雾计算综述：架构、算法和研究挑战 - 物联网与云计算的结合，解决性能和安全问题

⃝可在www.sciencedirect.com上在线获取ScienceDirectICTExpress 7（2021）162www.elsevier.com/locate/icte雾计算综述：架构、雾与物联网、算法和研究挑战萨比琳·H尼拉纳拉亚南五世∗印度金奈Vellore理工学院计算机科学与工程学院接收日期：2021年1月9日;接收日期：2021年3月26日;接受日期：2021年5月4日2021年5月20日网上发售摘要随着物联网（IoT）应用的不断发展，集成云计算（CC）面临着性能、安全、延迟和网络故障等诸多威胁。随着雾计算的发现，这些问题通过使CC更接近物联网（IoT）来解决。雾的关键功能是提供附近物联网设备生成的数据，边缘数据的处理和数据存储在雾节点本地完成，而不是将信息移动到云服务器。与云计算相比，雾计算提供高质量和快速响应时间的服务。因此，雾计算可能是这是物联网为众多物联网客户端提供高效且高度安全服务的最佳选择。它允许在CC外部、更靠近设备、在网络边缘或最终在指定位置管理服务和资源供应服务水平协议（SLA）。雾计算不是CC的替代品，而是一个流行的组件。它允许处理边缘的信息，但仍然提供与云数据中心连接的选项。在本文中，我们提出，各种计算范型，雾计算的特点，深入参考雾的体系结构及其各个层次，详细分析雾与物联网，各种雾系统算法，并系统地研究雾计算中的挑战，物联网传感器或设备与云数据中心之间的层c2021韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：雾计算;云计算;边缘计算;物联网;物联网设备1. 介绍许多行业和个人逐渐依赖智能设备和台式机来处理日常任务。这些智能系统通过不同的应用程序和传感器生成信息。因此，各行业持续不断地生产和存储大量信息[1]。在物联网发展之后，不同类型的传感器产生的信息正在增加。随着生成的信息规模的快速增长，以及缺乏可预测的数据库来处理不同形式的有组织和无组织信息的能力，大数据分析目前得到了过度的考虑。各种组织正在分析从不同设备收集的数据，以提取适当的理解，∗ 通讯作者。电子邮件地址：vitstudent.ac.in（Sabireen H.），neelanarayanan.vit.ac.in（Neelanarayanan V.）。同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2021.05.004做出重大决定[2]。目前，各个行业都需要一个强大的基于云的基础设施，因为所有东西都在迁移到云，因为它具有不同的功能，提供按使用付费，可扩展性和可访问性。CC提供的主流云服务是基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。所有这些云服务都朝着一切即服务（XaaS）的方向发展。尽管如此，从这数百万个传感器产生的信息（被指定为大数据）无法被处理并完全移动到云端，因为这可能会导致延迟。这个问题可以通过雾计算来解决，雾计算将位于客户端附近的智能设备处理能力联系在一起，以帮助在边缘附近使用网络，处理和存储[4]。雾与物联网的功能是减少了向CC传递信息进行存储、分析、处理的效率，提高了性能。因此，由传感器设备收集的信息被传输2405-9595/2021韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。萨比林湾和Neelanarayanan V.ICT Express 7（2021）162163到网络设备，如边缘进行临时存储和处理，而不是将它们传输到云端，从而减少延迟和网络流量[5]。物联网与雾计算的统一产生了一种独特的服务前景，称为雾即服务（FaaS），其中多个雾节点由服务提供商跨各种地理位置构建，并作为来自不同垂直位置的各种居住者的所有者进行操作。雾中的每个节点都管理存储、计算和网络功能[6]。Fog完全是一种分布式计算方法，它不完全依赖于任何像CC这样的集成组件[7，8]。CC的延迟问题可以通过利用客户端附近不同设备的未使用资源来使用雾来克服。然而，它依赖于CC来完成主要任务。与CC不同，雾是一种分布式计算方法，其中客户端附近的不同设备使用具有较少功能但具有多个核心的良好计算能力的计算能力。