面向服务的云-端动态协作方法

边缘计算可以通过将计算转移至边缘设备,以提高大型物联网流数据的处理质量并降低网络运行成本。然而,实现大型流数据云计算和边缘计算的集成面临两个挑战。首先,边缘设备的计算能力和存储能力有限,不能支持大规模流数据的实时处理。其次,流数据的不可预测性导致边缘端的协作不断地发生变化。因此,有必要实现边缘服务和云服务之间的灵活划分。提出一种面向服务的云端与边缘端的无缝集成方法,用于实现大规模流数据云计算和边缘计算的协作。该方法将云服务分成两部分,分别在云端和边缘端上运行。同时,提出了一种基于改进的二分图动态服务调度机制。当产生事件时,可以在适当的时间将云服务部署到边缘节点。基于真实的电能质量监控数据对提出的方法进行了有效性验证。     

面向端边云协同架构的区块链技术综述

近年随着边缘计算的兴起,边缘计算和云计算结合形成的终端边缘云(端边云)协同的层次型分布式架构尽管可在高计算能力服务、高存储能力服务和低延时服务等方面满足应用需求.但在数据安全和多方可信交互等方面仍面临很多挑战.作为一种去中心化的分布式账本技术,区块链具有数据不可篡改、不可伪造、可追溯和由多方共同维护的特点,将区块链融入到端边云架构中可以使多参与方之间进行互信的数据交互,确保数据完整和可用,但由于区块链在系统架构、隐私安全、对节点资源要求和多方共识方面的特点,其与端边云架构相融合时仍面临诸多挑战:区块链和端边云系统在架构上的不匹配使得二者难以融合;区块链账本数据透明,可能造成敏感数据泄露;区块链的全副本存储和共识过程会消耗更多端边云参与节点的资源;不同端边云场景所需的信任模型差异、终端和边缘节点资源受限和终端设备大规模接入等特点使得现有共识算法不能适应端边云的场景.针对以上问题,本文首先介绍端边云架构和区块链技术,接着讨论二者融合的可行性和优势,并整理归纳了相关研究进展;之后讨论端边云架构下区块链技术面临的技术问题;最后提出未来端边云架构下区块链技术的研究方向.     

面向云-端融合的移动互联网应用运行平台

与传统的互联网应用相比,移动互联网应用尽管也运行于Web技术栈之上,但移动设备的便携性和多样性,带来了客户端设备计算能力相对有限、数据存储随需而变、显示屏幕大小不一、本地应用与Web应用和服务难以交互等技术挑战.为此,本文设计实现了一种面向云-端融合的移动互联网应用运行平台.首先,提出一种符合移动互联网应用体系结构的构件模型,将客户端应用划分为数据、计算、界面和服务四个部分;其次,设计了一种实现云-端资源融合的构件运行框架,支持应用数据的按需存储、计算任务的云-端迁移、以及用户界面的动态切分;再次,设计了一种实现云-端服务融合的组装框架,支持客户端本地应用和传统Web应用的服务封装、和基于总线的服务即时组装;最后,基于Chrome浏览器实现了平台原型,支持基于HTML5和JavaScript的移动互联网应用,通过多个Web应用基准测试集和热点应用的实验,验证了平台的有效性和可行性.     

基于多层次属性建模的云制造服务优选方法

随着云计算和信息技术的发展,制造企业逐渐由生产型向服务型转化.为了满足用户需求、解决云制造服务优选问题,提出一种基于多层次属性建模的云制造服务匹配和优选方法.对云制造服务资源和属性进行详细描述和划分,构建多层次属性描述模型.从基本属性、功能属性、非功能属性、综合匹配四个层次对候选服务和请求服务进行匹配计算.对不同类型的...     

面向边缘计算的服务解耦与部署策略

在这个万物互联的时代，海量的设备和数据、云和设备之间存在巨大的传输延迟，给开发应用、处理数据、最终提升系统的服务质量带来了多重挑战.因此，通过在终端设备附近部署计算能力以显著减少传输到云服务器的数据量和服务请求的响应时间的边缘计算结构应运而生.然而，负载均衡、边缘设备的安全性和移动性依旧是影响边缘计算架构的服务质量的关键点.为了解决上述问题，提出了一种2阶段的服务质量优化方案以解决移动边缘计算架构下的服务部署问题.在第1阶段，考虑了服务的解耦和边缘服务器的负载均衡问题，对服务部署问题进行建模，提出了一种集中式服务的实时解耦方案，并且设计了一种静态部署策略；在第2阶段，考虑了边缘设备的移动性，设计了一种设备移动感知的服务动态部署策略，优化了移动边缘计算架构下的服务质量.在2个数据集上的实验结果表明，所提出的静态部署策略能够使服务请求的响应时间降低36%，所提出的动态部署策略能进一步降低13%的服务响应时间.     

