移动边缘计算研究：通信视角

第1⻚
2322 IEEE通信调查与辅导，卷。19号 2017年第四季度4⽇
移动边缘计算调查：
交流视⾓
李毓毅⽑，学⽣会员，IEEE，长盛你，学⽣会员，IEEE，张军，⾼级会员，IEEE，
IEEE⾼级会员 Huang Kaibin和IEEE研究员 Khaled B. Letaief
摘要 -由物联⽹和物联⽹的愿景驱动电源和存储以⽀持资源受限的最终⽤户
5G通信，近年来发⽣了范式转变设备。云计算⼀直在推动快速增长
在移动计算中，通过集中式移动云计算
许多互联⽹公司。例如，云业务
⾛向移动边缘计算（MEC）。主要特点
已成为亚马逊最赚钱的⾏业[3]和
MEC将推动移动计算，⽹络控制和存储
到⽹络边缘（例如，基站和接⼊点），以便 Dropbox的成功在很⼤程度上取决于
启⽤计算密集型和延迟关键型应⽤程序亚马逊
在资源受限的移动设备上。MEC承诺戏剧性但是，近年来，计算机的新趋势是
减少延迟和移动能源消耗，应对
越来越多的云功能发⽣
实现5G愿景的关键挑战。承诺的
⾛向⽹络边缘[4]。据估计
MEC的获得推动了两个学术界的⼴泛努⼒
和⼯业上的技术开发。的主要推⼒数以百亿计的Edge设备将在附近部署
MEC研究旨在⽆缝整合以下两个学科未来，并且它们的处理器速度呈指数增长，
⽆线通信和移动计算，导致遵循摩尔定律。收获⼤量的
各种各样的新设计，包括计算机技术
空闲计算能⼒和存储空间分布在
卸载到⽹络体系结构。本⽂提供了⼀个
⽹络边缘可以产⽣⾜够的容量来执⾏-
对最新的MEC研究进⾏全⾯调查
重点放在联合的⽆线电和计算资源管理上。在移动设备上执⾏计算密集型和延迟关键型任务
我们还将讨论⼀系列问题，挑战和未来研究设备。这种范例称为移动边缘计算
MEC研究指南，包括MEC系统部署- （MEC）[5]。虽然长的传播延迟仍然是吸引⼈的关键-
，启⽤缓存的MEC，MEC的移动性管理，绿⾊
返回到具有近距离访问权限的云计算（MEC），
MEC以及具有隐私意识的MEC。这些⽅⾯的进步
被⼴泛认为是实现各种功能的关键技术
⽅向将促进MEC从理论上的转变
来练习。最后，我们介绍最近的标准化⼯作下⼀代互联⽹（如触觉互联⽹）的愿景
MEC以及⼀些典型的MEC应⽤场景。（以毫秒为单位的反应时间）[6 ]，物联⽹
索引词 -移动边缘计算，雾计算，移动（IoT）[7]和我的互联⽹[ 8]。⽬前，来⾃
云计算，计算分流，资源管理，学术界和⼯业界都在积极推动
绿⾊计算。追求技术与技术的融合
来⾃移动计算和有线技术这两个学科的理论
少沟通。本⽂旨在提供⼀项调查
I. 简介 com在这个年轻领域的关键研究进展
交流视⾓。我们还将提出⼀项研究成果，
⽜逼作为计算的新范式。它的愿景是
HE过去⼗年⾥，云计算新兴
计算，存储和⽹络管理的实现
外观包含有希望的研究⽅向的合奏
⽤于MEC。
云，指数据中⼼，⾻⼲IP⽹络和
蜂窝核⼼⽹[1个]，[ 2]。⼤量可⽤资源
A.5G移动计算：从云到边缘
然后可以利⽤云来提供弹性计算
在过去的⼗年中，移动设备和
2017年1⽉4⽇收到⼿稿; 修订于2017年6⽉12⽇; 公认
移动互联⽹流量呈指数增长
2017年8⽉15⽇。发布⽇期：2017年8⽉25⽇；当前版本的⽇期
2017年11⽉21⽇。这项⼯作得到了⾹港研究的⽀持推动⽆线通信的巨⼤进步
赠款委员会，编号：16200214、17209917和17259416。阳离⼦和⽹络。特别是在
（通讯作者：尤长⽣。）
⼩型蜂窝⽹络，多天线和毫⽶波通信
Y. Mao和J. Zhang在电⼦与计算机系⼯作
⾹港科技⼤学⼯程系通信有望为⽤户提供千兆⽆线访问
⾹港（电⼦邮件：ymaoac@connect.ust.hk ; eejzhang@ust.hk）。在下⼀代系统中[9]。⾼速率和⾼度
C.You和K.Huang在电⽓和电⽓部门
可靠的空中接⼜允许运⾏以下设备的计算服务
⾹港⼤学电⼦⼯程系（e-mail：
csyou@eee.hku.hk ; huangkb@eee.hku.hk）。远程云数据中⼼的移动设备，导致
KB Letaief在电⼦与计算机系⼯作研究领域称为移动云计算（MCC）。
⾹港科技⼤学⼯程系
但是，MCC有⼀个固有的局限性，即
⾹港，以及卡塔尔多哈的哈马德·本·哈⾥法⼤学（电⼦邮件：
eekhaled@ust.hk）。
数字对象标识符10.1109 / COMST.2017.2745201 从最终⽤户到终端的长距离传播
远程云中⼼，这将导致时间过长
1553-877X c 2017 IEEE。允许个⼈使⽤，但是重新发布/重新发⾏需要IEEE许可。
有关更多信息，请参见http://www.ieee.org/publications_standards/publications/rights/index.html。
授权使⽤仅限于：Deakin⼤学。从IEEE Xplore在2020年3⽉18⽇世界标准时间（UTC）下载。有限制条件。
第2⻚
⽑等。：关于移动边缘计算的调查：通讯⾓度 2323
移动应⽤程序的延迟。因此，我的客户中⼼（MCC）不够
适⽤于各种新兴的移动应⽤程序
延迟关键。⽬前，新的⽹络架构正在出现
旨在更好地整合云计算的概念
进⼊移动⽹络，这将在后⾯的部分中讨论
本⽂。
在5G⽆线系统中，超密集边缘设备包括
⼩型基站（BS），⽆线接⼊点
（AP），笔记本电脑，平板电脑和智能⼿机，图1.⼈脸识别应⽤程序中的主要计算组件[17]。
每个具有的计算能⼒可与
⼀台⼗年前的计算机服务器。因此，⼀⼤群
每次都将闲置设备。它会，计算与⽹络[4]，[ 12]，[ 13]。但是，这些地区
特别是要收获巨⼤的计算量并存储- Fog Computing和MEC的重叠部分，
⽹络边缘可⽤的可⽤资源⽣物学经常互换使⽤。在本⽂中，
⾜以实现⽆所不在的移动计算。简⽽⾔之- 我们专注于MEC，但同时也讨论了许多技术
外壳，从1G到4G的⽆线系统的主要⽬标，适⽤于雾计算。
追求越来越⾼的⽆线速度以⽀持 MEC基于虚拟化平台实施
移植从以语⾳为中⼼到以多媒体为中⼼的过渡利⽤了⽹络功能的最新发展
交通。随着⽆线速度的临近，有线计数器- 收费（NFV），以信息为中⼼的⽹络（ICN）和
部分⽽⾔，5G的使命是不同的，⽽且要复杂得多，软件定义的⽹络（SDN）。具体来说，NFV使
即⽀持ICT和互联⽹的爆炸性发展。提供多个计算服务的单边缘设备
在功能⽅⾯，5G系统将⽀持通信通过创建多个虚拟机（VM）来移动设备1个
，计算，控制和内容交付（4C）。在条款上同时执⾏不同的任务或操作差异
应⽤程序，各种新应⽤程序和强⼤的⽹络功能[15]。另⼀⽅⾯，ICN提供
5G的弊端正在兴起，例如实时在线游戏，⼀种替代的端到端服务识别范例
虚拟现实（VR）和超⾼清（UHD）视频 MEC，从以主机为中⼼转变为以信息为中⼼
流媒体，这需要空前的⾼访问速度和⼀种⽤于实现上下⽂感知的计算。最后，SDN
低延迟。在过去的⼗年中，不同类型的产品开始兴起，允许MEC⽹络管理员通过以下⽅式管理服务
下⼀代互联⽹的愿景，包括物联⽹，触觉功能抽象，实现可扩展的动态计算
Internet（延迟时间为毫秒），Me-of-Me和社交 ing [16]。MEC研究的主要重点是开发这些
⽹络。特别是，思科预测，通⽤⽹络技术，以便可以实施
500亿个物联⽹设备（例如传感器和可穿戴设备）在⽹络边缘。
到2020年将添加到互联⽹中，其中⼤多数越来越多的新兴移动应⽤
计算，通讯和存储资源有限，通过卸载它们将从MEC中受益的阳离⼦
并且必须依靠云或边缘设备来增强其性能计算密集型任务发送到MEC服务器以进⾏云执⾏
能⼒[10]。现在，⼈们普遍同意仅依靠割礼。在下⽂中，我们将提供两个⽰例以
对云计算不⾜以实现雄⼼勃勃说明MEC的基本原理。⼀种是⾯部识别-
计算和通信的毫秒级延迟如图1所⽰的应⽤程序，通常由
在5G中。此外，最终⽤户之间的数据交换五个主要的计算组件，包括图像获取
远程云将使数据海啸饱和位置，⼈脸检测，预处理，特征提取和
并关闭回传⽹络。这使得它很容易分类[17]。⽽图像采集组件
使⽤MEC推动云计算的补充需要在移动设备上执⾏以⽀持
⽹络的流量，计算和⽹络功能⽤户界⾯，其他组件可以卸载
边缘。这也符合next- 云处理，其中包含复杂的计算，例如
代⽹络被越来越多地信息⽣成作为信号处理和机器学习（ML）算法。
本地化和本地化消费，这是由于蓬勃发展⽽产⽣的可以利⽤
物联⽹，社交⽹络和内容交付中的应⽤程序[4]。⽹络边缘的丰富资源是增强现实
MEC的概念最早是由欧洲提出的（AR）应⽤程序，这些应⽤程序可以将计算机与
2014年电信标准协会（ETSI），以及⽤物理现实⽣成数据。AR应⽤如图所⽰
被定义为“ 提供IT和云图2中的五个关键组件[18岁]，[ 19]，即
⽆线电接⼊⽹内的计算能⼒视频源（该视频源从
（RAN）靠近移动⽤户 ” [5]。原来的移动相机），跟踪器（可跟踪
MEC的最初定义是指使⽤BS进⾏卸载⽤户），映射器（⽤于构建环境模型），
来⾃移动设备的计算任务。最近，这个概念对象识别器（⽤于识别对象中的已知对象
思科已经提出将雾计算技术作为
边缘设备定义的MEC的化形式 1 VM是⼀台虚拟计算机，已映射到物理计算机的硬
范围越来越⼴，从智能⼿机到机顶盒[11]。产品，提供虚拟CPU，内存，硬盘驱动器，⽹络接⼜和
这导致了⼀个名为Fog的新研究领域的出现其他设备 [14]。
第3⻚
表⼀
Ç 的OMPARISON MEC 和 MCC⼩号YSTEMS
⼀般情况下超过1公⾥。相⽐之下，云计算
需要从最终⽤户到核⼼节点的传输
⽹络或数据中⼼，距离范围从数⼗
跨⼤洲的公⾥数。这导致很多
与MCC相⽐，MEC的传播延迟更短。
其次，“我的客户中⼼”要求信息通过
包括⽆线电接⼊⽹，回程在内的⼀般⽹络
⽹络和Internet，流量控制，路由等
⽹络管理操作可能会导致过度
延迟。通讯受限于⽹络
优势，MEC摆脱了这些问题。最后，对于计算
图2. AR应⽤程序中的主要计算组件[18岁]。
延迟，云具有强⼤的计算能⼒，
⽐边缘⾼⼏个数量级
设备（例如，BS）。但是，必须共享云
环境）和渲染器（准备处理的⽐边缘设备的⽤户数量多得多，
显⽰框架）。在这些组件中，视频源减少他们在计算延迟⽅⾯的差距。此外，
和渲染器应在本地执⾏，⽽⼤多数现代的BS⾜够强⼤，可以运⾏⾼度sophis-
计算密集型组件，即跟踪器，映射器精选的计算程序。例如，边缘云
和对象识别器，可以卸载以执⾏云。 BS的计算能⼒⾼10 2 -10 4倍
这样，移动⽤户可以从超过最低要求（例如，超过3.3GHz的CPU，
诸如减少等待时间和节省能源之类的MEC 8GB RAM，70GB存储空间）以运⾏Call-of-
在下⼀个⼩节中进⾏详细说明。 Duty 13，⼀款流⾏的射击游戏。2⼀般来说，实验
已显⽰MCC的总延迟时间在
B.移动边缘计算与移动云计算 30-100ms [30]。对于许多延迟来说，这是不可接受的-
关键的移动应⽤程序，例如实时在线游戏，
如表⼀所⽰，存在重⼤差异
虚拟运动和⾃动驾驶，这可能需要
就计算服务器⽽⾔，在MEC和MCC系统之间
延迟接近1ms的⽡⽚速度[36]。与...相⽐
与最终⽤户的距离和典型的延迟等。
短的传播距离和简单的协议，MEC具有
MCC，MEC的优势是可以降低延迟，
关键等待时间实现触觉级别等待时间的潜⼒
节省移动设备的能源，⽀持上下⽂感知
5G应⽤。
计算，并增强移动设备的隐私和安全性
移动节能：由于其紧凑的形式，物联⽹
应⽤程序。通过以下⽅式简要描述了这些优势
设备的能量存储有限，但有望
下⾯的⼀些⽰例和应⽤。
合作并执⾏复杂的任务，例如监视
低延迟：移动服务的延迟是总的-
长⽭，⼈群感知和健康监测[37]。供电
三部分组成：传播，计算和
数百亿个物联⽹设备仍然是关键挑战
通信延迟，具体取决于传播距离
考虑到频繁的电池充电，设计物联⽹的努⼒
位置，计算能⼒和数据速率。第⼀，
如果不是不可能的话，更换/更换是不切实际的。通过有效
MEC的信息传播距离通常为
对于密集的⼩型蜂窝⽹络或数⼗⽶的情况
2https：// www 。使命召唤。com /
设备到设备（D2D）传输，通常不再
第4⻚⽑等。：关于移动边缘计算的调查：通讯⾓度 2325
⽀持计算分流，MEC脱颖⽽出调查⽂章已发布以提供概述
有望延长IoT设备电池寿命的解决⽅案。 MEC领域的重点不同，包括系统
具体来说，可以卸载计算密集型任务模型，架构，⽀持技术，应⽤程序，边缘
从物联⽹设备到边缘设备，以减少它们的数量缓存，边缘计算分流以及与
能源消耗。通过计算节省⼤量能源物联⽹和5G [26]，[ 27]，[ 49] – [ 55]。他们的主题是摘要-
在实验中已经证明了分流卸载，例如，归纳如下。介绍了MEC平台的概述
最多完成44倍的计算负载在[49]在不同的现有MEC框架中，architec-
多媒体应⽤程序eyeDentify [38]或增加实体及其应⽤场景，包括FemtoCloud，
对于不同的AR应⽤，电池寿命可延长30-50％[39]。讨论了REPLISM和ME-VOLTE。[50]
上下⽂感知：另⼀个与众不同的关键功能着重于MEC中的启⽤技术，例如云计算
MCC的MEC是MEC服务器具有以下功能的功能： VM，NFV，SDN可以灵活控制
⽼化边缘设备与最终⽤户之间的距离以进⾏跟踪多租户⽀持。刘等。[51]对各种MEC进⾏分类
他们的实时信息，例如⾏为，位置和应⽤程序，服务模型，部署⽅案以及
环境。基于此类信息的推论允许⽹络体系结构。在[52]提出分类法
向最终⽤户交付上下⽂感知服务[40] – [ 42]。⽤于MEC应⽤程序，并确定潜在的⽅向
例如，对于博物馆视频指南，AR应⽤程序- 研究与开发，例如内容缩放，本地控制
位置，可以根据⽤户在该位置的地理位置来预测他们的兴趣实⽤性，增强性以及数据聚合和分析。
博物馆⾃动传送与例如在[27]，边缘计算，缓存和
艺术品和古董[43]。另⼀个例⼦是CTrack 对MEC中的通讯（3C）进⾏了调查，显⽰了
使⽤BS指纹跟踪和预测信息的系统。 3C的融合。此外，MEC的关键推动⼒，例如云
⼤量⽤户的交通轨迹还讨论了技术，SDN / NFV和智能设备。
现场监控，导航和路线选择以及个性化⾏程在[53]关注三个关键设计问题
管理[44]。在MEC的计算分流中，即分流
隐私/安全性增强：能⼒enhanc- 决策，计算资源分配和移动性
移动应⽤程序的隐私和安全性也是⽼化。此外，MEC在物联⽹中的作⽤，即创造新的
与MCC相⽐，MEC带来了诱⼈的收益。物联⽹服务在[54]通过MEC部署
在MCC系统中，云计算平台是有关物联⽹⽤例的⽰例。⼏个吸引⼈
远程公共⼤型数据中⼼，例如Amazon EC2 还介绍了5G⽹络中MEC的使⽤场景
和Microsoft Azure，容易受到攻击在[26]，范围从移动边缘编排，协作
使其⽤户信息资源⾼度集中。缓存和处理，以及多层⼲扰消除
此外，⽤户数据的所有权和管理 tion。此外，与
在“我的客户中⼼”中分开，这会导致优先级问题 MEC在[55]从应⽤的⾓度
资料泄漏和丢失[45]。使⽤近缘阳离⼦开发商，服务提供商和⽹络设备
服务器提供了⼀个有希望的解决⽅案来规避这些供应商。鉴于先前的⼯作，仍然缺乏系统的
问题。⼀⽅⾯，由于分布式部署，提供全⾯和具体讨论的调查⽂章-
规模⼩，有价值信息的集中度降低深⼊整合特定的MEC研究结果
，MEC服务器成为⽬标的可能性要⼩得多移动计算和⽆线通信，
安全攻击。其次，许多MEC服务器可能是激励当前的⼯作。本⽂与现有的不同
私有云，这将减轻对信息的关注在以下⼏个⽅⾯对MEC进⾏调查。⾸先，⽬前
信息泄漏。需要敏感信息的应⽤程序租⾦调查总结了现有的计算模型和
最终⽤户和服务器之间的交换将受益于在MEC中进⾏交流以促进理论分析和
MEC。例如，MEC的企业部署可以为研究⼈员和实践提供快速参考-
帮助避免将受限制的数据和资料上传到远程 ers。接下来，我们对
数据中⼼，由企业管理员⾃⼰管理 MEC的联合⽆线电和计算资源分配，
授权，访问控制，并对不同级别的这是当前论⽂的主题。公升
不需要外部设备的服务请求[46]。我们的论⽂中的评论将是对
现有的有关MEC的调查⽂献，可以从中受益
研究界的读者在建⽴系统时-
C.论⽂动机与概述对最新资源管理的了解
MEC已成为实现以下⽬标的关键⽀持技术： MEC系统的技术。此外，我们确定和
物联⽹和5G愿景[15]，[ 47]，[ 48]。MEC研究的谎⾔讨论MEC中的⼀些研究挑战和机遇
在移动计算与⽆线通信的交汇处从沟通的⾓度来看，潜在的解决⽅案
交流，那⾥存在许多研究机会详细说明。另外，要弥合两者之间的差距
导致了⼀个⾼度活跃的区域。近年来，研究⼈员 MEC的理论研究和实际实施，最近
来⾃学术界和⼯业界的研究者然后将是MEC的标准化⼯作和使⽤场景
与MEC相关的⼀系列问题，包括系统和⽹络介绍。
建模，最佳控制，多⽤户资源分配，本⽂的组织如下。在第II，我们
实施和标准化。随后，⼏个总结基本的MEC模型，包括以下模型
第5⻚
表⼆
⼩号的UMMARY我MPORTANT⼀个CRONYMS
计算任务，通信，移动设备和对于图3所⽰的MEC系统，关键组件
MEC服务器，基于该模型的MEC延迟包括移动设备（也称为最终⽤户，客户端，
和能源消耗得到发展。接下来，划⽚程序）和MEC服务器。MEC服务器通常是
⾓度，系统化的审查节呈现III，专注于云和电信部署的⼩型数据中⼼
⽆线电与计算资源联合研究运营商与最终⽤户⾮常接近，并且可以与
不同类型的MEC系统的⽼化，包括位于⽆线AP中。通过⽹关，服务器
单⽤户，多⽤户系统以及多服务器MEC。通过Internet连接到数据中⼼。移动设备
随后，⼀系列关键研究问题和未来⽅向服务器与服务器之间通过空中接⼜分开，
第四节讨论了这些内容，包括1）部署可以使⽤⾼级⽆线功能建⽴⽆线链接
，2）启⽤缓存的MEC，3）移动性- 通信和⽹络技术。在下⾯的
MEC，4）绿⾊MEC和5）安全- ⼩节中，我们将介绍⽤于不同组合的模型
MEC中的隐私问题。具体来说，我们分析设计 MEC系统的要素，包括计算模型
每个研究问题的挑战，并提供⼏个任务，⽆线通信渠道和⽹络
潜在的研究⽅法。最后，MEC标准化- 作为计算延迟和能耗模型
审查⼯作中的⼯作和应⽤移动设备和MEC服务器。
第V，然后在第VI节作总结。
我们总结了⾸字母缩略词的定义 A.计算任务模型
为了⽅便起见，本⽂经常在表II中使⽤
有多种参数在其中起着⾄关重要的作⽤
参考。
对计算任务进⾏建模，包括延迟，带宽
利⽤率，上下⽂感知，通⽤性和可伸缩性[22]。
⼆。MEC 运算和虽然开发精确的mod-
ç OMMUNICATION中号ODELS 对于任务的选择，存在简单且合理的任务
在本节中，将介绍密钥的系统模型允许数学上的易处理性。在本⼩节中，我们介绍-
典型MEC的计算/通信组件对现有的两个流⾏的计算任务模型进⾏了⽐较
系统。这些模型提供了将var- 有关MCC和MEC的⽂献，对应于⼆进制和
功能和操作陷⼊优化问题分别进⾏部分计算分流。
促进理论分析，如下所述 1）⼆进制卸载任务模型：⾼度集成
部分。或相对简单的任务⽆法分区，⽽必须
6⻚
图3. MEC系统的体系结构。
整体在移动设备上本地执⾏或独⽴并且可以任意分为不同的组
卸载到MEC服务器，称为⼆进制卸载。这样的并由MEC系统中的不同实体执⾏，例如
任务可以由⼀个三场表⽰法来表⽰A（L，τ d，X）。在移动设备和MEC服务器上并⾏执⾏。
该常⽤符号包含以下信息：然⽽，不同程序之间的依赖性
任务输⼊数据⼤⼩L（以位为单位），完成死点- 许多应⽤程序中的dures / components不容忽视
线τ d（以秒计），和计算⼯作量/强度因为它会严重影响执⾏程序
X（每位CPU周期数）。这些参数与由于以下原因导致计算分流：
应⽤程序的性质，可以通过以下⽅式估算 • ⾸先，函数或例程的执⾏顺序可以-
任务分析器[56]，[ 57]。这三个参数的使⽤不能任意选择，因为⼀些输出

