1.2.1　云服务推送

云计算作为支撑大规模业务需求的虚拟资源池，通过虚拟资源的动态部署与分配为用户提供包括计算、存储等服务。常规的云计算结构如图1.1所示，左侧的数据生产者生成原始数据并传输至云，右侧的数据消费者向云发出使用数据请求，云对用户所发送的请求进行处理并返回结果，其中数据请求表示从数据使用者发送到云的使用数据的请求，返回结果表示云返回的结果。

作为一种集中式的数据处理中心，将任务放在云上处理是一种较为有效的方式，然而面对物联网技术飞速发展所催生的高带宽、低延迟、超密规模连接等业务需求，云计算在以下方面凸显不足。

（1）时效问题：与快速发展的数据处理速度相比，云计算的网络带宽已停滞不前。随着在网络边缘生成的数据量不断增加，数据传输的速度正成为基于云计算范例的瓶颈。以自动驾驶为例，自动驾驶汽车在行驶过程中通过传感器和摄像头实时捕捉路况信息，并且需要实时处理车辆传输的信息才能做出正确的决策。汽车在运行过程中每秒将产生1GB数据，据统计，到2035年全球将有5400万辆自动驾驶汽车，如果将这些数据都发送到云进行处理，则响应时间将太长，更不用说当前的网络带宽和可靠性将因其在一个区域内支持大量车辆的能力而受到挑战。在这种情况下，需要在边缘处处理数据，以缩短响应时间，提高处理效率并降低网络压力。

图1.1　传统云计算模型

（2）能耗问题：对于云提供商来讲，云数据中心的功耗是另外一个紧迫的问题，电力成本占数据中心运营支出的25%～40%。美国自然资源保护委员会（Natural Resources Defense Council，NRDC）2014年8月发布了世界数据中心效率评估报告，以描绘全球数据中心的规模。该研究提到，美国数据中心有望在2020年之前每年消耗约1400亿kW·h的电量，相当于50个大型发电厂（每个发电厂500MW·h）的发电量。如果全世界的数据中心属于一个国家，则它将成为全球第12大用电国。此外，该报告还分析发现，在全球多数的数据中心中高达30%的服务器已过时或不需要，并且其他计算机的利用率严重不足。困扰效率的持久性问题包括峰值调配问题、无法关闭未使用的服务器电源问题、竞争的优先级问题、降低数据中心成本开销及客户安全性保障问题等。以上这些是影响电源效率的主要因素，阻碍了40%的潜在功耗改善。这些因素在很大程度上受数据中心负载计划和管理的影响。高效的调度能量感知算法通过利用虚拟化技术、最佳需求驱动的配置及高效的负载建模实现数据中心能耗的优化管理。