自上世纪90年代开始，通过综合多媒体图形、实时传感、人工智能及仿真等技术，以计算机技术为核心创造三维虚拟环境。利用相关设备，实现视觉、听觉、触觉、味觉等自然方式与虚拟世界物体的互动。随着科技的进步，虚拟现实技术日益完善，已广泛应用于娱乐、军事、医学、设计、艺术等领域。在心理咨询领域中，虚拟技术备受关注，因其让用户体验身临其境的感觉。借助数据手套、数据衣、眼镜显示器、鼠标、头盔显示器等设备，通过感官功能、躯体运动与虚拟环境中的对象互动，实现对虚拟世界中物体的真实控制。

       自2006年提出云计算以来，随着计算机网络的高速发展，云计算已成为计算机互联网系统的主要框架。然而，大量数据的发送和接收操作导致终端用户与数据中心之间的输入输出接口局限，导致数据传输速率显著下降，造成严重延迟[1]。另一方面，随着接入设备数量的增加，带宽问题日益突出。因此，在2012年，提出了雾计算概念，旨在取代将移动设备产生的大量数据转移到云端进行处理的做法，而是将数据处理移到设备边缘区域。这样可以使不需要传送到云端的数据在本地进行存储和计算分析，减少云服务器的负担开销。同时，雾计算也提高了移动设备的响应速度，改善了网络带宽。更重要的是，在没有网络的环境下，仍能为用户提供数据资源服务。

       在美国，OpenFog联盟是由蒋濛博士于2015年11月创立的。该联盟汇集了来自微处理器产业的领先企业，如ARM、思科、戴尔和英特尔，以及普林斯顿大学。官方网站指出，5G、物联网和人工智能应用程序需要各个层面的协同合作，包括硬件设备、边缘软件、云软件和通信协议标准，以满足物联网传感器等设备在数据生成量和速度上的要求，也能够满足自动驾驶车辆和紧急服务等特殊需求的低时延低特性。雾计算不仅可以提升网络带宽效率，提供高效、功能丰富的物联网解决方案，还可以确保业务的安全性和降低运营成本。2017年，OpenFog联盟制定了八项核心技术原则，包括RAS、安全性、开放性、可扩展性、自主性、层次性、敏捷性和可编程性，这些原则是判断系统是否符合“OpenFog”的关键因素。2018年6月27日，IEEE为推广雾计算的应用，制定了名为IEEE1934TM的新标准。该标准在官方基础上进一步确保设备、传感器监视器和服务的互操作性和开放性，能够共同处理来自物联网、人工智能和5G的大规模数据流。OpenFog联盟的主席、思科公司高级主管HelderAntunes表示：“我们现在有了一份得到行业支持的蓝图，将通过雾计算推动新应用和商业模式的发展。”IEEE1934标准将雾计算定义为“系统级水平架构”，支持各个行业垂直和应用领域，在任何位置分配网络资源和服务，用于存储、计算、控制和网络互联，让应用程序和服务资源更接近数据的生成源。

      此次发布的雾计算标准不仅为整个行业提供了一个具有高度认可度的框架，同时还在确保高性能的基础上，极大地加速了物联网、5G和人工智能等领域的市场发展。

       除了OpenFog联盟的成立之外，法国电信运营商Orange和法国国立计算机及自动化研究院Inria共同主导的Discovery项目旨在研究雾计算和大规模分布式云。此外，英特尔公司的“边缘云计算”项目，日本NTT数据（NTTDATA）发布的“边缘计算”项目，以及美国第二大电信公司AT&T研究的“云2.0”项目也与雾计算有着密切的关系。从这些全球科技巨头的项目来看，它们都显示出雾计算在未来发展中巨大的价值，特别是在大数据方面。

       我国在雾计算领域取得了飞速的发展，在车联网、医疗等领域已经取得了经典的成就[4]。在国内领域，华为公司在2016年推动的“全面云化”战略，旨在将网络硬件标准化和虚拟化的基础上，进一步实现网络软件的全分布式和全自动化，实现真正的“设备云化”，这与雾计算的理念相一致。在科研领域中，西安电子科技大学、华东师范大学等学校已经展开了雾计算的研究[5]，特别是在车联网和系统智能灯调控系统方面的研究[6]。2017年，西安电子科技大学的科研小组提出了基于分布式天线系统的混合云雾技术的车联网系统，以应对日益增多的车辆数量、高车祸率和长时间堵车等问题。该系统利用了光载无线技术和分布式天线系统技术，在满足车联网业务信息种类和性能需求的同时，充分结合了云计算和雾计算的优势。云计算用于存储大量数据和处理对时延不敏感的信息，而雾计算由于处于网络边缘，在存储相对较小规模的数据的同时，能够有效处理对时延敏感的信息。这项科研成果取得了成功，并进行了实验验证，证明雾计算在车联网系统中能够高效解决高时延、资源分配不均和低吞吐率等问题。