不仅捕获了移动应⽤程序的基本属性组件是其他组件的输⼊。
例如计算和通讯需求，但是 • 其次，由于软件或硬件的限制，
还简化了执⾏延迟的评估，并且某些功能或例程可以卸载到服务器
能耗表现（将在⽤于远程执⾏，⽽只能执⾏
第II-C节）。本地，例如图像显⽰功能。
任务A（L，τ d，X）需要之前完成这需要更复杂的任务模型
硬期限τ d。这个模型也可以推⼴到⽐提到的数据分区模型可以捕获
柔软的期限要求，允许⼀⼩部分不同计算功能之间的相互依赖性
任务之后完成τ d [58]。在这种情况下，应⽤程序中的例程。⼀种这样的模型称为任务-
执⾏1位任务输⼊数据所需的CPU周期是mod- 调⽤图。该图通常是有向⽆环图
ELED作为随机变量X。具体来说，将x 0定义为（DAG），这是⼀个⽆向循环的有限有向图。
略去整数使得镨（X> X 0 ） ≤ ρ，其中ρ是⼩实我们将其表⽰为G（V，E），其中顶点集V
数：0 <ρ «1.由此可见，镨（LX> w ^ ρ） ≤ ρ其中代表应⽤程序和集合中的不同过程
w ^ ρ = Lx的0。然后给出的⼤号位任务的输⼊数据，w ^ ρ上边E的个数指定了它们的调⽤依存关系。有三种
⼏乎可以肯定地限制了所需的CPU周期数。⼦任务（即任务组件）的典型依赖模型
2）部分卸载的任务模型：实际上，（例如函数或例程），即sequence，parallel和
许多移动应⽤程序由多个过程组成⼀般依赖[59]，[ 60]，如图4所⽰。为了
持续时间/组成部分（例如，移动启动的应⽤程序的第⼀步和最后⼀步，例如，
AR应⽤如图2所⽰），使其成为可能收集I / O数据并显⽰计算结果
实现细粒度（部分）计算卸载。在屏幕上，通常需要在本地执⾏。
具体来说，该程序可以分为两个部分因此，图4中的节点1和节点N（a）– 4（c）是
⼀个在移动设备上执⾏，另⼀个在必须在本地执⾏。此外，所需的计算
边缘执⾏。每个程序的⼯作量和资源，例如数量
⽤于部分卸载的最简单任务模型是所需的CPU周期和所需的内存量，
数据分区模型，其中任务输⼊位按位也可以在任务调⽤图的顶点中指定，
第7⻚
图4.任务调⽤图的典型拓扑。
⽽每个过程的输⼊/输出数据量可以促进有效使⽤碎⽚化和
特点是在边缘上加重。频谱资源利⽤不⾜[72] – [ 74]。
⽆线信道随时间的随机变化，
频率和空间使其对于⾼效设计⾄关重要
沟通模式 MEC系统⽆缝集成计算控制
在MCC的⽂献中，卸载和⽆线电资源管理。例如，当
移动设备和云服务器通常抽象为⽆线通道处于淡⼊淡出状态，执⾏减少
给定恒定速率或随机速率的位管远程执⾏的延迟可能不⾜以补偿
分布。此类粗略模型可⽤于由于陡峭⽽增加了传输延迟
且对于MCC系统的设计可能是合理的传输数据速率下降。对于这种情况，最好
重点在于解决核⼼中的延迟推迟卸载直到信道增益良好或切换
⽹络和⼤型云的管理，但不是到质量更好的替代频率/空间频道
⽆线通信延迟。情况有所不同卸载的能⼒。此外，增加发射功率
MEC系统。考虑到⼩规模的边缘云和定位可以提⾼数据速率，但也导致更⼤的传输
延迟关键型应⽤程序，减少通信延迟能源消耗。出于上述考虑，
通过设计⾼效的空中接⼜是主要的卸载和⽆线传输的联合设计
设计重点。因此，提到的位管模型应根据以下情况适应时变信道
不⾜，因为他们忽略了⼀些基本的原则- 准确的通道状态信息（CSI）。
⽆线传播的联系，并且过于简化⽽⽆法在MEC系统中，通信通常在
实施先进的通讯技术。成为具有直接D2D功能的AP和移动设备
特定的⽆线通道不同于有线通道通讯。MEC服务器是⼩型数据中⼼
在以下关键⽅⾯[61]：云计算/电信运营商部署的服务，
1）由于⼤⽓管道，反射和折射可以与⽆线AP（例如，公众）放置在同⼀地点
来⾃散布环境中的物体（例如， WiFi路由器和BS，以减少资本⽀出
英格斯，墙壁和树⽊），存在众所周知的多⽀出（CAPEX）（例如，场地租赁）。如图3所⽰，
⽆线通道中的路径衰减，使通道⽆线AP不仅为
⾼度时变并且可能导致严重的符号间 MEC服务器，但还允许访问远程数据
⼲扰（ISI）。因此，有效的ISI抑制技术- 通过回程链路集中，这可以帮助MEC
均衡和扩频等技术服务器进⼀步将⼀些计算任务转移到其他服务器
需要可靠的传输。 MEC服务器或⼤型云数据中⼼。为了
2）⽆线传输结果的⼴播性质⽆法与MEC服务器通信的移动设备
在⼀个信号受到其他信号⼲扰的情况下，直接由于⽆线接⼜不⾜，D2D通信
具有相同的频谱，从⽽减少了它们各⾃的与邻近设备的互动为
接收信号⼲扰加噪声⽐（SINR）将计算任务转发给MEC服务器。此外，
从⽽导致错误的可能性 D2D通信还可以实现对等合作
检测。为了应对性能下降内的资源共享和计算负载平衡
⼲扰管理已成为其中⼀项移动设备集群。
⽆线通讯最重要的设计问题⽬前，存在不同类型的商业化技术，
阳离⼦系统并吸引了⼴泛的研究移动通信领域，包括近场
努⼒[62] – [ 64]。通信（NFC），射频识别（RFID），
3）频谱短缺⼀直是主要的敌⼈蓝⽛，WiFi和蜂窝技术，如长期
⾼速⽆线电接⼊，激发了对以下⽅⾯的⼴泛研究术语演进（LTE）。此外，5G⽹络将
开发新的频谱资源[65岁] [ 66]，设计通过LTE的发展与新技术的结合⽽实现
新型收发器架构[67] – [ 69]和⽹络⽆线电接⼊技术，⽬前正在标准化，
范式[70]，[ 71]以提⾼频谱效率，最早将在2020年投⼊商业使⽤[75 ]。这些
以及发展频谱共享和聚合技术可以⽀持从⼿机到⼿机的⽆线卸载
第8⻚
表III
Ç 极特作者 Ť YPICAL W¯¯ IRELESS Ç OMMUNICATION Ť ECHNOLOGIES
AP或点对点移动合作以改变数据速率电路理论[76] – [ 79]，CPU功耗可以

和传输范围。我们列出了典型的典型特征- 被分成⼏个因素，包括动态，短期
表III中的⽆线通信技术，哪⼀个电路，以及泄漏功耗，3动态
在⼯作频率⽅⾯存在极⼤差异，功耗占主导地位。特别是
最⼤的覆盖范围和数据速率。对于NFC，覆盖范围在[78]动态功耗正⽐于-
范围和数据速率很低，因此技术 V 2乘积的乘积 ir f m其中V cir是提供的电路
ogy适⽤于需要很少信息的应⽤电压。在[76]和[ 79]那，时钟
交换，例如电⼦⽀付和物理访问认证。 CPU芯⽚的频率⼤约是线性⽐例-
RFID与NFC类似，但仅允许单向通信在低压下⼯作时的电源电压
互动。蓝⽛是⼀种更强⼤的技术限制。因此，给出了CPU周期的能耗
MEC系统中的短距离D2D通信。长期通过κfm2，其中κ是与硬件架构相关的常数
⼿机和MEC服务器之间的范围通信， tecture。对于具有CPU时钟的计算任务A（L，τ，X）
WiFi和LTE （或将来的5G）是两项主要技术，速度f m，可以得出能量消耗：
能够访问MEC系统的技术 Ë ⽶ = κLXf 2 （2）
根据它们的链路可靠性进⾏⾃适应切换。对于⽶。
在MEC系统中部署⽆线技术，可以从（1个）和（2），移动设备可以
通信和⽹络协议需要⽆法在以下时间内完成计算密集型任务
重新设计以整合计算和通讯所需的最后期限，否则会产⽣能源消耗
基础架构，并有效改善计算移动执⾏的速度过⾼，以⾄于车载电池
⽐数据传输更复杂的效率。很快耗尽。在这种情况下，卸载任务执⾏
处理到MEC服务器是可取的。
C.移动设备的计算模型除了CPU外，⼿机中的其他硬件组件
设备，例如随机存取存储器（RAM）和闪存
在本⼩节中，我们介绍了
内存，也有助于计算延迟和精⼒
移动设备，并讨论评估
消费 [80]，⽽详细讨论超出了
计算性能。
本调查范围。
移动设备的CPU是以下设备的主要引擎
本地计算。CPU性能由
D. MEC服务器的计算模型
CPU周期频率f m（也称为CPU时钟
速度）。最新的移动CPU架构采⽤在本⼩节中，我们介绍了
先进的动态频率和电压缩放（DVFS） MEC服务器。与移动设备类似，
技术，该技术可以提⾼或降低CPU- 定位延迟和能耗特别重要
周期频率（或电压），导致增长和降低兴趣。
能源消耗。在实践中，与之相⽐，服务器计算延迟可以忽略不计
f m以最⼤值f max为边界，这反映了 MEC系统中的通信或本地计算延迟
中央处理器
⼿机计算能⼒的局限性。基于服务器的计算量要低得多
关于第II-A节介绍的计算任务模型，⽐他们的计算能⼒[79]，[ 81]。这个模型可以
可以计算任务A（L，τ，X）的执⾏延迟与具有资源的多⽤户MEC系统相关，
相应地受约束的服务器（如果服务器的计算负载为
LX 由多⽤户资源管理在延迟和
tm= ，（1）计算能⼒约束[82]。
˚F ⽶
3 动态功耗来⾃于
这表明需要较⾼的CPU时钟速度
CPU内部的逻辑门，应对内部的电容器进⾏充电/放电
为了减少执⾏延迟，以更⾼的代价逻辑门。逻辑门切换时，其某些晶体管可能会改变
CPU能耗。状态，因此，某些晶体管可能会在很短的时间内
同时进⾏。在这种情况下，源之间的直接路径
由于移动设备受能源限制，因此能源
接地会导致⼀些短路功率损耗。漏电功率
本地计算的消耗是另⼀个关键措施耗散是由于在晶体管的掺杂部分之间流动的电流
移动计算效率的保证。根据躯⼲[78]，⽹址为https://en.wikipedia.org/wiki/CPU_power_dissipation。
第9⻚
另⼀⽅⾯，由于边缘服务器的限制 MEC服务器上的CPU消耗（⽤E s表⽰）可以

计算资源不⾜，有必要考虑表⽰为
⼀般设计中不可忽略的服务器执⾏时间 ∑ķ
MEC系统，⽣成服务器的计算模型 κw ķ ˚F 2
Es= （4）
S，K ，
在本⼩节其余部分中讨论。两种可能 k=1
模型是在⽂献中考虑的，对应于
与移动设备类似。其他型号
确定性和随机服务器计算延迟。的
基于最近的作品[89] – [ 91]那个
提出了确定性模型来考虑确切的服务器
服务器能耗与CPU利⽤率成线性关系
延迟敏感型应⽤程序的计算延迟
⽐率取决于计算负荷。⽽且，甚⾄
使⽤VM和DVFS等技术实现。
对于闲置的服务器，它平均仍然消耗⾼达70％的电量
具体来说，假设MEC服务器分配了不同的VM
全CPU情况下的能耗
适⽤于不同的移动设备，允许独⽴计算
速度。因此，MEC服务器上的能耗可以
位置[83]。令f s，k表⽰分配的服务器的CPU周期
根据
移动设备的频率k。类似于II-C节，
因此，以t s，k表⽰的服务器执⾏时间可以 Ë ⼩号 = αE 最⼤值 + （ 1 - α）电⼦最⼤值U，（5）
w^ķ
计算为t s，k = ，其中w k是
˚F S，K 其中，E max是完全利⽤的能耗
处理卸载的计算所需的CPU周期服务器，α是空闲能源消耗的⼀部分（例如，
⼯作量。该模型已被⼴泛⽤于设计 70％），u表⽰CPU利⽤率。这个模型
计算资源分配策略[84] – [ 86]。⼀个相似的建议节能的MEC应该允许服务器
模型是在[82]，假设使⽤MEC服务器在轻载的情况下切换到睡眠模式
对所有卸载的计算机执⾏负载平衡将计算负载合并到更少的活动服务器中。
⼯作量。换句话说，CPU在MEC处循环
服务器按⽐例分配给每个移动设备，例如 E.总结与见解
他们经历相同的执⾏延迟。此外，
MEC的计算和通信模型是总和-
除了CPU处理时间外，服务器还安排了-
图5所⽰，为分析奠定基础
对于MEC服务器，应考虑排队延迟
下⼀节中的MEC资源管理。这些型号
相对较⼩的计算能⼒，其中并⾏计算
对卸载设计提出了⼀些有⽤的见解，列为
通过虚拟化技术进⾏放置是不可⾏的，因此
如下。
它需要按顺序处理计算⼯作量。
• MEC的有效设计应充分利⽤和整合
不失⼀般性，将k表⽰为
掌握⽆线领域的先进技术
移动设备，并将其命名为移动设备k。因此，总服务器-
通信和移动计算。
计算延迟，包括设备k的排队延迟
• 选择合适的计算任务模型⾄关重要
由T s，k表⽰为
适⽤于不同的MEC应⽤程序。例如，
∑
截⽌⽇期任务模型可以应⽤于社交⽹络
T s，k = t s，i。（3）
应⽤程序，但不适合AR应⽤程序
我≤ķ
由于严格的计算延迟要求。
对于延迟容忍的应⽤程序，平均服务器⽽且，对于特定的应⽤程序，任务模型也
可以基于随机模型得出计算时间。取决于卸载⽅案，例如，数据分区
例如，在[87]，任务的到来和服务时间卸载输⼊数据时可以使⽤模型，并且
由泊松和指数过程建模，每个任务时都应考虑任务调⽤图
分别。因此，平均服务器计算时间可以组件可以整体卸载。
使⽤排队论中的技术得出。最后，为所有⼈ • ⽆线信道状况会严重影响
以上模型，如[1个]，多个虚拟机共享计算卸载所需的能耗量
同⼀台物理计算机将引⼊I / O⼲扰 ing。MEC有潜⼒减少传播
在不同的虚拟机之间。导致更长的计算时间⽤户之间的距离短导致能源消耗
每个VM的延迟，以T表⽰，，可以建模和MEC服务器。先进的⽆线通讯
由T 技术，例如⼲扰消除和⾃适应
s，k = T s，k （ 1+ ϵ） n 其中ϵ是性能下降
作为延迟增加百分⽐的因素[88]。功率控制，可以进⼀步减少卸载能量
MEC服务器的能耗共同决定了- 消费。
取决于CPU，存储，内存和⽹络的使⽤情况 • 动态CPU周期频率控制是关键技术-
接⼜。由于CPU贡献在控制计算延迟和能量的⽅法
这些因素，是⽂献研究的重点。⼆移动设备和MEC服务器的消耗。
易处理的模型被⼴泛⽤于能源消耗具体来说，增加CPU周期频率可以
MEC服务器。⼀种模型基于DVFS技术减少计算时间，但有助于提⾼
描述如下。考虑⼀个处理K的MEC服务器能源消耗。有效的CPU周期频率
计算任务，第k个任务由w k CPU 分配控制应该在
以CPU周期频率f s，k进⾏周期。因此，总能量计算延迟和能源消耗。
第10⻚
图5. MEC模型摘要。
• 除了任务执⾏延迟外，计算异构服务器，不仅提供
如果MEC服务器具有以下功能，则调度延迟不可忽略服务器选择，但也允许服务器之间的合作。
相对较⼩的计算能⼒或较重的计算量这样的⽹络级操作可以⼤⼤增强
操作负载被卸载到服务器上。负载均衡 MEC系统的性能。
智能调度策略可以设计为
减少总的计算延迟。 A.单⽤户MEC系统
本⼩节重点介绍简单的单⽤户MEC
三，ř ESOURCE中号ANAGEMENT IN MEC⼩号YSTEMS 系统并回顾了⼀组针对以下⽅⾯的最新研究成果
⽆线电与计算资源联合管理这个案例。讨论分为三个部分
在实现节能和低能耗⽅⾯起着关键作⽤流⾏的任务模型，即确定性任务模型
延迟MEC。相关技术的实现是具有⼆进制卸载功能，具有部分确定性的确定性任务模型
MEC服务器所在的⽹络体系结构促进了这⼀发展分流和随机任务模型。
⽆线AP（例如，BS和WiFi路由器）位于同⼀位置。 1）具有⼆进制卸载的确定性任务模型：
在本节中，我们将对考虑提到的单⽤户MEC系统，其中
有关MEC系统资源管理的⽂献总结如下：⼆进制卸载决策取决于是否执⾏特定任务
图6所⽰。我们的讨论从简单开始应该卸载以进⾏边缘执⾏或本地计算
单⽤户系统，包括⼀个移动设备和⼀个时间。最优卸载策略的研究
单个MEC服务器，可以展⽰关键设计 cies可以追溯到传统Cloud的cies
注意事项和基本设计⽅法。随后，通信链接所在的计算系统
考虑更复杂的多⽤户MEC系统，通常假定为具有固定的速率⼄。在[92]和[ 93]，gen-
多个卸载⽤户争夺两者的使⽤权制定了确定卸载的⼀般准则
⽆线电和服务器计算资源，并且为了最⼤程度地减少移动能量⽽做出的决定
讨好最后，我们将讨论扩展到带有消耗和计算延迟。将w表⽰为⾦额
第11⻚
图6. MEC的资源管理技术分类。
任务的计算量（以CPU周期为单位），f m为CPU速度针对需要任务的多媒体应⽤程序

移动设备的数量，d为输⼊数据⼤⼩，f s为在⼀定期限内完成的给定概率
云服务器上的CPU速度。卸载计算 ρ。通过计算确定卸载决策
到云服务器只能提⾼延迟性能模式（卸载或本地计算）产⽣的费⽤更少
什么时候能源消耗。⼀⽅⾯，能源消耗
w d w
˚F ⽶> ⼄ + ˚F，
⼩号（6）使⽤DVFS技术对本地执⾏进⾏了优化，
它被公式化为凸优化问题
⽬标函数是预期的能源消耗
适⽤于需要⼤量计算的应⽤程序
所述的灰W¯¯ ρ CPU周期和⼀个持续时间为约束
并有少量数据输⼊，或者当云服务器
这些CPU周期。最佳的CPU周期频率
速度快，传输速率⾜够⾼。此外，
通过求解以封闭形式导出计算持续时间
令p m代表移动设备的CPU功耗
的Karush-库恩-塔克（KKT）的条件下，这表明
设备，并且p t是传输功率，p i是功率con-
处理器应随着完成数量的增加⽽加速
任务在服务器上运⾏时在设备上的消耗。
CPU周期增加。另⼀⽅⾯，预期能量
卸载任务可以帮助节省移动能源
通过数据传输将任务卸载的消耗降⾄最低
w d w
p⽶× >点吨 × +p我× （7）任务调度。在吉尔伯特·艾略特（Gilbert-Elliott）渠道模型下，
˚F ⽶⼄ ˚F ⼩号通过获得最佳的数据传输调度
持有，即计算量⼤，轻便的应⽤程序动态编程（DP）技术以及缩放定律
通信应该被卸载。预期的最低预期能耗
尽管如此，⽆线通信的数据速率还确定了执⾏期限。这个框架
是不恒定的，并随时变通道⽽变化在[81]本地计算机
增益以及取决于传输功率。这叫⽆线能量传输为卸载和卸载提供了动⼒。
⽤于设计电源适配的控制策略和具体来说，本地计算机的最佳CPU周期频率
数据调度以简化卸载过程。在阿迪- 卸载的时间分配和时分应该适应
，随着CPU功耗超线性增加转移的⼒量。
在CPU周期频率下，计算能量 2）确定性任务模型具有部分卸载：该
使⽤DVFS可以最⼤程度地减少移动执⾏量可以运⾏相对复杂的移动应⽤程序
技术。这些问题导致了⾃适应领域的活跃分解为⼀组较⼩的⼦任务。受近期启发
MEC总结如下。并⾏计算的进步，部分卸载（也
在[94]，传输能量最⼩化的问题⼈们提出了称为程序分区的⽅案
在计算截⽌期限约束下在[59]，[ 60]和[ 95] – [ 100]。
优化变量是输⼊数据的传输时间，在[95]，则考虑了程序分区的全部粒度-
著名的⾹农-哈特利公式赋予了⼒量- 可将任务输⼊数据任意划分为
速率函数。优化问题是凸的，可以是本地和远程执⾏。联合优化卸载
以封闭形式解决。特别地，任务卸载是可取的⽐率，传输功率和CPU周期频率为
当信道功率增益⼤于阈值时执⾏以最⼩化移动能源消耗（或
服务器CPU⾜够快，这表明了延迟）受延迟（或能耗）的影响，
⽆线信道上的卸载决定。进⼀步的研究 t。能量和等待时间最⼩化问题
由Zhang 等⼈进⾏。[79]以最⼩化能量消耗与⼆进制卸载相⽐，它们是⾮凸的。
执⾏具有软实时要求的任务的假设，前⼀个问题可以⽤
第12章
可变替代技术⽽次优算法执⾏成本在[100]和[ 104]，在哪⾥