因此，诸如网络设备管理、交换机、基站、路由器、智能电话等的若干智能设备安装有可以作为雾计算设备执行的存储和计算能力。由于组织的多样性和全球连通性，与雾计算相关的各种研究问题不断发展。雾计算的可部署环境及其需求是雾计算原理中的关键问题。这就是为什么雾计算领域中存在的计算方案是多种多样的。因此，出现的问题是：雾计算将以何种方式抓住故障处理和资源管理的新挑战，一个多样化的领域？因此，必须检查所有其他互连功能的精确需求，例如服务、模拟、容错、托管问题和资源管理。人们对雾计算进行了各种研究[9在此，我们简要地提出了这些研究工作的重点和文献领域。Yi等人[9]描述了与雾计算模型相关的各种描述、应用和问题。Baccarelli等人[10]回顾了万物互联和雾域，并对万物互联和雾计算进行了统一的看法。Perera等人[11]从客户端和开发人员的显示位置角度为智能城市中的应用提供了雾Hu等人调查了雾计算的分类框架和尖端技术，如存储，数据处理，安全，传输，隐私保护和资源治理。Varshney等人[13]提出了涉及平台抽象、应用程序功能和系统框架的许多维度的雾、边缘和CC生态系统Fog框架和算法建立在六个不同的评估原则上，即灵活性，互操作性，多样化，联邦，服务质量（QoS）管理和适应性，由Mouradian等人提出。雾计算的分类赋予公认的挑战及其Mahmud et al.提出了一些重要方面[15 ]第10段。本文着重对不同的计算范式进行了详细的调查，并对雾的框架，并详细讨论了不同层次的雾。本文还简要概述了物联网雾的不同研究工作和使用的各种算法。第二部分讨论了计算的各种范式和雾的演变。第3节概述了雾计算的定义、功能和参考架构。第4节重点介绍了物联网的雾计算。第5节重点介绍了不同的雾系统算法。第6节详细解释了雾计算面临的挑战。2. 计算范例许 多 服 务 提 供 商 ， 即 Google 、 IBM 、 Ama-zon 、Microsoft等，正在利用云的服务。随着云计算的发展，该技术已经发展到新一代，具有不同的云服务，如基础设施即服务（IaaS），平台即服务（PaaS），软件即服务（SaaS）等，同时具有与企业，软件和教育相关的各种问题。大多数云数据中心在地理上以集中的方式定位，并且远离客户端设备。这导致云数据中心的等待时间和实时延迟，其后果导致服务质量下降、网络拥塞和往返延迟。为了解决这些问题，提出了一种新的计算，即边缘计算的主要思想是创建一个混合架构，将点对点和云服务器与移动终端相结合。主要目的是通过在更靠近网络边缘的地方执行计算来分散流量[17]。边缘计算由终端设备（移动电话、智能对象）支持，边缘设备（交换机盒、网桥、热点）、边缘服务器等。所有这些组件都具有支持边缘计算所需的能力。然而，边缘计算范式集中在边缘[18]，并且不与CC的服务（如IaaS、PaaS、SaaS等）相关联。 边缘计算和CC的其他计算范例已经被引入，如移动边缘计算（MEC）、移动云计算（MCC）。MEC专注于2或3在网络中的分层应用以及具有现代蜂窝基站的移动设备[19，20]。它提高了网络效率以及应用程序的内容分发和开发[21，22]。MCC是另一种计算模式，消费者希望在他们的移动设备上运行所有应用程序，而不是老式计算机[23]。MCC针对应用程序执行时间、存储、能源和资源障碍[24]。然而，当执行关键应用程序时，最好在手持设备之外运行应用程序。在这样的场景中，MCC已经提出了各种计算来帮助这样的场景卸载移动应用，在终端消费者附近执行[25，26]。MCC包含轻量级的镜像服务器，称为Cloudlets[27]。它们位于网络边缘。三层架构由移动设备、云服务器和小云组成，其开发分层应用以提高移动用户的体验质量（QoE），并提供许多萨比林湾和Neelanarayanan V.ICT Express 7（2021）162164图1.一、 雾计算是CC的扩展，但接近边缘设备。为云服务提供商和网络运营商带来商机。与MEC和MCC类似，雾计算也在网络边缘和核心组件侧进行计算。核心组件是核心路由器、广域网交换机、区域服务器等，它们用于雾环境中的计算基础设施。其结果是大量的物联网设备可以很容易地与Fog集成。此外，与移动边缘服务器和云计算相比，网络边缘的雾计算组件可以更靠近物联网传感器或设备。由于IoT传感器或设备是紧密分散的并且需要对服务需求的即时回复，因此该方法允许IoT信息被计算并存储在IoT传感器或设备的周围区域内。因此，实时物联网请求的服务传输等待时间将减少达到过分的程度。