大数据的后时代：雾计算的教育应用探析

周 榕，李世瑾

陕西师范大学教育学院， 西安 710062

物联网时代的终极目标是实现万物互联。在万物互联的过程中，每时每刻都会产生大量数据。数据量大、处理速度快、种类多和真实性是大数据的核心特征[1]。云技术在高效处理数据集群，实现动态式数据优化计算等方面具有独特优势。然而，云技术应用过程中数据传输时延较高、云顶端数据相对闭锁或是缺乏交互，极易发生“云孤岛”现象。雾计算技术恰好高效突破了“数据孤岛”瓶颈，有效融合云端技术和网络边缘技术，将集中式的云端技术转化为分布式数据处理技术，最终实现跨“云”与“雾”的动态式处理目标。未来，雾计算技术将成为驱动数据流技术发展的新引擎，助推大数据系统的高效循环。

目前，雾计算技术已经在智慧城市建设、智慧远程医疗、智慧建筑等方面崭露头角，相关学术研究亦不断增多。然而，文献梳理发现，国内外有关雾计算技术的教育应用研究还相当匮乏。因此，文章从雾计算技术的内涵特征出发，解析其教育应用价值，厘清其应用瓶颈与突破路径，以期为雾计算技术的教育应用发展趋向提供思路。

1 雾计算技术的内涵特征

1.1 雾计算的技术特征

雾计算一词最早出现于计算机网络安全领域，直到2011年，思科(Cisco)公司才正式提出“雾计算”，强调在云端数据和网络边缘终端数据中心之间再加一层“雾”。关于雾计算技术究竟是什么，思科公司将其生动地定义为一种更接近“地面”的云计算：通过分布式形态计算或存储虚拟化的、异步式数据资源，使数十亿联网设备上的应用程序能够在物联网中相连接，并可在网络边缘终端直接运行或存储数据[2]。另外，思科全球战略发展部资深总监Helder Antunes表示：“物联网互连、机器与机器之间的通信、实时计算需求和联网设备需求正驱动着雾计算市场的不断发展”。

近年来，云计算模型为批处理数据和管理私有数据提供了方便快捷的计算服务[3]，但随着互联网井喷式地发展，将会催生更大规模的数据，云计算应用瓶颈更为突出。在雾计算中，采集数据、计算数据、存储数据以及数据应用等服务都可在网络边缘终端完成，只有需要将数据汇至云端时，才启动云端服务，一方面可以解决I/O传输障碍、提升传输速率，最终实现“数据海啸”的高效处理；另一方面也可与云端服务实时交互，从而释放雾计算的存储空间。总之，雾计算技术将数据的计算能力延伸至网络边缘终端设备，这为网络边缘终端设备的自我管理以及智能性地实时交互提供了新的技术支持[4]：

1.1.1降低服务器能量消耗云计算的数据计算或存储服务在云端服务器上进行，当需要处理大规模数据时，便会消耗大量的电能。随着终端数据不断增长，云计算终端将无法正常运行。雾技术则可以直接在网络边缘设备进行计算或存储数据，如智能电表和微型软格的应用[5]，从而减少数据处理设备的能量消耗，方便进行高效合理的数据计算。

1.1.2提高数据处理效率大数据核心技术的时延性关乎数据的处理效率。与云技术不同的是，雾技术能够随时随地接收网络边缘终端设备的数据，并通过关键参数在数据汇聚和批处理间建立平衡关系[6]，故其传输时延明显下降，数据处理效率大大提高。高效的数据服务意味着在教育教学、交通安全、图书管理等需要随时获取数据的应用领域中，为人们提供更为强大的技术支持。

1.1.3及时进行数据分析面对激增的海量数据，实时分析功能尤为重要，但云端服务器可能无法实时处理数据。即使通过时间间隔采集样本，如间隔5 min采集一次数据，亦无法满足连续性数据处理的要求。雾技术针对简单数据可直接进行计算或存储，数据处理不再受时间间隔或等待间隙的约束，其实时数据分析的优势非常显著。

1.1.4系统升级安全高效网络终端设备的常规性能在出厂时已经定型。数据传输过程中更换操作系统比较危险，甚至可能造成数据失联。而雾技术一方面保证更换设备终端的安全性，另一方面也提高了云端设备升级的安全性能。雾计算技术从数据汇聚、数据分析以及数据存储等方面都提供了高质量的解决方案，安全高效的系统升级特性为雾计算系统的安全性提供了切实保障。

