應用于虛擬現實的霧計算大數據系統研究

于佳紅　張福鼎

關鍵詞：虛擬現實；霧計算；大數據

0引言

自20世紀90年代起，通過綜合多媒體圖形、實時傳感、人工智能及仿真等技術，以計算機技術為核心創建三維虛擬環境，借助相應設備實現視覺、聽覺、觸覺、味覺等自然方式與虛擬世界物體沉浸交互。而隨著科學技術不斷進步，虛擬現實技術不斷地更新完善，已廣泛應用于娛樂、軍事、醫學、設計、藝術等領域，在心理咨詢領域應用中備受重視關注。虛擬技術的科技成果在于能夠讓體驗者有種身臨其境的感覺，使體驗者沉浸在虛擬環境中， 可以借助數據手套、數據衣、眼鏡顯示器、鼠標、頭盔顯示器等必要的設，通過感官功能、軀體運動與虛擬環境中的對象完成交互指定的動作，可以將真實的動作、行為對虛擬世界中的物體進行控制。

自從2006 年提出云計算后，隨著計算機網絡的高速發展，已經成為計算機互聯網系統的主要框架。但大量數據進行發送和接收操作，終端用戶和數據中心之間的輸入輸出接口受到局限，數據傳輸速率大幅度下降，造成極大的時延[1]。其另一弊端在于，伴隨接入設備數量增多，帶寬變得糟糕。因此，在2012 年正式提出霧計算概念，取代了不斷地將移動設備所產生的巨量數據轉到云端中央數據庫進行處理，而放在設備邊緣區域進行處理，能夠讓這些不需要傳送到云端的數據占用數據中心的資源，而在本地實現數據的存儲和計算分析，減少了云服務器所產生的開銷，同時也增高移動設備的響應速度，提高網絡帶寬，更重要的是在沒有網絡的環境下，能夠繼續為用戶提供數據資源服務。

在美國，由普林斯頓大學工程學院院長蔣濛（MungChiang）在2015 年11 月創辦OpenFog 聯盟，聯盟成員包含微處理器行業代表企業ARM、思科公司（Cisco）、戴爾（Dell）、英特爾（Intel）等公司聯合普林斯頓大學共同成立[2]。OpenFog 聯盟在官方網站上表明，5G、物聯網、人工智能（AI）應用程序需要多個層面共同協作，其中的硬件設備、邊緣軟件和云軟件，還有支持萬物互聯的通信協議標準，在現有的基礎上無法做到與這些物聯網傳感器等設備在產生數據的規模和速度上相匹配，也無法滿足某些特殊用例，如自動駕駛車輛和緊急服務所必需的低時延低特性。通過霧計算不僅能提高網絡帶寬效率，提供高效率、高功能性的物聯網解決方案，還能保障業務的安全性和低運營成本。2017 年，OpenFog 聯盟在發表的參考架構中表示，RAS（可靠性、可用性及可維護性）、安全性、開放性、可擴展性、自主性、層次性、敏捷性和可編程性，這八項核心技術原則代表著系統是否能夠被定義為“OpenFog”的關鍵所在。2018 年6 月27 日，IEEE（The Institute ofElectrical and Electronics Engineers，國際電氣與電子工程師學會）為擴大霧計算的使用，IEEE 標準協會制定了一個新的標準，該標準在官方基礎上進一步確保設備、傳感器監視器和服務的可互性和開放性，能夠共同處理來自IoT、AI、5G 的大規模數據流，被稱為IEEE1934TM。OpenFog 聯盟的主席兼思科公司高級主管的Helder Antunes 在聲明中表示：“我們現在有一個行業支持的藍圖，將通過霧計算推動新應用和商業模式的發展[3]。” IEEE 1934 標準將霧計算定義為“系統級水平架構”，該架構支持行業垂直和應用領域，網絡資源和服務被分配在任何一個位置，用于存儲、計算、控制及網絡互聯，使得應用程序和服務資源靠近數據的產生源。這一發布的霧標準不僅在安全性方面為整個行業提供了高認可度的框架，而且在保證高性能基礎上，極大程度的加速了IoT、5G、AI 方面的市場發展。

除了OpenFog 聯盟的成立， 由法國電信運營商Orange 與法國國立計算機及自動化研究院Inria 共同主導的項目Discovery 旨在研究霧計算與大規模分布式云。英特爾（Intel）公司的“Cloud Computing at theEdge” 項目， 日本NTT 數據（NTT DATA） 發表的“Edge Computing”項目以及美國第二大運營商電信公司（AT&T）所研究的“Cloud 2.0”項目。從這些世界上的科技巨頭做出項目來看，他們都與霧計算有著巨大的關聯，體現出了霧計算大數據在未來發展中體的巨大價值。