在[95]。前者仅基于
在[59]，[ 60]和[ 96] – [ 100]，对应⽤程序进⾏建模 MDP理论，⽽后者共同控制
通过前⾯讨论的任务调⽤图来指定依赖本地CPU频率，调制⽅案以及数据
不同⼦任务之间的延迟以及代码分区半MDP框架下的费率。在[105]，能量-
旨在动态⽣成最佳集的⽅案异构类型的MEC系统中的延迟权衡
卸载任务。在[59]，通过利⽤概念对应⽤程序进⾏了调查，包括不可卸载
移动设备和服务器之间的负载平衡，⼯作负载，可云负载的⼯作负载和⽹络流量。
⼀种启发式程序划分算法被开发为提出了⼀种基于Lyapunov优化的算法。
最⼩化执⾏延迟。Kao 等。调查了共同决定卸载策略，任务分配，CPU时钟
具有规定资源利⽤率的延迟最⼩化问题速度和所选的⽹络接⼜。还表明
[96]，并提出多项式时间能源消耗与
具有保证性能的近似解决⽅案。最⼤化 V，⽽等待时间则随V线性增加，其中V是a
减少通过计算分流实现的节能量，提出的算法中的控制参数。类似的投资
调度和云卸载决策是共同的对具有多核的MEC系统进⾏了缓解
在[中使⽤整数编程⽅法进⾏了优化60]。 [106]。
在[97]，考虑⽆线信道模型，包括 4）总结与见解：资源⼈的⽐较-
块衰落信道，独⽴且相同分布单⽤户MEC系统的⽼化⽅案如图所⽰
（iid）随机渠道，以及马尔可夫随机渠道表四。这⼀系列的⼯作产⽣了许多有⽤的
nel，预期的能耗最⼩化问题关于控制计算卸载的见解
具有完成时间限制的结果被发现是随机的下⾯。
tic最短路径问题和单爬坡策略（即 • 考虑⼆进制卸载。为了节省能源，请计算-
执⾏仅从移动设备迁移到当本地计算优先于本地计算时，
服务器）显⽰为最佳。此外，该程序- ⽤户具有理想的频道条件或⼩的本地通讯
分区⽅案也与放置能⼒。此外，波束成形和MIMO
物理层参数，例如传输和接收可以利⽤技术来减少能源消耗
功率，星座图⼤⼩以及数据分配卸货的理由。为了减少延迟，计算机
⽤于不同的⽆线电接⼜[98]
3）随机任务模型：资源管理策略 – [ 100]。卸载⽐本地计算更具优势
当⽤户带宽较⼤⽽MEC服务器
还为带有随机存储器的MEC系统开发了- 提供了巨⼤的计算能⼒。
以随机任务到达为特征的tic任务模型，其中 • 部分卸载可实现灵活的组件/数据解析
到达但尚未执⾏的任务加⼊队列训练。通过减轻耗时或精⼒的负担，
任务缓冲区[101] – [ 106]。对于此类系统，长期消耗⼦任务到MEC服务器，部分卸载
性能，例如长期平均能耗可以实现更⼤的节能量和更⼩的计算量
与执⾏延迟相⽐，与与⼆进制卸载相⽐，延迟时间更短。图形
确定性任务的到来，以及时间相关性理论是设计卸载的强⼤⼯具
最佳的系统操作能⼒使设计更加合理根据任务依赖图进⾏调度。
具有挑战性的。结果，MEC系统的设计与 • 对于随机任务模型，时间相关
随机任务到达是⼀个与的任务到达和渠道可以被利⽤来
具有确定性任务模型的简单案例。在[101]，设计⾃适应动态计算卸载策略。
为了最⼤程度地减少移动能源消耗此外，保持任务缓冲区的稳定性⾄关重要
保持执⾏⽐例违反最后期限通过卸载速率控制在⽤户和MEC服务器上运⾏。
需求低于阈值，动态卸载算法
提议确定卸载的软件组件
来⾃基于移动⽤户的应⽤程序运⾏ B.多⽤户MEC系统
关于Lyapunov优化技术，其中3G和WiFi 尽管前⾯的⼩节针对资源管理，
设备可以访问⽹络，但速率不同具有专⽤功能的单⽤户MEC系统的策略策略
在不同的位置。假设并发本地和 MEC服务器，本⼩节考虑多⽤户MEC
边缘执⾏是可⾏的，延迟最佳任务计划包含多个共享⼀个的移动设备的系统
政策是在[102]基于边缘服务器。研究了⼏个新的挑战
马尔可夫决策过程（MDP），它控制状态续集，包括多⽤户联合⽆线电与计算
本地处理和传输单元以及任务资源分配，MEC服务器调度和多⽤户
基于通道状态的缓冲区队列长度。被显⽰协作边缘计算。
最佳的任务调度策略明显优于 1）⽆线电和计算资源联合分配：
形成贪婪的调度策略（即任务已调度与中央云相⽐，MEC服务器具有很多优势
只要它们空闲，就发送到本地CPU /传输单元）。较少的计算资源。因此，⼀个关键问题
共同优化计算延迟和能量消耗设计多⽤户MEC系统是如何分配
消耗，使长期平均值最⼩化的问题多个移动台的有限⽆线电和计算资源
第13⻚
表四
Ť HE Ç OMPARISON OF P APERS ˚F OCUSING ON⼩号英格尔 -U SER MEC⼩号YSTEMS
⽤于实现系统级⽬标，例如最⼩和为了减少移动能耗总和。优化
移动能源消耗。集中式和分散式 mal解表明存在最优的⼀对⼀关系
已经研究了分布式资源分配⽅案发射功率和数量之间的映射
不同的MEC系统，如下所述。每个移动设备分配的CPU周期数。这项⼯作
⽤于集中式资源分配[82]，[ 84]，[ 99]，在[99]来考虑最优
[107] – [ 112]，则MEC服务器获取所有移动信息- 基于任务调⽤图模型的⼆进制卸载。
包括CSI和计算请求在内的任等⼈。[110]考虑了多⽤户视频压缩-
资源分配决策，并通知移动设备 MEC中的sion卸载并最⼤程度地减少了本地延迟
关于决定。在[82]，移动⽤户分时有罪，压缩，边缘云压缩和部分压缩
gle边缘服务器，并且具有不同的计算⼯作量，并且分流⽅案。此外，为了减少能量
本地计算能⼒。凸优化问题和每个⽤户的多⽤户MEC系统的延迟成本
制定以尽量减少移动能源总和 Chen 等⼈有多个任务。共同优化卸载
消费。关键发现是针对决策和通信资源分配
控制分流数据的⼤⼩和时间分配有⼀个通过[中的可分半定松弛⽅法111]，
简单的基于阈值的结构。具体来说，是卸载后来在[112]通过计算-
优先级函数是⾸先根据移动⽤户的将资源分配和处理成本考虑在内。
通道条件和本地计算能耗。不同于 [82]，[ 84]，[ 99]，[ 110] – [ 112]，收⼊
然后，优先级⾼于和低于给定的⽤户服务提供商在[107在...的约束下
阈值将执⾏完整和最⼩的卸载（以便所有移动设备的服务质量（QoS）要求。
分别达到给定的计算截⽌⽇期）。这个结果假设每个⽤户的固定资源使⽤量会导致
还扩展到基于OFDMA的MEC系统，⽤于半MDP问题，它转化为线性pro-
设计接近最佳的计算卸载策略。语法（LP）模型并有效解决。在[108]，假设-
在[84]，⽽不是控制卸载数据的⼤⼩和在随机任务到达模型中，能量等待时间的权衡
时间，MEC服务器确定了移动传输通过Lyapunov调查了多⽤户MEC系统中的
电源和分配给不同⽤户的服务器CPU周期基于优化的在线算法，可共同管理
14⻚
可⽤的⽆线电和计算资源。集中在服务器通信期间检查不同任务的截⽌⽇期
基于多⽤户MEC系统的资源管理放置过程并⾃适应地调整任务执⾏顺序
云⽆线电接⼊⽹（C-RAN）也已经进⾏了调查，以满⾜异构延迟要求。最后⼀点
在[109]。计算任务每个都包含⼏个相关的⼦任务
研究的另⼀个重点是分布式资源这样这些模块的调度必须满⾜
为多⽤户MEC系统分配任务依赖性要求。具有顺序的任务模型
使⽤博弈论和分解技术进⾏设计在[120]共同
尼基斯[85]，[ 86]，[ 113] – [ 117]。在[ 85]和[ 113]，为多个⽤户优化程序分区，并且
假定计算任务是本地执⾏的服务器计算调度，以最⼤程度地减少平均计算
或通过单个和多个⼲扰通道完全卸载褶皱时间。结果，提出了⼀种启发式算法。
分别。使⽤固定的移动发射功率，解决公式化的混合整数问题。具体来说，
制定了整数优化问题以最⼩化⾸先为每个⽤户优化计算分区。下
总能耗和卸载延迟，这些分区，它将搜索违反时间间隔的时间间隔
被证明是NP难的。⽽不是设计集中式资源限制并相应地进⾏调整。此外，
解决⽅案，将博弈论技术应⽤于通⽤的依赖任务模型如图4所⽰（c）是
开发⼀种分布式算法，能够实现考虑了[116]。这个模型⼤⼤
纳什均衡。⽽且，它表明，对于每个⽤户，使计算时间的表征复杂化。讲话
仅当收到⼲扰时分载才有好处⾯对这⼀挑战，每个⼈都定义了准备时间的量度
功率低于阈值。此外，这项⼯作是⼦任务是所有前辈都拥有的最早时间
扩展于[114]和[ 115]，其中每个移动设备都有多个被计算。然后，由卸载决定，移动CPU
任务，并且可以将计算任务卸载到连接的多个AP 循环频率和移动发射功率合在⼀起
分别由公共边缘服务器执⾏。对于卸载进⾏了优化，以减少移动能耗总和
过程中，除了传输能量，这项⼯作还有提出的分布式算法的计算延迟。
还考虑了AP和 3）多⽤户协作边缘计算：多⽤户
固定电路电源。建议的分布式卸载策略协作计算被认为是⼀种有前途的技术
显⽰移动设备应移交计算通过提供以下两种⽅法来改善MEC性能
仅当新⽤户选择相同的AP时，才能将其分配给其他AP 优点 [121] – [ 127]。⾸先，MEC服务器的通信受限
AP获得了更⼤的收益。建⽴在系统模型上假定资源可能不得不超负荷运⾏
在[85]，针对移动传输的联合优化为⼤量卸载移动⽤户服务。在这种情况下
电源和边缘服务器的CPU周期分配为通过点对点可以减轻服务器的负担
在[86]。解决公式的混合整数移动协作计算。其次，共享计算机
问题，利⽤分解技术进⾏优化⽤户之间的传统资源可以平衡不平衡
依次进⾏资源分配和卸载决策。计算⼯作量和计算的分布
具体来说，将卸载决策问题简化为⽤户的能⼒。在[121]，D2D通讯原为
次模最⼤化问题并通过设计解决建议实现多⽤户协作计算。特别是
启发式贪婪算法。相似的分解技术通常，这项⼯作研究了如何检测和利⽤计算
并采⽤了连续凸逼近技术其他⽤户的资源。这个想法在[122] ⾄
在[116]和[ 117]分别设计分布式资源提出了⼀种基于D2D的异构MCC⽹络。这样的
MEC系统的分配算法。新型框架可以增强⽹络容量，
2）MEC服务器调度：讨论的⼯作是效率和卸载概率。⽽且，对于⽆线传感器
⾥尔[82]，[ 84] – [ 86]，[ 107]，[ 115]是基于假设⽹络中，[123] ⾄
⽤户同步以及并⾏本地同步的可⾏性增强其计算能⼒。⾸先，最佳计算
和边缘计算。但是，学习实⽤的MEC 分配分区，以最⼤程度地减少能源消耗
服务器调度需要放宽这些假设，因为研究了两个合作节点。当时的结果是
下⾯将讨论最终的设计。⾸先，⽤来设计公平意识的节能合作社
不同⽤户的到达时间通常是异步的，因此活动节点选择。此外，宋等。[124]表明
对于具有有限计算能⼒的边缘服务器来说是理想的在对等⽤户之间共享计算结果可以表⽰
资源来按顺序缓冲和计算任务，其中不能减少多⽤户MEC的通信流量
导致排队延迟。在[118]，以应付突发事件系统。假设任务可以卸载或计算
任务到达时，服务器调度已与上⾏链路集成- 在本地，提出了混合整数优化问题
下⾏传输调度以最⼩化平均在约束条件下将总能耗降⾄最低
使⽤排队理论的延迟。第⼆，即使是同步系统通信流量。为了解决这个挑战
任务到达时，延迟要求可能会⼤不相同问题，两种在线任务调度算法是
⽤户运⾏各种类型的应⽤程序基于定价和李雅普诺夫优化理论的建议
从对延迟敏感的应⽤程序到对延迟敏感的应⽤程序。这个瑞斯。另外，通过雇⽤⼀个助⼿，四个
事实要求服务器安排分配⽤户的时间有所不同- 插槽联合计算与通信合作协议
优先级根据其延迟要求⽽定。在[125]，帮助者不仅在其中进⾏计算
在[119]，在进⾏资源预分配之后，MEC服务器将从⽤户分担的部分任务中，还充当了
第15章
表五
Ť HE Ç OMPARISON OF P APERS ˚F OCUSING ON中号ULTIUSER MEC⼩号YSTEMS
中继节点将任务转发到MEC服务器。另⼀个 4）总结与见解：资源⼈的⽐较-
最近的⼯作 [126]研究了最佳卸载策略- 多⽤户MEC系统的⽼化⽅案在
在对等协作计算系统中表五。我们对资源分配得出了⼀些结论，
计算助⼿具有随时间变化的计算资源。 MEC服务器调度和移动协同计算
具体⽽⾔，修建了卸载可⾏性隧道如下。
基于助⼿的CPU配置⽂件和缓冲区⼤⼩。鉴于 • 考虑具有有限⽆线电和通信能⼒的多⽤户MEC系统
隧道，最佳卸荷证明是通过计算资源。对于系统级⽬标，
著名的“拉弦”策略，以图形⽅式表⽰例如，为了最⼤程度地减少移动能耗总和，
穿过隧道拉⼀根绳⼦。最后，Chen 等。提议的频道收益⼤且本地计算量低的⽤户
基于Lyapunov的在线对等卸载框架能源消耗是卸载的重中之重-
[中的优化和博弈论⽅法127]，哪⼀个计算，因为它们可以有助于更⼤
允许⼩型BS合作处理空间不均匀节省能源。但是，太多的卸载⽤户会
⽹络中的计算⼯作量。导致严重的⽤户间通信⼲扰
第16⻚
和计算，这将减少系统⾸先，针对具有威慑⼒的案例优化了资源分配
收⼊。最⼩化和随机的⽤户信息，以使总数最⼤化
• 有效减少收⼊。第⼆，考虑⾃私的云服务
多⽤户，MEC服务器的调度设计供应商，基于博弈论的分布式算法是
应该为更多的⽤户分配更⾼的优先级建议最⼤化服务提供商⾃⾝的利润
严格的延迟要求和繁重的计算被证明达到了纳什均衡。这项研究是
负载。此外，并⾏计算可以进⼀步提⾼在[133]，同时考虑了本地和
服务器上的计算速度。远程资源共享。前者指资源共享
• 消除⼤量的分布式计算机在同⼀数据中⼼内的不同服务提供商之间，
传统资源不仅可以缓解⽹络冲突，后者意味着跨不同数据的合作
怀孕，但也可以提⾼资源利⽤率并实现中⼼。实现资源之间的共享与合作
普适计算。这个愿景可以实现不同的服务器，制定并解决了联合游戏
通过点对点移动协作边缘计算。的具有稳定性和收敛性的博弈论算法
主要优势包括通过D2D进⾏短距离传输保证。此外，最近的⼯作[134]提出了⼀个新的
技术，计算资源和结果共享。边缘服务器同时利⽤
通过主动缓存来计算和存储资源
计算结果以最⼩化计算延迟。的
C.具有异构服务器的MEC系统相应的任务分配问题被表述为
为了实现⽆处不在的边缘计算，异构MEC 匹配游戏并通过基于
（Het-MEC）系统是在[128包括⼀个提出的延迟接受算法。
中央云和多个边缘服务器。协调和 3）计算迁移：在[135] – [ 137]，除了
多层中央/边缘云的交互引⼊了许多为了优化卸载决策，作者还投资了
新的研究挑战，最近吸引了⼴泛的减轻了不同远程计算机之间的计算迁移
服务器选择，合作和相关调查服务器。具体来说，基于MEC的计算迁移
计算迁移，如后所述。服务器是由卸载⽤户的移动性驱动的。
1）服务器选择：适⽤于由Het-MEC服务的⽤户当⽤户靠近新的MEC服务器时，⽹络
系统中，关键的设计问题是确定⽬标控制器可以选择将计算迁移到该服务器，
计算分流，即边缘还是中⼼或在原始服务器中计算任务，然后转发
云服务器。在[129]，则服务器选择问题为- 结果通过新服务器返回给⽤户。计算
适⽤于包含单个边缘服务器的多⽤户系统迁移问题被表述为MDP问题
和⼀个中央云。最⼤化总成功基于[135]。被显⽰
卸载概率，启发式调度算法是最优策略具有基于阈值的结构，即
建议同时利⽤低通信延迟仅当距离为
靠近MEC服务器和低计算量两台服务器受到两个给定阈值的限制。这项⼯作
⼤量的计算资源产⽣的延迟在[136]安排⼯作量-
中央云服务器。具体来说，当计算边缘服务器中的服务与服务迁移集成在⼀起
MEC服务器的负载超过了给定的阈值，延迟- 最⼩化平均整体传输和重新配置
宽容的任务被转移到中央云以节省⾜够的空间使⽤Lyapunov优化技术的成本。另⼀个
边缘服务器上⽤于处理的计算资源计算迁移框架是在[137]，
延迟敏感的任务。此外， [130]探索了问题 MEC服务器可以在其中处理卸载的计算机
选择多个MEC服务器上的服务器。主要挑战本地放置任务或将其迁移到中央云
突缘来⾃于量之间的相关性服务器。制定了优化问题以最⼤程度地减少
卸载计算并选择多个边缘服务器移动能源消耗和计算延迟总和。
⽤户。为了解决这个问题，我们推出了⼀个拥塞游戏- 这个问题是通过启发式两阶段算法解决的，
模拟并求解以最⼩化总能耗⾸先确定每个⽤户的卸载决策
移动⽤户和边缘服务器。最近，计算机通过半定松弛和随机化技术，
卸载框架，使移动设备能够然后对所有资源执⾏资源分配优化
在[中提出了将任务卸载到多个MEC服务器的建议131]，⽤户。
提出了基于半定松弛的算法 4）摘要和见解：表VI提供了摘要
确定任务分配决策和CPU频率具有het-的MEC系统的资源管理⽅案
缩放。异构服务器。⽂献提供了⼀些见解
2）服务器合作：通过服务器合作社进⾏资源共享在服务器选择，合作和计算迁移⽅⾯，
不仅可以提⾼资源利⽤率，⽽且描述如下。
增加了计算服务提供商的收⼊，⽽且 • 考虑具有多个计算任务的MEC系统
为移动⽤户提供更多资源以增强他们的和异构服务器。为了减少总和
⽤户体验。该框架最初是提出来的延迟，最好卸载对延迟不敏感的负载
在[132]，其中包括资源分配- 但是将计算密集型任务发送到远程中央云
收⼊管理和服务提供商合作。服务器和对延迟敏感的服务器。
第17⻚
表六
Ť HE Ç OMPARISON OF P APERS ˚F OCUSING ON MEC⼩号YSTEMS W¯¯ ITH ħ ETEROGENEOUS⼩号ERVERS
• 服务器合作可以显着改善计算能⼒。 MEC的两时标资源管理。这个问题
MEC服务器的处理效率和资源利⽤率。即使对于单⽤户MEC系统，
更重要的是，它可以平衡计算负载确定性任务的到来[79]。
通过⽹络分配，以减少总和 2）在线任务分区：为了便于优化，
资源得到更好利⽤时的延迟。解决任务分配问题的现有⽂献
此外，服务器协作设计应忽略⽆线信道的波动，并获得
侧⾯时空计算任务的到来和执⾏开始之前的任务划分决定
服务器的计算能⼒，时变通道，处理过程。有了这样的离线任务划分决策，
和服务器的个⼈收⼊。通道条件的变化可能导致效率低下
• 计算迁移是⼀种有效的⽅法甚⾄不可⾏的卸载，这将严重降低性能
MEC中的移动性管理。决定迁移- 计算性能。开发在线任务分⼯
是否取决于迁移开销，距离定位策略，其中⼀项应纳⼊渠道统计信息
⽤户和服务器之间，渠道条件之间以及进⼊制定的任务分配问题，这可能
服务器的计算能⼒。具体来说，当⽤户即使在静态下也很容易属于NP难题
远离其原始的MEC服务器，它是渠道。在[97]和[ 140]，近似在线任务分区-
⾸选将计算迁移到附近的服务器。 ing算法是针对串⾏和串⾏应⽤的。
树形拓扑任务调⽤图，各⾃的解决⽅案
D.挑战⼀般任务模型尚未开发。
3）⼤规模优化：多个协作
在前⾯的⼩节中，我们对
MEC服务器允许对其资源进⾏联合管理
对最新资源管理的全⾯调查
同时为⼤量移动设备提供服务
MEC系统的技术。但是，进展仍在
婴⼉期和许多关键因素已被忽略太好了但是，⽹络规模的增加导致
为了简单起见，需要在以后的研究中解决资源管理的⼤规模优化问题
努⼒。在下⽂中，我们确定了三项关键研究关于⼤量卸载决策
以及⽆线电和计算资源分配变量
MEC中的资源管理挑战仍然存在
的能⼒。常规集中式联合⽆线电与计算
被解决。
资源管理算法需要⼤量
1）两时标资源管理：在⼤多数现有资源中
⼤规模应⽤时的信息和计算
作品，例如[85]，[ 86]，[ 94]，[ 117]，[ 119]和[ 138]，⽆线
MEC系统，将不可避免地导致重⼤执⾏
假定在整个任务期间通道保持静态延迟，可能会削弱潜在的效果
执⾏过程简单。不过，这种假设
MEC带来的改善，例如减少等待时间
当信道相⼲时间为
范例。为了实现有效的资源管理，
⽐延迟要求短得多。例如，在
设计分布式低复杂度⼤规模优化所需
载波频率为2GHz，信道相⼲时间可以为
具有光信号和计算功能的混合算法
当速度为100km / h时，最⼩为2.5ms。对于⼀些⼿机
头。尽管最近在⼤型凸版⽅⾯的进展
MMORPG游戏PlaneShift等应⽤程序，4将
可接受的响应时间为440毫秒，出⾊的延迟优化[141为⽆线电资源提供强⼤的⼯具
是120毫秒[139]。在这种情况下，任务卸载过程管理，它们不能直接应⽤于优化
可能跨越多个通道块，因此需要计算分流决策由于其组合
和⾮凸性，这需要新的算法
4http：// www 。平移。它/ 技术。
第18⻚
图7. MEC的未来研究⽅向。
IV。我SSUES，C HALLENGES，和 ˚F UTURE 满⾜服务需求，这与