基于代理的移动云服务访问机制的研究与实现

移动设备的计算能力、存储能力、网络带宽、电池续航等都非常受限,而且现有的云服务基本没有针对移动设备的上述特点做优化,严重降低了移动设备访问云服务的质量。针对存在的问题,提出了面向移动设备的数据传输格式优化模型和服务Mashup模型,设计并实现了一个基于代理的移动云服务访问框架,使得移动设备通过代理服务器来访问云服务。在4种不同情况下对移动设备的服务请求响应时间、响应结果处理时间、请求响应流量和能耗分别进行了测试,结果表明实现的框架具有一定的实际意义。     

制造资源耦合映射与模糊匹配技术研究

针对云制造中云制造服务资源匹配映射多种模式并存,云制造服务资源与云制造资源需求间相互影响且映射关系复杂,导致缺少有效云制造服务资源匹配方法.在综合考虑云制造资源需求间相互影响的基础上,提出了云制造服务资源匹配模型,利用模糊积分度量用户云制造资源需求与云制造服务资源间的匹配程度,提出了基于模糊积分的云制造服务资源匹配方法.通过基于模糊积分的云制造服务资源匹配方法,计算获得云制造服务资源对云制造资源需求的匹配度,为制造云中的终端用户提供按需、自助、敏捷的云制造服务资源智能匹配技术.最后,以中小模具企业云制造平台某型号多工位级进模具排样图设计应用为实例,证明了文中方法在工程应用中的正确性与高效性.     

面向制造任务的云制造虚拟车间构造方法

针对云制造模式下快速选择和组织相关制造资源、保证制造任务执行的问题,提出一种面向制造任务的云制造虚拟车间构造方法。该方法将制造过程抽象为制造任务执行链,链中的节点对应制造设备云服务或检验云服务,链中的有向边对应物流云服务;并通过行业域、地域和类型域来组织管理云服务,以构造规模较小的候选云服务集,同时减少功能匹配、性能匹配、价格匹配和时间匹配的计算量,达到快速构建云制造虚拟车间的目的。算例分析表明,相比其他方法,该方法能够在更短的时间内完成云服务的选择,并保证所选云服务的服务质量（QoS）在相关域中是更好的。     

考虑执行可靠性的云制造服务组合算法

由于制造资源的调用与执行比计算资源要复杂得多,使得在云制造环境下的服务组合执行可靠性成为必须考虑的问题.为此,提出一种基于离散粒子群智能优化的、考虑执行可靠性的云制造服务组合算法.以概率密度函数描述服务可靠性,基于服务模型库动态生成云制造服务组合的工作流模型,基于语义实现服务匹配,通过离散变量粒子群优化算法计算出执行可靠性最优的云制造服务组合方案.最后以结构设计工作流模型为例,在不同服务实例规模、不同恶意服务占比情况下验证了其有效性和可靠性.实例结果表明,在恶意服务占比较高时,该算法仍能保持较高的服务执行可靠性.     

基于普适计算的服务发现系统设计

在普适计算环境下,服务是动态变化的,而服务发现技术能够在动态变化的普适计算环境中动态查找、定位所需要的服务,是解决普适计算环境异构性、实现不同应用集成的有效途径.介绍了服务的语义描述语言OWL-S,用于对服务进行描述,然后设计并实现了一个普适计算下的服务发现系统.同时,详细介绍了服务请求时进行服务匹配使用的匹配算法.通过增加语义信息,达到服务发布者和请求者可以实现语义层次的匹配,提高了服务的查准率和查全率.     

IoT‐fog‐cloud based architecture for smart systems: Prototypes of autism and COVID‐19 monitoring systems

Making resources closer to the user might facilitate the integration of new technologies such as edge, fog, cloud computing, and big data. However, this brings many challenges shall be overridden when distributing a real‐time stream processing, executing multiapplication in a safe multitenant environment, and orchestrating and managing the services and resources into a hybrid fog/cloud federation. In this article, first, we propose a business process model and notation (BPMN) extension to enable the Internet of Things (IoT)‐aware business process (BP) modeling. The proposed extension takes into consideration the heterogeneous IoT and non‐IoT resources, resource capacities, quality of service constraints, and so forth. Second, we present a new IoT‐fog‐cloud based architecture, which (i) supports the distributed inter and intralayer communication as well as the real‐time stream processing in order to treat immediately IoT data and improve the entire system reliability, (ii) enables the multiapplication execution within a multitenancy architecture using the single sign‐on technique to guarantee the data integrity within a multitenancy environment, and (iii) relies on the orchestration and federation management services for deploying BP into the appropriate fog and/or cloud resources. Third, we model, by using the proposed BPMN 2.0 extension, smart autistic child and coronavirus disease 2019 monitoring systems. Then we propose the prototypes for these two smart systems in order to carry out a set of extensive experiments illustrating the efficiency and effectiveness of our work.     

