目录
译者序
前言
第一部分 雾的通信与管理
第1章 ParaDrop：家用网关的边缘计算平台2
1.1 引言2
1.1.1 通过ParaDrop实现无线网关的多重任务管理及相关应用3
1.1.2 ParaDrop平台的性能4
1.2 在ParaDrop平台上实现服务5
1.3 为ParaDrop平台开发服务7
1.3.1 依托ParaDrop平台实现监控摄像头业务7
1.3.2 依托ParaDrop平台实现环境传感器业务10
参考文献10
第2章 管理带宽11
2.1 引言11
2.1.1 利用雾12
2.1.2 家庭问题的解决方案12
2.2 相关研究14
2.3 信用分配和最优信用支出15
2.3.1 信用分配15
2.3.2 最优信用支出17
2.4 在线带宽分配算法18
2.4.1 估计其他网关的支出18
2.4.2 在线信用支出决策和应用优先级设置20
2.5 设计与实现20
2.5.1 流量和设备分类22
2.5.2 速率限制引擎22
2.5.3 流量优先级设置引擎23
2.6 实验结果24
2.6.1 速率限制24
2.6.2 流量优先级设置25
2.7 网关共享结果26
2.8 结论29
致谢30
附录2.A30
参考文献33
第3章 面向雾网络的社交感知协作D2D与D4D通信35
3.1 引言35
3.1.1 从社交信任和社交互惠到D2D协作36
3.1.2 智能电网：社交感知协作的D2D和D4D通信的物联网案例37
3.1.3 主要结论39
3.2 相关研究39
3.3 系统模型40
3.3.1 物理（通信）图模型40
3.3.2 社交图模型42
3.4 面向雾网络的社交感知协作D2D和D4D通信概述42
3.4.1 基于社交信任的中继选择43
3.4.2 基于社交互惠的中继选择43
3.4.3 基于社交信任和社交互惠的中继选择47
3.5 网络辅助中继选择机制48
3.5.1 互惠中继选择循环发现48
3.5.2 NARS机制49
3.5.3 NARS机制的特性51
3.6 仿真53
3.6.1 ER社交图53
3.6.2 基于实际追踪的社交图56
3.7 结论58
致谢59
参考文献59
第4章 你值得拥有更好的性能（来自你的智能设备）62
4.1 为什么需要提供更好的性能62
4.2 需要在哪里提供更好的性能63
4.3 需要提供什么性能并且怎样提供64
4.3.1 透明度64
4.3.2 可预测性能68
4.3.3 开放性73
4.4 结论74
致谢75
参考文献75
第二部分 雾的存储与计算
第5章 提高通信效率的分布式缓存80
5.1 引言80
5.2 微微缓存81
5.2.1 系统模型81
5.2.2 来自帮助者节点的
自适应流84
5.3 用户缓存85
5.3.1 基于簇的缓存和D2D通信85
5.3.2 基于ITLinQ的缓存和通信…88
5.3.3 编码组播93
5.4 结论和展望96
参考文献96
第6章 无线视频雾网络：错误可恢复的实时协作数据流99
6.1 引言99
6.2 相关研究102
6.3 系统运行和网络模型103
6.4 问题建模和复杂度105
6.4.1 NC数据包选择优化106
6.4.2 广播者选择优化107
6.4.3 复杂度分析108
6.5 VBCR:一种用于实时视频且能实现协作恢复的分布启发式算法108
6.5.1 初始信息交换108
6.5.2 协作恢复109
6.5.3 更新信息交换111
6.5.4 视频数据包转发112
6.6 仿真结果113
6.7 结论116
参考文献117
第7章 弹性移动终端云：借助移动终端提供边缘的云计算服务119
7.1 引言119
7.2 设计领域及实例121
7.2.1 Mont-Blanc121
7.2.2 计算与充电并行处理122
7.2.3 FemtoCloud123
7.2.4 Serendipity125
7.3 FemtoCloud性能评估126
7.3.1 实验设置126
7.3.2 FemtoCloud仿真结果127
7.3.3 FemtoCloud原型评估130
7.4 Serendipity性能评估131
7.4.1 实验设置131
7.4.2 Serendipity性能增益132
7.4.3 网络环境的影响132
7.4.4 工作属性的影响136
7.5 挑战137
参考文献138
第三部分 雾的应用
第8章 雾计算在未来汽车行业中的作用142
8.1 引言142
8.2 当前的汽车电子架构143
8.3 汽车E/E架构的未来挑战及解决策略145
8.4 未来汽车——车轮上的雾节点149
8.5 凭借实时计算和时间触发技术实现车轮上的确定性雾节点150
8.5.1 通过虚拟化解决可扩展性挑战的确定性雾节点151
8.5.2 解决连接和安全挑战的确定性雾节点152
8.5.3 汽车应用中确定性雾节点的新用例——全车虚拟化154
8.6 结论155
参考文献155
第9章 现场网络的位置寻址156
9.1 引言156
9.1.1 现场网络156
9.1.2 现场网络面临的挑战157
9.2 位置寻址158
9.3 SAGP:现场的无线位置寻址160
9.3.1 SAGP处理流程160
9.3.2 SAGP重传启发式算法161
9.3.3 SAGP数据包传播示例162
9.3.4 跟随发送:有效的SAGP数据流动163
9.3.5 迎接挑战164
9.4 地理路由:将GA延伸到云端165
9.5 SGAF:大规模GA的一种多层架构166
9.5.1 不同层之间的桥接167
9.5.2 混合安全架构168
9.6 AT&T实验室的位置辅助多播架构169
9.7 两个GA应用实例170
9.7.1 PSCommander170
9.7.2 位置辅助多播游戏172
9.8 结论174
参考文献174
第10章 面向智慧星球的分布式在线学习和流处理175
10.1 引言：智慧星球175
10.2 实例问题：交通运输177
10.3 流处理特征178
10.4 分
鄂公网安备 42010302001612号 