移動邊緣計算綜述

李子姝，謝人超，孫禮，黃韜

?

移動邊緣計算綜述

李子姝，謝人超，孫禮，黃韜

（北京郵電大學，北京 100876）

移動邊緣計算（MEC）技術將IT服務環境和云計算技術在網絡邊緣相結合，提高邊緣網絡的計算和存儲能力，減少網絡操作和服務交付時延，提升用戶服務質量體驗，因此受到了廣泛關注，并且已經作為關鍵技術被納入5G標準。首先介紹了MEC的基本概念、參考架構和技術優勢，然后從學術界、產業界和標準制定3個角度出發概括了MEC的研究現狀，隨后詳細介紹了MEC的關鍵技術、應用場景以及具體的部署方式，最后對MEC的移動性、安全和計費以及隱私保護等現存問題進行了歸納和展望。

MEC；5G；低時延；參考框架；應用場景

1 引言

指數式增長的數據流量、不斷增加的終端種類和越來越多樣化的服務場景是當下傳統的4G網絡架構面臨的難題，這催生了5G時代的來臨。在5G時代，移動網絡服務的對象不再是單純的手機，而是各種類型的設備，如平板電腦、移動車輛和各種傳感器等。服務的場景也越來越多樣化，比如移動寬帶、大規模機器類型通信、任務關鍵型互聯網等[1]。因此，在移動性、安全性、時延性和可靠性等多個方面，移動網絡都必須滿足更高的要求。

為了滿足移動網絡高速發展所需的高帶寬、低時延的要求，并減輕網絡負荷，未來的5G網絡提出了如下演進目標：基于SDN/NFV進行虛擬化，進行扁平化擴展與增強，核心網用戶面功能下沉到基站。在此背景下，由于通過將IT服務環境與云計算在網絡邊緣相結合，從而構建更加智能的移動網絡，MEC被視為向5G過渡的關鍵技術和架構性概念[2,3]。MEC正在推動傳統集中式數據中心的云計算平臺與移動網絡的融合，將原本位于云數據中心的服務和功能“下沉”到移動網絡的邊緣，在移動網絡邊緣提供計算、存儲、網絡和通信資源。MEC強調靠近用戶，從而減少網絡操作和服務交付的時延，提升用戶服務體驗。同時，通過MEC技術，移動網絡運營商可以將更多的網絡信息和網絡擁塞控制功能開放給第三方開發者，并允許其提供給用戶更多的應用和服務。

本文主要對MEC技術進行系統性的概述和介紹，首先介紹了MEC的基本概念，并詳細介紹了MEC的參考框架。然后對MEC技術的優勢加以詳細闡述，從學術界、工業界和標準制定3個角度介紹MEC的研究現狀。隨后進一步介紹實現MEC的3個關鍵技術和MEC技術的應用場景以及MEC服務器在現網和未來5G下的部署方案，并總結不同部署方案的優缺點。最后對MEC現存的幾個尚待解決的問題做進一步歸納和總結。

2 基本概念及架構

歐洲電信標準化協會（ETSI）對MEC的定義是：在移動網絡邊緣提供IT服務環境和云計算能力。移動邊緣計算可以被理解為在移動網絡邊緣運行云服務器，該云服務器可以處理傳統網絡基礎架構所不能處理的任務，例如M2M網關、控制功能、智能視頻加速等。需要注明的是，在研究初期MEC中的“M”是“mobile”之意，特指移動網絡環境。隨著研究的不斷推進，ETSI現在將“M”的定義擴展為“multi-access”，旨在將邊緣計算的概念擴展到Wi-Fi等非3GPP接入的場景下，“移動邊緣計算”的術語也逐漸被過渡為“多接入邊緣計算（multi-access edge computing，MEC）”[4]。但是目前業界乃至ETSI等標準制定組織研究的重點仍然是移動場景下的邊緣計算，因此現在業界仍多以“移動邊緣計算”稱之。本文對邊緣計算的討論也主要集中在移動接入的場景下。

MEC運行于網絡邊緣，邏輯上并不依賴于網絡的其他部分，這點對于安全性要求較高的應用來說非常重要。另外，MEC服務器通常具有較高的計算能力，因此特別適合于分析處理大量數據。同時，由于MEC距離用戶或信息源在地理上非常鄰近，使得網絡響應用戶請求的時延大大減小，也降低了傳輸網和核心網部分發生網絡擁塞的可能性。最后，位于網絡邊緣的MEC能夠實時獲取例如基站ID、可用帶寬等網絡數據以及與用戶位置相關的信息，從而進行鏈路感知自適應，并且為基于位置的應用提供部署的可能性，可以極大地改善用戶的服務質量體驗。