1.2 云计算、雾计算以及网络边缘计算辨析

大数据时代背景下，云计算、雾计算或是网络边缘计算，都是为用户提供数据采集、数据计算、数据存储和应用服务。三者之间相辅相成，如图1中三层模型框架所示。

图1 数据处理三层模型框架

网络边缘计算处于数据处理的最底层，其处理过程不需要上传数据或排队等待，直接在网络终端采集并处理数据。每个智能终端也可连至雾装置上，但网络终端独立运行节点时，却需要通过云实现对等流量传输，容易受到数据传输速率的干扰。雾计算技术处于中间层。在数据处理过程中，每个雾技术装置既可以相互连接，也可与云设备相连。雾技术在数据传输节点间更具对等互连能力，能够实现小范围内数据的完美计算服务。处于最高层的是云计算技术，其需将数据传至云端再进行处理。

随着网络终端设备的增加，数据处理技术的门槛不断提高，加之其对密集的地理位置以及高移动性要求，云技术传输过程中极易出现核心网络拥塞、网络延迟、安全性低等问题。由表1所示的技术特征比较可以看出，低延时性且可实时互动的雾技术是数据处理的最佳选择。同时，雾计算也满足了自由开放资源、实时互动的开源端技术支持条件，因而在开源项目(如Caffe、Torch)等得到愈来愈多的应用[7]。

表1 云计算、雾计算、边缘计算特性对比

2 雾计算技术的教育应用价值及典型案例解析

2.1 教育应用价值解析

从数据资源维度来看，“教育云”丰富了资源的多样性，缓解了“资源饥饿”的现状；从数据服务维度来看，“教育云”海量持续的资源满足了学生个性化、可持续化发展要求。然而，教育云计算的实践应用仍存在诸多障碍。

首先，云资源的技术标准兼容性不足，导致低配置终端无法与高配置端进行数据传输工作。雾计算技术采用差异化的容量标准，即数据传输端与接收端设备可具有不同的资源容量[8]。数据传输端采用较高配置的传输装备，接收端则可使用低配置装备来接收数据。这种差异化的容量标准降低了智慧校园建设的门槛，数据传输过程不再受硬件配置的约束。普适化的设备传输兼容性，弥合了资源传播的鸿沟，实现了不同地域、不同阶段用户的优质资源共享，加速实现教育公平。

其次，云技术对不同类型资源的协调性不足，连续性数据无法及时与周期性或间断性数据实时互动。雾计算技术充分发挥其高可靠的实用性能。一方面全程追踪连续型数据，另一方面也能够为周期性数据及时提供反馈服务，而且部署场所更具多样化。例如：雾资源可以部署于固定校园场所，如教室、报告厅、图书馆、食堂等，也可部署于校园移动环境中，如校车或校内警车等。根据生活和学习需求，雾资源可以随时随地为我们提供便捷服务。总之，无处不在的雾移动学习资源、移动学习型社区等为泛在学习提供了开放式、动态化、可持续的情景化资源，创造了碎片化的“4A”学习条件，激发学习者个性化发展的潜能，最终实现“人人皆学、处处可学、时时能学”的美好愿景。

还有，云计算的数据处理高延时性突出，网络终端数据结果无法及时反馈给用户端。雾计算技术则高效融合边缘计算技术以及云计算技术。数据资源通常分为需上传至云端的数据以及简单终端数据两大类。针对后者，雾技术可以直接进行数据采集、计算或存储，因而大大降低传输时延，提高数据处理效率。智慧校园的建设过程中，及时反馈网络终端设备数据，方便实时追踪以及管理智慧建设状况，提高智慧环境建设效率。网络学习的过程中，学习者可以及时获得反馈结果，及时调整学习策略。教师则通过实时追踪数据，及时调整教学步调，开展适应性教学。

2.2 典型教育应用

作为新型的数据处理技术，雾计算技术能够与教育系统各要素相互融合，实现物化环境与教育过程的优化。

2.2.1智慧校园建设雾计算技术有助于提升校园物理环境建设的智能化水平。借助雾源点具备的本地终端数据自动化处理功能，既能实时跟踪、定位学生的校园坐标，又能实时监测学生需求，智能化地调整校园建筑设备，如灯光、温度控制系统等，创造良好的学习体验。此外，雾计算系统会定期上传本地数据至云端，进行数据的深入加工分析，构建机器学习模型，监控全局环境，通过降低传输时延、提高效率、节约资源以及降低成本，提升智慧教育环境建设的效能。

2.2.2智慧教育平台搭建借助智慧教育平台，能够为教师、学生及家长提供优质资源与共享服务，一定程度上实现创新技术与教育的深度融合。应用雾技术的智慧教育平台，无论是智慧资源的推送，还是智慧资源数据的处理与分析，都具有显著优势，学习者全息数据的实时追踪和个性化学习场景构建将成为现实。此外，雾技术服务平台能够清晰表征学习者的学习路径以及学习行为方式，在有效追踪学习者行为记录的基础上，通过精准分析技术，能够预测学习者的行为变化，进行教学诊断和教学调整，开展高效、针对性的教学，促进深度学习的发生。