       本文的主要研究内容是为了解决虚拟现实数据传输处理大数据的问题，我们设计了一个雾计算系统模型，并基于雾计算概念设计了一种“智能前端化”的计算框架来展示并详细讨论其工作模式。

     1系统设计

     根据本文的核心理念，利用“智能前端化”创新思想来处理大数据，我们提出了一个通用的雾计算大数据系统框架，通过使用边缘网络中的设备来实现。这些设备可以是之前部署在网络中的网关、路由器、交换机等，也可以是专门部署的本地服务器。我们通过在雾层中部署专门的网络服务器来获取更多的资源。雾层由大量的雾节点组成，这些节点包括前述的各种硬件设备，同时还包含设备中的内部管理系统。这些雾节点可以分布在不同的地理位置，与传统的集中式云数据中心形成鲜明对比。

       雾服务器可以广泛地分布在地理位置上，在无线覆盖区域内及时捕捉移动用户对所在环境的信息需求。首先，它可以通过主动缓存的方式从云数据中心下载并保存相应的数据，也可以通过被动缓存，在信息传输过程中存储相关的数据。例如，医院部署的雾服务器可以缓存用户希望了解的医院就诊信息以及医院附近的衣食住行等相关信息。商场安装的雾服务器可以缓存所在商场商品的介绍信息以及周围的交通、娱乐等信息。基于智能前端化的思想，数据缓存的核心是如何根据雾服务器所部署的环境，在大量的数据中选择合适和有效的数据进行存储。

                                                    图1基于ＳＤＮ的雾计算架构

       在雾计算架构中，考虑某一时刻，请求任务队列到达核心控制模块，任务之间是相互独立的，任务调度器根据调度策略执行任务的分配。

       网络现有的缓存技术包括内容分发网络（CDN）和信息中心网络（IDN）。内容分发网络的工作模式是通过在多个地点部署缓存服务器，将数据请求分散到各个服务器上。虽然这种方式可以降低服务器负载、缩短数据传输路径，但在通常情况下，移动设备与内容分发网络的缓存服务器之间存在一定的距离，无法满足用户需求和预测移动用户的想法。相比之下，信息中心网络允许电子设备进行数据缓存，并且与移动设备的距离较近。总的来说，智能前端化思想在雾服务器中得到更好地体现，在雾服务中，雾计算可以高效地感知当前部署环境，并快速准确地推测用户需求，同时结合周围服务器缓存大量移动用户的偏好类型数据。

       针对大批分布式的雾服务器而言，绝大部分都搭载了无线通讯接口，这些接口在适应各种移动终端时展现出了多样性。因为雾服务器不仅具备大规模移动数据的缓存能力，还拥有强大的计算实力，因此相较传统的无线接入设备，它们能够为移动用户提供更为出色的无线接入服务。这一优势主要从两个方面体现出来。

    （1）感知移动：不同环境中的移动设备常常表现出较大的差异，例如在长途公交车上，移动设备只能在车辆到站时进出雾服务器的覆盖范围。而在开放的环境中，如商场，移动模式在此种环境下趋向于随机移动。因此，针对不同移动模式下的设备，可以通过及时调节它们的接入时间来满足各自的需求，以满足移动设备的需求。

    （2）跨层次设计：传统的无线接入设备只能提供网络层次的服务，对应用层的数据并无协助。然而，雾服务器则对周边环境和缓存的数据都具备了认知能力，在综合不同层次的信息之后，让接入机制变得更加高效，以迎合应用的需求。

       雾服务器位于云端和移动设备之间，在进行上述的数据缓存和无线接入的同时，它的本地化计算过程也具备双向性，可以服务于云端和移动设备双方。例如，在大型商场部署的雾服务器可以缓存商场周围的地理地图数据，从而在移动设备接入时提供准确的导航功能。又或者在物联网中，众多的雾服务器设备含有大量传感器，这些传感器能够通过自身进行数据采集和筛选，并且通过协调相邻的雾服务器对数据进行整合，从而将经过处理的精简数据上传给云端，从而显著减轻云数据中心的负担。