物联网与云计算在计算机网络中的应用

业界专家和工程技术人员普遍认同将物联网分为3个层次，即应用层、网络层及感知层。所构建的物联网应是由“云+端”组成的庞大网络。随着传感器网大规模部署，各种终端像“海”一样，分布在各种各样的基础设施上并采集信息，通过各种网络将这些信息发送到“云”进行计算和处理，经过计算和处理的信息再到应用层，为各种应用提供服务。

人类通过各种信息感应、探测、识别、定位、跟踪和监控等手段和设备实现对物理世界的“感、知、控”，这一环节称为物联网的“前端”，而基于互联网计算的体现智能以及对物理世界的反馈和控制称为物联网的“后端”。物联网的“前端”和“后端”同样重要。从“后端”看，物联网是一个基于互联网、以提高物理世界的运行、管理、资源使用效率等为目标的大规模信息系统，这个系统具备实时感应、高度并发、自主协同和涌现效应等特征。

云计算为用户提供一种新型高效率的计算模式，兼有服务便利、廉价及大型机功能。它将资源集中于互联网上的数据中心，提供应用层、平台层和基础设施层的集中服务，解决传统系统零散性带来的低效问题。云计算强调信息资源的聚集、优化、动态分配和回收，它节约了成本、降低了能耗、减轻了用户负担，增值了服务，提高了数据中心效率，被业界认为是支撑物联网“后端”的最佳选择和物联网的重要计算环境。

1.云计算概念

云计算（Cloud computing）是基于网络的新计算模式。它将计算、数据、应用等资源作为一种服务形式，通过网络提供给终端用户。在此环境中，用户无须了解云的基础设施细节，无须具备专业知识，无须直接控制，只需关注需哪种资源，以及如何通过网络得到相应的服务。

云计算是一种基于数据中心，强调性价比、效能和可信度的服务运营模式，可实现高效性、灵活性、可控性三个目标。图12-18为云计算的工作模式。

云计算通过分布式计算和虚拟化技术建设数据中心或超级计算机，集成服务资源（硬件资源为服务器、存储器、处理器，软件资源为应用软件、集成开发环境），集中千、万计算机资源为用户提供所需，以租赁或免费方式向客户提供数据存储、分析、科学计算等服务。云计算对资源基本采用集中式存放管理，对资源分配调度采用分布式和虚拟化技术，不强调网络终端功能的强与弱。

图12-18 云计算的工作模式

目前，云计算的主要服务形式有以亚马逊公司为代表的基础设施即服务（IaaS）、以Google为代表的信息搜索平台即服务（PaaS）和以微软代表的软件即服务（SaaS）等。

2.云计算特点

云计算资源在使用者看来无限可取，通过联网计算机与各种终端，通过互联网接入到数据中心，随时获得实时应用、按需计算、存储资源，按使用付费，安全、方便、可靠，不用担心数据丢失与病毒入侵等威胁。

云计算体现软件即服务的理念。由于用户可根据自己需求，按需使用存储与计算资源，可降低中、小企业的产品设计、生产管理、电子商务应用的成本。从用户角度看，将省去在服务器和软件购买授权方面的开支；从供应商角度看，只需维持一个程序即可，从而降低运营成本，它可将开发环境作为服务提供给用户。

云计算可分为私有云与公共云，区别主要表现于服务模式。公共云的主要优点是服务面广且服务价格低廉；私有云则提供虚拟化及安全监控功能，用户按需对数据库，应用软件服务器和存储系统等资源分配，为应用提供支持，私有云需自建或租用服务器，更安全。

私有云体系架构的应用比传统服务器/应用软件模式更为高效。其组成软件是具代表性的虚拟化系统，如常见的VMware或Xen，或Eucalyptus开源产品。目前对私有云构成还无统一的标准，一些私有云完全包含在数据中心内，也有一些私有云为虚拟模式。如亚马逊推出的云计算产品的虚拟私有云版本，可帮助用户在其数据中心访问提供商的云服务。

