[編者按] 物聯網以信息服務為中心，通過與傳感網、互聯網、電信網、云計算平臺相結合，把對物理世界的感知、認識、影響和控制與計算機系統進行最自然的融合，實現物理世界、數字虛擬世界和人類感知的高度統一，形成完整的信息物理融合系統。本講座前兩期分別介紹了無線傳感網絡及泛在感知體系架構、泛在網絡融合與協同技術，本期將介紹物聯網依托于云計算技術的泛在智能業務。

　　9 物聯網業務

　　物聯網應用極其廣泛，從日常的家庭、個人應用，到工業自動化應用。目前比較典型的應用包括電力行業的智能電網、智慧金融、智能交通、智能家居、智能醫療系統等。根據不同的參考標準，物聯網的分類方式也很多。按照技術特征及物聯網發展趨勢可以把物聯網的業務大致分為4類[1]，分別是：身份相關業務、信息匯聚型業務、協同感知類業務、泛在智能業務。

　　身份相關的業務類應用主要是利用射頻識別（RFID）、二維碼等可以標志身份的技術，提供與身份相關的各類服務；而信息匯聚型業務主要是由物聯網平臺統一對終端、數據、應用和服務進行統一的管理。其中終端只接受平臺管理，分別采集數據上報，但終端之間不需要通信。隨著終端技術發展的多樣化、智能化、多模化趨勢，物聯網終端之間、物聯網終端和人之間的通信將更為緊密復雜，終端間相互協同完成同一業務是物聯網發展的趨勢；而隨時隨地提供無所不在、無所不包、無所不能的智能服務將是物聯網發展的愿景。

　　泛在智能（AmI）是1999年由歐洲共同體的顧問組提出[2]，后來作為歐盟第六框架計劃項目之一，開展了為期5年（2002—2006）的研究。泛在智能是一種建立于普適計算、泛在計算，強調以人為中心的交互模式。同時，也是一種嵌入了多種感知和計算設備的、具有適應性的數字環境，可根據情景來識別人的身體姿態、生理狀態、手勢、語音等，進而判斷出人的意圖、并做出相應反映。泛在智能有幾下幾個特點：

　　（1） 環境感知能力，即設備有感知用戶所處情景的能力。嵌入在環境中的傳感器使得物理信息轉變為有效的狀態或操作，如身份驗證、獲知用戶當前位置等。

　　（2） 個性化及自適性，泛在智能服務可為特定用戶的需求裁定，并適應用戶要求變化。

　　（3） 預判性，即設備在不具備意識思考條件下有能力預期用戶的需求和意圖。這一特性使用戶能夠無意識地與環境交互，以簡單、自然的方式處理各種信息，享受各種服務。

　　可見，泛在智能服務可在人類的居住和工作環境中真正實現以人為本的新型隱式服務，而上述目標的實現，需要以物聯網泛在感知層為支撐，依托于云計算強大信息的處理能力完成。

{$page$}

　　10 云計算

　　云計算的分布式中央處理單元是物聯網的核心部分，也是物聯網發展的基石。兩者的有機結合，并通過對各種能力資源共享、業務快速部署、人與物交互的新業務擴展、信息價值深度挖掘等多方面的促進，可以帶動整個產業鏈和價值鏈的升級與躍進，而當物聯網達到一定規模時，對云計算的依賴性將更強。

　　10.1 概念及發展現狀

　　云計算是在電子、通信、計算機與網絡技術的共同作用下，從圖靈計算逐漸向網絡計算演化的一個必然階段。它是一個基于互聯網的計算，能向各種互聯網應用提供硬件服務、基礎架構服務、平臺服務、軟件服務和存儲服務的系統[3].目前云計算沒有統一的定義，維基百科對其定義是：云計算是一種互聯網上的資源利用新方式，可為大眾用戶依托互聯網上異構、自治的服務進行按需即取的計算。“云”是對云計算虛擬化、透明性、動態可擴展、聚散自如等特點的形象描述，同時是底層基礎設施的一種抽象。

　　云計算是分布式計算、并行計算和網格計算等技術的綜合發展。其核心是將大型數據中心的計算資源進行虛擬化并向用戶提供以計算資源為形式的服務。

　　隨著Google、IBM、Amazon等云計算的領跑者在商業應用中取得成功，云計算得到了中國國內和國際上工業界、學術界乃至政府部門的熱烈響應。美國政府在IT 政策和戰略中加入了云計算因素，美國國防信息系統部門（DISA）正在其數據中心內部搭建云環境，2009年9月，美國總統奧巴馬宣布將執行一項影響深遠的長期性云計算政策，希望借此壓縮美國政府支出；日本內務部和通信監管機構計劃建立“Kasumigaseki Cloud”，一個大規模的云計算基礎設施，以支持所有政府運作所需的信息系統；中國政府在“十二五”信息規劃的技術背景中特別對云計算技術做了闡述，明確提出云計算技術是中國下一個五年信息化產業發展的重點領域之一。