ř ESEARCH d IRECTIONS 基础架构部署成本和营销策略。
近年来⽬睹了对尽管如此，MEC系统的⼤规模性质使得
如前所述，MEC的资源管理传统的基于仿真的⽅法不适⽤，因此
部分。但是，有很多新兴的研究⽅向基于⽹络规模分析的解决⽅案是⾸选。在这
MEC的功能仍⼤都未知。在这个部分，⼩节中，我们将讨论与之相关的三个研究问题
技术问题，挑战和研究机会将是到MEC部署，包括MEC的站点选择
确定并讨论，如图7所⽰，包含服务器，MEC⽹络体系结构和服务器密度
⼤规模MEC系统部署，启⽤缓存的MEC，规划。
移动管理，绿⾊MEC和安全与隐私 1）MEC服务器的站点选择：选择站点
MEC中的问题。⾸先是针对MEC基础架构，尤其是MEC服务器
迈向建⽴MEC系统的⼀步。为了使
具有成本效益的服务器站点选择，系统计划员和
A.部署MEC系统管理员应考虑两个重要因素：站点
MEC的主要动机是转移云租⾦和计算需求。⼀般来说，给定系统
为了减少⽹络边缘的计算能⼒部署预算，应在以下位置安装更多MEC服务器
由拥塞和传播延迟引起的延迟计算需求较⾼的区域，例如业务
核⼼⽹络。但是，没有正式的定义地区，商业区和⼈⼜稠密的地区。这个，
什么是MEC服务器以及服务器位置但是，与此类区域的成本要求相⽭盾
未指定系统。这些调⽤站点选择⽹站租⾦可能很⾼。幸运的是，多亏了
MEC服务器的问题，这些问题⼤不相同- 部署电信⽹络，安装
从传统的基站选址问题
边缘服务器的最佳位置与 MEC服务器与现有基础架构位于同⼀地点
作为宏基站，这对于电信业更具吸引⼒
计算资源供应，它们都是希望参与MEC市场的运营商。
受部署预算限制。此外，效率但是，这不能解决所有问题。在⼀个
MEC系统的架构严重依赖于其架构，⼿，由于对计算质量的要求不断提⾼，
应该考虑各个⽅⾯，例如⼯作量强度和⽆处不在的智能设备，令⼈满意的⽤户体验
和通讯速率统计。另外，这很关键信号质量差，⽆法保证⼴播
供MEC供应商确定所需的服务器密度和宏单元中的拥塞。对于某些应⽤，
第19话
例如，智能家居[142]，则希望移动计算
能⼒甚⾄更接近最终⽤户。这可以实现
通过在⼩⼩区注⼊⼀些计算资源
BS [70]，[ 71]，这是低成本的⼩型BS。尽管
潜在的利益，仍然有障碍：
• ⾸先，由于物理限制，计算能⼒
这种MEC服务器的能⼒将是很⼤的
⼩于宏基站的容量，使其具有挑战性
来处理计算密集型任务。⼀种可⾏
解决⽅案是建⽴分层的⽹络架构
适⽤于包含MEC服务器和METER服务器的MEC系统
丰富的通讯和计算能⼒
在续集中详细介绍。
• 其次，某些⼩型基站可能是⾃部署的
由家庭⽤户使⽤，许多femto BS所有者可能没有
有动机与MEC供应商合作。
图8。 3层异构MEC系统。位于第1层服务器
为了克服此问题，MEC供应商需要设计
靠近最终⽤户的位置，例如WiFi路由器和⼩型基站
适当的激励机制，以刺激 BS，其计算能⼒相对较⼩。第2层服务器是
⼩型基站的所有者，⽤于出租站点。部署在具有中等计算能⼒的LTE BS上。三层服务器
是现有的云计算基础架构，例如数据中⼼。
• 此外，在⼩型基站上部署MEC服务器可能
容易遇到且容易引起安全问题
容易受到外部攻击，这将降低等级通过分配⾼峰处理⼯作量
可靠性。跨不同层次[144]。但是，计算能⼒
另⼀⽅⾯，计算热点并不总是资源配置问题极具挑战性，并且仍然存在
与沟通热点吻合。换句话说，对于尚未解决，因为它应说明许多不同的因素，
⼀些计算热点，不存在例如⼯作量强度，之间的通信成本
通信基础设施（宏基站或⼩型基站）。不同层次，⼯作负载分配策略等。
在这种情况下，我们需要部署具有以下功能的边缘服务器：研究⼯作的另⼀个重点是开发
⽆线收发器，⽅法是正确选择新位置。服务⽤户层的潜⼒，并利⽤
此外，MEC服务器的站点选择取决于⾮专⽤计算资源，例如笔记本电脑，智能
关于计算资源分配策略⼿机和车辆，并覆盖有专⽤边缘节点。
与传统的BS站点相⽐，额外的挑战这种范例被称为轻量级的Ad-hoc移动云，
tion。直观地，将计算资源集中在折磨[145] – [ 148]。临时移动云享有
⼀些MEC服务器可以帮助节省站点租⾦。然⽽，摊销MEC系统压⼒的好处，增加了
这是以服务潜在降级为代价的计算资源的利⽤并减少
覆盖范围和通信质量。此外，部署成本。但是，这也带来了困难
计算资源分配不当应予以考虑由于其临时性的资源管理和安全性问题
⽹站租⾦和计算需求。例如，对于和⾃组织的性质。
站点租⾦较⾼的站点上的MEC服务器，⾸选 3）服务器密度规划：如提到在
分配⼤量的计算资源，从⽽为⼤型第IV-A2节，则MEC基础架构可能是⼀个
⽤户数量，以实现⾼收益。因此，不同类型的边缘服务器的组合，提供
联合选址和计算资源配置各种⽔平的计算经验和贡献
部署MEC系统之前需要解决此问题。不同的部署成本。因此，⾄关重要的是-
2）MEC⽹络架构： MEC的推⼴挖掘边缘节点的数量以及最优
并不意味着数据中⼼⽹络的灭绝将不同类型的MEC服务器与
（DCN）。相反，未来的移动计算⽹络是环保的。给定部署预算和计算需求统计信息。
如图8所⽰，由三层组成，按照惯例，只能通过以下⽅式解决此问题：
即云，边缘（又名雾层）和服务订户数值模拟，这既耗时又有
层[128]，[ 143]。虽然云层已经成熟并且很好可扩展性差。幸运的是，由于最近的发展
部署后，仍然存在⼀些灵活性和不确定性的随机⼏何理论及其应⽤成功
设计边缘层。⽆线⽹络的性能分析中[149] – [ 152]，
类似于cel-中的异构⽹络（HetNets）以及Het-MEC系统之间的相似性
多个系统，设计Het-MEC系统⾮常直观， HetNets，对以下产品进⾏性能分析是可⾏的
其中包含多个层次。具体来说，MEC服务器使⽤随机⼏何技术的MEC系统
在不同的层次上具有不同的计算和通信理论。对MEC系统的这种分析应解决
能⼒。此类分层MEC系统结构以下挑战：1）计算的时间尺度和
不仅可以保持⾼效传输的优势⽆线信道的相⼲时间可能有所不同[79]，[ 102]，
由HetNets提供，但也具有强⼤的能⼒这使得⽆线⽹络的现有结果不容易
第20话
图10.启⽤了缓存的MEC系统。
图9.计算需求的聚类⾏为说明。
要求MEC服务的移动设备将更加集中
围绕MEC服务器。
分别处理来⾃
多个⽤户。为了有效减少计算延迟，
适⽤于MEC系统。⼀种可能的解决⽅案是有⼏个关键⽽有趣的问题需要解决，
结合马尔可夫链和随机⼏何理论下⾯将介绍潜在的解决⽅案。
捕获计算的稳定⾏为。2） 1）MEC资源分配的服务缓存：与
计算卸载策略将影响⽆线电资源中央云服务器始终被认为具有巨⼤的
管理政策，应予以考虑。各种资源（例如，计算，内存和存储），
3）计算要求通常不均匀当前的边缘服务器资源少得多，使其⽆法
分布式和集群化（见图9）），禁⽌使⽤满⾜所有⽤户的计算要求。在另⼀
所述的齐次泊松点进程（HPPP）模型⼀⽅⾯，不同的移动服务需要不同的资源，
适⽤于边缘服务器和服务订户。因此，它要求根据这些信息，可以将它们归类为需要CPU的⽤户（例如，
调查更⾼级的积分过程，例如云国际象棋和VR），需要⼤量内存（例如在线MATLAB），
Ginibre α - ⾏列式点进程（DPP），以捕获和需要⼤量存储的应⽤程序（例如VR）。如此不匹配
边缘节点的聚类⾏为[153]。在资源和需求之间引⼊了⼀个关键挑战
如何为服务缓存分配异构资源。
请注意，类似的问题已在
B.启⽤缓存的MEC 传统的云计算系统[160] – [ 163]，称为
思科已经预测，移动视频流 VM放置以及MCC系统[159]。特别，
将占据整个移动数据流量的72％， Tordsson 等。[160提出了⼀种新颖的VM架构
到2019年为⽌154]。这种服务的独特之处管理和优化多个VM的放置
是内容请求⾼度集中并且云以减少部署成本并提⾼⽤户体验
⼀些流⾏的内容将异步重复限制硬件配置的前提下，
要求。受这⼀事实的启发，⽆线内容缓存 VM以及负载平衡。类似的VM放置
或FemtoCaching在[155] – [ 158]避免fre- 在[161]和[ 162]最⼤化
相同内容的后续复制，⽅法是将它们缓存在降低云服务器和[163] for dif-
BS。这项技术引起了来⾃⾼效的云调度策略。最近，Yang 等。[159]
⽆论是学术界还是⼯业界，由于其在将VM放置想法扩展到了MCC系统并研究了
减少内容获取延迟，并减轻繁琐的⼯作联合优化服务缓存/放置
⽹络回传的开销负担。虽然缓存是最终⽤户请求的多个云和负载分配。
将热门内容移⾄最终⽤户附近，MEC将进⾏部署结果，提出了⼀种有效的算法来最⼩化
边缘服务器来处理边缘的计算密集型任务计算延迟和服务放置过渡
⽤户提升⽤户体验。请注意，这两项技术费⽤。但是，这些作品不能直接应⽤
专家似乎针对不同的研究⽅向，即为MEC系统设计有效的服务缓存策略，
⼀个⽤于流⾏的内容传递，另⼀个⽤于个⼈- 因为它应该考虑到更精细的信息
双重计算分流。但是，它们将被集成包括⽤户的位置，偏好，体验以及
在本⼩节中⽆缝衔接，并设想创建⼀个新的边缘服务器在存储，存储⽅⾯的能⼒
研究领域，即启⽤缓存的MEC。和VM实例。为此，两种可能的⽅法是
考虑⼀下图5所⽰的新颖的启⽤缓存的MEC系统。描述如下。
图10。在这样的系统中，MEC服务器可以缓存多个第⼀个是空间流⾏度驱动的服务缓存，
应⽤程序服务及其相关数据库，称为ser- 指缓存不同的组合和数量
副缓存（或服务放置[159]）和数据缓存，根据它们的特定在不同的MEC服务器中的服务
第21话
地理位置和周围⽤户的共同利益。这个想法数据库和有限的存储容量。与FemtoCaching不同
受到以下事实的激励：⼀个地区的⽤户很可能主要引⼊内容（数据）缓存的⽹络
请求类似的计算服务。例如访客⼀种新的多重访问机制，称为启⽤缓存
在博物馆中倾向于使⽤AR以获得更好的轰动性实验访问[166]，MEC系统中的数据缓存带来了
ence。因此，希望在服务器上缓存多个AR服务。 ifold对计算精度，延迟和边缘的影响
该区域的MEC服务器⽤于提供实时服务。服务器能源消耗，但是还没有
为了实现最佳的空间服务缓存，它的本质是现有⽂献中的特征。这需要模型构建-
构建空间应⽤程序受欢迎程度分布的能⼒进⾏研究⼯作，以准确地量化提及的内容
表征每个应⽤程序受欢迎程度的模型各种MEC应⽤的效果。此外，它也是
在不同的位置。基于此，我们可以设计资源- 建⽴实⽤的数据库受欢迎程度分布⾄关重要
使⽤各种优化算法的分配策略，例如重刑模型即能统计表征的使⽤
博弈论和凸优化技术。每个数据库针对不同的MEC应⽤程序进⾏设置。基于
另⼀种⽅法是暂时流⾏驱动的服务在上述模型中，可以通过解决
副缓存。主要思想与空间思想相似最⼤化可实现QoS的优化问题
对应，但它利⽤了同时最⼩化了MEC系统中的存储成本。
时域，因为计算请求也取决于上述框架可以进⼀步扩展到MEC
在该时间段上。⼀个例⼦是⽤户易于玩具有多个服务器的系统，其中每个服务器都可以服务
晚餐后进⾏移动云游戏。这种信息多个⽤户，每个⽤户都可以将计算分流到
将建议MEC运营商缓存⼏种游戏服务多个边缘服务器。基本问题类似于
在这个处理⼤量计算的典型时期已启⽤缓存的HetNets的[167]，即如何进⾏⽔疗-
负载。这种基于时间的⽅法的⼀个缺点是在异构边缘服务器上初步分发数据库
由于频繁的缓存和- 在每个存储和计算负载约束下
由于⼈⽓信息会随时间变化，因此需要进⾏撕裂操作其中，⽤于增加整个⽹络的收⼊。直观地来说
MEC服务器拥有有限的资源。每个MEC服务器，最好保留更多的存储空间以
2）MEC数据分析的数据缓存：许多现代将最受欢迎的应⽤程序的数据库缓存在其
移动应⽤程序涉及基于以下内容的密集计算单元，并且还需要利⽤部分存储来容纳
数据分析，例如排名和分类。以VR作为修改不太受欢迎的程序，其计算性能
实例。它创造了⼀个类似于将通过在不同的地⽅进⾏协作缓存来进⼀步改善-
通过⽣成逼真的图像，声⾳和其他声⾳来实现真实世界 ent MEC服务器。⽽且，表现规模⼤
增强⽤户体验的感觉。实现这⼀⽬标启⽤缓存的MEC⽹络可以使⽤随机分析
这是不平凡的，因为它需要MEC服务器完成多个通过将附近的⽤户建模为集群来实现⼏何图形[168]。
超短时间内的复杂过程（例如，
1ms），例如通过模式识别来识别⽤户的操作，
以及通过数据挖掘“理解”⽤户的请求 C.MEC的移动性管理
通过视频流或其他感测来渲染虚拟设置移动性是许多MEC应⽤程序的固有特征，
定位技术[164]。以上所有基于数据分析的例如AR辅助博物馆参观，以增强游客的体验
技术应得到综合数据库的⽀持，访客。在这些应⽤中，运动和轨迹
但是，这给边缘带来了沉重的负担的⽤户提供位置和个⼈偏好信息
服务器存储。可以通过智能解决此挑战边缘服务器以提⾼处理效率
gent数据缓存，仅保留经常使⽤的数据库。⽤户的计算请求。另⼀⽅⾯，流动性也
从另⼀个⾓度看，缓存部分计算结果为实现⽆所不在和可靠的环境提出了重⼤挑战
可能被其他⼈重⽤的数据可以进⼀步提⾼能够进⾏计算（即没有中断和错误），原因是
整个MEC系统的计算性能。原因如下。⾸先，MEC通常会实施-
⼀个典型的例⼦是移动云游戏，它可以在HetNet架构中提出，由多个
通过转移游戏计算实现快速，节能的游戏宏，⼩型⼩区BS和WiFi AP。因此，⽤户的运动
从⼿机到边缘服务器的引擎，并⽀持将要求⼩型覆盖区之间频繁切换
通过游戏视频流进⾏时间游戏。因此，它出现为边缘服务器，如图11所⽰，这是⾮常合规的
下⼀代移动计算的领先技术由于多样化的系统配置和⽤户服务器⽽得到满⾜
基础设施[139]。由于某些游戏渲染了视频，例如，关联政策。接下来，⽤户在不同的⼩区之间移动
游戏场景，可以被其他玩家重⽤，将其缓存会导致严重的⼲扰和飞⾏员污染，
计算结果不仅会⼤⼤减少会⼤⼤降低通信性能。持续，
具有相同计算的玩家的计算延迟频繁的切换会增加计算延迟，并且
请求，也减轻了边缘服务器的计算负担。从⽽降低⽤户体验。
在[165]，研究出⾏管理已经⼴泛研究了
门控协作多⽐特率视频缓存和处理选择性异构蜂窝⽹络[169] – [ 171]。在这些
在MEC中。在以前的⼯作中，⽤户的移动性是通过连通性建模的
对于单边缘服务器上的MEC数据缓存，⼀键根据此类信息的概率或链路可靠性
问题是如何在⼤规模之间进⾏权衡⽤户的移动速度。基于此类模型，
第22话
图11. MEC的移动性管理。
已提出动态移动性管理以实现 MEC⽹络。⼀种解决该问题的有前途的解决⽅案
⾼数据速率和低误码率。但是，这些政策是为了利⽤⽤户流量的统计信息
cies不能直接应⽤于带有移动功能的MEC系统尝试和预取部分将来的计算数据以潜在
⽤户，因为他们忽略了计算的影响服务器计算期间的服务器，称为
切换策略上边缘服务器上的资源。最近在线预取 [178]。这种技术不仅可以
在[172] – [ 175]已经做出初步的设计通过移动性预测有效地降低切换延迟，
具有移动意识的MEC系统。具体⽽⾔，⽽且还可以通过
时间和接触率在[172]为⽤户的模型延长传输时间。但是，它也会遇到
流动性。然后设计了机会卸载策略⼏个挑战，其中两个最关键的挑战描述为
通过解决凸优化问题来最⼤化低点。第⼀个挑战来⾃轨迹预测。
成功的任务卸载概率。或者，准确的预测可以实现边缘之间的⽆缝切换
考虑了移动性，即边缘服务器的数量服务器并减少预取冗余。实现它，
⽤户可以访问的⽅式是由[173]。然后，但是，需要精确的建模和⾼复杂度的机器学习
解决⽅案优化了卸货决策贝叶斯，强化和深度学习等技术。
相关的MDP问题以最⼤程度地减少卸载成本，包括例如，博物馆中典型游客的轨迹
移动能源消耗，延迟和故障损失。其他可以根据⾃⼰的兴趣信息进⾏预测
[[174]和[ 175]，哪⼀个和以前的访客的统计路线信息
⽤户通过⼀系列⽹络表征移动性可以通过机器学习算法获得相似的兴趣。
可以连接到⼆维定位时间⼯作- 因此，重要的是平衡两者之间的权衡。
流，分别。此外，MEC的移动性管理建模精度和计算复杂性。第⼆
已与[176]提供更好的挑战在于预取计算的选择
通过设计，为⽤户提供耐延迟任务的体验数据。最⼤化成功卸载的概率
智能⼩区关联机制。在[ 158 ]中，边缘边缘⽤户，计算密集型组件应为
缓存与跟踪中的移动性预测相集成预先在⾃适应传输功率控制中预取
Me Cloud⽤于增强内容缓存的迁移动态衰落通道。
在边缘。关于感知移动性的⽆线的最新建议 2）使⽤D2D通信的移动感知卸载：
缓存在[177]还提供了有关流动性的宝贵指导 D2D通信最初是在[179]改善
MEC系统中的管理。⽹络容量和减轻数据流量负担
请注意，⼤多数现有作品都集中在优化蜂窝系统。这个范例也可以⽤来处理
选择⽀持移动性的服务器。但是，要取得更好的成绩 MEC系统中的⽤户移动性问题[121]，即
⽤户体验和更⾼的⽹络范围内的利润，建⽴了许多D2D通信链接。这些链接允许
移动设备上的技术和调度策略将要转移到附近⽤户的计算
应该共同考虑MEC服务器。这介绍了具有更强⼤计算能⼒的⽤户。
⼀组有趣的研究机会，其中⼀些描述了 D2D链接提供的短距离通信减少了
如下。数据传输的能耗也是如此。然⽽，
1）具备移动意识的在线预提取：实际上，⽤户移动性带来了以下新的设计问题。⾸先
⽤户轨迹的完整信息可能不可⽤。⼀种是如何利⽤D2D和cel-
移动计算卸载的常规设计将⽂件通讯。⼀种可能的⽅法是卸载
仅在计算任务被提取到另⼀台服务器时将计算密集型数据发送到BS的边缘服务器
移交。此机制需要过度获取具有巨⼤的计算能⼒，以减少
⼤量数据⽤于切换，因此带来了长服务器计算时间；⽽组件⼤
获取延迟。此外，它还会在数据⼤⼩和严格的计算要求
第23话
通过D2D通信获取附近的⽤户以获取更⾼的合并实时⽤户信息。在这种适应中
能源效率。接下来，选择周围的⽤户主动的调度机制，条件较差的⽤户将
应该优化卸载，以考虑⽤户的移动性。被分配更⾼的卸载优先级以满⾜他们的需求
信息，动态渠道和异构⽤户的计算截⽌⽇期。另⼀种潜在的⽅法是设计
计算能⼒。最后，⼤量的D2D链接将介绍- 通过以下⽅式了解移动性卸载优先级功能
减少严重⼲扰，实现可靠的通信。这个两步。第⼀步是准确预测⽤户的移动
在基于移动性的MEC系统中，问题更加复杂概况和渠道，主要挑战在于
由于瞬息万变的⽆线衰落环境。因此，反映出流动性的影响并重新定义卸载原则
先进的⼲扰消除和认知⽆线电技术礼仪功能。第⼆步是资源预留
Niques可以与移动性⼀起应⽤于MEC系统可以增强服务器的调度性能183]，[ 184]。
预测以提⾼卸载率并减少服务具体来说，为了保证对时延敏感的服务质量和
潜伏。⾼移动性⽤户，MEC服务器可以保留⼀些专⽤
3）感知移动性的容错MEC：⽤户移动性计算资源并提供可靠的计算服务
提供可靠的MEC服务⾯临着重⼤挑战此类⽤户的副⼿。对于其他耐延迟的⽤户，
恶习归因于动态环境。计算分流 MEC服务器可以执⾏按需配置。对于这样的
可能由于间歇性连接和快速更改⽽失败混合MEC服务器配置⽅案，服务器调度
⽆线频道。导致的故障对可以针对最⼤数量的⽤户进⾏优化
延迟敏感和资源需求的应⽤程序。对于具有QoS保证，以及最⼤化MEC服务器的
例如，基于AR的博物馆视频指南旨在提供收⼊。
对访客的⽿⽬⼀新的虚拟感觉，以及破坏
或由于间歇性连接导致视频流失败
D.绿⾊MEC
会使游客不⾼兴。另⼀个例⼦是军事⾏动
始终需要快速，超可靠的计算，甚⾄ MEC服务器是⼩型数据中⼼，每个中⼼
在⾼机动性的环境中。任何计算失败都会消耗的能量⽐传统的要少得多
带来严重的后果。这些事实使设计成为必要云数据中⼼。但是，它们的密集部署模式
⽤于感知移动性的容错MEC系统[180] – [ 182]，引起了全系统能源消耗的极⼤关注，
其中有三个主要且有趣的问题，说明如下： tion。因此，发展⽆疑是重要的
低点，包括故障预防，故障检测和故障实现绿⾊MEC的创新技术[185]，[ 186]。
复苏。故障预防是为了避免或防⽌MEC故障不幸的是，设计绿⾊MEC更具挑战性-
通过备份额外的稳定卸载链接。宏BS或相⽐绿⾊通信系统或绿⾊
中央云可以选择为保护云，因为它们 DCN。与绿⾊通信系统相⽐，COM-
具有⼴泛的⽹络覆盖范围，可实现连续的MEC服务需要管理常规资源以确保满⾜
副。设计的主要挑战在于如何平衡保守的计算性能，使传统的绿⾊环保
QoS（即失败概率）和能量之间的权衡⽆线电技术不容易应⽤。另⼀⽅⾯，
单⽤户额外的卸载链接导致的消耗以前有关绿⾊DCN的研究⼯作尚未
案例，以及如何为多⽤户MEC分配保护云⽀持⽆线电资源管理，这使他们
应⽤程序。接下来，故障检测是收集故障信息- 不适合绿⾊MEC。此外，⾼度不可预测的
可以通过设置智能定时来实现 MEC服务器中的计算⼯作负载模式带来了另⼀个
检查或接收有关MEC服务的反馈。在阿迪- MEC系统中资源管理⾯临的巨⼤挑战，
位置，信道和移动性估计技术也可以先进的估算和优化技术。在
⽤于估计故障，以减少检测时间。在本⼩节中，我们将介绍有关
最后，对于检测到的MEC故障，应采⽤恢复⽅法。设计绿⾊MEC系统，包括动态调整尺⼨
执⾏以继续并加速MEC服务。的⽤于能量⽐例的MEC，地理负载平衡
暂停的服务可以切换到更可靠的备份（GLB）⽤于MEC，以及由可再⽣能源提供动⼒的MEC系统
具有⾃适应功率控制的⽆线链路，可实现更⾼的速度能源。
卸载。替代恢复⽅法包括迁移 1）动态⽐例⼤⼩的能源⽐例MEC：
直接或通过相邻MEC系统的⼯作负载 MEC服务器的能耗⾼度依赖于
[[182]。在利⽤率⼴播中[请参见等式（5）]。即使服务器是
4）移动感知服务器调度：对于多⽤户MEC 闲置时，仍会消耗约70％的能量
系统，传统的MEC服务器调度服务于⽤户全速前进。这个事实激发了能源的设计-
根据取决于的卸载优先级顺序⽐例（或功率⽐例）服务器，即能源
⽤户独特的本地计算信息，渠道收益服务器的消耗应与其服务器成正⽐
和延迟要求[82]。但是，此静态计划- 估算负荷[187]。⼀种实现能量⽐例的⽅法
设计不能直接应⽤于多⽤户MEC 服务器将关闭/降低服务器的处理速度
由于动态环境⽽具有移动性的系统，例如⼀些具有轻量计算负载的边缘服务器。这样的操作员
时变通道和间歇性连接。这样在以下⽂献中被称为动态权利调整
动态因素促使⾃适应服务器计划的设计绿⾊DCN [188]。但是，连同势能
会不时重新⽣成计划顺序，节省资源，在活动模式和睡眠模式之间切换服务器
第24话
图12.可再⽣能源驱动的MEC系统。
可能带来不利影响。⾸先，它将导致边缘服务器上的技术，例如动态调整⼤⼩和
切换能源成本和应⽤程序数据迁移延迟。虚拟机管理[191] – [ 194]。
另外，由于数量较少，⽤户体验可能会下降同时，有许多因素需要纳⼊
分配的计算资源，这可能反过来在MEC环境中应⽤GLB时。⾸先，由于
减少运营商的收⼊。此外，与迁移的任务应通过蜂窝核⼼⽹络，
服务器切换以及服务器的磨损成本⽹络拥塞状态应受到监控，并考虑-
可能会增加，从⽽可以增加维护做出GLB决策时出错。其次，启⽤
MEC供应商的融资成本。因此，关闭⽆缝任务迁移，应迁移/设置VM
近视服务器并不总是有益的。事先在另⼀台边缘服务器中，这可能会导致
为了对动态权利做出有效的决定，国民能源消耗。第三，共同利益
调整⼤⼩，每个边缘服务器上的计算⼯作量概况 MEC运营商和边缘计算服务订户
应准确预测。在传统的DCN中，这执⾏GLB时应仔细考虑，因为
每个数据中⼼的⼯作量都可以轻松实现节能与延迟之间的权衡
ter是整个⼤型计算请求的集合减少。最后但并⾮最不重要的⼀点是，常规的存在
物理区域，例如美国的⼏个州云计算基础架构赋予了边缘服务器
是相对稳定的，因此可以通过参考还有⼀个额外的选项，可以减轻对延迟⾄关重要的
数据中⼼随时可⽤的历史数据。然⽽，远程云数据中⼼的计算密集型任务，
对于MEC系统，每个边缘服务器的服务区域很多创建新的设计尺⼨，并使设计进⼀步复杂化
较⼩，因此其⼯作负载模式受许多因素的影响优化。
因素，例如服务器的位置，时间，天⽓， 3）可再⽣能源驱动的MEC系统：传统
附近边缘服务器的数量以及⽤户的移动性。这导致电⽹能源通常由燃煤电⼚产⽣。
快速变化的⼯作负载模式，需要更⾼级的因此，不可避免地要利⽤电⽹能源为移动系统供电
预测技术。此外，在线动态调整⼤⼩导致⼤量的碳排放，这与
需要较少未来信息的算法计算的⽬标。离⽹可再⽣能源，例如
发达。随着太阳辐射和风能的发展，近来
2）MEC的地理负载平衡： GLB是另⼀个各种IT系统的可⾏且有希望的动⼒来源
绿⾊DCN的关键技术[189]，[ 190]，利⽤得益于能量收集（EH）的最新发展
的空间分集的⼯作负荷模式，温度，技术[195]，[ 196]。这⼀事实激励了创新的设计。
和电价，以做出⼯作量路由决策主要的MEC系统，称为可再⽣能源供电的MEC
在不同的数据中⼼之间。这种技术也可以系统，如图12所⽰，包括EH-
适⽤于MEC系统。例如，MEC集群供电的MEC服务器和移动设备。⼀⽅⾯，
服务器可以⼀起协作为移动⽤户提供服务，即预计将密集部署MEC服务器，
可以从位于以下位置的边缘服务器路由任务：具有类似于⼩型电池的低功耗
热点（例如餐馆）到附近的边缘服务器 BS [197]，为MEC供电是合理可⾏的
轻的⼯作量（例如公园中的⼯作量）。⼀⽅⾯，采⽤最新EH技术的基础架构。在
这有助于轻微提⾼能源效率- 另⼀⽅⾯，移动设备也可以从
加载的边缘服务器以及⽤户体验。在另⼀使⽤可再⽣能源，因为EH可以延长电池寿命
⼀⽅⾯，它可以延长移动设备的电池寿命，因为⽣活，这是移动设备最有利的功能之⼀
通过附近的服务器卸载任务可以节省⼿机[198]。此外，使⽤可再⽣能源
传输能量。值得⼀提的是⽆需⼈⼯⼲预，例如更换
提到GLB需要有效的资源管理给电池充电/充电，即使不是不可能也很困难
第25话
对于设备所在的某些类型的应⽤场景提议⽤于EH协作通信系统
难以达到的危险。同时，这些优势在[205]。
使⽤可再⽣能源伴随着新设计 • 其次，可以通过以下⽅法减少能源短缺的机会
挑战。正确选择可再⽣能源。它是
可再⽣能源要解决的基本问题在发现 [189]太阳能更适合⼯作-
能源驱动的MEC系统是绿⾊能源意识风时负载具有较⾼的峰均⽐（PMR）
资源分配和计算分流。代替较⼩的PMR，能源更适合⼯作负载。这个
最⼩化能耗令⼈满意提供以下⽅⾯的可再⽣能源供应指南
⽤户体验，可再⽣能源的设计原则- 边缘服务器。
供电的MEC系统应进⾏更改以优化 • 第三，MEC服务器可以由混合能源供电
鉴于可再⽣能源的限制，可达到的性能，来源以提⾼可靠性[206] – [ 208]，即动⼒

