摘要
雾网络是云计算向边缘计算的延伸,它可以根据需求分层、区域地进行计算,从而解决可能出现的网络拥塞等现象.雾网络有多个处理数据的中心节点,称为“雾节点”.由于雾节点更靠近终端用户,因此雾网络被认为是未来网络的关键启用技术. 雾节点具有有限容量的缓冲区.由于雾节点的广泛分布,雾网络的能量消耗将是很大的问题,为了延长节点寿命,考虑具有能量收集(EH)能力的雾节点,但是由于能量的收集过程是不稳定的,且到达的数据也具有高突发性,如果节点缓冲区的容量太小,节点缓冲区可能发生数据的溢出甚至数据的丢失,如果缓冲区容量过大,可能会降低缓冲区设备的利用率,因此设计能够提高这些节点的效率的技术至关重要. 本文基于随机流体模型(SFM)框架,对雾网络节点进行SFM建模,并对节点缓冲区的性能进行分析.首先基于传统的SFM对具有能量收集能力的雾网络节点进行建模,将能量收集过程和数据到达过程建模为多状态的连续的随机过程,运用矩阵分析方法对雾节点性能进行平稳分析,得出雾节点中数据缓冲区中数据占有水平和能量缓冲区中能量占有水平的联合分布,以及联合缓冲区中数据发生溢出和缓冲区发生闲置的概率的确切算法.通过数值分析,验证了本文提出的性能指标的可行性,并分析了系统参数对性能指标的影响. 由于雾节点系统瞬时动态对于系统的稳定性也非常重要,其次本文基于多层二维随机流体模型(ML-2DSFM)对雾节点缓冲区的数据处理进行控制分析.首先提出ML-2DSFM,不同于传统的SFM和二维随机流体模型(2D-SFM),ML-2DSFM中奖励过程不仅取决于背景过程也取决于水平过程,其次,运用矩阵分析方法和水平穿越方法推导出不同时间间隔内奖励函数的Laplace-Stieltjes变换(LST).基于ML-2DSFM,将各种时间依赖性性能度转化为奖励过程的积分,得出雾节点缓冲区的三个首达时(FPTs),用该性能评估技术来分析雾节点缓冲区的性能.最后通过数值模拟验证了相关理论的有效可行性.本文的结论对雾网络节点的设计与管理具有实际意义.
NETL