我國在霧計算領域飛速的發展，在車聯網、醫療等領域已有經典建樹[4]。在國內領域，不僅僅有華為（HUAWEI）公司于2016 年推進的“全面云化”戰略，目的為在網絡硬件硬件標準化、虛擬化基礎上，進一步將網絡軟件變成全分布式化、全自動化，完成真正的“設備云化”，這一理念與蓬勃發展的霧計算理念相一致。在科研領域中，西安電子科技大學、華東師范大學等學校針對霧計算這一課題展開研究[5]，以最受人關注的霧計算在車聯網和系統智能燈調控系統的研究為例[6]。2017 年，西安電子科技大學科研小組針對日益增高的車輛數目，高車禍率和長擁堵時間在車輛環境中這些亟待解決的問題，同時考慮車聯網中傳輸信道帶寬有限，帶寬需求卻又日益增高，以及網絡吞吐率低等劣勢，提出基于分布式天線系統的混合云霧技術的車聯網系統。該系統基于光載無線（RoF）技術、分布式天線系統（DAS）技術，車聯網領域中對業務信息的種類和性能都有極高的需求，結合了云計算的劣勢和霧計算的優勢所在，云計算可用來存儲大量數據及完成對時延不敏感信息的處理，而霧計算由于處于網絡邊緣，在存儲較小規模的數據的同時還能完成對時延敏感信息的的處理。這一科研獲得成功并對結果進行驗證，霧計算車聯網系統在時延較高、資源分配不均勻以及吞吐率較低等問題得到高效解決。

本文主要研究是為解決虛擬現實數據傳輸處理大數據弊端，設計霧計算系統模型，基于霧計算概念設計具有“智能前端化”的計算框架進行展示并詳細討論其工作模式。

1 系統設計

依據本文的核心思想，利用“智能前端化”創新思想處理大數據，提出了通用的霧計算大數據系統框架，利用邊緣網絡中的設備，這些設備可以是由之前部署在網絡中的網關、路由器、交換機等等，同樣也可以是專門部署的本地服務器。通過在霧層中部署專門的網絡服務器，可以獲得更多的資源。設計的霧層，是由數量巨大的霧節點構成的，這些節點就是上述中使用的一系列硬件設備，同時包含設備中的內部管理系統。這些霧節點可以散布在不同的地理位置，這就與傳統集中的云數據中心形成鮮明對比。

霧服務器在地理位置上可以廣泛散布，可在無線覆蓋區域內及時捕捉移動用戶對所在環境的信息需求，首先可通過主動緩存的方式從云數據中心下載保存相應數據，也可以通過被動緩存，在信息流的傳輸過程中存儲相關數據。例如，在醫院部署的霧服務器可以緩存用戶希望了解到醫院的就診信息，醫院附近的衣食住行等有關信息。安裝在商場的霧服務器，通過緩存所在商場商品的介紹信息，以及在該商場周圍的交通信息，娛樂信息等。基于智能前端化的思想，數據緩存的核心所在是，怎樣根據霧服務器所部署的環境，在大量數據中選擇合適的有效的數據信息進行存儲。

網絡（Internet）現有的緩存技術有內容分發網絡（CDN）和信息中心網絡（IDN）。現有的內容分發網絡，工作模式是根據在多地部署的緩存服務器，通過分散數據請求到各個服務器，這種方式雖然可以降低服務器的負載，縮短數據傳輸路徑，但是移動設備在通常情況下與內容分發網絡的緩存服務器有一定的距離，無法獲得用戶的需求和預測移動用戶想法。相較于內容分發網絡，信息中心網絡可允許電子設備進行數據緩存，且與移動設備之間距離較近。總的來說，智能前端化思想在霧服務器中被更好的體現出來，在霧服務其中，霧計算可以做到高效感知當前部署環境，并快速準確推測用戶需求，再結合周圍服務器緩存大量移動用戶的偏好類型數據。

對大量分布的霧服務器而言，大多數的霧服務器都配備無線通訊接口，而這些無線通訊接口為了適應不同的移動終端，而呈現出多樣性。因為霧服務器在緩存大量移動數據的同時，還具有超強的計算能力，所以相比較傳統的無線接入設備可以為移動用戶提供更優秀的無線接入服務。這主要能從兩個方面體現出來。

1）感知移動：不同環境的移動設備往往體現出較大的差異，例如移動的長途公交車，當長途公交車到站時，移動設備才能移入移出霧服務器的覆蓋訪問。而在開放的環境中，如商場，移動模式在此種環境下趨于隨機游走。因此，不同移動模式下的移動設備可以根據接入時間長短的不同，通過及時調節不同類型移動設備的接入時間來滿足移動設備的需求。

2）跨層次設計：無線接入設備在傳統條件下只能單純的提供網絡層次的服務，對于應用層的數據沒有任何幫助。對于霧服務器來說，對周邊環境和緩存的數據都有認知能力，在綜合不同層次的信息之后，針對應用需求讓接入機制變得更加高效。

霧服務器位于云端和移動設備之間，在能夠進行上述的數據緩存和無線接入的同時，本地化計算過程也具有雙向性，對云端和移動設備兩個方向進行這個過程。比如：部署在大型商場的霧服務器還可以做到緩存這些商場周圍地理地圖數據，從而達到在移動設備接入時進行精確導航。或在物聯網中，大量的霧服務器設備，包含大量的傳感器，這些傳感器可以通過自身完成對數據的采集、篩選，再通過協調相鄰霧服務器對數據進行整合，這些處理過的精簡數據之后上傳給云端，極大的減少了云數據中心的壓力。