-03-24 cs.DC
Performance Estimation of Container-Based Cloud-to-Fog Offloading
雾计算将在云上运行的延迟关键应用服务卸载到位于网络边缘的资源上，这些服务非常接近最终用户设备。本文中的研究是出于对特征和估计所需的时间卸载服务使用容器，这是在“保存和加载”容器迁移技术的背景下进行调查。为此，该研究解决了诸如雾卸载是否可以准确建模以及哪些系统和网络相关参数影响卸载等问题。这些都是通过探索一个目录的21个不同的指标，在系统和过程的水平，被用作输入到四个估计技术，使用集体模型和个人模型来预测卸载所需的时间。这项研究收集了110多万个数据点，初步结果表明，可以准确地模拟卸载。
2019-09-11 cs.DC
A Survey on Scheduling the Task in Fog Computing Environment
该综述针对雾计算环境下的任务调度问题，梳理2018-2021年相关研究，分析现有调度方法及核心挑战，并提出该领域的未来研究方向，填补了相关综合综述的空白。
2023-12-20 cs.DC
Cloud, Fog or Edge: Where to Compute?
计算连续体通过靠近位于网络边缘的数据源的高能效和低延迟设备扩展了高性能云数据中心。然而，计算连续体的异构性提出了与应用程序管理相关的多个挑战。其中包括在哪里卸载应用程序-从云到边缘-以满足其计算和通信需求。为了支持这些决策，我们在本文中提供了一个详细的性能和碳足迹分析的用例应用程序的选择与互补的资源需求，在整个计算连续在现实生活中的评估测试平台。
2021-01-25 cs.DC
Fuzzy Logic-based Robust Failure Handling Mechanism for Fog Computing
针对雾计算设备故障率高且现有方法不适配动态环境的问题，本文提出融合模糊逻辑检查点、任务迁移与任务复制的组合故障处理机制，并基于真实故障轨迹验证其将平均延迟和总处理时间分别降低56%和48%。
2025-04-11 cs.DC
Container Orchestration in Edge and Fog Computing Environments for Real-Time IoT Applications
资源管理是充分利用边缘/雾计算潜力执行实时的【形】关键物联网应用的主要因素。虽然存在一些资源管理框架，但大多数都不是基于分布式容器化组件设计的。因此，它们不适合高度分布式和异构的计算环境。容器化的资源管理框架（如FogBus 2）可以有效地将框架组件与物联网应用组件一起分发。然而，大量容器的管理、部署、健康检查和可扩展性是具有挑战性的问题。为了编排多个容器，开发了若干编排工具。但是，这些编排工具中的许多都是重量级的，并且具有很高的开销，特别是对于资源有限的边缘/雾节点。因此，对于由异构边缘/雾和/或云节点组成的混合计算环境，需要轻量级容器编排工具来支持边缘/雾处的资源有限的资源和云处的资源丰富的资源。因此，在本文中，我们针对提供容器化资源管理框架的FogBus 2框架提出了一种基于K3构建混合轻量级集群的可行方法。这项工作解决了在混合计算环境中创建轻量级计算集群的挑战。本文还提出了在混合环境中部署FogBus 2框架的三种设计模式，包括1）主机网络，2）代理服务器，3）环境变量。性能评估表明，该方法在可接受的低开销情况下，将实时的【形】物联网应用的响应时间提高了29%.
2022-03-10 cs.DC
AI-based Fog and Edge Computing: A Systematic Review, Taxonomy and Future Directions
计算中的资源管理是一个非常具有挑战性的问题，涉及到顺序决策。资源限制、资源异构性、工作负载的动态性和多样性以及雾/边缘计算环境的不可预测性使得雾环境中的资源管理更具挑战性。近年来，基于人工智能（AI）和机器学习（ML）的解决方案被用来解决这个问题。能够做出顺序决策的AI/ML方法，如强化学习，似乎最有希望解决这类问题。但是这些算法也有自己的挑战，比如高方差、可解释性和在线训练。不断变化的雾/边缘环境动态需要在线学习的解决方案，以适应不断变化的计算环境。在本文中，我们使用标准的综述方法进行了系统性文献综述（SLR），以分析AI/ML算法的作用以及这些算法在雾/边缘计算环境中资源管理的适用性所面临的挑战。此外，还讨论了用于边缘AI管理的各种机器学习、深度学习和强化学习技术。此外，我们还介绍了基于AI/ML的雾/边缘计算的背景和现状。此外，基于AI/ML的雾/边缘计算的资源管理技术的分类已经提出，并比较现有的技术的基础上提出的分类。最后，在基于AI/ML的雾/边缘计算领域，已经确定并讨论了开放的挑战和有前途的未来研究方向。
2022-12-09 cs.DC
Feasibility of Fog Computing
