出版者的話
譯者序
前言
致謝
作者名單
第一部分　基礎(chǔ)原理
第1章　物聯(lián)網(wǎng)和新的計算范式2
1.1　引言2
1.2　相關(guān)技術(shù)4
1.3　通過霧計算和邊緣計算完成云計算5
1.3.1　FEC的優(yōu)勢：SCALE5
1.3.2　FEC如何實現(xiàn)SCALE五大優(yōu)勢：通過SCANC6
1.4　霧計算和邊緣計算的層次結(jié)構(gòu)8
1.4.1　內(nèi)邊緣9
1.4.2　中邊緣9
1.4.3　外邊緣9
1.5　商業(yè)模式10
1.5.1　X即服務(wù)10
1.5.2　支持服務(wù)11
1.5.3　應(yīng)用服務(wù)11
1.6　機遇和挑戰(zhàn)11
1.6.1　開箱即用的體驗11
1.6.2　開放平臺12
1.6.3　系統(tǒng)管理13
1.7　結(jié)論13
參考文獻14
第2章　解決聯(lián)合邊緣資源面臨的挑戰(zhàn)16
2.1　引言16
2.2　組網(wǎng)挑戰(zhàn)17
2.2.1　聯(lián)合邊緣環(huán)境中的組網(wǎng)挑戰(zhàn)18
2.2.2　解決組網(wǎng)挑戰(zhàn)19
2.2.3　未來研究方向21
2.3　管理挑戰(zhàn)22
2.3.1　聯(lián)合邊緣環(huán)境中的管理挑戰(zhàn)22
2.3.2　目前的研究23
2.3.3　解決管理挑戰(zhàn)23
2.3.4　未來研究方向24
2.4　其他挑戰(zhàn)25
2.4.1　資源挑戰(zhàn)25
2.4.2　建模挑戰(zhàn)27
2.5　結(jié)論28
參考文獻28
第3章　集成物聯(lián)網(wǎng)+霧+云基礎(chǔ)設(shè)施：系統(tǒng)建模和研究挑戰(zhàn)33
3.1　引言33
3.2　方法論34
3.3　集成C2F2T文獻中的建模技巧36
3.3.1　解析模型37
3.3.2　佩特里網(wǎng)模型39
3.3.3　整數(shù)線性規(guī)劃41
3.3.4　其他方法41
3.4　集成C2F2T文獻中的應(yīng)用場景42
3.5　集成C2F2T文獻中的度量指標(biāo)44
3.5.1　能耗44
3.5.2　性能45
3.5.3　資源消耗45
3.5.4　成本46
3.5.5　服務(wù)質(zhì)量46
3.5.6　安全46
3.6　未來研究方向46
3.7　結(jié)論47
致謝48
參考文獻48
第4章　5G、霧計算、邊緣計算和云計算中網(wǎng)絡(luò)切片的管理和編排51
4.1　引言51
4.2　背景52
4.2.1　5G52
4.2.2　云計算53
4.2.3　移動邊緣計算53
4.2.4　邊緣計算與霧計算53
4.3　5G中的網(wǎng)絡(luò)切片54
4.3.1　基礎(chǔ)設(shè)施層55
4.3.2　網(wǎng)絡(luò)功能和虛擬化層55
4.3.3　服務(wù)和應(yīng)用層55
4.3.4　切片管理和編排56
4.4　軟件定義云中的網(wǎng)絡(luò)切片56
4.4.1　網(wǎng)絡(luò)感知虛擬機管理56
4.4.2　網(wǎng)絡(luò)感知虛擬機遷移規(guī)劃57
4.4.3　虛擬網(wǎng)絡(luò)功能管理58
4.5　邊緣和霧中的網(wǎng)絡(luò)切片管理59
4.6　未來研究方向60
4.6.1　軟件定義云60
4.6.2　邊緣計算與霧計算61
4.7　結(jié)論62
致謝62
參考文獻62
第5章　霧計算和邊緣計算的優(yōu)化問題67
5.1　引言67
5.2　背景及相關(guān)工作68
5.3　預(yù)備知識69
5.4　霧計算優(yōu)化案例70
5.5　霧計算的形式化建�？蚣�70
5.6　指標(biāo)71
5.6.1　性能71
5.6.2　資源使用72
5.6.3　能耗72
5.6.4　財務(wù)成本73
5.6.5　其他質(zhì)量屬性73
5.7　霧結(jié)構(gòu)中的優(yōu)化機會73
5.8　服務(wù)生命周期中的優(yōu)化機會74
5.9　霧計算中優(yōu)化問題的分類75
5.10　優(yōu)化技術(shù)76
5.11　未來研究方向76
5.12　結(jié)論77
致謝77
參考文獻77
第二部分　中間件
第6章　霧計算和邊緣計算的中間件：設(shè)計問題82
6.1　引言82
6.2　對霧計算和邊緣計算中間件的需求82
6.3　設(shè)計目標(biāo)83
6.3.1　Ad-Hoc設(shè)備發(fā)現(xiàn)83