3.云计算关键技术

云计算是以数据为中心的一种数据密集型超级计算，其实质是计算、存储、服务、应用软件等软、硬件资源的虚拟化。云计算关键技术包括：虚拟化、数据存储、数据管理、编程模式等。

1）虚拟化技术。通过虚拟化技术可实现软件应用与底层硬件相隔离。这包括将单个资源划分成多个虚拟资源的裂分模式，也包括将多个资源整合成一个虚拟资源的聚合模式。

虚拟化技术根据对象可分成存储虚拟化、计算虚拟化、网络虚拟化等，计算虚拟化又分为系统级虚拟化、应用级虚拟化和桌面虚拟化。每一个应用部署的环境和物理平台都无关，通过虚拟平台进行管理。对应用进行扩展、迁移、备份，所有操作均通过虚拟化层次来完成。

服务器虚拟化是云计算平台底层架构的重要基础。在服务器虚拟化中，虚拟化软件需要实现对硬件抽象，资源分配、调度和管理，虚拟机与宿主操作系统及多个虚拟机间的隔离等功能，目前的典型实现有CitrixXen、VMware ESX Server和Microsoft Hyper-V等。

2）数据存储技术。云计算系统由大量服务器组成，云计算系统采用分布式存储方式存储数据，用冗余存储方式保证数据的可靠性。云计算中广泛使用的数据存储系统是Google的GFS（Google File System）和Hadoop团队开发GFS的开源实现HDFS。Yahoo、Intel的云计算方案采用HDFS数据存储技术。目前这两种技术都已成为事实上的云计算标准。

GFS实质是一个可扩展分布式文件系统，主要应用于针对大型、分布式、对大量数据访问的系统。GFS可运行于廉价的普通硬件之上，并提供容错功能，给大量用户提供总体性能较高的计算服务。一个GFS集群由一个主服务器（master）和大量的块服务器（chunkserver）构成，并被多客户访问。它的主服务器存储文件系统所有的元数据，包括：名字空间、访问控制信息、从文件到块的映射以及块的当前位置，也控制系统范围的活动，如块租约（lease）管理，孤立块的垃圾收集，块服务器间的块迁移。主服务器定期通过Heart Beat消息与每一个块服务器通信，给块服务器传递指令并收集它的状态。GFS中文件切分为64MB块并冗余存储，每份数据在系统中保存三个以上的备份。

客户与主服务器的交换只限于对元数据的操作，所有数据方面的通信都直接与块服务器联系，这就大大提高了系统效率，防止主服务器负载过重。

3）数据管理技术。云计算的数据管理技术针对分布的、海量的数据进行处理分析，数据管理需要高效。

目前主要是Google的BT（Big Table）数据管理技术和Hadoop团队开发的开源数据管理模块HBase。这两种技术也是事实上的工业界标准。

BT是建立在GFS，Scheduler，Lock Service和Map Reduce之上的大型分布式数据库。它与传统的关系数据库有所不同，将所有数据都作为对象处理，形成巨大表格，用来分布存储大规模结构化数据。Google很多项目使用BT存储数据，如网页查询、Google Earth与Google金融等。这些应用对BT的要求不尽相同，针对数据大小（从URL到网页到卫星图像）不同，反应速度不同（后端大批处理到实时数据服务）的各种要求，BT能提供灵活高效的服务。

4）编程模式。Map-Reduce是Google开发的Java、Python、C++编程模型，是一种简化的分布式编程模型与高效的任务调度模型的集成，用于大规模数据集（>1TB）的并行运算。严格编程模型使云计算环境下编程较为简单，容易实现。Map-Reduce的思想是将要执行的问题分解成Map（映射）和Reduce（化简）的方式，先通过Map程序将数据切割成不相关的区块，分配（调度）给大量计算机处理，达到分布式运算的效果，再通过Reduce程序将结果汇总输出。(www.xing528.com)