与边缘计算相比，云计算可以将SaaS、IaaS、PaaS等CC服务扩展到网络边缘。由于这些特性，雾计算被认为是组织良好的，与其他相关的计算范式相比，它对物联网更有前景。3. 雾计算本节概述雾计算、功能、架构和优势。3.1. 雾计算雾计算被定义为一个雾结构包含各种边缘节点，这些节点具有很少的处理能力，通常被称为雾节点。这些雾的节点具有较少的处理设施和存储。在雾网络，有时边缘和许多服务器被称为cloudlets [29，30]，它们参与共享计算周围环境，而不是网络边缘之外。通过使用这些雾设备，客户端可以为敏感的延迟应用程序获得实时响应尽管这个短语最初是由思科[31]设计的，但各种研究人员和行业从许多不同的角度定义了雾计算。Yi等人提供了一个广泛的雾计算。[32].它被指定为OpenFog Consortium [33]提供了一系列雾计算，作为3.2. 雾计算雾计算是CC的扩展，但更接近于使用物联网信息执行的东西。雾计算作为终端设备和CC之间的仲裁者，使存储服务、网络服务和计算服务更接近边缘设备。这在图1中示出。这些终端设备被称为雾节点，可以定位在任何地方具有网络连接。具有计算、运算、网络连接和存储功能的设备可以称为雾节点。这些雾节点可以是交换机、服务器、监控摄像机和路由器[34，35]。CC的结构块被认为是雾计算。根据Yi等人的说法。[32]和Ai等人。[36]，雾计算的主要特征可以精确如下：a. 适应性：有广泛的网络传感器可以跟踪邻近环境。雾提供存储资源和分散的计算，可以与这样广泛的终端设备一起操作b. 实时通信：雾计算请求提供与云中使用的批处理分析相关的雾节点之间的c. 物理分布：与集成云不同，雾提供分散的应用程序和服务，可以托管在任何位置。d. 更少的延迟和位置感知：Fog靠近边缘设备，它在计算边缘设备的信息时提供更少的等待时间。此外，它有助于位置响应，其中雾节点可以托管在不同的地方。e. 兼容性：Fog模块可以通过不同的服务提供商与不同的平台进行f. 提供基于Web的分析和与云的集成：雾定位在边缘设备和云之间，在边缘设备附近的信息的快速性和计算方面发挥着至关重要的作用。g. 杂环：边缘设备或雾节点由不同的公司设计，因此起源于不同的布置，并且需要根据其显示位置进行托管。因此，雾可以适应不同的平台。萨比林湾和Neelanarayanan V.ICT Express 7（2021）162表165165雾计算与边缘计算的比较S. 无雾计算边缘计算1它将边缘计算操作转移到链接到局域网的CPU或局域网的硬件中，以便它们在物理上可以远离物联网传感器和物联网执行器2这些信息是在物联网的雾节点或网关内计算的，物联网的雾节点或网关位于局域网内3它可以在特定的时间间隔内管理更多的信息，这基本上是通过边缘处理实时需求的能力来实现的。4采用雾计算的最佳时期是当你有数十亿个物联网设备连接时，双向交换信息5它可以计算大量的信息，很少或没有中断延迟6客户端可以在本地处理各种数据，并依赖于其安全方法。7它不需要连续的连接访问。这些信息可以保存在本地，也可以从本地存储中提取它通常在物联网传感器连接的物联网设备上或物理上“靠近”物联网传感器的物联网设备的入口点上立即发生信息在传感器或物联网设备上计算，而不会重新定位到数据中心或云端。它将所有信息和计算保存在最初生成它的设备上。在必须立即处理大量信息时工作良好。信息位于网络它通过收集和检查实时生成的信息来监视进程，从而拖延时间并节省资源这些信息主要在本地计算，然后发送到中央数据中心。h. 提供灵活性：雾请求的重要特征之一是能够直接链接到移动设备等设备，从而实现灵活性技术，例如，需要分散索引系统的RFID分离协议（LISP）。3.3. 边缘计算边缘计算中的计算能力由边缘服务器或边缘设备提供。整体边缘计算从不冲动地通过任何种类的云服务进行链接，并进一步关注设备侧物联网[18]。一项特别的研究指出，边缘计算是对云数据中心和数据源中间的资源或网络的处理任何智能传感器或设备都可以有数据源，但边缘计算是多种多样的。一些物联网传感器和智能设备可以成为数据的来源，但边缘计算是多种多样的。例如，一个小型的数据处理中心或云是云计算和移动应用的边缘，而物联网的网关是物联网的云计算和传感器的边缘。同样，如果云计算的应用程序运行在手机上，那么手机就充当了云和应用程序之间的边缘边缘计算的核心在离产生信息的地方更近的地方。从边缘计算的角度来看，设备不仅存储信息，而且还通过参与转换来生成信息。