6.3.2　運行時期執(zhí)行環(huán)境83
6.3.3　最小的任務(wù)中斷83
6.3.4　操作參數(shù)的開銷83
6.3.5　環(huán)境感知自適應(yīng)設(shè)計84
6.3.6　服務(wù)質(zhì)量84
6.4　最先進的中間件基礎(chǔ)設(shè)施84
6.5　系統(tǒng)模型85
6.5.1　嵌入式傳感器或執(zhí)行器85
6.5.2　個人設(shè)備85
6.5.3　霧服務(wù)器85
6.5.4　微云86
6.5.5　云服務(wù)器86
6.6　建議架構(gòu)86
6.6.1　API規(guī)范87
6.6.2　安全性87
6.6.3　設(shè)備發(fā)現(xiàn)87
6.6.4　中間件87
6.6.5　傳感器/執(zhí)行器89
6.7　案例研究示例89
6.8　未來研究方向90
6.8.1　人類參與和環(huán)境感知90
6.8.2　移動性90
6.8.3　安全可靠的執(zhí)行90
6.8.4　任務(wù)的管理和調(diào)度90
6.8.5　分布式執(zhí)行的模塊化90
6.8.6　結(jié)算和服務(wù)水平協(xié)議91
6.8.7　可擴展性91
6.9　結(jié)論91
參考文獻91
第7章　邊緣云架構(gòu)的輕量級容器中間件96
7.1　引言96
7.2　背景及相關(guān)工作97
7.2.1　邊緣云架構(gòu)97
7.2.2　用例98
7.2.3　相關(guān)工作98
7.3　輕量級邊緣云集群99
7.3.1　輕量級軟件—容器化99
7.3.2　輕量級硬件—Raspberry Pi集群100
7.4　架構(gòu)管理—存儲與編排100
7.4.1　自建的集群存儲與編排101
7.4.2　OpenStack 存儲101
7.4.3　Docker編排103
7.5　物聯(lián)網(wǎng)集成105
7.6　邊緣云架構(gòu)的安全管理105
7.6.1　安全要求和區(qū)塊鏈原則106
7.6.2　基于區(qū)塊鏈的安全架構(gòu)107
7.6.3　基于區(qū)塊鏈的集成編排108
7.7　未來研究方向110
7.8　結(jié)論111
參考文獻111
第8章　霧計算中的數(shù)據(jù)管理114
8.1　引言114
8.2　背景115
8.3　霧數(shù)據(jù)管理116
8.3.1　霧數(shù)據(jù)生命周期117
8.3.2　數(shù)據(jù)特征118
8.3.3　數(shù)據(jù)預(yù)處理與分析118
8.3.4　數(shù)據(jù)隱私120
8.3.5　數(shù)據(jù)存儲與數(shù)據(jù)暫存120
8.3.6　電子健康案例研究120
8.3.7　提出的架構(gòu)121
8.4　未來研究方向125
8.4.1　安全性125
8.4.2　霧計算與存儲層次的定義125
8.5　結(jié)論125
參考文獻125
第9章　支持霧應(yīng)用程序部署的預(yù)測性分析128
9.1　引言128
9.2　案例：智能建筑129
9.3　使用FogTorchΠ進行預(yù)測性分析133
9.3.1　應(yīng)用程序和基礎(chǔ)設(shè)施建模133
9.3.2　搜索符合條件的部署133
9.3.3　估算資源消耗和成本135
9.3.4　QoS保證度的估計137
9.4　案例（續(xù)）139
9.5　相關(guān)工作141
9.5.1　云應(yīng)用程序部署支持141
9.5.2　霧應(yīng)用程序部署支持142
9.5.3　成本模型142
9.5.4　比較iFogSim和FogTorchΠ143
9.6　未來研究方向145
9.7　結(jié)論146
參考文獻146
第10章　使用機器學(xué)習(xí)保護物聯(lián)網(wǎng)系統(tǒng)的安全和隱私151
10.1　引言151
10.1.1　物聯(lián)網(wǎng)中的安全和隱私問題示例151
10.1.2　物聯(lián)網(wǎng)中不同層的安全問題152
10.1.3　物聯(lián)網(wǎng)設(shè)備中的隱私問題154
10.1.4　物聯(lián)網(wǎng)安全漏洞深度挖掘：物聯(lián)網(wǎng)設(shè)備上的分布式拒絕服務(wù)攻擊156
10.2　背景159
10.2.1　機器學(xué)習(xí)簡述159
10.2.2　常用機器學(xué)習(xí)算法160
10.2.3　機器學(xué)習(xí)算法在物聯(lián)網(wǎng)中的應(yīng)用161
