面向边缘计算的服务聚合

摘要

互操作性是互联网相关研究的关键领域之一。如今，互联网架构和传统通信模型正在发生转变；在机器通信中，人类的作用逐渐淡化，取而代之的是更为复杂的物与物通信模型。在此模型中，物会主动搜索其他物并提供基于协作的服务，从而引发更复杂的交互问题。特别是，互操作性必须超越协议的使用，包含语义层面，以使物联网（IoT）的不同构件能够协同工作并最大化其潜力。因此，我们提出了一个面向物联网基础设施的多层模型的构想与概念，旨在：抽象数据源基础设施，定义过滤和格式化机制，并以单一服务或多服务聚合的形式呈现相关数据。

关键词 ：物联网；雾计算；物与物通信；服务组合；

引言

自物联网（IoT）出现以来，研究人员一直就其概念存在争议。众多已提出的定义中一个共同的观点是，它们都指出物联网为未来自主对象能够感知、驱动、通信、交互和响应而无需人为干预并自动运行铺平了道路。与以往由人主动获取信息不同，当前需要设计基于物与物通信的网络基础设施。

通常，传感器用于从其环境中收集数据。当这些收集到的数据经过适当的过滤、处理、分析和呈现后，具有很高的价值。这些数据为互联网顶层——云端的决策过程提供支持。事实上，当前物联网的发展趋势主要倾向于基于集中式云的架构。然而，这种方法在移动性支持、分布性和上下文感知方面存在一些缺陷 ¹ 。此外，持续不断的异构且可能无关的数据流带来了过滤、统一、优化方面的挑战，并可能降低数据分析过程的速度。

在决策和智慧生成层级之前，物联网系统必须提出解决方案，以实现物与物之间相互发现对方功能，并能够高效、安全地使用这些功能，同时尽量减少人工干预 ² 。例如，洪水管理是物联网技术至关重要的应用领域之一，智能设备在此可能挽救人类生命。传感器监测河流水位、降水、土壤饱和度等信息。该系统底层的传感器必须能够相互通信，以便在需要时开启防洪闸。此类反应无需执行复杂的数据分析。基于云方法的联合以及设备之间的协作能力，可提升感知活动的收益，并支持高度异构系统 ³ 。然而，网络边缘处早期的设备协作进一步增加了设备间交互模型的复杂性 ⁴ 。这种日益增加的复杂性源于所涉及设备的数量巨大、异构性和动态性，以及所提供和所消费服务采用的不同技术 ⁵ 。

我们的工作聚焦于物的早期交互与协作。本文的目标是对网络边缘的感知活动聚合进行建模，以支持更高级别的协作场景。所提出的多层架构对物联网硬件进行抽象，有助于数据的转换、描述和格式化，从而提供高抽象级别的服务。

在本文的其余部分，我们定义并描述了一种物联网服务聚合模型。第二部分讨论了相关工作。第3节描述了我们模型的主要层次。为了最好地说明我们模型的使用，第4节展示并解释了一个洪水管理的通用简化场景。第5节阐述了未来的研究方向以及我们工作的结论。

相关工作

解决物联网挑战的主要方法有三种。传统方法如移动云计算，将数据存储和数据分析都转移到集中式云 ⁶ 中。相比之下，移动边缘计算方法旨在在移动网络边缘的类云服务器上运行特定任务并存储数据。例如，以边缘为中心的计算 ⁷ 为此目的融合了点对点和云计算范式。第三种方法结合了移动云和移动边缘的概念。事实上，Cisco System提出了雾计算 ^8,9 这一新范式，能够将计算推向网络边缘，直接在边缘资源上运行通用应用程序和服务。这一新愿景得益于低延迟数据分析以及对移动性更好的支持。TerraSwarm ⁹ 具有类似但更广泛的关于信息物理网络与核心云之间交互的构想。该系统是一种开放的应用互连图模型，旨在确保其组件的动态重组。