　　10.2 關鍵技術

　　云計算是一種新型的數據密集型超級計算方式，以數據為中心，在數據存儲、數據管理、編程模式等多方面具有自身獨特的技術。

　　10.2.1 虛擬化技術

　　虛擬化作為云計算的核心特征，是云計算依托的基礎。虛擬化技術是指計算元件在虛擬的基礎上運行，以擴大硬件的容量、簡化軟件的重新配置過程、減少軟件虛擬機相關開銷并支持更廣泛的操作系統。通過虛擬化技術，單個服務器可以支持多個虛擬機運行多個操作系統和應用，從而大大提高服務器的利用率。在云計算實現中，計算系統虛擬化是一切建立在“云”上的服務與應用的基礎。

　　中國移動開發社區對虛擬化概括如下：虛擬化即基礎設施的虛擬化，核心是傳統的已經成熟的集群技術和分區技術的結合。虛擬化目前包括：網絡虛擬化（VPN）、存儲虛擬化（SAN/NAS）、服務器虛擬化，這些均為云計算的基礎設施。

　　10.2.2 數據存儲與管理技術

　　云計算數據存儲以冗余的方式提供高可靠性和高可用性，具體包括集群計算、數據冗余和分布式存儲技術，以保證數據具有高可用、高可靠和經濟性。此外，云計算系統需要并行提供服務以滿足大量用戶的應用需求，故其存儲技術需要具備高吞吐率和高傳輸率的特點。云計算的數據存儲技術主要有谷歌的非開源GFS [4]和Hadoo的開源版GFS——HDFS [5].云計算數據存儲本質上是一種分布式存儲技術，它與相關的虛擬化技術實現了對上層屏蔽具體的物理存儲器的位置、信息等。

　　云數據管理方面，由于云計算的特點之一是對海量的數據存儲、讀取后進行大量的分析，數據的讀操作頻率遠大于數據的更新頻率[6]，所以云數據管理是一種讀優化的數據管理。云數據管理必須能夠高效管理大數據集，從而對分布式海量數據集進行處理、分析并向用戶提供高效服務。同時，如何在泛在感知獲取的規模巨大的數據中找到特定數據，也是云計算數據管理技術所必須解決的問題。

　　10.2.3 并行編程技術

　　云計算的編程模型必須十分簡單，并隱藏后臺復雜的并行執行和任務調度。良好的透明性使得用戶能夠利用該模型編寫程序達到特定預期的目的，輕松地享受云計算帶來的服務。

　　云計算大部分采用MapReduce[7]的編程模式，MapReduce是由Google提出的一種新興的分布式并行編程模型，同時也是一種高效的任務調度模型。該編程模式僅適用于編寫任務內部松耦合、高度并行化的程序。因此，如何有效改進此編程模式約束，使編程人員輕松編寫緊耦合程序、高效調度和執行任務，是MapReduce編程模型未來發展方向之一。

　　10.3 與物聯網的結合

　　云計算與物聯網相輔相成。一方面，物聯網的發展需要云計算強大的處理和存儲能力作為支撐，使用云計算設施對物聯網泛在感知層采集的海量數據進行處理、分析、挖掘，可以迅速、準確、智能地對物理世界進行管理和控制，從而為泛在智能服務提供技術保障；另一方面，物聯網將成為云計算最大的用戶，為云計算取得更大的商業成功奠定基礎。

　　物聯網與云計算結合早在2009年8月24日已由中國移動總裁王建宙在中國臺灣提出來，但其結合的優劣勢、可能存在的商業模式、企業為此進行的準備等諸多問題還需要進一步研究探討。

　　物聯網與云計算結合的兩個重要方面是規模化與業務模式。首先，規模化是物聯網與云計算結合的基礎。一方面，云計算中心對接入網絡終端的普適性，推動了物聯網應用的廣泛性；另一方面，物聯網感知的泛在性與云計算超大規模的分布式計算性質、物聯網感知數據的冗余性與云計算冗余數據存儲有機地聯系對應。云計算和物聯網的結合有效地發揮了各自的優勢和特點，相得益彰。因此，物聯網發展的規模需要足夠大，才能高效地與云計算結合，施展各自優勢。如應用在智能電網、物流管理、地震臺監測等。當然，兩者的結合也不能一概而論，對于一般性的、局域的、家庭網的物聯網應用，則無需結合云計算。