2.2.3智能学习监控雾计算技术的分布式应用能够渗透到教育生态系统的各要素之中。首先，环境感知技术可实时探测物理环境变化，控制物化设备来满足学习者的环境需求，减轻环境带来的认知负荷；其次，借助学习者大数据分析，能够为学习者制定个性化的学习方案，实现学生知识地图的智能化、个性化发展；还有，教育质量监测及评价体系能够实时反馈学生的学习状态，预测教学行为的效度。运用雾技术的智能化分析进行综合学业管理，能够为学生的课堂表现、低辍学率等方面提供有效地保障[9]，促进区域教育均衡、教育决策科学化以及学习者个性化发展。

2.2.4教育大数据分析借助数据两端传输标准不一的优势，雾技术能够提供优于云技术的数据分析性能，能够为用户提供更为快捷的数据处理服务。借助雾资源管理的框架模型(如Calarity数据模型[10])，学校或教育机构可以快速汇集教育教学数据，实时分析学生的学习状况，进行有效教学干预。雾技术同时支持资深的教育专家以及数据专家进行数据挖掘，从课堂教学、技术服务、信息技能及环境各个维度诊断教学，形成教学分析报告与问题解决方案。

2.2.5智慧研修与管理当前教师研修往往面临内容适切性不足、管理绩效低下和可持续发展乏力等问题。利用雾计算技术，能够挖掘教学过程普遍存在的行为误区与不良策略，形成对教师研修需求的精准判断。借助雾资源技术，能够为教师提供海量的共享资源，特别是来自教学一线的高示范性的特色教学资源。在研修实施及完成后，基于雾计算的智慧教育管理系统能够持续对教师的教学实践进行动态监测，提供教学决策建议，并为学校管理层提供关键资源分配方案和教学优化策略，帮助其实现从管理向治理的转变。

3 雾计算技术的应用瓶颈与未来发展

雾计算技术在教育领域的应用具有广阔的前景，但也存在现实的障碍，需要通过提升其完善性、实时性、可视化、安全性及先进性来加以突破。

3.1 建立教育应用整体框架

目前，大规模的雾技术应用尚不成熟，应用于教育领域的成功案例尤为鲜见[11]。未来，应加强教育机构与相关技术机构的交流，借助可互操作的开放标准，建立雾计算技术的教育应用框架，并建立教育雾资源和教育雾数据的技术规范。同时，创建高效的雾产品研发机制，为教学实践提供现实的支持，充分彰显雾计算的技术优势。

3.2 实现雾平台可视化服务

可视化的雾平台服务能够对教学数据采集、分析、监测以及评价提供更为有力的监管。然而目前关于定义和执行可视化应用的雾平台及其运行环境仍较为匮乏。未来，依托分布式计算，雾平台可以实时产生透明度更高、可读性更强的可视化数据分析界面，实现更加精准的教育决策、教学预测和教学干预服务。

3.3 强化雾资源实时管理

雾资源实时追踪和管理仍面临巨大挑战。物联网的资源设备既受到物理世界中数据收集、处理的限制，亦受到网络中事件流的影响。未来雾资源将借助“数据结块”技术，实施数据采集、数据计算、数据存储的一体化，高效组合并处理数据。

3.4 加强雾数据隐私保护

目前，雾数据资源方安全保障等级不一，不能够为分布式的用户程序和虚拟化工具提供同等程度的安全保护服务，而教育数据则需要更高级别的隐私保护机制。未来，雾资源应从法律层面加强安全保障力度，在设计和部署雾技术支持服务时，优先考虑雾资源中共享资源与隐私资源的边界，在最大程度保障数据资源安全的前提下，推进教育雾资源的共享服务。

3.5 优化雾计算技术标准

目前，数据采集的多元化动态理念、支持服务的“技术循环怪圈”理念等均未能在技术框架中得到完全体现。未来，应紧密追踪国际先进技术动态，保持雾技术标准的先进性；积极参考国际组织标准，构建更为完善的雾技术数据监测模型，提高数据传输端的易入性；及时存储虚拟化或真实的数据信息，呈现更为及时的可视化数据结果；充分评测技术应用效果以及社会需求契合度，完善雾技术的评价机制。

2016年，智能机器开启了雾计算分析时代。大数据与雾计算的结合具有深刻的现实意义。未来，教育管理部门将制定更为明确的数据保障体系，相关企业和机构将不断优化雾计算技术模型，学校及教育机构将积极推进雾平台与雾资源的教学应用，真正实现“腾云驾雾”技术与教育的深度融合。