Professional Documents
Culture Documents
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]。
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3⻚
2324 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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
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
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5⻚
2326 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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
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。
6⻚
⽑等。:关于移动边缘计算的调查:通讯⾓度 2327
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-
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,
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7⻚
2328 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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
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8⻚
⽑等。:关于移动边缘计算的调查:通讯⾓度 2329
表III
Ç 极特作者 Ť YPICAL W¯¯ IRELESS Ç OMMUNICATION Ť ECHNOLOGIES
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。
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9⻚
2330 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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。
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10⻚
⽑等。:关于移动边缘计算的调查:通讯⾓度 2331
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
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11⻚
2332 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
图6. MEC的资源管理技术分类。
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12章
⽑等。:关于移动边缘计算的调查:通讯⾓度 2333
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
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13⻚
2334 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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
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。
14⻚
⽑等。:关于移动边缘计算的调查:通讯⾓度 2335
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
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15章
2336 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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
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16⻚
⽑等。:关于移动边缘计算的调查:通讯⾓度 2337
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。
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17⻚
2338 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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。
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18⻚
⽑等。:关于移动边缘计算的调查:通讯⾓度 2339
图7. MEC的未来研究⽅向。
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19话
2340 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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
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20话
⽑等。:关于移动边缘计算的调查:通讯⾓度 2341
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
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21话
2342 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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,
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22话
⽑等。:关于移动边缘计算的调查:通讯⾓度 2343
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
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23话
2344 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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
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24话
⽑等。:关于移动边缘计算的调查:通讯⾓度 2345
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
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25话
2346 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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
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。
26⻚
⽑等。:关于移动边缘计算的调查:通讯⾓度 2347
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
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27话
2348 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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
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28话
⽑等。:关于移动边缘计算的调查:通讯⾓度 2349
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
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29话
2350 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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
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30话
⽑等。:关于移动边缘计算的调查:通讯⾓度 2351
(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
• 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/
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31话
2352 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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/
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。
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32话
⽑等。:关于移动边缘计算的调查:通讯⾓度 2353
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33章
2354 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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34⻚
⽑等。:关于移动边缘计算的调查:通讯⾓度 2355
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35⻚
2356 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇
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36话
⽑等。:关于移动边缘计算的调查:通讯⾓度 2357
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37部分
2358 IEEE通信调查与辅导,卷。19号 2017年第四季度4⽇