因为可再⽣能源⼏乎是免费提供的。还有通过电⽹和收集的能量。也，
可再⽣能源供应，能源辅助信息（ESI），在机器上配备不间断电源（UPS）单元
表⽰可再⽣能源的数量，边缘服务器可以提供短期的稳定能源
将在决策中发挥关键作⽤。初始投资当绿⾊能源短缺时供应
对可再⽣能源驱动的MEC系统的抗议是当周围的能量状况恢复时充电
在[199]和[ 200]，重点放在EH驱动处于良好状态。
分别由MEC服务器和EH驱动的移动设备。 • 此外，⽆线电源传输（WPT）负责充电
对于由EH驱动的MEC服务器，系统操作员应使⽤射频波的移动设备[209]，[ 210]，是⼀个新的-

决定需要从中卸载的⼯作量新兴的解决⽅案可以实现⽆线充电和
边缘服务器到中央云，以及流程- 延长电池寿命。这种技术已经被
根据信息确定边缘服务器的速度在现代⼿机（如三星银河）中播放
核⼼⽹络的拥塞状态，计算⼯作量， S6。在可再⽣能源驱动的MEC系统中，优势
和ESI。通过基于学习的在线解决了这个问题当可再⽣时，服务器可以由WPT供电
[199]。对于EH驱动的移动设备，能量不⾜以保证可靠性[211]。这项技术-
提出了动态计算卸载策略⽣物学也适⽤于
在[200]使⽤基于Lyapunov的优化技术 MEC系统中的移动设备[81]和数据卸载-
CSI和ESI。但是，这两项作品仅考虑- 协作移动云[212]。但是，⼩说
由任⼀边组成的⼩规模MEC系统需要增加能量波束成形技术
服务器（在[199]）或⼀台移动设备（在[ 200]）。因此，他们充电效率。⽽且，由于双倍接近-
⽆法为⼤型MEC提供全⾯的解决⽅案⽆线供电系统存在很⼤的问题，它需要
系统。精细的调度以确保多个对象之间的公平
对于具有多个MEC服务器的⼤规模MEC系统移动设备。
部署在⼀个较⼤的地理区域
GLB的⼀部分可以修改为绿⾊节能GLB
E. MEC中的安全和隐私问题
通过进⼀步利⽤spa-优化MEC系统
可⽤可再⽣能源的多样性。这个想法对安全性和隐私性的需求不断增长，
最初提出了绿⾊的DCN，其中，“后续保留移动服务。虽然MEC启⽤了新类型
可再⽣能源的路由⽅案提供了巨⼤的机会服务⽅⾯，其独特功能还带来了新的安全性和
在降低电⽹能耗[189]，[ 201] – [ 204]。隐私问题。⾸先，MEC的先天异质性
⽽且，如前所述，存在很⼤的差异- 系统使传统的信任和⾝份验证机制
MEC系统和常规DCN之间的关系⽆神论不适⽤。⼆，沟通的多样性
信道波动与资源管理的关系⽀持MEC的技术以及
系统操作员的设计⾃由。这些因素使⽹络管理机制带来新的安全性
绿⾊能源感知GLB的卸载决策威胁。此外，安全的私有计算机制
MEC系统要复杂得多，因为它需要考虑变得⾮常可取，因为边缘服务器可能是房檐
整个系统中的CSI和ESI。滴管或攻击者。这些激励我们发展有效的
可再⽣能源的随机性可能会引⼊如下所述。
消除不可靠性和失败风险，从⽽实现 1）信任和认证机制：信任是⼀种
使⽤可再⽣能源为MEC供电的主要问题⼏乎每个移动系统中的重要安全机制，
系统。幸运的是，有⼏种潜在的解决⽅案在这之后，基本的想法是要知道
如下所述避免此问题。系统正在与之交互的实体。认证⼈
• ⾸先，由于部署成本低，可再⽣⽼化为确保“信任”提供了⼀种可能的解决⽅案[213]。
能源边缘服务器可以密集部署但是，MEC系统固有的异质性，即
在系统上提供更多的卸载机会不同类型的边缘服务器可能会被多个部署
给⽤户的联系。服务区域重叠供应商和不同类型的移动设备共存，使得
提供可⽤能量的卸载多样性设计的常规信任和认证机制
避免性能下降。类似的想法是对于云计算系统不适⽤。例如，
26⻚
基于信誉的信任模型将导致严重的信任威胁⽤户数据和计算结果的正确性可以
在MEC系统中，如[214]。这个事实要求被验证，可以通过加密算法实现
能够实现统⼀的信任和⾝份验证机制和可验证的计算技术[225]。⼀个有趣的
评估边缘服务器的可靠性并确定凸轮 LP问题的安全计算机制⽰例
隐蔽的边缘服务器。此外，在移动⽹络中，是在[224]，其中LP问题已分解
将会有⼤量的边缘服务器为⼤规模进⼊公有解决⽅案和私有数据。
移动设备。这使得信任和认证机制通过使⽤保护隐私的转换，客户
与设计相⽐，⽆意识设计要复杂得多卸载加密的私有数据以执⾏云，以及
传统的云计算系统，因为边缘服务器服务器返回转换后的LP问题的结果。
具有较⼩的计算能⼒，旨在实现⼀套必要和充分的条件来验证
延迟敏感的应⽤程序。因此，结果的正确性是根据对偶性得出的
减少认证机制和设计的开销理论。收到正确的结果后，客户可以
分布式政策[215]，[ 216]。使⽤映射回原始问题的所需解决⽅案
2）⽹络安全：通信技术秘密的转变。这种结果验证⽅法
⽀持MEC系统，例如WiFi，LTE和5G 通过以下⽅式⼤⼤提⾼了计算效率
⾃⼰的安全协议，以保护系统免受攻击与通⽤电路相⽐，⾼级LP计算
和⼊侵。但是，这些协议不可避免地会产⽣表⽰形式，并且会产⽣接近零的额外开销
不同的信任域。联⽹的第⼀个挑战在客户端和云服务器上，都提供了有关
MEC系统的安全性来⾃于为其他⼈开发安全的私有计算机制
凭证分发，可⽤于协商云应⽤程序。
不同信任域之间的会话密钥[213]。存在-
在解决⽅案中，证书颁发机构只能分发
位于其⾃⾝内的所有元素的凭证五，⼩号TANDARDIZATION Ë FFORTS和 ü SE
信任域[213]，很难保证隐私⼩号的CENARIOS MEC
和数据完整性，以实现不同信任之间的通信标准化是成功实现专业化必不可少的步骤
域。为了解决这个问题，我们可以使⽤加密- ⼀项新技术的动议，记录了共识
图形属性作为凭据以便交换会话在多个参与者之间并定义⾃愿性特征
按键[217]，[ 218]。另外，联盟内容的概念和特定⾏业的规则。由于可⽤
⽹络，它定义了多个信任域如何进⾏协商- 结构化的⽅法和可靠的数据，标准化有助于
整理并维护域间凭据[219]，可促进创新并传播突破性想法
利⽤。有关尖端技术的知识。更重要的是，
此外，还介绍了SDN和NFV等技术标准化可以建⽴客户对产品，服务的信任
到MEC系统以简化⽹络管理和系统，这有助于开发有利的市场条件
以及提供隔离[5]。但是，这些技术 tion。MEC的技术标准正在制定中
是天⽣的软件，因此容易受到攻击[220]，[ 221]。 ETSI和⼀个新的⾏业规范组织（ISG）建⽴了
⽽且，MEC中的⼤量设备和实体由华为，IBM，诺基亚⽹络，NTT在ETSI中完成
系统会增加成功攻击罪恶的机会- DOCOMO和沃达丰。ISG的⽬标是建⽴
gle设备，它提供了向以下设备发起攻击的⽅法标准化和开放的环境，这将使
整个系统[222]。因此，新颖⽽强⼤的安全性通过ven-⾼效，⽆缝地集成应⽤程序
正确性机制，例如管理程序⾃省，运⾏时多供应商的服务提供商，服务提供商和第三⽅
内存分析和集中式安全管理[223]， MEC平台[226]。2014年9⽉，
需要确保安全的⽹络环境 ETSI发布了有关MEC的技术⽩⽪书，该⽩⽪书
MEC系统。定义了MEC的概念，提出了所引⽤的MEC
3）安全和私⼈的计算：正在迁移平台，并指出了⼀系列技术要求-
边缘服务器上的计算密集型应⽤程序是 MEC的挑战和挑战[5]。另外，典型的使⽤场景
建⽴MEC的最重要的功能和动机以及它们与MEC的关系已被讨论。这些
系统。实际上，任务输⼊数据通常包含 ETSI规范中还记录了各个⽅⾯
敏感和私⼈信息，例如个⼈临床在2015年[46]，[ 227]，[ 228]，[ 242]。最近，ETSI有
数据和企业财务记录。因此，此类数据宣布接受了六项概念验证（PoC）
在卸货之前应进⾏适当的预处理由MEC ISG在2016年MEC世界⼤会上进⾏，
边缘服务器，尤其是不受信任的服务器，以避免协助组织的战略规划和决策
信息泄漏。除了信息泄漏之外，位置，以及帮助确定哪些MEC解决⽅案
边缘服务器可能返回不正确甚⾄错误的信息在⽹络中可⾏[229]。这为社区
由于软件错误或财务原因导致的计算结果对MEC充满信⼼，并将加快步伐
激励措施，特别是对于计算量巨⼤的任务标准化。有趣的是，在本次⼤会上，
需要 [224]。为了实现安全的私有计算， ETSI MEC ISG已将Mobile Edge Computing重命名为
边缘平台可以执⾏多路访问边缘计算，以反映不断增长的
计算任务，⽽⽆需知道原始的⾮蜂窝运营商对MEC的兴趣
第27话
图13. MEC平台概述[5]。
从2017年开始⽣效[230]。最近，应⽤程序和MEC的虚拟环境）
第三代合作伙伴计划（3GPP）显⽰出不断增长的平台。MEC应⽤程序平台提供了四个主要类别-
有兴趣将MEC纳⼊其5G标准，并且功能- 服务类别，例如，流量卸载功能（TOF），⽆线电
确定了边缘计算的功能⽀持，并且⽹络信息服务（RNIS），通信服务，
在最近的技术规范⽂档中报告了[231]。在和服务注册表。MEC应⽤程序平台管理-
在本节中，我们将⾸先介绍最近的标准化 ment接⼜供运营商⽤于MEC应⽤
业界的努⼒，包括引⽤的MEC服务器平台管理，⽀持应⽤程序配置
框架以及技术挑战和要求- 和⽣命周期控制以及VM操作管理。
MEC系统的说明。MEC的典型使⽤场景将在MEC应⽤程序平台之上，MEC应⽤程序-
然后详细说明。此外，我们将讨论与MEC相关的问题阳离⼦在VM内部署和执⾏，
5G标准化中的问题，包括功能⽀持- 由其相关的应⽤程序管理系统管理
MEC端⼜，以及5G系统中的创新功能并且与MEC服务器/平台和其他MEC⽆关
帮助实现MEC的潜⼒。应⽤程序。
A.引⽤的MEC服务器框架 B.技术挑战和要求
在MEC⼊门技术⽩⽪书[5]，在本⼩节中，我们将简要总结技术
ETSI MEC ISG已为MEC定义了参考框架在[5]和[ 242]。
服务器（又名MEC平台），其中每个服务器都包含⼀个 1）⽹络集成：由于MEC是⼀种新型服务
托管基础架构和应⽤程序平台，如图所⽰部署在通信⽹络顶部的MEC
图13。托管基础架构包括硬件组件，该平台应该对3GPP⽹络透明
要素（例如计算，内存和⽹络架构，即现有的3GPP规范不应
资源）和MEC虚拟化层（抽象在很⼤程度上受到MEC的引⼊的影响。
MEC应⽤程序的详细硬件实现- 2）应⽤程序可移植性：应⽤程序可移植性需要
tion平台）。此外，MEC主机基础架构还提供了 MEC应⽤程序将由
与主机基础结构管理系统的接⼜由多个供应商部署的MEC服务器。这消除了
作为⽆线电⽹络元素，但是需要专门的开发或集成⼯作来
MEC倡议的范围，因为有多个每个MEC平台，并为优化提供了更多⾃由
实施选项。 MEC应⽤程序的位置和执⾏。这个需要
MEC应⽤平台包括⼀个MEC虚拟- MEC应⽤程序平台管理的⼀致性
化经理以及基础架构即服务系统，以及⽤于打包，部署和
（IaaS）控制器，并提供多个MEC应⽤平台管理来⾃不同平台和供应商的应⽤程序。
表格服务。MEC虚拟化管理器⽀持 3）安全性： MEC系统⾯临更多的安全挑战-
提供IaaS设施来托管环境，⽽由于整合了
IaaS控制器提供了安全和资源沙箱（即，计算和IT服务。因此，安全要求
第28话
图14.⽤于视频流分析的MEC [5]。
⽤于3GPP⽹络和IT应⽤（例如，隔离 1）视频流分析服务：视频流分析
尽可能多地使⽤不同的应⽤程序）具有⼴泛的应⽤，例如车辆牌照
新⼿满意。此外，由于接近的性质，车牌识别，⼈脸识别和家庭安全监控-
MEC服务器的物理安全性更容易受到攻击- ⽭，其基本操作包括对象检测
与传统数据中⼼相⽐因此，MEC 和分类。正常情况下的视频分析算法
平台的设计⽅式必须兼具逻辑性具有很⾼的计算复杂度，因此它是⾸选-
位置和物理⼊侵都得到了很好的保护。此外，能够将分析⼯作从视频捕获中移开
授权是防⽌未经授权的重要⽅⾯，设备（例如相机）以简化设备设计，
已授权/不受信任的第三⽅应⽤程序破坏了MEC 降低成本。如果这些处理任务在
主机以及有价值的⽆线电接⼊⽹络。中央云，视频流应路由到核⼼
4）性能：如前所述，电信运营商⽹络[232]，这将消耗⼤量⽹络
参与者希望引⼊MEC的影响最⼩带宽取决于视频流的性质。通过执⾏-
⽹络性能，例如吞吐量，延迟和在靠近边缘设备的地⽅进⾏视频分析，
数据包丢失。因此，应提供⾜够的容量系统不仅可以享受低延迟的优势，⽽且还可以
在系统部署阶段处理⽤户流量。避免视频造成⽹络拥塞的问题
另外，由于具有⾼度虚拟化的性质，流上传。基于MEC的视频分析系统是
性能可能会受到损害，尤其是对于那些应⽤程序如图14所⽰，边缘服务器应具有以下功能：
需要⼤量使⽤硬件资源或资源不⾜的应⽤程序有权进⾏视频管理和分析，并且只有
延迟要求。结果，如何提⾼效率有价值的视频剪辑（屏幕截图）将备份到
虚拟环境的发展成为⼀个巨⼤的挑战。云数据中⼼。
5）弹性： MEC系统应提供⼀定的 2）增强现实服务： AR是直接或间接直播
弹性⽔平并满⾜⾼可⽤性要求⼀个物理，真实世界环境的视图，其元素是
由他们的⽹络运营商要求。MEC平台通过计算机⽣成的感官来增强（或补充）
并且应⽤程序应具有容错能⼒以防⽌输⼊，例如声⾳，视频，图形或GPS数据。5在
它们不会对其他正常操作产⽣不利影响分析此类信息，AR应⽤程序可以提供
⽹络。实时提供其他信息。AR应⽤程序是
6）运营：虚拟化和云技术⾼度本地化，需要低延迟以及⼤量数据
使各⽅都可以参加处理。最受欢迎的应⽤之⼀是博物馆
MEC系统的⽼化。因此，执⾏视频指南，即提供以下内容的⼿持式移动设备：
管理框架还应考虑⼀些不容易的展览的详细信息
潜在的部署。在现场显⽰。在线游戏，例如《神奇宝贝Go》，6
7）管理和法律思考：在培养─ 是AR技术发挥作⽤的另⼀个重要应⽤
MEC系统的规范应符合法规和法律关键作⽤。⽰出了基于MEC的AR应⽤系统
要求，例如隐私和收费。在图15中，其中MEC服务器应该能够区分
除了上述挑战和要求，通过准确分析输⼊数据来获得所需的内容，
仍有更多⽅⾯应在然后将AR数据发送回最终⽤户。许多
最终的MEC标准，例如对⽤户移动性的⽀持，已经关注了启⽤MEC的AR系统
应⽤程序/流量迁移，以及相关要求最近，英特尔和
储存⼒。但是，⽬前，标准化 2016年世界移动通信⼤会路演[233]。
研究界的努⼒甚⾄努⼒ 3）物联⽹应⽤：简化硬件复杂性
在婴⼉期。物联⽹设备的使⽤并延长其电池寿命，它有望
卸载计算密集型任务以进⾏远程处理
C.使⽤⽅案处理后检索结果（必需的操作）
完成了。此外，⼀些物联⽹应⽤程序需要获得
MEC将⽀持众多移动应⽤程序。在这个⼦
部分，我们将介绍四种典型的使⽤场景 5https://en.wikipedia.org/wiki/Augmented_reality
6http：// www 。宠物⼩精灵。com /

由ETSI MEC ISG在[46]。
第29话
图15. AR服务的MEC [5]。

图16.联⽹车辆的MEC。
分发信息以进⾏计算，可能会有所不同接收并分析来⾃附近车辆的消息
⽆需外部实体的帮助即可物联⽹设备。和路边传感器，连接的车辆⼩云能够
由于MEC服务器托管⾼性能计算传播危险警告和对时延敏感的消息
能⼒并能够收集分布式信息，在20毫秒的端到端延迟内提供提⽰，使驱动程序
他们的部署将⼤⼤简化物联⽹的设计⽴即做出反应（如图16所⽰））并使其可能
设备，⽆需强⼤的处理能⼒和可以进⾏⾃动驾驶。联⽹汽车技术
能够从多个来源接收信息已经引起了汽车⾏业的⼴泛关注，
形成有意义的计算。的另⼀个重要特征胆汁制造商（例如沃尔沃，标致），汽车供应商
物联⽹是运⾏不同形式的设备的异构性（例如BOSCH），电信运营商（例如Orange，Vodafone，
协议及其管理应完成 NTT DOCOMO），电信供应商（例如QualComm，诺基亚，
通过低延迟聚合点（⽹关），这可能是华为），以及许多研究所。11⽉9⽇
MEC服务器。 2015年，诺基亚7展⽰了两个联⽹车辆的⽤例
4）联⽹汽车：联⽹汽车技术在汽车驾驶测试台上，包括紧急情况
可以提⾼安全性，减少交通拥堵，感知车辆刹车灯和合作过往助⼿。
的⾏为，并为许多⼈提供机会除了具有⾃动驾驶功能的联⽹车辆系统
增值服务，例如取车器和停车位胆汁，MEC也将适⽤于启⽤连接
位置[234] – [ 236]。但是，这种技术的成熟⽆⼈机（⽆⼈机），它越来越多地发挥着
由于⽆法满⾜延迟要求，因此尚未到来在各种场景中扮演重要⾓⾊，例如摄影，
与现有的互联汽车云，这有助于响应，检查和监视，精密农业，
到100ms到1s之间的端到端延迟。MEC是⼀个等等。2016年，诺基亚提出了⽆⼈机交通管理
通过增加联⽹车辆的关键启⽤技术
7https：// networks 。诺基亚。com / solutions / mobile-edge-computing
路边BS的计算和地理分布服务。通过
第30话
（UTM）基于MEC架构的[237]， • 该策略控制功能（PCF）9提供了QoS规则
UTM单元提供车队管理功能- 控制和计费路由到本地数据的流量
，⾃动⽆⼈机任务，3D导航和碰撞⽹络。
回避。但是，由于现有的移动⽹络主要是 2）在5G创新功能，⽅便MEC：相⽐
专为地⾯⽤户设计的⽆⼈机将具有到前⼏代⽆线⽹络，5G⽹络
ited连接性和带宽。因此，请重新配置拥有各种有益于
移动⽹络以确保连接性和低延迟 MEC的实现，标准化和商业化。
⽆⼈机与基础设施之间的关系变得⾄关重要本⼩节将详细介绍其中的三个，包括
为连接的⽆⼈机设计MEC系统的任务。⽀持服务需求，流动性管理策略，
由于篇幅所限，我们省略了其他描述和⽹络切⽚的能⼒。
有趣的应⽤场景，例如活动设备跟踪- • ⽀持服务要求：在5G系统中，QoS
，⽀持RAN的内容优化，分布式内容和特征（根据资源类型，优先级，
域名系统（DNS）缓存，企业⽹络，数据包延迟预算和数据包错误率），
以及安全智能城市。有兴趣的读者可以参考描述QoS流的数据包转发处理
MEC上的⽩⽪书[5]，[ 20]，[ 238]以获取详细信息。接收UE和UPF之间的边缘到边缘
与5G QoS指标（5QI）相关联。在[231]，
D. 5G标准化中的MEC 提供了标准化的5QI到QoS映射表，
5G标准⽬前正在开发中，旨在展⽰了可以提供的⼴泛服务
通过移植到5G系统中。特别是5G系统能够
新功能，特征和要求[75]。⾄满⾜对延迟敏感的应⽤程序的要求
实现这些愿景，⽹络特性和功能位置（例如实时游戏和车辆到⼀切）
预计将在5G⽹络中从硬件迁移到（V2X）消息，其中包含严格的数据包芽-
软件，这要归功于SDN和NFV的最新发展获得延迟要求，即< 50ms，并且相对
−3
技术。⾃2015年以来，MEC（连同SDN和VFN）⼩数据包错误率< 10 ）和关键任务
被欧洲5G基础设施公营部门认可服务（例如，⼀键通
-6
伙伴关系（5GPPP）研究机构是关键的新兴技术之⼀，延迟（< 60ms）和⼩数据包错误率（< 10 ）
是⾃然发展的5G⽹络技术要求）。这些应⽤与典型
移动BS的发展以及IT和 VC部分中提到的MEC应⽤程序，即5G
电信⽹络[15]。2017年4⽉，3GPP已将⽹络是⽆线通信的可⾏选择
包括将边缘计算作为⾼级服务之⼀在MEC系统中。
技术规范⽂档中5G系统中的功能 • 先进的移动性管理策略：概念
ment [231]，将在本⼩节中介绍。我们引⼊了移动性模式以设计移动性

