論文
Enabling Data Processing at the Network Edge through Lightweight Virtualization Technologies
SECON 2016.6
Roberto Morabito
原文谷歌學術鏡像，鏡像GG的話自行搜索
摘要
通過容器虛擬化技術將數據處理過程轉移到網絡邊緣節點上（網關或接近終端設備的服務器），並且能夠在不影響性能的情況下帶來一些益處。
介紹
- 邊緣計算產生背景
- 實時與高效
- 異質性與可擴展性
- 舊的數據中心模式無法很好做到上述兩點
主要工作
- 設計了一個利用容器技術的邊緣計算平臺，提供如下特性
- 設備管理
- SDN(Software Defined Network)
- Orchestration，任務分派
- 數據管理
- 評估了docker容器對性能的影響
- CPU、內存IO、磁盤IO、網絡、電源使用
主要貢獻
- 展示了容器技術在邊緣計算方面的可行性與靈活性
- 展示瞭如何使用容器對特定的數據處理、壓縮工具進行打包???
- 驗證了容器技術的可行性，相比帶來的靈活性，其對性能產生的影響可以忽略
相關工作
- 移動邊緣計算
- 將計算任務移動到終端設備附件，通過低延遲和大帶寬提高效率
- 霧計算
- 將數據和計算集中在邊緣設備上
capillary network中的邊緣計算
- capillary network定義
由各種低能耗、短距離通信設備組成的網絡，邊緣計算往往要面對成千上萬個這樣的網絡，並確保其擴展性與高效性 - 使用邊緣計算的用例 use case
- 非正常數據優先傳輸，其它數據打包後再傳輸
- 聚集、壓縮多終端數據再傳輸到雲端
- 網絡傳輸成爲瓶頸，帶寬、時延限制執行效率，必須在邊緣節點執行部分處理
- 可擴展性，增加物聯網設備時雲端、邊緣節點的實時擴展
- 邊緣計算的需求
- 低能耗，可能使用電池的設備
- 低帶寬、高時延（與數據中心的內部網絡相比）
- 計算節點可能由多個管理者管理
設計邊緣計算平臺
- 容器技術的益處
- 任務的快速初始化
- 低開銷
- 高密集度的實例
- 良好的能源利用效率
邊緣計算平臺細節
- 計算設備，樹莓派+Odroid
- 高效快速的任務實例化過程
- 高密集度的任務實例
- 多任務同時運行，互相無影響且可通信
- 任務調度 orchestration
- 新設備加入後自動分派計算單元
- 雲端，高能耗、高計算能力、與其它雲端組件通信、無可用邊緣設備
- 邊緣設備，優先考慮、資源有限
- 根據設備所需任務（容器鏡像）自動分派
- 新設備加入後自動分派計算單元
- 網絡
- 使用Open VSwitch將網絡分片slice
數據處理
- 數據壓縮過程
- 不同壓縮算法
- 根據網關狀態與任務屬性選擇算法
- 網關電量
- 連接到網關的傳感器數量
- 平均遷移時延
- 平均狀態存儲時延，壓縮算法需要預先讀取並存儲的數據
- 數據處理過程
- 根據任務需求選擇
- Apache Storm 實時數據分析、在線機器學習
- Apache Spark 機器學習
- Elasticsearch 搜索服務
- 根據任務需求選擇
評估
- CPU
- 無差別
- 磁盤IO
- 樹莓派略有下降 10%
- 內存IO
- 無差別
- 網絡
- NAT 30%下降，能耗略高 10%
- HOST 無差別，能耗相同