[Paper] HERMES：面向异构应用的路由中间件用于边缘物联网系统

Source: arXiv - 2512.01824v1

概览

本文介绍了 HERMES，一种中间件，使边缘‑IoT 应用能够根据自身的性能需求来引导路由决策。通过向路由层暴露应用层度量（如延迟、计算能力），HERMES 弥合了异构设备（ESP8266、ESP32、Raspberry Pi）与传统路由协议的静态假设之间的鸿沟。

关键贡献

• 面向应用的路由中间件，可插入任何多跳 Wi‑Fi IoT 网络。
• 三种路由影响策略：两种调整消息路径，另一种让应用自行重塑网络拓扑。
• 主动式、容错路由，即使节点或数据包丢失也能继续运行。
• 真实场景验证，在异构测试平台上使用边缘智能工作负载（分布式神经网络推理和全量卸载）。
• 实证分析，展示设备异构性、拓扑结构和所选策略如何影响吞吐量和推理延迟。

方法论

1. 硬件平台 – 由 ESP8266、ESP32 和 Raspberry Pi 3B 节点组成的物理测试床，形成多跳 Wi‑Fi 网状网络。
2. 路由层 – 一种主动协议，持续维护路由表，并通过周期性 hello 消息进行刷新。通过在节点消失或数据包丢失时自动重新计算路由，实现容错。
3. 中间件层 – 暴露简易 API（setPolicy()、publish()、subscribe()），供应用使用，以实现：
   • 策略 A – 偏好低延迟跳点（例如选择最快的链路）。
   • 策略 B – 偏好节能跳点（例如通过低功耗 ESP8266 节点路由）。
   • 策略 C – 基于当前计算负载动态重连网格（添加/删除虚拟链路）。
4. 用例实现 – 构建了两种边缘 AI 场景：
   • 分布式推理 – 将一个小型 CNN 拆分到多个节点，每个节点执行前向传播的一部分。
   • 全量卸载 – 将整个推理请求发送到最强大的节点（Pi）。
5. 测量 – 在不同网络拓扑和丢包条件下收集吞吐量、端到端延迟和推理时间。

结果与发现

• 异构性重要 – 在网格中加入一台 Pi 可使整体吞吐量提升约 30 %，并将推理延迟降低最多 25 %，相较于仅使用 ESP 的网络。
• 策略影响 – 低延迟策略始终降低端到端时延，而节能感知策略在 ESP8266 节点上节约约 15 % 电力，代价是更高的延迟。
• 容错性 – 当有节点被故意断电时，路由在 150 ms 内重新计算，系统仍能持续提供推理结果，几乎没有服务中断感知。
• 拓扑塑形 – 允许应用创建“快捷”链路（例如直接 ESP32‑Pi 连接）在计算密集型卸载场景下提供最佳性能。

实际意义

• 边缘 AI 流水线 – 开发者现在可以让推理代码自行决定是本地运行、跨设备拆分，还是卸载到更强大的节点，而无需改写网络代码。
• 能源受限部署 – 电池供电的传感器可以请求节能路由，延长设备寿命，同时仍参与协同处理。
• 动态重配置 – 在节点频繁加入/离开的环境（如智能工厂、农业田野），HERMES 能自动适应，降低手动网络规划需求。
• 供应商无关集成 – 由于中间件位于标准 Wi‑Fi 栈之上，可在现有 ESP/Arduino/Raspberry 平台上以最小固件改动采用。
• 可扩展边缘服务 – 服务编排工具（Kubernetes‑edge、OpenYurt）可将 HERMES 策略暴露为自定义资源，实现大规模的 QoS‑感知路由自动化。

局限性与未来工作

• 可扩展性测试 – 实验仅限于 < 15 个节点；更大规模的网格可能会暴露路由表开销或收敛时间增加的问题。
• 安全考虑 – 当前 API 信任应用自行设置策略；后续版本需要身份验证和策略沙箱，以防止恶意路由操控。
• 协议多样性 – HERMES 基于 Wi‑Fi 构建；将中间件扩展到 BLE、LoRaWAN 或 5G‑NR 边缘链路的工作留待以后。
• 自适应学习 – 融入强化学习代理，自动根据实时度量选择最优策略，可能进一步提升性能。

结论：HERMES 证明，让边缘‑IoT 应用参与路由决策能够在延迟、吞吐量和能效上实现可观提升——这一洞察开发者即可在任何异构网格部署中开始利用。

作者

• Jéssica Consciência
• António Grilo

论文信息

• arXiv ID: 2512.01824v1
• 分类: cs.NI, cs.NE
• 出版时间: 2025 年 12 月 1 日
• PDF: Download PDF