随着数十亿设备连接到互联网，将云作为集中式服务器将是不可持续的。未来的方向是将计算从云端分散到更接近用户的网络边缘。这减少了用户设备与云之间的通信延迟，是本文定义的“雾计算”的前提。本文的目的是突出的可行性和好处，提高服务质量和经验，通过使用雾计算。对于一个在线游戏用例，我们发现，与使用纯云模型相比，使用网络边缘时用户的平均响应时间提高了20%。还观察到边缘和云服务器之间的流量减少了90%以上。初步结果突出了雾计算在实现可持续计算模型方面的潜力，并突出了将网络边缘集成到计算生态系统中的好处。
2017-01-19 cs.DC
SoA-Fog: Secure Service-Oriented Edge Computing Architecture for Smart Health Big Data Analytics
智能健康模式采用互联网连接的可穿戴设备进行远程监测，诊断以提供廉价的医疗保健解决方案。雾计算通过处理身体传感器网络附近的数据来减少延迟并提高吞吐量。在本文中，我们提出了一种安全的面向服务的边缘计算架构，并在最近发布的公共数据集上进行了验证。结果和讨论支持智能健康应用程序的建议架构的适用性。我们提出了SoA-Fog，即使用雾设备有效管理健康数据的三层安全框架。分别从客户层、雾层和云层三个方面讨论了安全问题。采用双赢螺旋模型，结合用例和顺序图设计了原型系统。使用2011年至2014年印度马哈拉施特拉邦疟疾病媒传播疾病阳性地图的拟议框架进行重叠分析。移动客户端作为测试用例。我们提出的安全雾框架和最先进的基于云的框架之间进行了比较分析。
2017-12-25 cs.DC
EdgeLens: Deep Learning based Object Detection in Integrated IoT, Fog and Cloud Computing Environments
数据密集型应用程序正在以越来越快的速度增长，并且越来越需要解决其中的可伸缩性和高性能问题。随着云计算范例的出现，利用远程资源来构建和部署这些应用程序成为可能。近年来，基于物联网（IoT）范式的新的应用和服务集合需要在非常短的时间内处理大量数据。其中，监视和目标检测已经获得了最重要的地位，但云无法降低网络延迟以满足响应时间要求。雾计算解决了这个问题，它可以根据需要利用网络边缘的资源以及远程云资源。然而，仍然缺乏能够成功地将复杂的软件和应用程序（特别是深度学习）与雾和云计算环境集成的框架。在这项工作中，我们提出了一个框架，在雾云环境中部署基于深度学习的应用程序，以利用边缘和云资源为这些应用程序提供更好的服务质量。我们提出的框架，称为EdgeLens，适应应用程序或用户的要求，提供高精度或低延迟模式的服务。我们还测试了该软件在精度、响应时间、抖动、网络带宽和功耗方面的性能，并展示了EdgeLens如何适应不同的服务要求。
2019-06-26 cs.DC
On the similarities and differences between the Cloud, Fog and the Edge
边缘和雾计算领域正在不断发展，但在当前的文献中仍然存在许多不一致和定义松散的术语。有许多文章比较了理论架构并评估了实现，因此有必要理解浓缩成雾、边缘和类似术语的信息的潜在含义。通过我们对当前文献的回顾，我们讨论了这些差异，并提取了贯穿始终的基本概念的关键特征。与现有的IaaS，PaaS和SaaS模型的相似之处，与针对边缘设备和工作负载的具体情况修改的类似模型进行对比。我们还评估了现有评估和比较工作调查的不同方面，包括目标实现的计算、网络、存储、安全性和易用性。在此之后，我们对当前可用的实现边缘或雾模式的商业和开源平台进行了广泛的概述，确定了关键参与者，成功的利基参与者以及这些平台的功能级别和技术发展的一般趋势。
2019-09-12 cs.DC
Optimizing Resource Allocation and Energy Efficiency in Federated Fog Computing for IoT
本文提出融合预测调度、能源感知分配与移动性管理的联邦雾计算框架，OMNeT++ 仿真证明其在资源利用率、延迟、能效和可扩展性上优于非联邦架构。
2025-06-14 cs.DC
MicroFog: A Framework for Scalable Placement of Microservices-based IoT Applications in Federated Fog Environments
微服务架构（MSA）在开发大规模物联网应用程序以部署在分布式和资源受限的雾计算环境中方面正在迅速普及。作为一种云原生应用架构，微服务的真正力量来自于其松散耦合、可独立部署和可扩展的性质，从而实现跨联合雾和云集群的分布式放置和动态组合。因此，有必要开发新的微服务放置算法，利用这些微服务特性来提高应用程序的性能。然而，现有的雾计算框架由于在多个领域存在不足而缺乏对集成此类放置策略的支持，包括跨多雾多云环境的MSA应用放置和部署，跨多个分布式集群的动态微服务组合，框架的可扩展性，对部署异构微服务应用的支持等。为此，我们设计并实现了MicroFog，一个雾计算框架，提供一个可扩展的、易于配置的控制引擎，该引擎在联合的雾环境中执行布局算法和部署应用程序。此外，MicroFog提供了对容器编排和动态微服务组合的充分抽象。该框架使用多个用例进行评估。结果表明，MicroFog是一个可扩展、可扩展且易于配置的框架，可以集成和评估新的放置策略，以便在多雾多云环境中部署基于微服务的应用程序。我们集成了多个微服务放置策略，以展示MicroFog支持水平缩放放置的能力，从而将应用程序服务的响应时间减少了54%。