圖1 MEC的基本框架

從2014年12月開始，ETSI MEC ISG開始致力于MEC的研究，旨在提供在多租戶環境下運行第三方應用的統一規范。經過努力，ISG MEC已經公布了關于MEC的基本技術需求和參考架構的相關規范[5]。在參考文獻[5]中，ISG MEC對MEC的網絡框架和參考架構進行了定義。圖1是MEC的基本框架，該框架從一個比較宏觀的層次出發，對MEC下不同的功能實體進行了網絡（network）、ME（mobile edge）主機水平（ME host level）和ME系統水平（ME system level）這3個層次的劃分。其中，MEC主機水平包含MEC主機（ME host）和相應的ME主機水平管理實體（ME host-level management entity），ME主機又可以進一步劃分為ME平臺（ME platform）、ME應用（ME application）和虛擬化基礎設施（virtualization infrastructure）。網絡水平主要包含3GPP蜂窩網絡、本地網絡和外部網絡等相關的外部實體，該層主要表示MEC工作系統與局域網、蜂窩移動網或者外部網絡的接入情況。最上層是ME系統水平的管理實體，負責對MEC系統進行全局掌控。

圖2 更為詳細的MEC參考架構

圖2是一個更為詳細的MEC參考架構，該架構在圖1所示的高水平框架的基礎之上還詳細定義了各個功能實體之間的相互關聯，并抽象出3種不同類型的參考點。其中，Mp代表和ME平臺應用相關的參考點，Mm代表和管理相關的參考點，Mx代表和外部實體相關的參考點。

在圖2所示架構下，ME主機由ME平臺、ME應用和虛擬化基礎設施組成。虛擬化基礎設施可以為ME應用提供計算、存儲和網絡資源，并且可以為ME應用提供持續的存儲和時間相關的信息，它包含一個數據轉發平面來為從ME平臺接收到的數據執行轉發規則，并在各種應用、服務和網絡之間進行流量的路由。ME平臺從ME平臺管理器、ME應用或ME服務處接收流量轉發規則，并且基于轉發規則向轉發平面下發指令。另外，ME平臺還支持本地域名系統（domain name system，DNS）代理服務器的配置，可以將數據流量重定向到對應的應用和服務。ME平臺還可以通過Mp3參考點與其他的ME平臺進行通信，在分布式MEC系統的協作機制中，Mp3參考點可以作為不同ME平臺互聯的基礎。

ME應用是運行在ME虛擬化基礎設施上的虛擬機實例，這些應用通過Mp1參考點與ME平臺相互通信。Mp1參考點還可提供標識應用可用性、發生ME切換時為用戶準備或重定位應用狀態等額外功能。

ME平臺管理器（ME platform manager，MEPM）具有ME平臺元素管理、ME應用生命周期管理以及ME應用規則和需求管理等功能。ME應用生命周期管理包括ME應用程序的創建和終止，并且為ME編排器（ME orchestrator，MEO）提供應用相關事件的指示消息。ME應用規則和需求管理包括認證、流量規則、DNS配置和沖突協調等。ME平臺和MEPM之間使用Mm5參考點，該參考點實現平臺和流量過濾規則的配置，并且負責管理應用的重定位和支持應用的生命周期程序。Mm2是操作支持系統（OSS）和MEPM之間的參考點，負責ME平臺的配置和性能管理。Mm3是MEO和MEPM之間的參考點，負責為應用的生命周期管理和應用相關的策略提供支持，同時為ME的可用服務提供時間相關的信息。

MEO是ME提供的核心功能，MEO宏觀掌控ME網絡的資源和容量，包括所有已經部署好的ME主機和服務、每個主機中的可用資源、已經被實例化的應用以及網絡的拓撲等。在為用戶選擇接入的目標ME主機時，MEO衡量用戶需求和每個主機的可用資源，為其選擇最為合適的ME主機，如果用戶需要進行ME主機的切換，則由MEO來觸發切換程序。MEO與OSS之間通過Mm1參考點來觸發ME應用的實例化和終止。MEO與虛擬化基礎設施管理器（VIM）之間通過Mm4參考點來管理虛擬化資源和應用的虛擬機映像，同時維持可用資源的狀態信息。