云计算平台管理技术。云计算资源规模庞大，服务器数量众多并分布于不同地点，同时运行数百种应用，需要有效管理这些服务器，保证整个系统提供不间断的服务。云计算系统的平台管理技术能使大量服务器协同工作，方便进行业务部署和开通，快速发现和恢复系统故障，通过自动化、智能化手段实现大规模系统可靠运营。

云计算与网格计算的区别主要体现在不同的计算模式与实现方法上。网格计算是伴随网络应用发展而产生的一种专门针对复杂科学计算而出现的新型计算模式，出现于20世纪90年代。网格计算利用网络将分散于不同地理位置的计算机组成一台“虚拟超级计算机”，其中每一参与计算的计算机就是一个“结点”，千万个结点形成“网格”。这样的“虚拟超级计算机”形成超强计算能力，并能充分利用网络上空闲计算资源。网格计算可认为是超级计算机及计算机集群的延伸，如DNA生物信息的超级计算。

云计算将网络计算变为公共设施，以服务租用的模式向用户提供服务，摆脱了传统自建网络信息系统的习惯思维与模式。未来的网络应用，从固定设备到各种移动装置、到搜索引擎、网络信箱等基本网络服务、大数据量分析、大型物流规划设计与运行跟踪、大型工程设计及国防军事等应用都可通过云计算实现。

4.物联网与海计算

（1）海计算（Sea Computing）

海计算是美国通用汽车金融服务公司在2009技术创新大会上提出的全新概念。海计算是通过在物理世界的物体中融入计算与通信设备及智能算法，让物与物间能互连，在事先无法预知的场景中进行判断，实现物与物之间的交互作用。与云计算的后端处理相比，海计算指智能设备的前端处理。它一方面通过强化融入在各物体中的信息装置，实现物体与信息装置的紧密融合，有效获取物质世界的信息，另一方面通过强化海量的独立个体之间的局部即时交互和分布式智能，使物体具备自组织、自计算、自反馈的计算功能。

海计算为用户提供基于互联网的一站式服务，是一种最简单、可依赖的互联网需求交互模式。用户只要在海计算中输入服务需求，系统即能明确识别这种需求，并将该需求分配给最优的应用或内容资源提供商处理，最终返回给用户相匹配的结果。

云计算是服务器端的计算模式，而海计算代表着终端的计算模式。海计算倡导由多个融入信息装置、具一定自主性的物体，通过局部交互而形成具有群体智能的系统。

海计算特点是，充分利用局部性原理，有效缩短物联网的业务直径，即覆盖从感知、传输、处理与智能决策，到控制的路径，从而降低能耗，提高效率；具有通用结构。通过引入融入信息装置的“自主物体”，有利于产生通用、可批量、重用的物联网部件与技术，这是产业主流产品的必备特征；分散式结构。强调分散式结构，这样容易消除单一控制、单一瓶颈与单一故障点。海计算扩展灵活，群体智能使物联网海计算更能适应需求与环境的变化。

（2）物理实时信息采集

针对物理世界的实时信息，采集方式可分为直接采集和间接采集。直接采集指利用各种采集设备直接从物理世界的信源采集信息，包括自动采集、人工采集和混合采集；间接采集指针对事先被上传到互联网上仍保持时效性的实时信息进行采集。物联网多采用自动采集方式。自动采集指利用各种采集设备，针对某一目标主体连续实时地采集信息。常见采集设备包括物理传感器、化学传感器、生物传感器、射频识别标签以及识别设备、全球定位系统设备等。物联网中，把所标记的物体的相关信息事先写入射频识别标签，通过标签接收阅读器发出的射频信号，凭借感应电流所获得的能量将存储在芯片中的物体信息发出，这样阅读器就能采集物体信息，并以此判定物体的位置和数量等实时信息。