还确定了5G系统的⼀些创新功能， 5G系统的管理策略。这样的策略
这将为实现，标准化铺平道路可能会被5G核⼼⽹络⽤来表征和
和MEC的商业化。优化UE移动性。具体来说，流动性模式
1）5G⽹络提供的功能⽀持：从可以由5G确定，监控和更新
5G⽹络运营商的观点，减少了核⼼⽹基于UE的订阅，统计
端延迟和传输⽹络上的负载是两个移动性，⽹络本地策略和UE辅助的评估
可能达到的主要设计⽬标信息[231]。流动性模式不仅发挥了
使⽤MEC作为运营商和第三⽅应⽤程序设计⾼级传输⽅案的核⼼作⽤
托管在与⽤户设备（UE）相关的⽆线设备附近在⽆线通信系统中，也成为
美联社。为了将MEC集成到5G系统中，最近的5G技术许多MEC不可忽略的设计考虑因素
规范已明确指出必要的功能- VC部分中讨论的应⽤程序，例如AR服务
5G⽹络应为边缘提供的功能性⽀持和联⽹的车辆应⽤。因此，整合
计算，如下所⽰：先进的出⾏管理策略
• 5G核⼼⽹络应选择要路由的流量在5G⽹络中使⽤移动性模式有助于
到本地数据⽹络中的应⽤程序。开发⽤于MEC系统的⾼效⽆线接⼜。
• 5G核⼼⽹络选择⽤户平⾯功能（UPF）此外，从5G核⼼获得的移动性模式
在UE附近以路由和执⾏流量可以进⼀步利⽤⽹络来设计联合⽆线电和
通过接⼜从本地数据⽹络引导， MEC的计算资源管理策略
应该基于UE的订阅数据，UE 系统。
位置，以及来⾃应⽤功能（AF）的数据。 • ⽹络切⽚的能⼒：⽹络切⽚是⼀种形式
• 5G⽹络应保证会话和服务敏捷和虚拟⽹络架构
连续性以实现UE和应⽤程序的移动性。在其上创建多个⽹络实例
• 5G核⼼⽹络和AF应该提供信息通⽤的共享物理基础架构。每个 10
通过⽹络暴露功能（NEF）互相访问。8
9 PCF被定义为5G核⼼的独⽴功能部分
8 NEF⽀持⽹络功能的外部暴露，允许根据运营商调整⽹络⾏为的⽹络
可以分为监视功能，配置功能，政策[239 ]。
和政策/收费能⼒[231]。 10https：// 5g 。合。英国/指南/⽹络切⽚是什么/
第31话
⽹络实例针对特定服务器进⾏了优化希望本调查提供的关于MEC的信息可以⽤作-
副，实现资源隔离和⾃定义⽹络丰富的参考资料和有价值的指南，以进⼀步深⼊
操作[240]。由于类型不同对MEC的调查。
5G系统需要⽀持的服务（不同
功能和性能⽅⾯的要求）， R 参考
⽹络切⽚被认为是必不可少的功能 [1] M. Armbrust 等。，“云端之上：伯克利对云的看法
5G系统中的特性以⽀持不同的服务运⾏计算”。。计算⼤学科学加利福尼亚州
伯克利，伯克利，加利福尼亚州，美国，2012年2⽉。[在线]。可⽤：https：//
跨单个⽆线电访问⽹络。现有的螺柱 www2.eecs.berkeley.edu/Pubs/TechRpts/2009/EECS-2009-28.pdf
ies发现，⽹络切⽚对于 [2] Q. Zhang，L。Cheng和R. Boutaba，“云计算：现状
三种使⽤场景，包括超可靠和低艺术和研究挑战”，J。Internet Services Appl。，卷 1号 1，
第7-18页，2010年5⽉。
延迟通信（URLLC），⼤型计算机类型
[3] N. Wingfield，“亚马逊的利润增长了800％以上，
通信（mMTC），以及增强的移动宽带- 受云服务的熏陶”，《纽约时报》，美国纽约，
乐队（eMBB）[241]。具有⽹络能⼒ 2016年7⽉。[在线]。可⽤：https : //www.nytimes.com/2016/07/29/
在5G系统中进⾏切⽚，可以提供MEC应⽤ technology / amazon-earnings-profit.html？_r = 0

[4] M. Chiang和T. Zhang，“雾与物联⽹：研究概述
拥有优化的专⽤⽹络资源，机会”，IEEE Internet Things J.，第 3号 6，第854–864页，
这可能有助于减少由 2016年12⽉
充分接⼊⽹络并⽀持密集接⼊ [5]“移动边缘计算-技术⼊门⽩⽪书”，怀特
论⽂，ETSI，索菲亚·安提波利斯，法国，2014年9⽉。[在线]。可⽤的：
MEC服务订户。 https://portal.etsi.org/portals/0/tbpages/mec/docs/mobile-edge_
computing _-_ introductory_technical_white_paper_v1％2018-09-14.pdf
[6] GP Fettweis，“触觉式互联⽹：应⽤和挑战”，
IEEE Veh。技术。魔术师，卷 9，没有 2014年3⽉，第1页，第64-70页。
[7] AA Fuqaha，M。Guizani，M。Mohammadi，M。Aledhari和
VI。ç ONCLUSION M. Ayyash，“物联⽹：有关启⽤技术的调查，
协议和应⽤”，IEEE Commun。调查调查。，卷 17
MEC是⼀种创新的⽹络范例，可以满⾜
没有。4，pp。2347-2376，第4季，2015年。
计算需求的空前增长以及 [8]“智能⽆线设备和我的互联⽹”，⽩⽪书，
提⾼⽤户体验的计算质量要求- Juniper，美国加利福尼亚州桑尼维尔，2015年3⽉。[在线]。可⽤的：
http://itersnews.com/wp-content/uploads/experts/2015/03/96079Smart-
。它旨在启⽤云计算功能
⽆线设备和我的互联⽹.pdf
和IT服务，通过推送- [9] JG Andrews 等。，“ 5G将会是什么？” IEEE J.Sel。地区社区。，
将⼤量的计算和存储资源⽤于卷 32号 6，pp。1065–1082，2014年6⽉。
⽹络边缘。移动设备之间的直接交互 [10]“物联⽹：互联⽹的下⼀步发展
正在改变⼀切”，⽩⽪书，思科，美国加利福尼亚州圣何塞，
和边缘服务器通过⽆线通信带来了 2011年4⽉。[在线]。可⽤：https：//www.cisco.com/c/dam/en_us/
⽀持超低延迟的应⽤程序的可能性
需求，延长设备电池寿命并促进
关于/ac79/docs/innov/IoT_IBSG_0411FINAL.pdf
[11] F. Bonomi，R。Milito，J。Zhu和S. Addepalli，“雾计算及其原理
在物联⽹中扮演重要⾓⾊。” ACM第⼀版我的客户中⼼⼯作坊
⾼效的⽹络运营。但是，他们来了移动云计算。，赫尔⾟基，芬兰，2012年8⽉，第13-16页。
具有各种新的设计考虑因素和独特的挑战 [12] S. Yi，C。Li和Q. Li，“雾计算研究：概念，应⽤-
问题”，在Proc。ACM移动⼤数据研讨会，杭州，
由于复杂的⽆线环境等原因
中国，2015年6⽉，第37-42页。
以及MEC固有的有限计算能⼒ [13] GI Klas，“雾计算和移动边缘云收益
服务器。势头：开放雾联盟，ETSI MEC和⼩云，”
2015年11⽉。[在线]。可⽤：http：//yucianga.info/wp-content/
在本次调查中，我们提供了全⾯的概述
上传/ 2015/11 / 15-11-22-雾计算和移动边缘云-
通信⽅⾯对MEC的研究前景增益动量％E2％80％93-开放雾联盟-ETSI-MEC-
观点。为此，我们⾸先总结了建模 Cloudlets-v1.pdf
[14] RP Goldberg，“虚拟机研究调查”，《计算机》，第⼀卷。7
MEC系统关键组件的⽅法，例如
没有。1974年9⽉，第9卷，第34-45页。
计算任务，通讯以及计算 [15] YC Hu，M。Patel，D。Sabella，N。Sprecher和V. Young，“移动
移动设备和MEC服务器的运⾏。这有助于边缘计算-迈向5G的关键技术”，ETSI⽩⽪书，
法国索菲亚·安提波利斯（Sophia Antipolis），2015年。
表征MEC的延迟和能量性能
[16] C.-Y. Chang，K.Alexandris，N.Naiaein，K.Katsalis和
系统。基于系统建模，我们进⾏了 T. Spyropoulos，“ MEC对LTE / LTE-A的架构影响
关于近期研究⼯作的综合⽂献综述⽹络” 。ACM Workshop移动性演进。互联⽹
Archit。（MobiArch），美国纽约，纽约，2016年10⽉，第13-18页。
各种系统架构下的MEC资源管理-
[17] ZQ Jaber和MI Younis，“真实的设计和实现
利⽤计算分流的概念的实体时间⼈脸识别系统（RTFRS），” 诠释。J.计算机应⽤，卷 94，
⽆线电和计算资源联合分配，MEC服务器没有。2014年5⽉，第12页，第15-22页。
调度，以及多服务器选择和合作 [18] T. Verbelen，P。Simoens，FD Turck和B. Dhoedt，“杠杆作⽤”

⽤于沉浸式协作应⽤的cloudlets，” IEEE Pervasive
tion。当时许多潜在的研究⽅向计算，卷 12号 10⽉/ 12⽉，第4卷，第30-38页。2013。
已识别，包括MEC部署问题，已启⽤缓存 [19] A. Al-Shuwaili和O. Simeone，“节能资源分配-
基于移动边缘计算的增强现实应⽤”
MEC，MEC的移动性管理，绿⾊MEC以及
IEEE⽆线通信。来吧，卷 6号 3，第398–401页，2017年6⽉。
作为MEC中的安全和隐私问题。重点研究课题 [20]“移动边缘计算⽤例和部署选项”，怀特
每个⽅向的障碍和初步解决⽅案论⽂，瞻博⽹络，美国加利福尼亚州桑尼维尔，2016年7⽉。[在线]。可⽤的：
https://www.juniper.net/assets/us/zh/local/pdf/whitepapers/2000642-
被详细阐述。最后，我们介绍了最新的标准- zh.pdf
⼯业化的努⼒，以及⼏种典型的⽤途 [21] M. Armbrust 等。，“云计算的观点”，Commun。ACM，
场景。全⾯概述和研究前景卷 53号 4，pp。52–58，2010年4⽉。
第32话
[22] AUR Khan，M。Othman，SA Madani和SU Khan，“ [45] H. Suo，Z。Liu，J。Wan和K. Zhou，“

移动云计算应⽤模型”，IEEE Commun。调查移动云计算”，Proc。IEEE国际⽆线通信。移动
屁屁。，卷 16号 1，第393–413页，2014年第⼀季度。计算 Conf。（IWCMC），意⼤利卡利亚⾥，2013年7⽉，第655-659页。
[23] MF Bari 等。，“数据中⼼⽹络虚拟化：调查”，IEEE [46]“移动边缘计算（MEC）；服务场景”， ETSI，
公社调查调查。，卷 15号 2，第909–928页，第⼆届，2013年。法国，索菲亚·安提波利斯，2015年11⽉。[在线]。可⽤：http：//
[24] A. Ghiasi和R. Baca，“最⼤的数据中⼼概述”， www.etsi.org/deliver/etsi_gs/MEC-IEG/001_099/004/01.01.01_60/gs_
在诺福克举⾏的IEEE 802.3BS⼯作组迭代会议上提出， MEC-IEG004v010101p.pdf
美国弗吉尼亚州，2014年5⽉。[在线]。可⽤：http：//www.ieee802.org/ [47] W. Shi和S. Dustdar，“边缘计算的前景”，计算机，
3 / bs / public / 14_05 / ghiasi_3bs_01b_0514.pdf 卷 49号 5，第78-81页，2016年5⽉。
[25] S. Clinch，J。Harkes，A。Friday，N。Davies和M. Satyanarayanan， [48] O. Salman，I。Elhajj，A。Kayssi和A. Chehab，“边缘计算
“⾜够接近⾜够近？了解⼩云在其中的作⽤启⽤物联⽹” 。IEEE世界论坛互联⽹
⽀持移动⽤户的显⽰拨款。” IEEE国际物联⽹（WF IoT），意⼤利⽶兰，2015年12⽉，第603–608页。
Conf。普适计算。公社（PerCom），瑞⼠卢加诺， [49] A. Ahmed和E. Ahmed，“关于移动边缘计算的调查”，载于
2012年3⽉，第122–127页。程序 IEEE国际 Conf。智⼒ Syst。控制（ISCO），印度哥印拜陀，
[26] TX Tran，A。Hajisami，P。Pandey和D. Pompili，“协作 2016年1⽉，第1-8页。
5G⽹络中的移动边缘计算：新范式，场景和 [50] T. Taleb 等。，“关于多路访问边缘计算：
挑战”，IEEE Commun。魔术师，卷 55，不。4，pp。54-61，2017年4⽉。新兴的5G⽹络边缘云架构和流程”，IEEE
[27] S. Wang 等。，“移动边缘⽹络调查：融合公社调查调查。，卷 19号 3，第1657–1681页，第3季，
计算，缓存和通信”，IEEE Access，第1卷。5 2017。
第6757–6779页，2017年。 [51] H. Liu 等。，“移动边缘云系统：架构，挑战，
[28] J. Zhang，W。Xie，F。Yang和Q. Bi，“移动边缘计算和和⽅法”，IEEE Syst。J.，即将出版。
5G低延迟场景的现场测试结果。” ，卷 13 [52] MT Beck，M。Werner，S。Feld和S. Schimper，“移动边缘通信-
没有。2，第174-182页，2016年。放置：分类法”，在Proc。诠释 Conf。进阶未来互联⽹（AFIN），
[29] E. Cuervo 等。，“ MAUI：使⽤葡萄⽛⾥斯本，2014年11⽉，第48-54页。

代码卸载” 。ACM国际 Conf。移动系统应⽤ [53] P. Mach和Z. Becvar，“移动边缘计算：关于Archi-
服务（MobiSys），美国加利福尼亚州旧⾦⼭，2010年6⽉，第49-62页。数据和计算卸载”，IEEE Commun。调查调查。，

卷 19号 3，第1628-1656页，2017年第3季。
[30] M. Satyanarayanan，P。Bahl，R。Caceres和N. Davies，“
移动计算中基于VM的cloudlet”，IEEE Pervasive Comput。， [54] D. Sabella，A。Vaillant，P。Kuure，U。Rauschenbach和F. Giust，
“移动边缘计算架构：MEC在互联⽹中的作⽤
卷 8号 10⽉/ 12⽉，第4卷，第14-23页。2009年。
的事物”，IEEE Consum。电⼦。魔术师，卷 5号 4，第84–91页，
[31]“ 5G汽车视觉”，⽩⽪书，5GPPP，2015年10⽉。
2016年10⽉
[线上]。可⽤：https : //5g-ppp.eu/wp-content/uploads/2014/02/
[55] E. Ahmed和MH Rehmani，“移动边缘计算：
5G-PPP-汽车垂直纸上的⽩纸.pdf
机遇，解决⽅案和挑战”，Future Gener。计算 Syst。，
[32] O. Khalid，MUS Khan，SU Khan和AY Zomaya，
卷 70，第59-63页，2017年5⽉。
“ OmniSuggest：基于云的⽆处不在的上下⽂感知推荐-
[56] AP Miettinen和JK Nurminen，“移动设备的能源效率
移动社交⽹络系统”，IEEE Trans。服务计算。，
云计算中的客户”，Proc。USENIX Conf。热门话题云
卷 7号 3⽉，第401–414页，7⽉/ 9⽉。2014。
计算（HotCloud），美国马萨诸塞州波⼠顿，2010年6⽉，第1-7页。
[33] K. Goel和M. Goel，“基于云计算的电⼦商务模型”，
[57] S. Melendez和国会议员McGarry，“计算分流决策
在过程中。IEEE国际 Conf。电⼦的最新趋势。Inf。公社
减少完成时间“，在PROC。IEEE Annu。消费。公社
技术。（RTEICT），印度班加罗尔，2016年5⽉，第27-30页。
⽹络 Conf。（CNCC），美国内华达州拉斯维加斯，2017年1⽉，第160–164页。
[34] G. Riahi，“基于云计算的电⼦学习系统：回顾”，
[58] W. Yuan和K. Nahrstedt，“⾼能效的软实时CPU
程序计算科学，卷 62，第352–359页，2015年9⽉。
移动多媒体系统的调度”，Proc。ACM症状。
[35] A. Abbas和SU Khan，“关于最新隐私的评论-
歌剧 Syst。Principles（SOSP），美国纽约州博尔顿兰丁，2003年10⽉，
在电⼦医疗云中保留⽅法”，IEEE J. Biomed。健康
第149–163页。
通知。，卷 18号 2014年7⽉，第4页，第1431–1441页。
[59] M. Jia，J。Cao和L. Yang，“启发式卸载并发任务
[36]“了解5G：对未来技术进步的看法-
”，英国伦敦GSMA情报，2014年12⽉。适⽤于移动云计算中的计算密集型应⽤，”
在过程中。IEEE国际 Conf。计算公社（INFOCOM WKSHPS），
[线上]。可⽤的： https://www.gsmaintelligence.com/research/
加拿⼤安⼤略省多伦多市，2014年4⽉/ 5⽉，第352–357页。
？file = 141208-5g.pdf＆下载
[60] SE Mahmoodi，RN Uma和KP Subbalakshmi，“最佳联合
[37] A. Somov和R. Giaffreda，“为物联⽹设备提供动⼒：技术调度和移动应⽤程序的云卸载”，IEEE Trans。
和机遇”，IEEE IoT新闻简报。，2015年11⽉。[在线]。云计算。，即将发布。
可⽤的： http://iot.ieee.org/newsletter/november-2015/powering-
[61] A. Goldsmith，⽆线通信。美国纽约州纽约市：
iot-devices-technologies-and-opportunities.html
剑桥⼤学出版社，2005年。
[38] R. Kemp 等。，“ eyeDentify：从智能 [62] D. Gesbert 等。，“多⼩区MIMO协作⽹络：
电话”，在Proc。IEEE国际症状多媒体，美国加利福尼亚州圣地亚哥，看看⼲扰”，IEEE J. Sel。地区社区。，卷 28号 9，
2009年12⽉，第392–399页。第1380-1408页，2010年12⽉。
[39] B. Shi，J。Yang，Z。Huang和P. Hui，“卸载指南 [63] SA Jafar，“通过索引编码进⾏拓扑⼲扰管理-
适⽤于可穿戴设备上的增强现实应⽤”，在Proc。 ”，IEEE Trans。Inf。理论卷 60号 2014年1⽉，第1页，第529–568页。
ACM国际症状多媒体，澳⼤利亚昆⼠兰州布⾥斯班，2015年10⽉， [64] C. Li，J。Zhang，M。Haenggi和KB Letaief，“以⽤户为中⼼的单元
第1271–1274页。下⾏⼩蜂窝⽹络的⼲扰归零”，IEEE Trans。
[40] WN Schilit，“⽤于情境感知移动通信的系统架构公社，卷 63号 4，pp。1419–1431，2015年4⽉。
推”，博⼠论⽂，哥伦⽐亚⼤学研究⽣院艺术科学系， [65] E. Torkildson，U。Madhow和M. Rodwell，“室内毫⽶波
1995年，美国纽约州纽约市。 MIMO：可⾏性和性能”，IEEE Trans。⽆线通信。，
[41] C. Perera，A。Zaslavsky，P。Christen和D. Georgakopoulos，“背景卷 10号 12，pp.4150-4160，2011年12⽉。
物联⽹的感知计算：⼀项调查”，IEEE Commun。 [66] Yu。J.-C. Shen J. Zhang和KB Letaief，“替代
调查调查。，卷 16号 1，第414–454页，2014年第⼀季度。毫⽶波中混合预编码的最⼩化算法
[42] S. Nunna 等。，“启⽤实时上下⽂感知协作 MIMO系统”，IEEE J. Sel。主题信号处理。，卷 10号 3，
通过5G和移动边缘计算” 。IEEE国际 Conf。第485–500页，2016年4⽉。
Inf。技术。新时代。（ITNG），美国内华达州拉斯维加斯，2015年4⽉， [67] SM Alamouti，“⼀种简单的传输分集技术，⽤于有线-
第601–605页。减少通信”，IEEE J. Sel。地区社区。，卷 16号 8，
[43] X. Luo，“从增强现实到增强计算：外观第1451–1458页，1998年10⽉。
在云移动融合中” 。IEEE国际症状⽆处不在 [68] A. Goldsmith，SA Jafar，N。Jindal和S. Vishwanath，“能⼒
虚拟现实，光州，韩国，2009年7⽉，第29–32页。 MIMO信道的限制”，IEEE J. Sel。地区社区。，卷 21号 5
[44] A. Thiagarajan，L。Ravindranath，H。Balakrishnan，S。Madden， 684-702，2003年6⽉。
和L. Girod，“精确的，低能量的轨迹映射 [69] EG Larsson，O。Edfors，F。Tufvesson和TL Marzetta，“⼤型”
移动设备”中。USENIX症状。⽹络 Syst。设计下⼀代⽆线系统的MIMO”，IEEE J. Sel。地区
实⾏。（NSDI），美国马萨诸塞州波⼠顿，3⽉/ 4⽉。2011年，第267-280页。公社，卷 52号 2，第186–195页，2014年2⽉。
第33章
[70] JG Andrews，H。Claussen，M。Dohler，S。Rangan和MC Reed， [94] S. Barbarossa，S。Sardellitti和PD Lorenzo，“在交流的同时