2023-02-14 cs.DC
A Decade of Research in Fog computing: Relevance, Challenges, and Future Directions
本文综述雾计算十年研究，系统梳理其技术、非功能与经济挑战及相关学术和产业贡献，并结合联邦学习、量子计算等趋势提出未来方向。
2023-07-07 cs.DC
Genetic-based optimization in Fog Computing: current trends and research opportunities
雾计算是一种新的计算范式，它源于减少物联网（IoT）中网络使用和延迟的需求。雾可以被认为是云层和物联网用户之间的连续体，允许在网络基础设施设备中执行应用程序或存储/处理数据。雾设备的异构性和更广泛的分布是云和雾基础设施之间的主要区别。基于遗传的优化通常用于分布式系统;然而，雾计算的差异化特征需要新的设计，研究和实验。在基于遗传的雾资源优化领域的研究不断增加，在这一领域缺乏以前的分析，鼓励我们提出一个全面的，详尽的，系统的审查最新的研究工作。研究和分析了雾中的资源优化技术，特别强调了基于遗传的解决方案及其特点和设计方案。我们定义了雾基础设施中优化范围的分类，并使用此优化分类法对本次调查中的70篇论文进行分类。随后，根据遗传优化设计对论文进行了评估。最后，本文概述了每项调查工作的优点和局限性。在此基础上，提出了今后的研究方向。我们的结论是，需要更多的研究工作，以解决当前的挑战，在数据管理，工作流调度和服务放置。此外，仍然有改进的设计和部署的并行和混合遗传算法，利用和适应，雾域的异构性和分布式功能的空间。
2022-05-13 cs.DC
Multiple Linear Regression-Based Energy-Aware Resource Allocation in the Fog Computing Environment
雾计算是时间敏感的物联网（IoT）应用的一种有前途的计算范例。它有助于在用户附近处理数据，以便提供比云更快的处理结果;它还有助于减少网络流量。雾计算中的计算环境是高度动态的，并且大多数雾设备是电池供电的，因此应用程序失败的可能性很高，这导致延迟应用程序结果。另一方面，如果我们在故障发生后将应用程序重新安装到其他设备中，则将不符合时间敏感性。为了解决这个问题，我们需要以节能的方式运行应用程序，由于雾计算环境的动态特性，这是一项具有挑战性的任务。要求以这样的方式安排应用，即应用不应由于能量不可用而失败。在本文中，我们提出了一个多线性，基于回归的资源分配机制，在雾计算环境中以能量感知的方式运行应用程序，以尽量减少由于能量约束的故障。现有的工作缺乏考虑雾环境的动态性的能量感知应用执行。因此，我们提出了一种基于多元线性回归的方法，可以实现这样的目标。我们提出了一个可持续的能源意识的框架和算法，执行应用程序在雾环境中的能源意识的方式。能源效率的分配和应用程序的执行时间之间的权衡已被调查，并显示有一个最小的负面影响系统的能量感知分配。我们比较了我们提出的方法与现有的方法。我们提出的方法最小化的延迟和处理20%，和17%，与现有的。此外，SLA违规减少了57%，建议的能量感知分配。
2021-03-10 cs.DC
An IoT Platform-as-a-service for NFV Based -- Hybrid Cloud / Fog Systems
云计算尽管具有固有的优点（例如，资源效率）仍然面临若干挑战。用于将云连接到最终用户的广域网可能导致高延迟，这对于某些应用（尤其是物联网（IoT应用））可能是不可容忍的。雾计算可以通过将传统的云架构扩展到网络边缘，并在雾节点上部署一些应用程序组件来减少这种延迟。应用程序提供商使用平台即服务（PaaS）来提供（即，开发、部署、管理和协调）云中的应用程序。然而，现有的PaaS解决方案（包括物联网PaaS）通常专注于云计算，并且无法提供具有跨云和雾组件的应用程序。提供这样的应用需要现有PaaS中不存在的新功能，例如应用图生成。此外，现有PaaS提供的几个功能（例如，发布/发现）需要被显著地扩展以便适应混合云/雾环境。在本文中，我们提出了一种新的架构PaaS混合云/雾系统。它是物联网用例驱动的，其应用程序的组件被实现为虚拟网络功能（VNF），其执行序列被建模为具有子结构（如选择和循环）的图形。它通过跨云和雾的组件自动配置应用程序。此外，它还可以发现现有的云和雾节点，并生成应用程序图。概念验证基于Cloudify开源构建。当PaaS模块和应用程序组件放置在不同地理位置的云和雾中时，通过评估其性能来证明可行性。
2020-01-17 cs.DC cs.SE