这些边缘设备可以从中央云执行作业，额外要求提供服务。信息的存储、卸载分配、数据的执行，都将由边缘节点来完成。边缘设备在分配需求和向客户端提供云计算代表的服务方面也很方便在这种情况下，需要适当地开发边缘设备以满足机密性请求、可靠性策略和安全性问题。雾从将智能和信息发送到位于信息生成位置附近的分析环境（如物联网传感器，音频，视频等）的角度来看，雾和边缘计算都提供了相同的功能。两者都对处理有限网络内的计算能力感到不安，以获得通常在云上完成的计算工作。雾和边缘都可以帮助行业减少对云平台的依赖，以检查他们的数据，这通常会导致延迟挑战，而是能够更快地做出数据驱动的选择。表1描述了雾计算和边缘计算之间的比较3.4. 雾计算雾计算是一种将数据中心的少量操作转移到网络边缘的方法。它在CC数据中心和终端设备之间以共享方式提供更少的存储，处理和服务网络。雾计算不同的研究人员已经开发了不同的参考架构的雾表2中讨论了研究雾计算的不同架构的相关工作的总结。如所讨论的，这些架构是基于特定于用户应用和服务的不同拓扑来设计的。参考Ranesh等人的工作。[45]，Aazam和Huh等人。[38，46]，Muntjir等人。[47]和Mukherjee等人。[48]设计了雾计算的参考框架，包括七个级别，即级别1：虚拟化和物理，级别2：雾设备，服务器和网关，级别3：监控，级别4：预处理和后处理，级别5：存储和资源管理，级别6：安全性和级别7：应用程序。图图2示出了雾的分层架构，包括：在上述水平。雾框架的这些级别是萨比林湾和Neelanarayanan V.ICT Express 7（2021）162166表2不同Fog架构的摘要作者编号Fog架构摘要A.V. Dastjerdiet al. [4] 5参考架构由以下层组成：（a）传感器、边缘、设备、网关和应用程序，（b）网络，（c）云服务和资源，（d）软件定义的资源管理和（e）物联网应用程序T. H. Luan等人[37] 3这种架构是移动-雾-云层次结构。对中间雾层进行了讨论。Aazam等人[38] 6每一层都是基于网络组件的特定任务Taneja等人[39] 3层划分如下：（a）包含传感器的端点，（b）贡献雾层的边缘/雾智能，以及（c）贡献云层的云智能Sarkar等人[40] 3此架构支持Fog层为终端节点提供最佳支持的网络结构Giang等人[41] 3分布式数据流方法包括一个编程模型，其中有子流进入三层。[42]第四十二话 4该架构具有基于网络拓扑的多个层。OpenFog基础设施由CloudServices、OpenFogFabric、OpenFogServices和应用程序组成。Munir等人[43] 4 IFCIoT架构是一个分层的雾节点架构，包括硬件和可配置层、虚拟化层、分析层和应用层。根据不同的应用进行分类。每个级别的重要性进行了讨论，并在各种应用中的水平的用法进行说明。这些级别的目标是协同工作，将任务从物联网推送到雾节点，然后推送到云。这些级别侧重于承载不同的任务，例如信息管理，数据分析，数据处理，将信息分类到云服务器和雾服务器，以及基于雾和云的服务以及用户应用程序需求的各种其他任务。3.4.1. 级别1：物理和虚拟传感器传感器产生的不同形式的信息是雾计算的基本信息生成器[39]。这些信息可以从不同的设备中产生，例如智能家居和设备，CCTV和交通的监控系统，自动驾驶车辆，湿度和温度传感器等。例如，在交通的智能监控系统中，我们需要从不同的传感器，路径的设备，以及路边闭路电视监察系统，以协助管理交通灯号。通过从不同的GPS传感器收集信息来预测未来的交通需求是至关重要的。除了物理传感器之外，虚拟传感器在发生交通事故时也起着关键作用[49]。在一个传感器的帮助下，它将不可能得出结论是否封锁道路或允许交通继续前进。道路可能有多条车道，其中一条路线可能会受到这种影响，而另一条路线可能允许道路交通运动继续进行，但这种影响会降低交通管理能力。对于这种情况，虚拟传感器可以提供关于交通重新路由、复用、道路设施等的即时解决方案。因此，物理层包含虚拟和物理传感器，其中任何信息产生设备可以落入这些集群中的任何一个3.4.2. 级别2：雾设备、服务器和网关物联网或独立设备可以是雾服务器、雾设备或网关[39，41，50]。然而，值得注意的是，雾服务器必须具有比雾网关和设备更好的配置，因为它控制大量雾图二、雾 计 算 的框架。装置. 