（3）实时信息处理

实时信息处理是指将原数据加工成信息的过程，涉及分类实时信息收集、数据规整、实时场景重构和数据挖掘等步骤，其中分类实时信息包括可视信息、音频信息及其它物理量或化学量。实时场景重构技术是实时信息处理研究领域的一个重要课题。该技术是指通过一定数量的实时信息采集设备（无线手持设备与固定视频图像采集设备）采集信息，并用采集到的分类实时信息进行信息源的场景重构。实时场景重构实现涉及分类实时信息。

（4）实时信息发布

实时信息分发模型包括Pull与Push两种模型。Pull模型一般是由用户主动发起信息请求，经处理后转化成采集指令，信息源采集设备将采集到信息传回给用户；Push模型一般是由信息源采集设备采集到实时信息，并经处理后，根据用户个性需求，有选择地传送。

实时信息系统还有若干技术问题需解决，如信息精准度问题、传递延迟及隐私问题等。

物联网具有显著的异构性、混杂性和超大规模等特点。异构性表现在不同制造商、不同拥有者、不同类型、不同级别、不同范畴的对象网络共存于物联网中，网络之间在通信协议、信息属性、应用特征等多个方面存在差异性，并形成混杂的异构网络或“网中网”形态；混杂性表现在网络形态和组成的异构混杂性，多信息源的并发混杂性，场景、服务和应用的混杂性等多个方面。

物联网的上述特点决定了感知层数据的特性，即异构、混杂、大规模实时流的感知数据。同时，感知数据还具有显著的时空特性，即感知数据在特定时间和特定空间内才有意义。如交通相关信息，这些信息通过许多结点实时采集，是大数据量并随时间不断采样的实时流信息。这些信息的需要者是在该区域的人与车辆，需要即时的道路、拥塞或停车信息，以便及时掌握路况动态，调整行车路线或停车地点。其他区域的人与车仅需了解大概情况，实时性要求并不是很高。

大量感知信息在采集时使用本地存储，经处理后的中间或最后结果在互联网上存储，放在云的数据中心。感知信息的预处理、判断和决策等信息处理主要在当前场景下的前端完成，而必需的大运算量的计算通过云端数据中心处理，这种策略，节省通信带宽，减轻网络要传输的海量感知数据。云端数据中心再大也难以存储实时流的原始感知数据，有时也没有必要存储原始感知数据，要满足很多实时性的应用，需采用海计算来完成。

海计算是新的计算模式，其实质是把智能推向网络前端，并具存储、计算和通信能力，能在局部场景空间内的前端间协同感知与判断决策，对感知事件及时响应，具高度动态自治性。

（5）云、海计算的联系与区别

IPv6“地球沙粒”海量地址的容量设计，若按地址量收集的信息量会非常巨大，把信息量全部放在云端计算则完全不现实。海计算概念的提出，就是先让各种终端进行简单的信息处理，使90%以上基础信息在传感器的海中处理完成，再汇集云端，云只负责处理从海中提取的复杂信息。海计算为用户提供基于互联网的一站式服务，可依赖需求交互模式，其实现关键在于针对庞大网络、共享机制及协调（优化分配）机制的建立。

用户在海计算中承担任务，并无需为运算付费，而若在云计算中承担，需向云服务提供费用。用户海计算置身于海中无需链接，只需开放搜索工具，海为用户提供信息接入服务。

海是安全和公共的。海的接入有一定要求与门槛（如CPU与存储器要求），审核接入。

无论云计算或海计算，物联网涉及全球物体的规模，及应用需求和感知层数据的特性，决定了物联网的架构需“云海”结合。在局部应用场景，感知数据存储在局部现场，智能前端在协同感知基础上，通过实时交互共同完成事件判断、决策等处理，及时做出反应；云计算端提供面向全球的存储和处理服务，各种前端把处理的中间或最后结果存储到云后端，前端在本地处理过程中，必要时需后端存储信息和处理能力的支持。