　　其次，適合的業務模式是實現條件。需要考慮非常現實的技術支撐和產業鏈建設的價值平衡，并有效促進產業與行業發展。只有通過適合的業務模式和實用的實際服務，才能使物聯網和云計算更好服務，形成一個有效、良性的價值鏈體系和業務生態系統，從而推動整個信息產業能夠良性可持續發展。

　　物聯網與云計算的結合在實現了泛在智能服務、創造更多價值的同時，在信息的安全性、價值鏈形成過程中的利益分配平衡也存在著一定的風險和不確定性，需要進一步研究探索。

{$page$}

　　11 信息物理融合系統

　　信息物理融合系統（CPS）的概念最早是由美國國家基金委員會在2006年提出，有望成為繼計算機、互聯網之后世界信息技術的第3次浪潮。CPS廣泛的感知、控制及計算能力以及“人-機-物”深度的融合是物聯網發展的最終目標。

　　11.1 CPS概述

　　CPS自提出以來，就得到研究機構、各國政府的普遍關注。2007年，美國總統科學與技術顧問委員會（PCAST）在題為《挑戰下的領先——競爭世界中的信息技術研發》的報告中列出了八大關鍵信息技術，其中CPS位列首位；歐盟計劃從2007年到2013年在嵌入智能與系統的研究與技術（ARTMEIS）研究中投入54億歐元，希望在2016年成為智能電子系統的世界領袖；中國對CPS研究也十分重視，國家自然科學基金、“973”計劃和“863”計劃都把其作為重點。

　　CPS是一個綜合計算、網絡和物理環境的新型多維復雜嵌入式系統，通過3C（Computation、Communication、Control）技術的有機融合與深度協作，實現大型工程系統的實時感知、動態控制和信息服務。它通過計算進程和物理進程相互影響的反饋循環實現深度融合和實時交互增加或擴展新的功能，以安全、可靠、高效和實時的方式監測或者控制出一個物理實體[8].何積豐院士指出， CPS 的最終目標是實現信息世界和物理世界的完全融合，構建一個可控、可信、可擴展并且安全高效的CPS 網絡，并最終從根本上改變人類構建工程物理系統的方式。

　　參照國際電信聯盟有關物聯網的定義以及PCAST有關CPS定義，可見CPS內涵更為豐富，從專業角度為物聯網研究和開發提供了所需要的理論和技術內涵。而物聯網展現了CPS應用的一個直觀畫面，并進一步向CPS核心——信息物理的深度融合方向發展，即實現物理世界、數字虛擬世界和人類感知的高度統一。

　　11.2 CPS特性

　　CPS與自動化、傳感網絡聯系緊密，期望通過科學技術的發展進一步加強計算和物理元素的聯系，通過虛擬世界的信息交互優化物理世界的物體傳遞、操作和控制，從而形成一個高效、智能、環保的物理世界。

　　PCAST咨詢報告認為CPS的設計、構造、測試和維護難度較大，通常涉及到無數聯網軟件和硬件在多個子系統環境下的精細化集成。而物理系統監測控制復雜、變化迅速，這就要求CPS在計算能力、內存和成本等有限資源的約束下，必須可靠和實時地操作。CPS具有以下特性：

　　（1） CPS將計算能力深度嵌入在各個物理子系統中，追求對物理過程的網絡化精確控制，具有計算、通信、控制的深度集成與融合的鮮明特性。

　　（2） 要求計算技術與控制技術的融合。為了把信息世界與物理連接，CPS系統需要把已有的、與離散事件相關、不關心時間空間的參數的計算技術與現有的、與連續過程相關、注重時間空間的參數的控制技術融合起來。即離散的計算過程與連續的物理過程持續交互，緊密耦合，相互作用和影響。

　　（3） 自主適應物理環境的動態變化，具有較強的重組織和重構造能力，并易于升級擴展，易于與其他CPS子系統連接。

　　（4） 呈現多尺度的時空復雜性，要求開放、可信賴、行為可預測的嵌入式系統。CPS中的嵌入式計算系統需要通過網絡與其他信息系統進行互聯和互操作。同時，CPS已步入與國家基礎設施、人們日常生活密切相關的領域，安全敏感性也隨之升高，其技術和產品必須具有確定性、高可靠性，進而要求嵌入式系統也具有可靠、確定性。