要使雾服务器运行，涉及到许多因素，如硬件配置，网络连接，它可以控制的设备物联网的碎片。虚拟传感器和物理传感器的集群被联网到雾设备。同样，雾设备群集将联网到雾服务器。雾服务器萨比林湾和Neelanarayanan V.ICT Express 7（2021）162167必须有更好的计算和存储能力与雾设备。它还应该具有相对于雾设备的先进计算和存储能力。连接到同一服务器的一组精确的雾设备可以在需要时相互广播。在智能运输用例中，很少有应用程序计算可以由其他雾组确定。例如，如果请求需要搜索燃料有效路径，则其可能需要关于各种雾装置组或传感器组的数据为了得出合适的决策，需要在各种服务器和雾设备上执行计算。设备级和雾服务器负责控制和维护软件和硬件配置数据、服务器和设备的网络连接。此级别还控制许多应用程序所需的处理。处理需求取决于信息移动和与雾设备相关联的物联网设备的全部数量，以及雾设备的全部数量链接到雾服务器。雾的各种服务器之间的通信保持在这个级别。例如，思科路由器可以用作雾的设备，雾设备的思科信息服务可以用作雾的服务器[51，52]。3.4.3. 第3级：监测系统和资源的性能由监控级别[39]以及效用和反馈进行跟踪。在操作系统中，监控工具被选择为相关资源.不同的操作在具有智能交通的系统的场景中运行。可能会出现这样的情况，即资源的可用性将对雾设备上的计算或存储无效。同样，雾的服务器端也可能发生相同的情况。为了处理这种情况，雾侧的设备和服务器将访问来自不同对等方的帮助。因此，系统监测的组件将有效地决定这些。资源需求组件审核当前资源，并根据用户的活动和使用情况预测未来的资源。该方法应处理可能发生故障的任何风险情况。基于网络负载和资源的可用性，预测监视器可以用信号通知雾系统的性能。 这是必需的，因为它用于维护SLA中所需的QoS属性。如果持续发生违反SLA的情况，那么由于惩罚，系统的成本将增加。性能预测不能忽略这一点，但它将通过预测使用情况，结构的性能3.4.4. 第4级：预处理和后处理该级别用于基本和高级数据的数据分析，它具有多个组件。在这一层中，它的作用是通过分析、过滤、修剪和在需要时重建数据来获得数据。一旦数据当数据流被处理时，名为data flow的组件选择数据应该存储在哪里，无论是在本地雾还是在云中进行长期存储[41]。雾计算中的极端问题是，信息在边缘，并且需要存储最小量的信息。其主要思想是将经常使用的数据发送到雾服务器，将很少使用或长期不使用的数据发送到云。在智能交通的应用中，数据由多个传感器生成。这些信息将被探索和处理，以获得生成的信息。这些生成的信息可能没有用。在某些情况下，存储所有这些生成的数据并不理想。例如，根据应用要求，传感器每秒产生信息，并存储分钟和小时内数据的平均值。通过这种方式，数据被修剪，保留了大量的存储空间。在另一种情况下，如果信息值在固定周期内没有不同，但是性能受到影响，则将减少读取的数量。通过这种方式，可以改变大量信息。精度不会达到百分之几，但会满足要求。该级别的另一个组件是数据重建，它负责传感器和容错不完整的数据生成。如果一个或多个传感器发生故障，该组件还负责基于信息模式重新形成信息，并防止应用程序故障和其他中断。3.4.5. 级别5：存储和资源管理存储模块负责使用存储虚拟化存储数据。名为数据备份的组件负责确保数据的可用性和数据丢失。存储虚拟化的概念包含一个设备池，这些设备负责网络中的存储，充当单独的存储设备。 这种单独的存储设备易于管理和维护。存储虚拟化的主要好处是硬件和存储成本低，可提供更好的企业功能。它还最大限度地降低了存储复杂性。存储可能会出现故障[53]，因此备份数据至关重要。数据备份模块负责定期定制数据的备份方案。资源管理层包含负责分配资源并进行调度的组件，还处理节能问题。有一个名为可靠性的组件，它维护调度应用程序和分配资源的可靠性。当高峰时段对资源的需求很高时，雾资源的可扩展性得到了保证。水平可扩展性由云平台实现，而雾平台专注于实现垂直和水平可扩展性[54]。一个关键的问题出现在分布式资源的分配过程中所涉及的存储是在一个系统的分布式资源。 资源分配组件完成所有相关问题的分配、解除分配和重新分配。一个更重要的问题是多个应用程序使用雾环境，这需要适当的应用程序调度。名为appli-cation scheduling的组件负责应用程序的各种目标。