Web service adaptation: A decade’s overview

With the exponential growth of communication and information technologies, adaptation has gained a significant attention as it becomes a key feature of service-based systems, allowing them to operate and evolve in highly dynamic and uncertain environments. Although several Web service standards and frameworks have been proposed and extended, existing solutions do not provide a suitable architecture, in which all aspects of monitoring and adaptation (e.g., proactive, cross-layer, and autonomic adaptation) can be expressed. In addition, the emergence of new computing environments to host and execute various types of services (Web/cloud services, big data-intensive services, mobile services, microservices, etc.) raises the need for more efficient monitoring and adaptation systems. This survey aims to bring a synthesis and a road-map to the adaptation of service-based systems. We also discuss adaptation solutions in emerging service models, such as cloud services and big services. Based on an adaptation taxonomy which we extracted from the surveyed approaches, and by identifying the main requirements and goals of service adaptation in Web, cloud and big data environments, detailed analysis and discussions, as well as the open issues, are provided.     

企业离散式智能设备预测性维护综述

针对智能设备的大量使用且缺乏根据监测大数据进行故障自动分析、判断与处理的问题,研究了基于物联网技术、大数据技术、边云协同技术的智能设备预测性维护框架和模式.提出针对非智能设备安装传感器实现设备智能化的方法.指出边缘计算负责设备工况数据的实时采集、分析,可快速甄别设备故障并实时报警;云计算聚焦同类设备运行海量历史数据的挖掘和分析,形成故障自动预测分析和诊断模式并下载至智能边缘设备.在研究了模型驱动、数据驱动、概率统计驱动、数字孪生和概率数字孪生驱动等故障预测模式后,提出了采用数据驱动的多层级数据融合模式,为制定企业性智能设备维保方案提供借鉴作用.     

企业云服务体系结构的参考模型与开发方法

服务与云计算范型的融合有助于大规模分布式软件的开发和应用,同时也为面向服务的软件工程带来了新的挑战。云计算的最大挑战是缺少事实上的标准或单一的体系结构方法,以满足企业将关键产品作为Internet上的云服务发布的应用需求。首先,针对企业云计算的业务特点,提出了一种企业云服务体系结构(Enterprise Cloud Service Architecture,ECSA)风格的通用和抽象参考模型,分析了该模型中的云服务、服务模式、服务消费者、管理、流程、质量属性、服务构件模型、服务匹配和交互模式匹配9个组件及其之间的关系,并讨论了它们中的角色。然后,提出了一个四阶段的ECSA迭代改进过程,该过程把云服务视为首要的类建模元素,通过解除云服务模型和来自目标构件配置之间的耦合,可实现相同云服务集的多种不同体系结构。最后,给出了一种基于该模型的期货程序化交易的私有云服务应用实例,用以展示该方法的可行性和有效性。     

基于大数据的农产品信息服务云平台设计

针对现有农产品信息服务存在的数据质量低、整合难、流通差等问题和大数据时代的工作要求,依托物联网、大数据、云计算等技术,设计一种基于大数据的农产品信息服务云平台.数据获取层主要利用物联网感知采集数据,在大数据中心完成数据转换、处理、分析,通过应用层可视化展示实现"4A"应用.平台进行云化管理,为不同参与主体提供按需服务,...     

可信云——云时代的新生态

云计算已成为信息通信领域最具活力的增长点之一.云服务改变了以往的信息化模式,正引领软件、硬件和网络技术的深度融合与快速创新,深刻地影响着整个信息通信产业的发展格局.2013年10月,可信云服务认证正式启动,这标志着我国也拥有了自己的云服务质量评估体系.可信云服务认证的核心目标是建立云服务商的评估体系,为用户选择安全、可信的云服务商提供支撑,并最终促进我国云计算市场健康、有序发展.     

边缘计算在烟草工业中的架构与应用实践

近年来,随着“云、大、物、移”等信息技术的进步与发展,传统云计算运用于烟草工业领域中所存在的问题逐渐凸显。为满足烟草工业企业数字化转型过程中,对数据实时性、准确性、可靠性、安全性的要求,需要借助边缘计算技术。以烟草工业为例根据烟草工业发展需求,详细介绍了边缘计算在烟草工业中的实施架构和应用实践,为促进烟草工业边缘计算的发展提供参考。     

IOTSim: A simulator for analysing IoT applications

A disruptive technology that is influencing not only computing paradigm but every other business is the rise of big data. Internet of Things (IoT) applications are considered to be a major source of big data. Such IoT applications are in general supported through clouds where data is stored and processed by big data processing systems. In order to improve the efficiency of cloud infrastructure so that they can efficiently support IoT big data applications, it is important to understand how these applications and the corresponding big data processing systems will perform in cloud computing environments. However, given the scalability and complex requirements of big data processing systems, an empirical evaluation on actual cloud infrastructure can hinder the development of timely and cost effective IoT solutions. Therefore, a simulator supporting IoT applications in cloud environment is highly demanded, but such work is still in its infancy. To fill this gap, we have designed and implemented IOTSim which supports and enables simulation of IoT big data processing using MapReduce model in cloud computing environment. A real case study validates the efficacy of the simulator.