目錄
譯者序
前言
第一部分 霧的通信與管理
第1章 ParaDrop：家用網關的邊緣計算平臺2
1.1 引言2
1.1.1 通過ParaDrop實現無線網關的多重任務管理及相關應用3
1.1.2 ParaDrop平臺的性能4
1.2 在ParaDrop平臺上實現服務5
1.3 為ParaDrop平臺開發服務7
1.3.1 依托ParaDrop平臺實現監控攝像頭業務7
1.3.2 依托ParaDrop平臺實現環境傳感器業務10
參考文獻10
第2章 管理帶寬11
2.1 引言11
2.1.1 利用霧12
2.1.2 家庭問題的解決方案12
2.2 相關研究14
2.3 信用分配和最優信用支出15
2.3.1 信用分配15
2.3.2 最優信用支出17
2.4 在線帶寬分配算法18
2.4.1 估計其他網關的支出18
2.4.2 在線信用支出決策和應用優先級設置20
2.5 設計與實現20
2.5.1 流量和設備分類22
2.5.2 速率限制引擎22
2.5.3 流量優先級設置引擎23
2.6 實驗結果24
2.6.1 速率限制24
2.6.2 流量優先級設置25
2.7 網關共享結果26
2.8 結論29
致謝30
附錄2.A30
參考文獻33
第3章 面向霧網絡的社交感知協作D2D與D4D通信35
3.1 引言35
3.1.1 從社交信任和社交互惠到D2D協作36
3.1.2 智能電網：社交感知協作的D2D和D4D通信的物聯網案例37
3.1.3 主要結論39
3.2 相關研究39
3.3 系統模型40
3.3.1 物理（通信）圖模型40
3.3.2 社交圖模型42
3.4 面向霧網絡的社交感知協作D2D和D4D通信概述42
3.4.1 基于社交信任的中繼選擇43
3.4.2 基于社交互惠的中繼選擇43
3.4.3 基于社交信任和社交互惠的中繼選擇47
3.5 網絡輔助中繼選擇機制48
3.5.1 互惠中繼選擇循環發現48
3.5.2 NARS機制49
3.5.3 NARS機制的特性51
3.6 仿真53
3.6.1 ER社交圖53
3.6.2 基于實際追蹤的社交圖56
3.7 結論58
致謝59
參考文獻59
第4章 你值得擁有更好的性能（來自你的智能設備）62
4.1 為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樣提供64
4.3.1 透明度64
4.3.2 可預測性能68
4.3.3 開放性73
4.4 結論74
致謝75
參考文獻75
第二部分 霧的存儲與計算
第5章 提高通信效率的分布式緩存80
5.1 引言80
5.2 微微緩存81
5.2.1 系統模型81
5.2.2 來自幫助者節點的
自適應流84
5.3 用戶緩存85
5.3.1 基于簇的緩存和D2D通信85
5.3.2 基于ITLinQ的緩存和通信…88
5.3.3 編碼組播93
5.4 結論和展望96
參考文獻96
第6章 無線視頻霧網絡：錯誤可恢復的實時協作數據流99
6.1 引言99
6.2 相關研究102
6.3 系統運行和網絡模型103
6.4 問題建模和復雜度105
6.4.1 NC數據包選擇優化106
6.4.2 廣播者選擇優化107
6.4.3 復雜度分析108
6.5 VBCR:一種用于實時視頻且能實現協作恢復的分布啟發式算法108
6.5.1 初始信息交換108
6.5.2 協作恢復109
6.5.3 更新信息交換111
6.5.4 視頻數據包轉發112
6.6 仿真結果113
6.7 結論116
參考文獻117
第7章 彈性移動終端云：借助移動終端提供邊緣的云計算服務119
7.1 引言119
7.2 設計領域及實例121
7.2.1 Mont-Blanc121
7.2.2 計算與充電并行處理122
7.2.3 FemtoCloud123
7.2.4 Serendipity125
7.3 FemtoCloud性能評估126
7.3.1 實驗設置126
7.3.2 FemtoCloud仿真結果127
7.3.3 FemtoCloud原型評估130
7.4 Serendipity性能評估131
7.4.1 實驗設置131
7.4.2 Serendipity性能增益132
7.4.3 網絡環境的影響132
7.4.4 工作屬性的影響136
7.5 挑戰137
參考文獻138
第三部分 霧的應用
第8章 霧計算在未來汽車行業中的作用142
8.1 引言142
8.2 當前的汽車電子架構143
8.3 汽車E/E架構的未來挑戰及解決策略145
8.4 未來汽車——車輪上的霧節點149
8.5 憑借實時計算和時間觸發技術實現車輪上的確定性霧節點150
8.5.1 通過虛擬化解決可擴展性挑戰的確定性霧節點151
8.5.2 解決連接和安全挑戰的確定性霧節點152
8.5.3 汽車應用中確定性霧節點的新用例——全車虛擬化154
8.6 結論155
參考文獻155
第9章 現場網絡的位置尋址156
9.1 引言156
9.1.1 現場網絡156
9.1.2 現場網絡面臨的挑戰157
9.2 位置尋址158
9.3 SAGP:現場的無線位置尋址160
9.3.1 SAGP處理流程160
9.3.2 SAGP重傳啟發式算法161
9.3.3 SAGP數據包傳播示例162
9.3.4 跟隨發送:有效的SAGP數據流動163
9.3.5 迎接挑戰164
9.4 地理路由:將GA延伸到云端165
9.5 SGAF:大規模GA的一種多層架構166
9.5.1 不同層之間的橋接167
9.5.2 混合安全架構168
9.6 AT&T實驗室的位置輔助多播架構169
9.7 兩個GA應用實例170
9.7.1 PSCommander170
9.7.2 位置輔助多播游戲172
9.8 結論174
參考文獻174
第10章 面向智慧星球的分布式在線學習和流處理175
10.1 引言：智慧星球175
10.2 實例問題：交通運輸177
10.3 流處理特征178
10.4 分
新書資訊