此级别包含节能组件萨比林湾和Neelanarayanan V.ICT Express 7（2021）162168表3云计算与雾计算的比较参数雾计算云计算托管分散集成服务器节点在受限网络边缘幅材内延迟少更服务器和客户端之间的范围单跳许多跳保护难衡量测量硬件更少的计算能耗和存储扩展计算能源和存储信息攻击更像不太喜欢岗位知识接受否认跑步环境内部或外部（路径/酒店）数据中心或仓库用于有效地管理所有资源。这管理以最大限度地降低运营成本。系统的可靠性由可靠性组件管理，该组件侧重于可靠性的不同度量和指标这些指标可以基于以下参数进行评估：数据中心的数据冗余度、雾节点的冗余度、雾节点故障之间的平均时间、物联网应用程序的关键故障时间。雾系统是一个复杂的架构，专注于维护所有物联网设备，雾节点，雾服务器和云。3.4.6. 第6级：安全安全级别维护与安全相关的所有问题，如通信加密和受保护的信息存储。此级别还保护雾用户的信息。雾环境被建议安装为像云环境一样的实用程序系统。在云环境中，用户通过连接来请求来自云的所有服务而在雾环境中，客户端连接到雾系统以获得所有服务，而中间件雾管理和维护与云的所有通信。因此，应该授权打算与服务关联的用户。因此，验证组件负责向雾中的所有用户提供身份验证请求[37]。为了避免恶意用户的入侵，重要的是通过在不同通信之间进行加密来维护安全性。加密组件将加密从物联网设备到云的各种连接。大多数雾组件通过无线连接进行连接，因此保持安全性非常重要。在雾环境中，用户的数据不应该被泄露，维护用户数据的隐私是很重要的。很少有智能城市服务或智能家居服务存在问题，因为它们的系统中有不应披露的用户相关数据。在当前的场景中，用户接受大多数安全策略，而不对它们进行正确的读取。因此，考虑这些类型的服务是非常重要的，其中涉及用户的隐私至关重要。3.4.7. 第7级：应用最初，雾被引入服务于物联网应用[55]，许多基于无线传感器网络（WSN）的应用开始支持雾计算。几乎所有存在延迟问题的应用程序都开始利用雾环境。其中包括任何类型的实用程序可以与雾集成的服务，以提供更好的服务并最大限度地降低成本。在使用增强现实的应用程序中，系统可以采用雾基础设施，因为它将在未来改变当前的世界。雾环境可以满足增强现实实时处理的要求，这可以导致增强现实的许多服务的长期改进。4. 雾计算与物联网（IoT）目前的集成CC框架面临着物联网应用的不同问题。例如，对时间敏感的请求，如增强现实，视听流和玩游戏[14]不能被支持。在扩展中，它没有位置响应，因为它是一个集成的原型。这些问题由雾计算解决。表3总结了CC和雾计算之间的差异。雾计算充当IoT、存储设备和CC之间的链接。思科[56]认为，雾计算是CC模型的一部分，它带来了云计算靠近网络边缘。它在云服务器和终端设备之间提供了一个巨大的虚拟化原型类型的处理、存储和资源网络[57]。为了提高物联网请求的有效性，这些物联网设备必须立即转换和检查[58]。雾计算将处理、存储能力、云网络一直带到网络边缘解决物联网设备的即时问题，并提供安全和组织良好的物联网招标[59]。雾计算提供了许多具有广泛分散定位的应用和服务雾可以在多个物联网请求中提供有效的瞬时传输，例如链接的车辆等。雾计算经过深思熟虑，是等待时间较少的应用程序的更好选择，例如增强现实，视听流媒体和游戏等。物联网与雾计算的结合将为不同的物联网请求带来几个优势。雾计算有助于物联网设备之间的即时通信，以减少等待时间，特别是对于时间敏感的物联网请求。此外，雾计算的一个重要方面是支持大规模传感器网络的能力。如图3、雾计算可以为不同的物联网应用提供多种优势。本部分讨论了关于物联网和雾计算如何萨比林湾和Neelanarayanan V.ICT Express 7（2021）162169图三. 雾计算为不同的物联网应用提供了多种优势。是相互关联的。在这一部分中，我们将研究目前讨论物联网和雾计算在不同应用中合并的工作。许多相关的研究文章涵盖了雾计算的几个特征Saharan等人。[61]提出了一项关于CC和雾计算的调查。作者讨论了雾计算物联网应用的动机和特点。同样，S. Yi等人[62]通过仔细考虑雾计算的几种应用情况以及在执行此类方法时可能会增加的许多问题。Y. Shi等人[44].雾计算及其瞬时应用是由N.彼得[63]。它显示了物联网设备生成的数据信息，这些信息可以由雾处理。此外，还提出了雾控制的等待时间和拥挤问题。文章还说明了雾计算可以帮助智能平台控制分散和快速发展的物联网设置，并改善边缘网络的新服务;这限制了不同业务原型的建立和网络组织者的前景。