10.2.4　基于物聯(lián)網(wǎng)領(lǐng)域的機器學(xué)習(xí)算法162
10.3　保護物聯(lián)網(wǎng)設(shè)備的機器學(xué)習(xí)技術(shù)綜述164
10.3.1　物聯(lián)網(wǎng)安全機器學(xué)習(xí)解決方案的系統(tǒng)分類164
10.3.2　機器學(xué)習(xí)算法在物聯(lián)網(wǎng)安全中的應(yīng)用165
10.3.3　使用人工神經(jīng)網(wǎng)絡(luò)預(yù)測和保護物聯(lián)網(wǎng)系統(tǒng)166
10.3.4　新型物聯(lián)網(wǎng)設(shè)備攻擊167
10.3.5　關(guān)于使用有效機器學(xué)習(xí)技術(shù)實現(xiàn)物聯(lián)網(wǎng)安全的提案167
10.4　霧計算中的機器學(xué)習(xí)169
10.4.1　介紹169
10.4.2　用于霧計算和安全的機器學(xué)習(xí)169
10.4.3　機器學(xué)習(xí)在霧計算中的應(yīng)用170
10.4.4　霧計算安全中的機器學(xué)習(xí)170
10.4.5　用于霧計算的其他機器學(xué)習(xí)算法171
10.5　未來研究方向172
10.6　結(jié)論172
參考文獻173
第三部分　應(yīng)用和問題
第11章　大數(shù)據(jù)分析的霧計算實現(xiàn)178
11.1　引言178
11.2　大數(shù)據(jù)分析179
11.2.1　優(yōu)點179
11.2.2　大數(shù)據(jù)分析典型基礎(chǔ)設(shè)施179
11.2.3　技術(shù)180
11.2.4　云中的大數(shù)據(jù)分析181
11.2.5　內(nèi)存分析181
11.2.6　大數(shù)據(jù)分析流程181
11.3　霧中的數(shù)據(jù)分析182
11.3.1　霧分析182
11.3.2　霧引擎183
11.3.3　使用霧引擎進行數(shù)據(jù)分析184
11.4　原型和評估185
11.4.1　架構(gòu)185
11.4.2　配置186
11.5　案例研究189
11.5.1　智能家居189
11.5.2　智能營養(yǎng)監(jiān)測系統(tǒng)191
11.6　相關(guān)工作193
11.7　未來研究方向195
11.8　結(jié)論196
參考文獻196
第12章　在健康監(jiān)測中運用霧計算199
12.1　引言199
12.2　具有霧計算的基于物聯(lián)網(wǎng)的健康監(jiān)測系統(tǒng)架構(gòu)200
12.2.1　設(shè)備（傳感器）層 201
12.2.2　具有霧計算的智能網(wǎng)關(guān)202
12.2.3　云服務(wù)器和最終用戶終端202
12.3　智能電子健康網(wǎng)關(guān)中的霧計算服務(wù)203
12.3.1　本地數(shù)據(jù)庫（存儲）203
12.3.2　推送通知204
12.3.3　分類204
12.3.4　具有用戶界面的本地主機204
12.3.5　互操作性204
12.3.6　安全205
12.3.7　人體跌倒檢測205
12.3.8　故障檢測207
12.3.9　數(shù)據(jù)分析207
12.4　系統(tǒng)實現(xiàn)207
12.4.1　傳感器節(jié)點實現(xiàn)207
12.4.2　具有霧的智能網(wǎng)關(guān)實現(xiàn)208
12.4.3　云服務(wù)器和終端210
12.5　案例研究、實驗結(jié)果和評估210
12.5.1　人體跌倒檢測的案例研究210
12.5.2　心率變異性的案例研究211
12.6　連接組件的討論213
12.7　霧計算中的相關(guān)應(yīng)用214
12.8　未來研究方向214
12.9　結(jié)論215
參考文獻215
第13章　用于實時人物目標(biāo)跟蹤的邊緣智能監(jiān)控視頻流處理219
13.1　引言219
13.2　人物目標(biāo)檢測220
13.2.1　Haar級聯(lián)特征提取220
13.2.2　HOG+SVM221
13.2.3　卷積神經(jīng)網(wǎng)絡(luò)223
13.3　目標(biāo)跟蹤224
13.3.1　特征表示225
13.3.2　目標(biāo)跟蹤技術(shù)分類225