　　11.3 面臨的技術挑戰及問題

　　CPS融合系統中近所有物理設備都被賦予了計算和通信能力，其功能的豐富性及系統間融合可能使CPS成為規模最大、部署長久的系統之一。要實現CPS規劃的愿景，研究領域尚有一些技術挑戰和問題。良好的整體工業架構是保持其可擴展性、持久性、豐富性和技術持續創新的關鍵因素[9]，同時也是研究的基礎以及客戶投資的關鍵。

　　保持CPS未來發展的動力有以下幾個原則。首先是架構的穩定性，需要進一步研究以定義穩定的CPS架構；其次是清晰的發展路線規劃，根據核心CPS架構組織目標明確、一致的研究；最后是協調發展日程，對技術發展成果進行規劃和預期，引導、驅動并平衡自然的發展周期。

　　同時，CPS發展也面臨一系列挑戰。一方面是理論基礎和應用系統模型的差異性。從科學研究、進一步發展到具體環境部署實施是技術成功的關鍵。以電力系統為例，其理論基礎以連續數學為主，建模工具一般是代數方程組和微分方程組；且出于實時性要求，電力系統模型一般將時間作為一個顯式變量來表征物理過程的次序，而一般信息系統不能恰當地適應以上特點。如何既顯式表征物理系統的時域信息又能顯式表征信息系統的執行次序，以適應電力CPS 連續性與離散性并存的特點是需要解決的問題。另一方面，保持系統架構完整、可靠、安全性[10].外部環境的不確定性和各種潛在的變化要求CPS系統需要自動、自治地對系統隨機故障及惡意攻擊有快速反應力。與11.2節提到的特征一致，操作系統和架構需要具備在互聯的設備層上對冗余資源的管理能力，對用戶應用和物理構件錯誤監測能力以及系統故障的快速恢復力。

{$page$}

　　12 總結

　　物聯網、云計算及CPS三者相互滲透耦合，物聯網作為CPS的直觀應用，而云計算是其信息服務（Control）部分的技術支持。當前經濟及社會對物聯網和CPS系統需求潛力遠遠超過現有應用，無論從經濟發展還是從技術變革的角度，物聯網及其發展的目標CPS 都是一個全球信息技術和信息產業發展的新趨勢，將對現有的工業格局產生深遠影響。 （續完）

　　13 參考文獻

　　[1] 邢曉江，王建立，李明棟。物聯網業務及關鍵技術[J].中興通訊技術，2010，16（2）：27-30.

　　[2] Philips Research. What is AmI [EB/OL].http://www.research.philips.com/technologies/syst- softw/ami/background.html， 2006.

　　[3] 張建勛，古志民，鄭超。云計算研究進展綜述[J].計算機應用研究，2010，27（2）：429-433.

　　[4] GHEMAWAT S，GOBIOFF H， LEUNG S T. The Google File System[C] //Proceedings of the 19th ACM SIGOPS Symposium on Operating Systems Principles （SOSP‘03）， Oct 19 - 22， 2003， Bolton Landing， NY， USA. New York， NY， USA： ACM， 2003：29 - 43.

　　[5] Apache Hadoop.Hadoop [EB/OL]. [2009-03-06].http://hadoop.apache.org.

　　[6] 陳全，鄧倩妮。云計算及其關鍵技術[J].計算機應用，2009，29（9）：2562-2567.

　　[7] DEAN J，GHEMAWAT S. MapReduce：Simplied Data Processing on Large Clusters [C]// Proceedings of the 6th USENIX Symposium on Operation Systems Design and Implementation （OSDI'04）， Dec 6-8， 2004， San Francisco， CA USA. New York， NY， USA： ACM， 2004： 137 - 150.

　　[8] 何積豐。Cyber-physical Systems[J].中國計算機學會通訊， 2010，6（1）：25-29

　　[9] Aldridge t， AlLee g， Gorius a，et al. System Architecture and Industry Structure as Interrelated Foundations for Progress in Cyber-physical Energy Systems[C]//Proceedings of National Workshop on Research Directions for Future Cyber-physical Energy Systems，Jun 3-4，2009，Baltimore，MD，USA.2009.

　　[10] Neogi n， Sauer p， Hadjicostas c. Reliability and Security Preservation in Cyber-Physical Energy Systems[C]//Proceedings of National Workshop on Research Directions for Future Cyber-physical Energy Systems，Jun 3-4，2009，Baltimore，MD，USA. 2009.