M. Chiang et al. [64].作者首先讨论了物联网系统开发中的不同问题，以及用现有的网络和计算模型来确定这些问题是多么具有挑战性。然后，作者讨论了网络，处理和存储的新结构的必要性。这种结构的方式可以利用，使创新的业务前景。该框架还讨论了雾计算的特点及其优点，并为几个物联网问题提供了一些答案。研究了雾计算环境下的移动备份问题。Puliafito等人[65]。重点介绍了蜂窝物联网方案，并探讨了将遇到的关键问题。此外，它们确认并界定了三种情况，统 一雾 计 算 和物 联 网 ，其 中 灵 活性 支 持至 关 重 要。Dastjerdi等人调查了雾计算的参考框架原型[4]的文件。而不是通过与云的互动，该原型有助于满足物联网的需求，在雾中被定位。在参考框架[66]中，中央雾服务位于软件指定的资源控制层中。这提供了一个基于云的中间件，可以阻止雾集群独立运行。作为替代方案，雾细胞通过基于云的中间件进行检查，监控和安排。此外，F. Bonomi等人。[67]其中雾的虚拟特征以及它如何通过雾补充CC来传播CC。此外，作者讨论了一个有序的分布式框架的雾。为了检查他们的框架的功能，他们为带有智能交通灯系统的风电场提供了很少有关于管理雾计算资源的研究文章。例如，Aazam等人[38]提供了一种利用雾计算进行资源管理的方法。该方法通过对资源的分配和预测，形象、逼真地控制资源。他们声称，他们的努力可以成为实现更准确的开发和研究的更好标准，这些标准与雾计算和物联网有关在此基础上，O. Skarlat et al. [60].作者已经形式化了一个优化问题，以提供可访问的基于雾的处理资源的延迟响应操作。他们评估了他们的架构，通过与现有方法进行比较，减少了延迟。Bonomi等人已经研究了雾计算范例的建议模型。[33]。作者讨论了他们的原型是支持基于资源限制的物联网设备的最佳方法。此外，他们提出了三个脉冲状态，包括无线传感器网络（WSNs），智能汽车和智能电网，以证明他们的雾策略可以应用于多种应用和服务。此外，Hong等人。[68]调查了可以通过许多设备分配物联网应用程序的雾移动在从边缘网络到CC的有序结构框架中。雾移动利用主动节点检测方法将设备集成在主从链路中，主节点利用处理资源计算从节点获取的信息。雾移动为物联网应用提供了许多优点，因为它们可以在网络边缘积累和操作附近的信息。Fog在主节点之间进行后向负载均衡，使从节点与负载更大的主节点相连，增强了系统的整体可扩展性A. Yousefpour等人[69]对服务延迟进行建模，理解和评估fog-IoT-CC应用情况。作者提出了一种减少延迟的方法，以减少IoT节点的延迟服务。他们提出了一种建立雾到雾传输的方法，通过分配负载来最大限度地减少服务延迟。对于卸载计算，该方法不仅反映了队列的长度，而且还反映了具有不同计算时间的多个需求类别A.萨比林湾和Neelanarayanan V.ICT Express 7（2021）162170Yousefpour等人评估fog-IoT中的延迟服务， 在具体的CC情况下进行了广泛的模拟研究，以支持该方法和建议的策略。商业物联网所传达的重要问题得到了以下方面的审查：V. Gazis等人[70]。作者确定了适用于雾范例的关键辅助技术。此外，一个自适应的操作平台，提出了雾计算，以提供端到端的可操作性雾有关的需要，组织的过程。物联网环境中的隐私和安全问题已经由A. Alrawais等人[71]，他们提出了一种改进安全性的方法，该方法部署了雾，以增强物联网设备中证书反转数据的交付。此外，他们提出了一个用例，通过雾计算来解决物联网环境中证书反转数据的安全问题。K. Lee等人[72]通过将物联网与雾计算相结合来研究隐私和安全问题。他们声称，将雾与物联网结合会带来许多安全威胁。此外，他们讨论了目前可能有助于保护物联网雾的安全方法，强调了使用各种安全技术组织安全雾计算环境的需求。很少有研究文章讨论车辆在雾计算中的作用。汽车的轮廓被列为传输和处理的基础设施，被认为是汽车中的雾计算他们认为，这一框架的好处是简化了客户之间的协同作用，以基于车辆资源进行传输和处理他们还考虑了四种情况，包括运行和静止的车辆作为传输和处理基础设施，同时完成了对汽车雾计算能力此外，M。Sookhak等人[73]调查了雾载具，以使用未开发的汽车手段来影响雾计算。此外，作者预计一个框架，这是跨层的雾车辆来描述的措施的决策程序，并在某种程度上分散在车辆之间的服务，如雾节点的不同类别。