13.3.3　基于點的跟蹤226
13.3.4　基于內(nèi)核的跟蹤227
13.3.5　基于輪廓的跟蹤228
13.3.6　核化相關(guān)濾波器228
13.4　輕量級人物檢測230
13.5　案例分析231
13.5.1　人物目標(biāo)檢測232
13.5.2　目標(biāo)跟蹤234
13.6　未來研究方向235
13.7　結(jié)論236
參考文獻236
第14章　智能交通應(yīng)用發(fā)展中的霧計算模型239
14.1　引言239
14.2　數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)240
14.3　智能交通應(yīng)用程序的關(guān)鍵任務(wù)計算要求241
14.3.1　模塊化242
14.3.2　可擴展性242
14.3.3　環(huán)境感知和抽象支持242
14.3.4　權(quán)力分散242
14.3.5　云數(shù)據(jù)中心的能耗243
14.4　智能交通應(yīng)用程序中的霧計算243
14.4.1　認(rèn)知244
14.4.2　效率244
14.4.3　敏捷性244
14.4.4　時延245
14.5　案例研究：智能交通燈管理系統(tǒng)247
14.6　霧編排挑戰(zhàn)和未來方向249
14.6.1　物聯(lián)網(wǎng)空間智能交通應(yīng)用程序的霧編排挑戰(zhàn)249
14.7　未來研究方向250
14.7.1　部署階段的機會251
14.7.2　運行階段的機會251
14.7.3　評估階段的機會：大數(shù)據(jù)驅(qū)動的分析和優(yōu)化252
14.8　結(jié)論253
參考文獻254
第15章　基于霧的物聯(lián)網(wǎng)應(yīng)用程序的測試視角257
15.1　引言257
15.2　背景258
15.3　測試視角259
15.3.1　智能家居259
15.3.2　智能健康262
15.3.3　智能交通266
15.4　未來研究方向270
15.4.1　智能家居270
15.4.2　智能健康271
15.4.3　智能交通273
15.5　結(jié)論274
參考文獻275
第16章　在霧計算中運行物聯(lián)網(wǎng)應(yīng)用的法律問題278
16.1　引言278
16.2　相關(guān)工作279
16.3　霧應(yīng)用、邊緣應(yīng)用、物聯(lián)網(wǎng)應(yīng)用的分類279
16.4　GDPR約束對云、霧和物聯(lián)網(wǎng)應(yīng)用的影響280
16.4.1　GDPR中的定義和術(shù)語280
16.4.2　GDPR規(guī)定的義務(wù)282
16.4.3　歐盟以外的數(shù)據(jù)轉(zhuǎn)移285
16.4.4　總結(jié)286
16.5　按設(shè)計原則進行數(shù)據(jù)保護287
16.5.1　采用數(shù)據(jù)保護原則的原因287
16.5.2　GDPR中的隱私保護288
16.5.3　默認(rèn)數(shù)據(jù)保護288
16.6　未來研究方向289
16.7　結(jié)論290
致謝290
參考文獻290
第17章　使用iFogSim工具包對霧計算和邊緣計算環(huán)境進行建模和仿真292
17.1　引言292
17.2　iFogSim仿真器及其組件293
17.2.1　物理組件293
17.2.2　邏輯組件294
17.2.3　管理組件294
17.3　安裝iFogSim294
17.4　使用iFogSim搭建仿真過程295
17.5　示例場景295
17.5.1　使用異構(gòu)配置創(chuàng)建霧節(jié)點295
17.5.2　創(chuàng)建不同的應(yīng)用程序模型296
17.5.3　具有不同配置的應(yīng)用程序模塊299
17.5.4　具有不同元組發(fā)射率的傳感器300
17.5.5　從傳感器發(fā)送特定數(shù)量的元組300
17.5.6　霧設(shè)備的移動性301
17.5.7　將低層霧設(shè)備與附近網(wǎng)關(guān)連接303
17.5.8　創(chuàng)建霧設(shè)備集群304
17.6　部署策略的仿真305
17.6.1　物理環(huán)境的結(jié)構(gòu)305
17.6.2　邏輯組件的假設(shè)306
17.6.3　管理（應(yīng)用程序部署）策略306
17.7　智能醫(yī)療案例研究314
17.8　結(jié)論316
參考文獻316