雾计算网络中分布式任务卸载的协作机制
1. 引言
雾计算能够在靠近物联网设备的地方进行数据处理和存储，代表集中式云计算提供更优质的物联网服务。然而，由于在许多场景中，这些异构设备在时空上分布不均，导致雾节点负载不均衡，雾计算资源的利用效率仍然不高。像虚拟现实和基于机器学习的大型任务，由于雾节点资源不足，往往需要远程云服务器来执行。但如果这些大型任务能被拆分成独立的子任务，就可以在不同的雾节点以分布式方式完成。硬件、软件以及信息通信领域的技术进步，使得不同雾节点能够相互通信，为雾计算的分布式解决方案提供了可能。
目前，雾计算面临的一个主要问题是如何将计算任务高效地分配给一组可用的异构雾节点，以实现性能提升。一些研究致力于减少端到端服务延迟，大多数现有工作强调雾与云之间的垂直交互，以优化服务放置（FSPP）。在这些模型中，雾环境被划分为雾集群，每个集群包含一个集中式雾控制节点和其他分布式雾单元。每个雾单元代表一个具有计算、网络和存储能力的可视化雾节点，协调一组终端物联网设备。每个物联网应用通常包含传感、处理和执行三种服务。为了将请求的服务最优地放置到雾单元上，FSPP 优化会考虑 QoS 约束（即应用的规定期限），这样既能满足应用需求，又能提高雾资源利用率，降低执行成本。
还有一个名为 FOGPLAN 的框架，用于 QoS 感知的动态服务供应。为确保对延迟敏感的物联网应用的 QoS 要求，雾服务控制器会不断监控任务执行性能和服务请求率，动态决定是否部署新请求或释放队列中的请求。这一机制使雾节点能够移除不再违反规定延迟要求的排队任务，显著提高满足 QoS 约束的服务比例，同时降低总体成本。但这些工作中，雾资源并未得到充分利用，大多数繁重任务仍可能由云服务器处理。
解
)