同样，为了认识到现有原型雾计算的安全问题，S。Khan等人[74]对雾计算请求进行了调查，以分类常见的安全问题。他们声称，几个雾请求不包含安全作为结构的一部分，而是相对强调功能，这在许多雾策略中暴露出来。因此，他们的工作重点是定义安全问题的影响和可能的答案，以便为雾计算提供即将到来的安全相关指南。此外，I。Stojmenovic等人[75]，他们专注于当前雾计算模型的隐私和安全问题。中间人攻击被用作用例来研究雾设备的内存利用率和中央处理器（CPU）。Mahmud等人根据雾计算的特征和问题[76]对雾计算进行了分类，并转换了移动CC，边缘计算和雾计算之间的差异。对雾节点的结构、雾计算的几个参数以及雾的组网设备进行了研究。5. 雾系统算法本节讨论了基于三个范围（即作业规划、资源分配和加载以及雾节点和设备的卸载）5.1. 作业计划虽然雾计算在网络边缘提供了进一步的计算能力，但他们提出的一个关键问题是在执行工作时如何处理。更确切地说，选择什么方式，在物联网中执行哪些工作还是客户端层、雾层和云层？因塔拉维吉[50]研究了雾层中的作业规划问题。另一方面，当与Oueis等人相比时。[77]，他们研究，雾层中的雾节点表示计算服务器。在这个框架中，他们打算在作业和服务器之间定义一个绘图，作业停顿概率。他们还研究了在雾层上建立的移动网络中的作业规划问题，其中允许微小的单元具有形成雾节点的计算能力。Aazam和Huh [38，49]通过考虑与客户端性能相关的自适应分辨率，研究了雾层中的作业规划问题Zeng等人[78]并行确定作业规划和图像定位。更具体地说，他们认为作业可以在雾层中的服务器上执行，也可以在能够处理图像并存储在数据中心的集成设备上执行。Agarwal等人。[57]提出了一种算法，允许在云层和雾层上资源分配作业。Deng等人[79]解决雾节点和云上的作业规划问题他们的目的是在执行非常少的电力利用率，同时吸引更多的限制，如带宽的考虑。5.2. 装卸分配许多作业规划算法已被建议相对于雾系统。虽然它们允许通过不同的层在计算雾节点上分配计算作业，但它们没有考虑雾节点之间关于工作量的可能不稳定性。Ye等人。[80]和Hassan等人。[81]强调卸载IoT或客户端层到雾节点层的设备。相反，宁宁等人[82]和弗里克等人[83]强调了雾层，并解决了卸载和负载重新部署问题。或者，Li等人。[84]单独处理雾层，并提出一种编码结构，该结构指向重新分配作业或在结构中引入额外的作业。最后，Ot- tenwalder等人。[85]研究了整个系统中的重定位，这是卸载和加载分配的正常特性5.3. 资源分配在雾系统计算中研究的主要特征是雾节点之间的协作和评估资源共享在雾层中，这些萨比林湾和Neelanarayanan V.ICT Express 7（2021）162171为了执行计算要求，已经处理了特征。作者[86Oueis等人[86]分析了确定雾节点之间的资源分配以执行计算需求的问题，作者重点关注启用雾的移动结构的微小单元。这些细胞形成微小的组，其中每个组表示一组微小的细胞，这些细胞交换资源以减轻蜂窝小工具的工作量。Nishio等人。[87]解决了类似的问题，但考虑了移动中雾系统的实例。 它包含一个由蜂窝小工具形成的雾层和一个可通过移动结构访问的云。因此，他们的目标是优化CPU，带宽和公共存储，以帮助计算需求。由于这些资源的多样性，他们将它们划分为不同的资源区间，以便在类似的单位中枚举它们。Abedin等人[88]提出了一种算法，该算法允许计算雾层的相似雾区域内的雾节点之间的资源交换，从而允许执行客户端考虑了五个基准，即多样性（B1）、QoS（B2）、灵活可扩展性（B3）、敏捷性辅助（B4）和联盟原则（B5）。对于下面表4中提到的每个作者，根据他们所采用的雾算法，以是或否的形式，根据作业计划、加载和卸载分配以及资源分配分类，描述了哪个作者满足了基准标准，以及他们没有满足哪个基准。它还检查了各种调查的关键贡献及其提出的关于范围和基准的算法[14]。总之，所有的关键贡献，不同的作品与他们提出的算法适用于雾平台。6. 雾计算：研究挑战雾计算领域已经从云计算发展成为向客户提供计算资源的经济和商品解决方案。随着物联网设备（传感器，智能手机）的发展趋势，硬件成本最低。计算已经在边缘附近完成，这最终降低了云计算和数据卸载成本，它还为用户端的数据提供了安全和隐私解决方案。然而，边缘计算面临着许多与网络、安全