“毫微微⼩区：过去，现在和未来”，IEEE J. Sel。地区社区。，计算：基于5G异构⽹络的分布式移动云计算-
卷 30号 3，第497–508页，2012年4⽉。 neous⽹络”，IEEE信号处理。魔术师，卷 31号 6，第45–55页，
[71] HS Dhillon，RK Ganti，F。Baccelli和JG Andrews，“建模 2014年11⽉。
和K层下⾏链路异构蜂窝⽹络的分析”，IEEE [95] Y. Wang，M。Sheng，X。Wang，L。Wang和J. Li，“移动边缘通信-
J. Sel。地区社区。，卷 30号 3，第550-560页，2012年4⽉。投放：使⽤动态电压缩放功能进⾏部分计算分流，”
[72] S. Han，Y.-C.。梁和B.-H. Soong，“频谱重耕：新 IEEE Trans。公社，卷 64，没有 10，第4268–4282页，2016年10⽉。
蜂窝⽹络频谱共享的范例”，IEEE Trans。 [96] Y.-H. Kao，B.Krishnamachari，M.-R. Ra和F. Bai，“爱马仕：潜伏期”
公社，卷 63号 5，第1895-1906页，2016年5⽉。资源受限的移动计算的最佳任务分配，”
[73] Q. Chen，G。Yu和D. Ding，“优化⽆执照频谱共享- 在过程中。IEEE国际 Conf。计算公社（INFOCOM），⾹港，
LTE-U和WiFi⽹络共存”，IEEE J. Sel。地区 2015年4⽉/ 5⽉，第1894–1902页。
公社，卷 34号 10，第2562-2574页，2016年10⽉。 [97] W. Zhang，Y. Wen和DO Wu，“协作任务的执⾏
[74] P. Kryszkiewicz，A。Kliks和H. Bogucka，“⼩规模频谱⽆线随机信道下的移动云计算”，IEEE
聚合和共享”，IEEE J. Sel。地区社区。，卷 34号 10 反式⽆线通信。，卷 14号 1，第81–93页，2015年1⽉。
pp.2630–2641，2016年10⽉。 [98] S. Khalili和O. Simeone，“
[75]“ 5G⽆线电接⼊-功能和技术”，⽩⽪书，云移动计算：⼀种消息传递⽅法，” Trans。新兴的。
爱⽴信，斯德哥尔摩，瑞典，2016年4⽉。[在线]。可⽤的：电信。技术。，卷 27号 2016年6⽉，第6页，第814–827页。
https://www.ericsson.com/assets/local/publications/white-papers/wp- [99] PD Lorenzo，S。Barbarossa和S. Sardellitti，“联合优化
5克.pdf 移动边缘计算中的⽆线电资源和代码分区”。
[76] TD Burd和RW Broderson，“便携式处理器设计 [线上]。可⽤：http：// arxiv 。org / abs / 1307 。3835v3
系统”，J。VLSI信号处理。Syst。，卷 13号 2–3，第203–221页， [100] SE Mahmoodi，KP Subbalakshmi和V. Sagar，“云卸载-
⼋⽉/九⽉ 1996年。启⽤多⽆线电的移动设备” 。IEEE国际 Conf。
[77] W. Yuan和K. Nahrstedt，“节能CPU调度公社（ICC），英国伦敦，2015年6⽉，第5473-5478页。
多媒体应⽤”，ACM Trans。计算 Syst。，卷 24号 3， [101] D. Huang，P。Wang和D. Niyato，“⼀种动态卸载算法
第292-331页，2006年8⽉。移动计算”，IEEE Trans。⽆线通信。，卷 11号 6，
[78] KD Vogeleer，G。Memmi，P。Jouvelot和F. Coelho，“ 1991-1995年，2012年6⽉。
能量/频率凸度规则：建模和实验验证 [102] J. Liu，Y。Mao，J。Zhang和KB Letaief，“延迟最优计算-
在移动设备上操作”，在Proc。诠释 Conf。并⾏处理。应⽤移动边缘计算系统的任务调度”，Proc。
数学。（PPAM），波兰华沙，2013年9⽉，第793–803页。 IEEE国际症状 Inf。理论（ISIT），西班⽛巴塞罗那，2016年7⽉，
[79] W. Zhang 等。，“能源优化的移动云计算在第1451–1455页。
随机⽆线信道”，IEEE Trans。⽆线通信。，卷 12 [103] S. Chen，Y。Wang和M. Pedram，“半马尔可夫决策亲
没有。9，第4569–4581页，2013年9⽉。基于过程的控制⽅法，⽤于从移动设备上卸载任务
[80] A. Carroll和G. Heiser，“分析汽车中的功耗到云端”，在Proc。IEEE Glob。公社 Conf。（GLOBECOM），
智能⼿机”中的内容。USENIX Annu。科技 Conf。，美国马萨诸塞州波⼠顿，美国乔治亚州亚特兰⼤，2013年12⽉，第2885–2890页。
2010年6⽉，第1-14页。 [104] S.-T. Hong和H. Kim，“⽀持QoE的计算卸载计划-
[81] C. You，K。Huang和H. Chae，“节能移动云可以在移动云中捕获能源-延迟权衡”，Proc。电⽓⼯程师学会
由⽆线能量传输⽀持的计算”，IEEE J. Sel。地区诠释 Conf。参议员。⽹络（SECON），英国伦敦，2016年6⽉，
公社，卷 34号 5，第1757–1771页，2016年5⽉。第1–9页。
[82] C. You，K。Huang，H。Chae和B.-H.。⾦，“节能 [105] J. Kwak，Y。Kim，J。Lee和S. Chong，“梦想：动态
移动边缘计算分流的资源分配，” IEEE 移动云中能源最⼩化的资源和任务分配
反式⽆线通信。，卷 16号 33，pp。1397-1411，2016年3⽉。系统”，IEEE J. Sel。地区社区。，卷 33，没有 12，第2510–2523页，
[83] P. Barham 等。Proc中的 “ Xen与虚拟化的艺术” 。ACM 2015年12⽉。
症状歌剧 Syst。原则（SOSP），美国纽约州博尔顿着陆， [106] Z. Jiang和S. Mao，“云卸载的能源延迟权衡
2003年10⽉，第164-177页。多核移动设备”，IEEE Access，第1卷。3，第2306-2316页，2015年。
[84] S. Barbarossa，S。Sardellitti和P. Di Lorenzo，“联合分配 [107] DT Hoang，D。Niyato和P. Wang，“最优准⼊控制策略-
多⽤户移动云中的计算和通信资源对于使⽤cloudlet的移动云计算热点来说是冰冷的”，Proc。电⽓⼯程师学会
计算” 。IEEE国际车间信号处理。进阶⽆线⽆线通信。⽹络 Conf。（WCNC），法国巴黎，2012年4⽉，
公社（SPAWC），德国达姆施塔特，2013年6⽉，第26-30页。第3145–3149页。
[85] X. Chen，L。Jiao，W。Li和X. Fu，“有效的多⽤户计算 [108]⽑Y，张杰，宋申和KB Letaief，“电源延迟权衡
移动边缘云计算的卸载”，IEEE / ACM Trans。⽹络，在多⽤户移动边缘计算系统中”，Proc。IEEE Glob。
卷 24号 5，pp。2795-2808，2016年10⽉。公社 Conf。（GLOBECOM），美国华盛顿，2016年12⽉，
[86] X. Lyu，H。Tian，C。Sengul和P. Zhang，“多⽤户联合任务卸载- 第1-6页。
邻近云中的资源优化”，IEEE Trans。eh [109] K. Wang，K。Yang和C. Magurawalage，“联合能量最⼩化”
技术。，卷 66号 2017年4⽉，第4页，第3435–3447页。 C-RAN和移动云中的资源分配”，IEEE Trans。
[87] S. Vakilinia，MM Ali和D. Qiu，“资源分配模型- 云计算。，即将发布。
云计算中⼼”，Comput。⽹络，卷 91，第453–470页， [110]任俊杰，余光辉，蔡Y和何Y，“资源的延迟优化
2015年11⽉。在移动边缘计算卸载中进⾏分配。” [线上]。可⽤的：
[88] D. Bruneo，“研究数据中⼼性能的随机模型 https：// arxiv 。org / pdf / 1704 。00163 。pdf格式
和IaaS云计算系统中的QoS”，IEEE Trans。平⾏ [111] M.-H. Chen，B。Liang和M. Dong，“联合卸载决策和
分发。Syst。，卷 25号 2014年3⽉，第3页，第560-569页。多⽤户多任务移动云的资源分配”，Proc。
[89] X. Fan，W.-D。Weber和LA Barroso，“为 IEEE国际 Conf。公社（ICC），马来西亚吉隆坡，2016年5⽉，
⼀台仓库⼤⼩的计算机” 。第34届ACM年鉴。诠释症状第1-6页。
计算 Archit。（ISCA），美国加利福尼亚圣迭⼽，2007年6⽉，第13-23页。 [112] M.-H. Chen，B。Liang和D. Ming，“联合卸载和资源
[90] C.-C. Lin，P.Liu和J.-J. Wu，“节能型虚拟机移动云中的计算和通信分配
适⽤于云系统的视觉算法”，Proc。IEEE Utility Cloud 与计算访问点”，在Proc。IEEE国际 Conf。计算
计算（UCC），墨尔本，维多利亚州，澳⼤利亚，2011年12⽉，第81-88页。公社（INFOCOM），美国乔治亚州亚特兰⼤，2017年4⽉，第1863–1871页。
[91] A. Beloglazov，J。Abawajy和R. Buyya，“能源意识资源 [113] X. Chen，“⽤于移动设备的分散式计算卸载游戏
分配试探法以有效管理云数据中⼼云计算”，IEEE Trans。并⾏分配。Syst。，卷 26号 4，
计算”，Future Gener。计算 Syst。，卷 28号 5，第755–768页，第974–983页，2016年4⽉。
2012年5⽉。 [114] M.-H. Chen，M。Dong和B. Liang，“多⽤户移动云卸载-
[92] K. Kumar和Y.-H.。Lu，“移动⽤户的云计算：可以 Proc中的 “使⽤计算访问点进⾏游戏” 。IEEE国际 Conf。云
分流计算节省能源？” 计算机卷 43号 4，⽹络（Cloudnet），意⼤利⽐萨，2016年10⽉，第64-69页。
2010年4⽉，第51–56页。 [115] X. Ma，C。Lin，X。Xiang和C. Chen，“博弈论分析
[93] K. Kumar，J. Liu，Y.-H. Lu和B. Bhargava，“计算调查基于cloudlet的移动云计算的计算分载
移动系统卸载”，Mobile Netw。应⽤，卷 18号 1， ing” 。ACM国际 Conf。模型。肛门 Simulat。⽆线移动
第129–140页，2013年2⽉。 Syst。（MSWiM），墨西哥坎昆，2015年11⽉，第271-278页。
第34⻚
[116] S. Guo，B。Xiao。，Y。Yang和Y. Yang，“⾼能效动态 [138] O. Munoz，A。Pascual-Iserte和J. Vidal，“电台和电视台的优化

移动云计算中的卸载和资源调度”，在延迟受限的能源效率的计算资源
程序 IEEE国际 Conf。计算公社（INFOCOM），旧⾦⼭，应⽤程序卸载”，IEEE Trans。eh 技术。，卷 64，没有 10
美国加利福尼亚州，2016年4⽉，第1–9页。 pp。4738-4755，2015年10⽉。
[117] S. Sardellitti，G。Scutari和S. Barbarossa，“电台的联合优化 [139] S. Wang和S. Dey，“建模和表征⽤户体验
和⽤于多⼩区移动边缘计算的计算资源，” 基于云服务器的移动游戏⽅法”，Proc。IEEE Glob。
IEEE Trans。信号信息处理。通过⽹络。，卷 1号 2，第89–103页，公社 Conf。（GLOBECOM），美国夏威夷檀⾹⼭，11⽉/ 12⽉。2009年
2015年6⽉。第1-7页。
[118] M. Molina，O。Muñoz，A。Pascual-Iserte和J. Vidal，“ Joint schedul- [140] S. Wang，M。Zafer和Leung KK，“在线放置
多⽤户有线通信和计算资源的配置边缘计算环境中的多组件应⽤”，IEEE
较少的应⽤卸载，”在PROC。IEEE国际症状⼈室内访问卷 5，第2514–2533页，2017年。
移动⽆线电通信。（PIMRC），美国华盛顿特区，2014年9⽉， [141] Shi。Y. Zhang，J。B. O'Donoghue和KB Letaief，“⼤型
第1093–1098页。密集⽆线协作⽹络的凸优化”，IEEE
[119] Yu。Yu，J。Zhang和KB Letaief，“联合⼦载波和CPU时间反式信号处理。，卷 63号 18卷，第4729–4743页，2013年9⽉。
移动边缘计算的分配”，Proc。IEEE Glob。公社 [142] C. Vallati，A。Virdis，E。Mingozzi和G. Stea，“移动边缘通信-
Conf。（GLOBECOM），美国华盛顿特区，2016年12⽉，第1-6页。使⽤以下⼯具将回家连接到未来的智能家居中
[120] L. Yang，J。Cao，H。Cheng和Y. Ji，“多⽤户计算” LTE设备到设备通信”，IEEE Consum。电⼦。魔术师，
延迟敏感的移动云应⽤程序”，IEEE Trans。卷 5号 4，pp。77–83，2016年10⽉。
计算，卷 64，没有 2015年8⽉，第8页，第2253-2266页。 [143] Luan 等⼈。，“雾计算：在
[121] Li。Li，Sun L.和W. Wang，“探索设备到设备的通信- 边缘。” [线上]。可⽤：https：// arxiv 。org / pdf / 1502 。01815v3 。pdf格式
移动云计算的互联化”，Proc。IEEE国际 Conf。 [144] L. Tong，Y。Li和W. Gao，“分层边缘云架构
公社（ICC），澳⼤利亚新南威尔⼠州悉尼，2014年6⽉，第2239–2244页。适⽤于移动计算” 。IEEE国际 Conf。计算公社
[122] M. Jo，T。Maksymyuk，B。Strykhalyuk和C.-H。Cho，“设备- （INFOCOM），美国加利福尼亚州旧⾦⼭，2016年4⽉，第1–9页。
基于设备的异构⽆线接⼊⽹架构 [145] G. Kirby，A。Dearle，A。Macdonald和A. Fernandes，“
移动云计算”，IEEE⽆线通信。，卷 22号 3，
临时云计算的⽅法。” [线上]。可⽤的：
2015年6⽉，第50-58页。
https：// arxiv 。org / pdf / 1002 。4738v1 。pdf格式
[123] Z. Sheng，C。Mahapatra，V。Leung，M。Chen和P. Sahu，“能源
[146] T. Truong-Huu，C.-K。Tham和D. Niyato，“随机⼯作量
移动⽆线传感器⽹络中的⾼效协作计算，”
临时移动云的分布式⽅法”，Proc。IEEE国际
IEEE Trans。云计算。，即将发布。
Conf。云计算。技术。科学（CloudCom），新加坡，2014年12⽉，
[124] J. Song，Cui Y.，M。Li，J。Qiu和R. Buyya，“能源交通贸易- 第174-181页。
在移动云计算中实现协作卸载”，Proc。
[147] DM Shila，W。Shen，Y。Cheng，X。Tian和XS Shen，“ AMCloud：
IEEE / ACM国际症状质量服务（IWQoS），⾹港，2014年5⽉，
迈向安全的⾃主移动⾃组织云计算系统，”
第284–289页。
IEEE⽆线通信。，卷 24号 2，第74-81页，2017年4⽉。
[125] X. Cao，F。Wang，J。Xu，R。Zhang和S. Cui，“联合计算
[148] X. Hou 等。，“车辆雾计算：车辆的观点
和移动边缘计算的通信合作。” [线上]。
作为基础架构，” IEEE Trans。eh 技术。，卷 65，不。6，
可⽤：https：// arxiv 。org / pdf / 1704 。06777 。pdf格式
pp。3860–3873，2016年6⽉。
[126] C. You和K. Huang，“利⽤⾮因果的CPU状态信息-
[149] M. Haenggi，JG Andrews，F。Baccelli，O。Dousse和
⾼效移动协作计算”。[线上]。
M. Franceschetti，“肛门的随机⼏何和随机图
⽆线⽹络的设计和设计”，IEEE J. Sel。地区社区。，
[127] L. Chen，S。Zhou和J. Xu，“计算对等体卸载以节省能源-
卷 27号 2009年9⽉，第7页，第1029-1046页。
⼩型蜂窝⽹络中的移动边缘计算受到限制。” [线上]。
[150] JG Andrews，F。Baccelli和RK Ganti，“⼀种易于处理的⽅法
蜂窝⽹络的覆盖范围和速率”，IEEE Trans。公社，卷 59，
[128] L. Lei，Z。Zhong，K K. Zheng，J。Chen和H. Meng，“挑战
没有。11，第3122–3134页，2011年11⽉。
⽤于移动云计算的⽆线异构⽹络”，IEEE
[151] M. Haenggi，⽆线⽹络的随机⼏何。纽约，
⽆线通信。，卷 20号 3，第34-44页，2013年6⽉。
美国纽约：剑桥⼤学。出版社，2012年。
[129] T. Zhao，S。Zhou，X。Guo，Y。Zhao和N. Niu，“合作时间表-
延迟感知移动的本地云和Internet云的部署⽅案 [152] C. Li，J。Zhang，JG Andrews和KB Letaief，“成功概率
多⽤户MIMO HetNets中的区域频谱效率”，IEEE Trans。
云计算”，Proc。IEEE Glob。公社 Conf。⼯作坊
（GC WKSHPS），美国加利福尼亚州圣地亚哥，2015年12⽉，第1-6页。公社，卷 64，没有 4，pp。1544-1556，2016年4⽉。
[130] Ge。Y. Zhang，Q。Qiu和Y.-H. [130] 卢，“游戏理论资源 [153] N. Vastardis和K. Yang，“以社区为基础的动员活动，
移动云计算中的总体能源最⼩化分配分布式移动社交⽹络的⾏为模型”，J。Ambient Intell。

系统” 。ACM / IEEE国际标准症状低功率电⼦。设计，⼈性化的计算。，卷 5号 2014年2⽉，第1页，第65-75页。
美国加利福尼亚州雷东多海滩，7⽉/ 8⽉。2012，第279-284页。 [154]“思科可视化⽹络指数：全球移动数据流量预测
[131] TQ Dinh，J。Tang，QD La和TQS Quek，“移动设备上的卸载更新，2015–2020年，”⽩⽪书，思科，美国加利福尼亚州圣何塞，
边缘计算：任务分配和计算频率缩放，” 2016. [在线]。可⽤：https：//www.cisco.com/c/dam/m/en_in/
IEEE Trans。公社，卷 65，不。2017年8⽉，第8页，第3571⾄3584页。创新/企业/资产/mobile-white-paper-c11-520862.pdf
[132] R. Kaewpuang，D。Niyato，P。Wang和E. Hossain，“框架- [155] X. Wang，M。Chen，T。Taleb，A。Ksentini和VC Leung，“缓存
在移动云计算中进⾏合作资源管理的⼯作空中：利⽤5G的内容缓存和交付技术
”，IEEE J. Sel。地区社区。，卷 31号 12，第2685–2700页，系统” 。魔术师，卷 52号 2，第131–139页，2014年2⽉。
2013年12⽉。 [156] E. Bastug，M。Bennis和M. Debbah，“⽣活在边缘：⾓⾊
[133] R. Yu 等。，“分散和最佳的资源合作 5G⽆线⽹络中的主动缓存”，IEEE Commun。魔术师，
地理分布的移动云计算”，IEEE Trans。新兴的。话题卷 52号 2014年8⽉，第8页，第82-89页。
计算，即将发布。 [157] N. Golrezaei，K。Shanmugam，AG Dimakis，AF Molisch和
[134] MS Elbamby，M。Bennis和W. Saad，“主动边缘计算- G. Caire，“ FemtoCaching：通过提供⽆线视频内容
在受延迟限制的烟雾⽹络中”，Proc。欧元。Conf。⽹络分布式缓存帮助程序”，在Proc中。IEEE国际 Conf。计算
公社（EuCNC），芬兰奥卢，2017年6⽉，第1-6页。公社（INFOCOM），美国佛罗⾥达州奥兰多，2012年3⽉，第1107-1115页。
[135] S. Wang 等。，“移动微服务中由移动性引起的服务迁移 [158] AS Gomes 等。，“在虚拟环境中使⽤边缘缓存进⾏移动性预测
云”，在Proc。IEEE军事公社 Conf。（MILCOM），巴尔的摩， LTE移动⽹络”，Future Gener。计算 Syst。，卷 70
美国医学博⼠，2014年10⽉，第835–840页。 148-162页，2017年5⽉。
[136] R. Urgaonkar 等。，“动态服务迁移和⼯作负载 [159] L. Yang，J。Cao，G。Liang和X. Han，“节约成本的服务安置
在边缘云中进⾏调度”，执⾏。评估，卷 91，第205–228页，和移动云系统中的负载分配”，IEEE Trans。计算，
2015年9⽉。卷 65，不。5，第1440–1452页，2016年5⽉。
[137] M.-H. Chen，M。Dong和B. Liang，“联合卸载决策和 [160] J. Tordsson，RS Montero，R。Moreno-Vozmediano和IM Llorente，
具有计算访问点的移动云资源分配，” “云代理机制可优化虚拟设备的位置
在过程中。IEEE国际 Conf。有声语⾳信号处理。（ICASSP），跨多个提供商的计算机”，Future Gener。计算 Syst。，
中国上海，2016年3⽉，第3516–3520页。卷 28号 2，第358-367页，2012年2⽉。
第35⻚
[161] B. Li 等⼈。，“ EnaCloud：节能应⽤程序现场布置 [184] Y. Zhang，J。Yan和Fu。X.，“基于预留的资源调度

适⽤于云计算环境的⽅法” 。IEEE国际 Conf。和移动云计算中的代码分区”，Proc。IEEE国际 Conf。
云计算。（云），印度班加罗尔，2009年9⽉，第17-24页。计算公社⼯作坊（INFOCOM WKSHPS），旧⾦⼭，
[162]⾼Y，关H.，齐Z.，侯Y和刘L，“⼀个多⽬标美国加利福尼亚州，2016年4⽉，第962–967页。
云中虚拟机放置的蚁群系统算法 [185] X. Jin，F。Zhang，AV Vasilakos和Z.Liu，“绿⾊数据中⼼：
计算”，J。Comput。Syst。科学，卷 79号 8，第1230–1242页，调查，观点和未来⽅向。” [线上]。可⽤的：
2013年12⽉。 https：// arxiv 。org / pdf / 1608 。00687 。pdf格式
[163]卢卡斯·西马罗（JL Lucas-Simarro），莫雷诺（R. Moreno-Vozmediano），蒙特罗（RS Montero）和
[186] X. Sun和N. Ansari，“绿⾊⼩云⽹络：分布式绿⾊
IM Llorente，“⽤于优化服务部署的计划策略移动云⽹络”，IEEE Netw。，卷 31号 1，第64–70页，
跨多个云计算”，Future Gener。计算 Syst。，卷 29号 6，⼀⽉/⼆⽉ 2017。
pp.1431-441，2013年8⽉。 [187] LA Barroso和U.Hölzle，“与能源成⽐例的情况
[164] H. Rheingold，《虚拟现实：探索勇敢的新技术》。计算”，计算机，第 40号 2007年12⽉，第12页，第33-37页。
美国纽约州纽约：Simon＆Schuster Adult，1991年。 [188] M. Lin，A。Wierman，LLH Andrew和E.Thereska，“动态
[165] TX Tran，P。Pandey，A。Hajisami和D. Pompili，“协作功率⽐例数据中⼼的正确⼤⼩调整”，IEEE / ACM Trans。
移动边缘计算中的多⽐特率视频缓存和处理⽹络，卷 21号 5，第1378–1391页，2013年10⽉。
⽹络” 。IEEE / IFIP年鉴 Conf。⽆线需求⽹络。 [189] M. Lin，Z。Liu，A。Wierman和LLH Andrew，“在线算法
Syst。服务（WONS），美国怀俄明州杰克逊，2017年2⽉，第165-172页。⽤于地理负载平衡”，在Proc。IEEE国际绿⾊计算。
[166] E. Bastug，M。Bennis，M。Kountouris和M. Debbah，“启⽤缓存 Conf。（IGCC），美国加利福尼亚州圣何塞，2012年6⽉，第1-10页。
⼩型蜂窝⽹络：建模与权衡”，EURASIP J. Wireless [190] H. Xu，C。Feng和B. Li，“温度感知型⼯作负载管理
公社⽹络，卷 2015，没有。1，第1-11页，2015年2⽉。地理分布数据中⼼”，IEEE Trans。并⾏分配。Syst。，
[167]崔Y，吴Y和D. Jiang，“缓存的分析和优化” 卷 26号，第6卷，第1743–1753页，2015年6⽉。
⼤规模以缓存为中⼼的以信息为中⼼的⼴播和多播 [191] A. Beloglazov和R. Buyya，“节能资源管理
⽹络” 。IEEE Glob。公社 Conf。（GLOBECOM），在虚拟化云数据中⼼” 。IEEE / ACM国际 Conf。簇
美国加利福尼亚州圣地亚哥，2015年12⽉，第1-7页。云⽹格计算。（CCGrid），澳⼤利亚维多利亚州墨尔本市，2010年5⽉，
[168] V. Suryaprakash，J。Møller和G. Fettweis，“关于建模和第826–831页。
泊松分析异构⽆线接⼊⽹ [192] X. Li，J。Wu，S。Tang和S. Lu，“让我们在⼀起：⾛向交通-
集群过程”，IEEE Trans。⽆线通信。，卷 14号 2，可以在虚拟机中将虚拟机放置在数据中⼼中”，Proc。电⽓⼯程师学会
第1035–1047页，2015年2⽉。诠释 Conf。计算公社（INFOCOM），加拿⼤安⼤略省多伦多市，
[169] D. Lopez-Perez，I。Guvenc和X.Chu，“移动性管理 2014年4⽉，第1842–1850页。
3GPP异构⽹络⾯临的挑战”，IEEE Commun。魔术师， [193] L. Chen和H. Shen，“将补充的VM与
卷 50，不。2012年12⽉，第12页，第70-78页。在云数据中⼼的空间/时间感知”，Proc。电⽓⼯程师学会
[170] A. Damnjanovic 等。，“关于3GPP异构⽹络的调查”，诠释 Conf。计算公社（INFOCOM），加拿⼤安⼤略省多伦多市，
IEEE⽆线通信。，卷 18号 3，第10–21页，2011年6⽉。 2014年4⽉，第1033–1041页。
[171]卡萨尔（M. Kassar），凯维拉（B. Kervella）和普约尔（G. Pujolle），“垂直处理技术概述 [194] Z. Han 等。，“通过近似的动态虚拟机管理
异构⽆线⽹络中的多维尔决策策略”，Comput。马尔可夫决策过程”，载于Proc。IEEE国际 Conf。计算公社
公社，卷 31号 10，第2607–2620页，2008年6⽉。（INFOCOM），美国加利福尼亚州旧⾦⼭，2016年4⽉，第1–9页。
[172] C. Wang，Y。Li和D. Jin，“流动辅助的机会主义计算- [195] S. Sudevalayam和P. Kulkarni，“能量收集传感器节点：
卸载”，IEEE Commun。来吧，卷 18号 10，第1779–1782页，调查与影响”，IEEE Commun。调查调查。，卷 13号 3，
2014年10⽉。第443–461页，第三季度，2011年。
[173] Zhang。Y. Niyato和P. Wang，“移动⼩云中的卸载 [196] S. Ulukus 等。，“能量收集⽆线通信：
具有间歇性连接的系统”，IEEE Trans。移动计算。，回顾最新进展”，IEEE J. Sel。地区社区。，卷 33，
卷 14号 2015年12⽉，第15页，第2516-2529页。没有。3，第360-381页，2015年3⽉。
[174] K. Lee和I. Shin，“基于⽤户移动性模型的计算分流- [197]⽑Y，罗Y，张建和KB Letaief，“⼩型能源收集
移动云的决策”，J。Comput。科学。，卷 9，没有 3，⼩区⽹络：可⾏性，部署和运营”，IEEE Commun。
155-162页，2015年9⽉。魔术师，卷 53号 6，pp。94–101，2015年6⽉。
[175] Rahimi先⽣，N。Venkatasubramanian和AV Vasilakos先⽣，“ MuSIC： [198]“电池寿命与移动⽤户有关”，CNN，佐治亚州亚特兰⼤，
移动云计算中具有移动意识的最佳服务分配，” 美国，2005年9⽉。[在线]。可⽤的： http://edition.cnn.com/
在过程中。IEEE国际 Conf。云计算。（云），加利福尼亚州圣克拉拉， 2005 / TECH / ptech / 09/22 / phone.study /
美国，2013年6⽉，第75-82页。 [199] J. Xu和S. Ren，“⽤于卸载和⾃动缩放的在线学习
[176] A. Prasad，P。Lundén，M。Moisio，MA Uusitalo和Z. Li，“有效在可再⽣动⼒的移动边缘计算中”，Proc。IEEE Glob。
移动和流量管理，⽤于延迟容忍的云数据公社 Conf。（GLOBECOM），美国华盛顿，2016年12⽉，
5G⽹络” 。IEEE国际症状⼈室内移动电台第1-6页。
公社（PIMRC），⾹港，8⽉/ 9⽉。2015年，第1740-1745页。 [200] Y. Mao，J。Zhang和KB Letaief，“动态计算分载
[177] R. Wang，X。Peng，J。Zhang和KB Letaief，“移动性- 通过能量收集设备进⾏移动边缘计算，” IEEE J.
以内容为中⼼的⽆线⽹络的感知缓存：建模和 Sel。地区社区。，卷 34号 12⽉，第3590–3605页，2016年12⽉。
⽅法”，IEEE Commun。魔术师，卷 54号 8，第77–83页， [201] C. Chen，B。He和X. Tang，“绿⾊意识的⼯作负载调度”
2016年8⽉。在地理位置分散的数据中⼼” 。IEEE国际 Conf。
[178]西南 Ko，K. Huang，S.-L. Kim和H. Chae，“实时预取云计算。技术。科学（CloudCom），台湾台北，2012年11⽉，
移动计算卸载”，IEEE Trans。⽆线通信。，第82–89页。
卷 16号 5，第3057–3071页，2017年5⽉。
[179] K. Doppler，M。Rinne，C.Wijting，CB Ribeiro和K.Hugl，“设备- [202] C. Dong，F。Kong，X。Liu和H.
“基于图形负载平衡的数据中⼼”，Proc Zeng，“地理空间的绿⾊动⼒分析”
。IEEE国际绿⾊
设备间通信是LTE先进⽹络的基础，” 计算 Conf。（IGCC），美国弗吉尼亚州阿灵顿，2013年6⽉，第1-8页。
IEEE通讯。魔术师，卷 47，没有 2009年12⽉，第12页，第42-49页。 [203] X. Sun，N。Ansari和Q. Fan，“环保意识的化⾝-
[180] C.-A. Chen，M。Won，R。Stoleru和GG Xie，“节能故障- 《绿⾊Cloudlet⽹络中的安全策略》，Proc。IEEE国际 Conf。
移动云中的容错数据存储和处理”，IEEE Trans。云计算。技术。科学（CloudCom），加拿⼤不列颠哥伦⽐亚省温哥华，
云计算。，卷 3号 1⽉/ 3⽉，第28⾄41页。2015年。 2015年11⽉，第139-146页。
[181] C.-A. Chen，R。Stoleru和GG谢，“节能⾼效， [204] T. Chen，Y。Zhang，X。Wang和GB Giannakis，“健壮的⼯作量
容忍的移动云存储”，Proc。IEEE国际 Conf。云可持续数据中⼼的能源管理”，IEEE J. Sel。
⽹络（CloudNet），意⼤利⽐萨，2016年10⽉，第51-57页。地区社区。，卷 34号 3，第651–664页，2016年3⽉。
[182] D. Satria，D。Park和M. Jo，“超载移动电话的恢复” [205]罗Y，张杰和KB Letaief，“传输功率最⼩化”
边缘计算”，Future Gener。计算 Syst。，卷 70，第138–147页，带有能量收集继电器的⽆线⽹络，” IEEE Trans。
2017年5⽉。公社，卷 64，没有 3，第987–1000页，2016年3⽉。
[183] S. Chaisiri，B.-S. Lee和D. Niyato，“优化资源 [206]龚J，周S.和⽜Z.，“能源的最佳功率分配
展望云计算成本”，IEEE Trans。服务计算。，和电⽹并存的⽆线通信系统，”
卷 5号 2⽉，第164-177页，4⽉/ 6⽉。2012。 IEEE Trans。公社，卷 61号 2013年7⽉，第7页，第3040-3049页。
第36话
[207] T. Han和N. Ansari，“关于优化绿⾊能源的利⽤ [230] N. Sprecher，J。Friis，R。Dolby和J. Reister，“边缘计算”

