霧端系統類型

隨著霧端運算技術漸漸盛行，交付處理的任務也越來越複雜。以影像處理辨識 的任務為例，影像的畫質以及應用程式所產生的資料量越來越多，因此處理任務的 硬體需求記憶體、電量基礎配備功能需求日以遽增，相較於雲端系統，霧端運算的 架構因具有較廣的分佈性，因此距離不遠處就有一個霧端伺服器能夠接受要求的 任務，更貼近我們的移動用戶設備。

霧端運算在儲存數據方面較仰賴我們的本地設備，儲存設備會將每一個任務 上傳處理之後記錄下該處理的任務類型，讓服務省下作業處理的時間，快速的完成 任務以減少重複性，因此目前研究[8]霧端系統算是一種兼具集中式運算以及分散 式運算的特徵(如圖 3)，符合多功能型的運算需求特徵。

(1) 集中式運算(Centralized computing)

在現有的霧端運算研究中[9-11]，文獻[9]討論了霧端運算節點的集中式緩存 的問題，因為在霧端節點當中，每一個設備與每一項功能都有不同的程度，例如通 訊能力、計算能力、電池容量、消耗量都是我們所會面臨的重要考量參數，一般會 以集中式系統來處理，因為在任務傳遞的時候，每一個霧端伺服器上都會記載著本 身的相同資源剩餘容量，如果某一任務超過了其容量的負載量，就會找尋下一最合 適的霧端伺服器做為候選者，同時也會在每一個客戶所請求的任務記錄本身處歷 過的任務表單，在這表單之中如有處理過相同的任務後，將會持續的應用此霧端伺 服器，減少在任務上重新計算的可能，更能夠減少任務重複性，增加了處理的效率

記憶體 電池 CPU 硬體

分散式運算 集中式運算

圖 3：霧端基本類型

減少延遲時間，例如：甲移動用戶傳遞任務要求給 A 霧伺服器計算，該任務當 A 霧 伺服器接受到任務的時候會通過無線連結點管道獲取任務文件，連結點管道中會 計算哪一台霧端伺服器擁有勝任處理此任務的資格，在這資格當中會考慮容量、距 離、電量、CPU 運算力等等…。比較有利的處理者，在選擇完之後將任務文件取得，

便會開始處理計算，在計算處理的過程中霧端伺服器會開始分工計算、儲存，幫忙 解決並最有效率的將任務處理，如果此任務有在選中的霧端伺服器處理過後，如有 下一個所需要此相同任務的用戶後，皆可以較快速的幫忙處理完畢此任務並且快 速的傳回給客戶，具體來說在每一個不同的霧端伺服器緩存每一個處理過的任務，

在下一個不同用戶請求相同處理過的任務後，可以快速的回傳，並且在霧伺服器當 中，每一個伺服器都是互相合作的，小型的霧端伺服器都有一個容量值，這些值表 示著當前能夠容納多少的應用程式任務，如果在當下該台伺服器超出任務接收的 容量範圍，就會考量周邊是否有相同處理過此任務過的且容量還允許的霧伺服器 來當作後選人來繼承，且在多個霧伺服器互相合作的當下也實現了如圖 4 集中式 的理念，擁有低延遲且低消耗、能夠快速回傳任務處理結果給使用者，不擔心中途 是否發生中斷且具靈活的品質提供。

圖 4：霧端集中式架構

(2) 分散式運算(Distributed computing)

由於目前霧端運算概念逐漸盛行，相對所需架設的基礎設施也越來越多，使得 費用升高，這讓開發者面臨了相當的挑戰。在基礎設施方面，霧端的通信、供電(如 使用綠能的電力風電廠、太陽能源廠、電力公司或電池設備來追求電力維持的標 準)、計算都是建置時需要加以考量的議題。在相關應用中[12-13]，文獻[12]提及 霧端的框架在分散式的架構是以進行分佈式數據儲存(DDS)來進行，這可以保持一 個最佳管控以及能夠完美的容錯方式，霧端在分散式的部份經由許多微小的伺服 器進行節點的分佈，在每一個伺服器中提供相當於中等的運算及儲存功能也提供 了本地的近距離接收任務方式，每一伺服器都有一個接入點來提供霧端傳送，在這 一設備上隨時會監視每一個伺服器的流量來進行調度，這一些流量是為了防止某 一任務流量過大的伺服器導到另一個更快超過承受負載的霧端節點當中，造成無 法處理或是當機的情況發生。所以在避免此種狀況發生，分流會利用設定好的原則 權重去尋找下一個適合且能夠協助運算的霧端節點，提高霧端運算中分散式運算 的好處，讓有限的頻寬發揮最佳效率提供客戶擁有最佳的服務品質，讓分散式特點 強化運算的效能，低延遲、高安全、低能量消耗、低成本的特性，在巨量資料的時 代，將霧端運算推入更高峰，使得分散式運算運用得以發揮的淋漓盡致。