本工作的主要目标是开发一种面向物联网对象的协作系统。一方面，通过利用雾计算将服务聚合与组合带到网络边缘；另一方面，通过提供中间件来抽象底层的异构性。在此背景下，Mobile Fog ⁵ 提出了一个面向物联网的高级编程模型。该模型适用于对延迟敏感且需要按需扩展的应用，但处理资源移动性仍需更通用的方法。类似地，通过假设所有事物都以其功能作为标准服务提供，所提出的组合模型 ¹⁰ 使用人工势场实现去中心化服务组合。为了应对去中心化服务组合问题，Rain4Service ¹¹ 建模了雨滴的行为以实现服务组合。然而，该框架并非旨在网络边缘部署。在这样的环境中，数据的过滤与统一是提供中间件的主要问题 ¹² 。根据待提供服务的上下文，数据的使用和呈现应相应调整。该系统 ¹³ 采用目标驱动和上下文感知的过滤方法。但在聚合或时间依赖性感知活动的情况下，可能会出现移动性支持等问题。在网络边缘设备之间共享资源是Mobile Cloud ¹⁴ 的研究重点。该项工作提出了一种在本地云中共享资源的框架，将不同资源度量映射到时间上。

已提出多种方法，旨在实现同一个目标：智能正从自上而下架构中的单一集中式节点向网络边缘转移，随之而来的是诸多挑战与机遇。

模型架构

物联网是大量异构设备的载体，也是海量数据的来源。为了确保系统的鲁棒性和可维护性，并简化应用程序和服务开发人员的工作，我们的方案是通过高层次的抽象、接口和互操作性来建模此类环境。如图1所示，底层组件群集（数据源）包括从传感器、执行器、控制器到移动和非移动设备的互联设备，以及虚拟对象、API、传统Web服务等。

中间件

从服务开发者的角度来看，需要对数据源进行抽象，从而无需事先了解嵌入式系统，这一点通过中间件得以保证。如上图（图1）所示，该中间件包含三层：适配层、过滤层和统一层。

适配层为与底层数据源的抽象接口提供了保障。该层：
- 提供了描述传感器和虚拟对象及其配置的通用方法。
- 允许定义连接器和适配器，每个连接器和适配器都能够处理与已知和未来设备的通信。
- 负责管理数据源的生命周期。当某个对象加入或离开网络时，不得影响其他独立的服务。

格式化层负责提供信息描述方法和数据过滤机制。

统一层提供统一且同质的视图，旨在标准化过滤后的数据。所产生的优质数据被表示为单元服务的构造，这些服务天然地松散耦合、可发现且可组合。

服务转换

操作层覆盖在前三个层之上。其思想是提供一组不同但同质且可组合的单元服务。该层定义了一组可在单元服务上应用的操作。

操作是指对一个或多个服务进行的任何转换、聚合、组合等处理。该层提供了给定操作内部工作流的必要抽象，以及每个操作输入和输出的描述。我们区分两种类型的操作：保守型操作是指结果属于已定义数据格式集合中的任意操作；而非保守型操作则会产生新的数据格式。新信息看似以虚拟数据源（VO）的形式呈现。因此，通过应用所有模型适配和数据格式化过程，最终生成以单一服务形式存在的新且已知的输出。

应用场景

为了最好地说明所提出模型的使用，图2展示了洪水管理系统的低端部分的简化视图。分布式传感器测量河流和水坝水位、降雨量并监测土壤湿度。首先，从水坝水位获取的信息被采集并作为单元服务S4传输。在服务S4的数据上应用操作open(S4)，并基于一个阈值，其输出可能触发泄洪闸改变其状态。由于泄洪闸执行器已经被虚拟化为S5，表示其状态的数据是已知的。因此，无需重新格式化或统一结果输出。我们将操作open()称为保守型操作。

其次，为了简化起见，我们假设通过河流水位、土壤湿度和降雨数据的简单聚合获得一个Flood Risk Index值。这些单元服务的聚合由操作agg(S1, S2, S3)表示。该操作的输出在模型中没有预先定义的描述，因此该操作被视为非保守操作，其结果体现为一个新的虚拟对象，即洪水风险指数服务S6。

结论与未来工作

本文讨论了我们对物联网服务聚合模型的构想。该模型是对现有传感器虚拟化、数据过滤、数据转换以及服务组合与呈现的补充方法。通过利用传感器、数据和服务的抽象层次，该模型能够更有效地应对物联网基础设施的异构性。

该模型的概述将在后续进行扩展，包括引入以下正在进行的工作：i）对模型、各种统一过程和服务操作进行形式化；ii）除了基于Java和WebSocket的第一个工作原型的第二次迭代。