具有混合能源的蜂窝⽹络”，IEEE Trans。⽆线为多路访问的未来做准备”，2016年9⽉。[在线]。可⽤的：
公社，卷 12号 2013年8⽉，第8页，第3872–3882页。 http://www.telecomtv.com/articles/mec/edge-computing-prepares-for-
[208]⽑Y，张健和KB Letaief，“电⽹能源消耗和 a-multi-access-future-13986 /
混合能源供应⽆线⽹络中的QoS权衡”，IEEE Trans。 [231]“技术规范组服务和系统⽅⾯；
⽆线通信。，卷 15号 2016年5⽉，第5页，第3573-3586页。 5G系统的系统架构；第⼆阶段（发布
[209] WC布朗，“⽆线电传输的历史 15），“ 3GPP标准TS 23.501 V0.4.0，2017年4⽉。[在线]。
波浪”，IEEE Trans。Microw。理论技术，卷 MTT-32，不。9，可⽤的： https://portal.3gpp.org/desktopmodules/Specifications/
pp。1230–1242，1984年9⽉。 SpecificationDetails.aspx？specificationId = 3144
[210] H. Ju和R. Zhang，“⽆线供电中的吞吐量最⼤化 [232] A. Anjum，T。Abdullah，M。Tariq，Y。Baltaci和N. Antonopoulos，
通信⽹络”，IEEE Trans。⽆线通信。，卷 13 “云中的视频流分析：对象检测和分类
没有。2014年1⽉，第1页，第418–428页。⾼性能视频分析框架”，IEEE Trans。云
[211] K. Huang和VKN Lau，“在cel- 计算，即将发布。
公⽤⽹络：架构，建模和部署”，IEEE Trans。 [233]“英特尔移动边缘计算技术改善了增强的实
⽆线通信。，卷 13号 2，第902–912页，2014年2⽉。体验”，英特尔，美国加利福尼亚州圣克拉拉，2016年9⽉。[在线]。
[212] Z.Chang 等⼈。，“⽆线节能资源分配可⽤：https：// www 。youtube 。com / watch？v = ZSkWJYeKjnk
电⼒传输⽀持协作移动云。” IEEE J. Sel。地区 [234] P. Papadimitratos，ADL Fortelle，K。Evenssen，R。Brignolo和
公社，卷 34号 2016年12⽉，第12页，第3438–3450页。 S. Cosenza，“车载通讯系统：促成技术，
[213] R. Roman，J。Lopez和M. Mambo，“移动边缘计算，应⽤以及对智能交通的未来展望”，IEEE
雾等。：对安全威胁和挑战的调查和分析，” 公社魔术师，卷 47，没有 2009年11⽉，第11页，第84–95页。
未来的⼀代。计算 Syst。，即将发布。 [235] N. Lu，N。Cheng，N。Zhang，X。Shen和JW Mark，“已联系
[214] S. Yi，Q。Zin和Q. Li，“雾计算的安全性和隐私问题：车辆：解决⽅案和挑战，”《IEEE Internet Things J.》，第1卷。1，
调查”，Proc。诠释 Conf。⽆线算法系统。应⽤（WASA），没有。2014年8⽉，第4页，第289-299页。
中国曲⾩，2015年8⽉，第1-10页。 [236] E. Uhlemann，“互联车辆的介绍”，IEEE Veh。技术。
[215] MM Fouda，ZM Fadlullah，N。Kato，R。Lu和XS Shen，魔术师，卷 10号 1，第23–31页，2015年3⽉。
“⽤于智能电⽹的轻量级消息认证⽅案 [237]“ UTM基础设施和互联社会”，诺基亚，埃斯波，
交流”，IEEE Trans。智能电⽹，第⼀卷。2，没有 4，第675–685页，芬兰，2016年。[在线]。可⽤：https：//rpas-civops.com/wp-content/
2011年12⽉。上传/2016/11/S7.2_Nokia_DE_V1.pdf
[216] AMY Ahmed和D. Qian，“安全和信任的优化 [238]“使⽤移动边缘计算来改善移动⽹络
Proc中的 “分布式系统中的管理” 。IEEE国际进阶计算绩效和盈利能⼒”，美国新罕布什尔州纳舒厄，萨古纳，
Conf。（IACC），印度加兹阿巴德，2013年2⽉，第120-126页。和英特尔，美国加利福尼亚州圣塔克拉拉，2016年。[在线]。可⽤的：
[217] X. Huang，Y。Xiang，E。Bertino，J。Zhou和L. Xu，“健壮” https://networkbuilders.intel.com/docs/Saguna-and-Intel-Using-
脆弱通信的多因素验证”，IEEE Trans。移动边缘计算可提⾼移动⽹络性能

依靠。安全计算。，卷 11号 11⽉/ 12⽉，第6页，第568–581页。2014。和盈利能⼒.pdf
[218] MC Gorantla，C。Boyd和JMG Nieto，“基于属性的⾝份验证- [239]“政策控制功能在 5G”，爱⽴信，斯德哥尔摩，
处理密钥交换”，在Proc。澳洲 Conf。Inf。安全隐私（ACISP），瑞典，2017年1⽉。[在线]。可⽤：http：//portal.3gpp.org/
悉尼，新南威尔⼠州，澳⼤利亚，2010年7⽉，第1⾄25页。 ngppapp / CreateTdoc.aspx？mode = view＆contributionId = 756820
[219] HM Pimentel，S。Kopp，MA Simplicio，Jr.，RM Silveira和 [240]“⽹络切⽚概念的描述”，NGMN联盟，圣地亚哥，
G. Bressan，“ OCP：联邦安全通信协议美国加利福尼亚州，2016年1⽉。[在线]。可⽤：https：//www.ngmn.org/
内容⽹络” 。公社，卷 68，第47-60页，2015年9⽉。上传/media/160113_Network_Slicing_v1_0.pdf
[220] M. Liyanage，AB Abro，M。Ylianttila和A. Gurtov，“机会” [241] A. Nakao，“⽹络软化和切⽚：正在进⾏的发展
⽹络安全中软件定义的移动⽹络的挑战和挑战在标准开发组织中”，在主题演讲IEEE上发表
rity，“ IEEE安全性隐私”，第1卷。14号 7⽉/ 8⽉，第4卷，第34-44页。2016。 Conf。⽀架。公社⽹络（CSCN）10⽉/ 11⽉，德国柏林。2016。
[221] W. Yang和C. Fung，“关于⽹络功能的安全性调查 [线上]。可⽤：http：// cscn2016 。ieee-cscn 。org / document 。pdf格式
tualization” 。IEEE NetSoft会议⼯作坊（NetSoft），⾸尔， [242]“移动边缘计算（MEC）；技术要求，”
韩国，2016年6⽉，第15-19页。 ETSI，法国索菲亚安提波利斯，2016年3⽉。[在线]。可⽤的：
http://www.etsi.org/deliver/etsi_gs/MEC/001_099/002/01.01.01_60/gs_
[222] B. Liang，“移动边缘计算”，《5G关键技术》
MEC002v010101p.pdf
⽆线系统，VWS Wong，R.Schober，DWK Ng，
和L.-C. 王编英国剑桥：剑桥⼤学。
出版社，2017年。[在线]。可⽤：http：//www.comm.utoronto.ca/∼
liang / publications / Chapter_MEC_2016.pdf
[223]“在NFV中提供安全性：挑战和机遇，” White
论⽂，阿尔卡特朗讯，法国科隆⽐斯，2014年。[在线]。可⽤的：⽑⽟仪（S'14）获得英国学⼠学位。学位
http://www.tmcnet.com/tmc/whitepapers/documents/whitepapers/2014/
来⾃的信息和通信⼯程
10172-providing-security-nfv.pdf
浙江⼤学，2013年，中国杭州。
[224] C. Wang，K。Ren和J. Wang，“安全优化计算超出了- ⽬前正在攻读博⼠学位。电⼦学位
云计算中的资源采购：线性规划的案例研究，” 和⾹港的计算机⼯程
IEEE Trans。计算，卷 65，不。1，第216–229页，2016年1⽉。
⾹港科技⼤学。
[225] R. Gennaro，C。Gentry和P. Bryan，“⾮互动式可验证通信- 他⽬前的研究兴趣包括合作社
推论：将计算外包给不受信任的员⼯”，Proc。安努通讯，能量收集通讯
Conf。进阶密码，美国加利福尼亚州圣塔芭芭拉，2010年8⽉，第465-482页。阳离⼦，具有混合能源的绿⾊蜂窝⽹络
[226]“执⾏情况简介-移动边缘计算（MEC）计划，” 耗材，移动边缘计算和随机
ETSI，Sophia Antipolis，法国，2014年9⽉。[在线]。可⽤的：优化。
https://portal.etsi.org/portals/0/tbpages/mec/docs/mec%20executive%
20brief％20v1％2028-09-14.pdf
[227]“⼿机边缘计算（MEC）：术语，” ETSI，
法国，索菲亚·安提波利斯，2016年3⽉。[在线]。可⽤的：
http://www.etsi.org/deliver/etsi_gs/MEC/001_099/001/01.01.01_60/gs_
MEC001v010101p.pdf 长⽣佑（S'15）于2004年获得学⼠学位
电⼦⼯程与信息科学
[228]“移动边缘计算（MEC）；框架和参考档案
中国科学技术⼤学
tecture，” ETSI，索菲亚·安提波利斯，法国，2016年3⽉。[在线]。
2014年，中国合肥。他⽬前正在追求
可⽤的： http://www.etsi.org/deliver/etsi_gs/MEC/001_099/003/
01.01.01_60 / gs_MEC003v010101p.pdf 博⼠电⽓和电⼦⼯程师学位-
与⾹港⼤学合作。
[229]“ ETSI第⼀个移动边缘计算概念证明在
他的研究兴趣包括移动边缘计算机，
机电世界国会，” ETSI，索菲亚法国安提波利斯，
http://www.etsi.org/news-events/ 信息，雾计算，⽆线电⼒传输，能源
2016年9⽉。[在线]。可⽤的：
收割系统和凸优化。
新闻/ 1119-2016-09-新闻-etsifirst-移动边缘计算证明-
在世界会议上的概念
第37部分
张骏（S'06–M'10–SM'15）收到了 Khaled B. Letaief（S'85–M'86–SM'97–F'03）

英电⼦⼯程学位，来⾃获得了BS（具有杰出性），MS和
中国科学技术⼤学博⼠普渡⼤学电⽓⼯程学⼠学位
中国合肥市，2004年。信息学位 1984年，1986年，美国印第安纳州西拉斐特⼤学
中国⼤学信息⼯程和1990年。
⾹港，⾹港，2006年获得博⼠学位。从1990年到1993年，他是⼀名教员
电⽓和计算机⼯程学位，来⾃与墨尔本⼤学墨尔本分校
德克萨斯⼤学奥斯汀分校澳⼤利亚。他去过⾹港
美国，2009年。他⽬前是研究助理科技⼤学，
电⼦与信息学系教授在⾹港，他被称为科⼤的学⽣之⼀
⾹港⼤学计算机⼯程系最杰出的教授。他举⾏了⽆数次
⾹港科学技术。他的研究兴趣包括⾏政职位，包括电⼦部门主管
⽆线合作⽹络，移动边缘缓存和计算，云和计算机⼯程，华为创新实验室主任，以及
计算和⼤数据分析系统。⾹港电信信息技术研究所所长。
张博⼠与⼈合着了《LTE基础知识》⼀书他还曾担任过讲座教授和⼯程系主任。下
（Prentice-Hall，2010年）。他曾获得2016年最佳青年作家奖在他的领导下，⼯程学院的国际排名令⼈眼花azz乱
IEEE信号处理学会和2016 IEEE论⽂奖（根据QS World的统计，从2009年的26位上升到2015年的14位
ComSoc亚太地区最佳青年研究员奖。他是共同的受助⼈⼤学排名）。2015年，他加⼊了多哈哈马德·本·哈利法⼤学，
荣获2016年马可尼⽆线通信奖论⽂奖，卡塔尔教务长协助在卡塔尔建⽴研究型⼤学
2014年EURASIP信号进展杂志最佳论⽂奖与包括西北⼤学在内的著名⼤学建⽴了合作伙伴关系，
处理，2016年IEEE ICC最佳论⽂奖和IEEE PIMRC 卡内基梅隆⼤学，康奈尔⼤学和德克萨斯农⼯⼤学。
2014年最佳论⽂奖。他是IEEE T RANSACTIONS ON的编辑 Letaief博⼠是国际公认的⽆线通讯领导者，
w ^ IRELESS Ç OMMUNICATIONS，⽽且是特殊部分的客座编辑在绿⾊通信，物联⽹，
IEEE A CCESS中⽆线⽹络的移动边缘计算研究/ Research。他云RAN和5G系统。他拥有超过560种期刊和会议论⽂
经常在主要IEEE会议的技术计划委员会中任职- 在上述领域，并进⾏了主题演讲以及整个课程
ICC，GLOBECOM，WCNC和世界。他还拥有15项专利，其中包括11项美国专利
VTC，并担任IEEE WCNC 2011的MAC Track联合主席。他曾在包括华为在内的不同组织担任顾问，
应科院，中兴通讯，北电，普华永道和摩托罗拉。他是
创始编辑总司令的IEEE的T RANSACTIONS ON W¯¯ IRELESS
ç OMMUNICATIONS，并曾在其他presti-编委会
⼤量期刊。他⼀直是致⼒于追求卓越的专职⽼师
凯宾黄（M'08-SM'13）收到的⼯程学⼠。教学和奖学⾦。他曾获得迈克尔·G·盖尔奖章
（⼀级荣誉）和⼯程学硕⼠。距杰出教学奖（全校最⾼教学奖，仅
新加坡国⽴⼤学，博⼠⼀位获奖者/每年因他/她的贡献⽽感到荣幸）。
德克萨斯⼤学奥斯汀分校（UT 他曾获得许多其他杰出奖项，包括
奥斯汀），所有电⽓⼯程专业。 2007年2009年IEEE约瑟夫·洛西塞罗出版物杰出奖
⾃2014年以来，他担任助理教授 2010年普渡⼤学IEEE Marconi⽆线通信奖
与电⼦电⽓系 2011年⼤学杰出电⽓和计算机⼯程师奖
⾹港⼤学⼯程学（EEE）。 IEEE Harold Sobol奖，2016年IEEE Marconi⽆线奖
他是纽约⼤学学院的兼职教授通信和11项IEEE最佳论⽂奖。
EEE，韩国延世⼤学。他是⼀个他是公认的长期志愿者，致⼒于为专业⼈⼠提供以下服务：
应⽤系教授各个协会，尤其是IEEE，他曾在许多领导层任职
⾹港理⼯⼤学数学系职位。其中包括司库，会议副主席和
延世⼤学电⼦⼯程学院他曾是博⼠后研究员 IEEE通信协会技术活动副主席。
与⾹港电机与计算机⼯程系他是⾹港⼯程师学会的会员。他还是《 ISI⾼被引》的获得者
2008年⾄2009年，科技⼤学，副学⼠汤森路透（Thomson Reuters）的研究⼈员奖
⾃1999年起在新加坡信息通信研究所担任科学家计算机科学和计算机领域的250名杰出个⼈研究⼈员
到2004年。他的研究兴趣集中在⽆线分析和设计上。⼯程），并将担任IEEE通信协会主席
使⽤随机⼏何和多天线技术的⽹络。在2018年。
黄博⼠是2015年IEEE ComSoc亚太地区的获奖者
延世⼤学优秀论⽂奖，优秀教学奖
摩托罗拉⼤学研究资助合作伙伴关系，继续
UT奥斯汀分校的奖学⾦和IEEE的最佳论⽂奖
GLOBECOM 2006和2013年的PolyU AMA。他经常担任
⽆线主要IEEE会议的技术计划委员会
通讯。他⼀直是IEEE的技术主席/联合主席
CTW 2013，IEEE GLOBECOM的⽆线通信研讨会
2017年，IEEE GLOBECOM 2014通信理论研讨会，
和美国⽆线通信研讨会的⾼级主题
IEEE / CIC ICCC2014。他⼀直是IEEE的主席/联合主席
PIMRC 2015，IEE VTC 2013春季，Asilomar 2011和IEEE WCNC
2011年。他⽬前是IEEE J OURNAL ON S ELECTED的编辑。
甲REAS IN Ç OMMUNICATIONS（JSAC）系列上绿⾊通信和
联⽹，IEEEŤ RANSACTIONS ON W¯¯ IRELESS Ç OMMUNICATIONS，
和IEEEW¯¯ IRELESS Ç OMMUNICATIONS⼤号埃特斯。他也是客⼈
JSAC能源驱动通信特刊的编辑
Harvesting和《IEEE / KICS通信与通讯》杂志的编辑
⽹络从2009年到2015年。他是SPCOM的当选成员
IEEE信号处理协会技术委员会。

移动边缘计算研究：通信视角

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

移动边缘计算研究：通信视角

Uploaded by

Copyright:

Available Formats

第1⻚

2322 IEEE通信调查与辅导，卷。19号 2017年第四季度4⽇

任务分析器[56]，[ 57]。这三个参数的使⽤ 不能任意选择，因为⼀些输出

AP或点对点移动合作以改变数据速率 电路理论[76] – [ 79]，CPU功耗可以

另⼀⽅⾯，由于边缘服务器的限制 MEC服务器上的CPU消耗（⽤E s表⽰）可以

任务的计算量（以CPU周期为单位），f m为CPU速度 针对需要任务的多媒体应⽤程序

可变替代技术⽽次优算法 执⾏成本在[100]和[ 104]，在哪⾥

IV。我SSUES，C HALLENGES，和 ˚F UTURE 满⾜服务需求，这与

鉴于可再⽣能源的限制，可达到的性能， 来源以提⾼可靠性[206] – [ 208]，即动⼒

对于由EH驱动的MEC服务器，系统操作员应 使⽤射频波的移动设备[209]，[ 210]，是⼀个新的-

6http：// www 。宠物⼩精灵。com /

图15. AR服务的MEC [5]。

ment [231]，将在本⼩节中介绍。我们 引⼊了移动性模式以设计移动性

在5G系统中进⾏切⽚，可以提供MEC应⽤ technology / amazon-earnings-profit.html？_r = 0

调度，以及多服务器选择和合作 [18] T. Verbelen，P。Simoens，FD Turck和B. Dhoedt，“杠杆作⽤”

[22] AUR Khan，M。Othman，SA Madani和SU Khan，“ [45] H. Suo，Z。Liu，J。Wan和K. Zhou，“

[29] E. Cuervo 等。，“ MAUI：使⽤ 葡萄⽛⾥斯本，2014年11⽉，第48-54页。

服务（MobiSys），美国加利福尼亚州旧⾦⼭，2010年6⽉，第49-62页。 数据和计算卸载”，IEEE Commun。调查调查。，

[70] JG Andrews，H。Claussen，M。Dohler，S。Rangan和MC Reed， [94] S. Barbarossa，S。Sardellitti和PD Lorenzo，“在交流的同时

[116] S. Guo，B。Xiao。，Y。Yang和Y. Yang，“⾼能效动态 [138] O. Munoz，A。Pascual-Iserte和J. Vidal，“电台和电视台的优化

移动云计算中的总体能源最⼩化分配 分布式移动社交⽹络的⾏为模型”，J。Ambient Intell。

[161] B. Li 等⼈。，“ EnaCloud：节能应⽤程序现场布置 [184] Y. Zhang，J。Yan和Fu。X.，“基于预留的资源调度

[207] T. Han和N. Ansari，“关于优化绿⾊能源的利⽤ [230] N. Sprecher，J。Friis，R。Dolby和J. Reister，“边缘计算”

脆弱通信的多因素验证”，IEEE Trans。 移动边缘计算可提⾼移动⽹络性能

张骏（S'06–M'10–SM'15）收到了 Khaled B. Letaief（S'85–M'86–SM'97–F'03）

You might also like

任务分析器[56]，[ 57]。这三个参数的使⽤不能任意选择，因为⼀些输出

AP或点对点移动合作以改变数据速率电路理论[76] – [ 79]，CPU功耗可以

任务的计算量（以CPU周期为单位），f m为CPU速度针对需要任务的多媒体应⽤程序

可变替代技术⽽次优算法执⾏成本在[100]和[ 104]，在哪⾥

鉴于可再⽣能源的限制，可达到的性能，来源以提⾼可靠性[206] – [ 208]，即动⼒

对于由EH驱动的MEC服务器，系统操作员应使⽤射频波的移动设备[209]，[ 210]，是⼀个新的-

ment [231]，将在本⼩节中介绍。我们引⼊了移动性模式以设计移动性

[29] E. Cuervo 等。，“ MAUI：使⽤葡萄⽛⾥斯本，2014年11⽉，第48-54页。

服务（MobiSys），美国加利福尼亚州旧⾦⼭，2010年6⽉，第49-62页。数据和计算卸载”，IEEE Commun。调查调查。，

移动云计算中的总体能源最⼩化分配分布式移动社交⽹络的⾏为模型”，J。Ambient Intell。

脆弱通信的多因素验证”，IEEE Trans。移动边缘计算可提⾼移动⽹络性能