從ME系統的角度來看，OSS是支持系統運行的最高水平的管理實體。OSS從面向用戶服務（customer-facing service，CFS）門戶和用戶終端（UE）接收實例化或終止ME應用的請求，檢查應用數據分組和請求的完整性和授權信息。經過OSS認證授權的請求數據分組會通過Mm1參考點被轉發到MEO進行進一步處理。

CFS門戶實體相當于第三方接入點，開發商使用該接口將自己開發的各種應用接入運營商的ME系統中，企業或者個人用戶也可以通過該接口選擇其感興趣的應用，并指定其使用的時間和地點。CFS通過Mx1參考點與OSS實現通信。

用戶應用生命周期代理（user app LCM proxy）是供ME用戶使用來請求應用相關的實例化和終止等服務的實體。該實體可以實現外部云和ME系統之間的應用重定位，負責對所有來自外部云的請求進行認證，然后分別通過Mm8和Mm9參考點發送給OSS和MEO做進一步處理。值得注意的是，LCM只能通過移動網絡接入，Mx2參考點提供了UE與LCM相互通信的基礎。

VIM用于管理ME應用的虛擬資源，管理任務包括虛擬計算、存儲和網絡資源的分配和釋放，軟件映像也可以存儲在VIM上以供應用的快速實例化。同時，VIM還負責收集虛擬資源的信息，并通過Mm4參考點和Mm6參考點分別上報給MEO和MEPM等上層管理實體。

3 優勢

相比于傳統的網絡架構和模式，MEC具有很多明顯的優勢，能改善傳統網絡架構和模式下時延高、效率低等諸多問題，也正是這些優勢，使得MEC成為未來5G的關鍵技術。本節主要對MEC的優勢加以概括。

3.1 低時延

MEC將計算和存儲能力“下沉”到網絡邊緣，由于距離用戶更近，用戶請求不再需要經過漫長的傳輸網絡到達遙遠的核心網被處理，而是由部署在本地的MEC服務器將一部分流量進行卸載，直接處理并響應用戶，因此通信時延將會大大降低。MEC的時延節省特性在視頻傳輸和VR等時延敏感的相關應用中表現得尤為明顯。以視頻傳輸為例，在不使用MEC的傳統方式下，每個用戶終端在發起視頻內容調用請求時，首先需要經過基站接入，然后通過核心網連接目標內容，再逐層進行回傳，最終完成終端和該目標內容間的交互，可想而知，這樣的連接和逐層獲取的方式是非常耗時的。引入MEC解決方案后，在靠近UE的基站側部署MEC服務器，利用MEC提供的存儲資源將內容緩存在MEC服務器上，用戶可以直接從MEC服務器獲取內容，不再需要通過漫長的回程鏈路從相對遙遠的核心網獲取內容數據。這樣可以極大地節省用戶發出請求到被響應之間的等待時間，從而提升用戶服務質量體驗。參考文獻[6]證明了在Wi-Fi和LTE網絡中使用邊緣計算平臺可以明顯改善互動型和密集計算型應用的時延。參考文獻[7]進一步證實了通過微云在網絡邊緣進行計算卸載可以改善響應時延至中心云卸載方案的51%。因此，MEC對于未來5G網絡1 ms RTT的時延要求來說是非常有價值的[8]。

3.2 改善鏈路容量

部署在移動網絡邊緣的MEC服務器能對流量數據進行本地卸載，從而極大地降低對傳輸網和核心網帶寬的要求。以第3.1節中提到的視頻傳輸為例，對于某些流行度較高的視頻，如NBA比賽、電子產品發布會等，經常是以直播這種高并發的方式發布，同一時間內就有大量用戶接入，并且請求同一資源，因此對帶寬和鏈路狀態的要求極高。通過在網絡邊緣部署MEC服務器，可以將視頻直播內容實時緩存在距離用戶更近的地方，在本地進行用戶請求的處理，從而減少對回程鏈路的帶寬壓力，同時也可以降低發生鏈路擁塞和故障的可能性，從而改善鏈路容量。參考文獻[9]證明在網絡邊緣部署緩存可以節省近22%的回程鏈路資源，參考文獻[10]提出對于帶寬需求型和計算密集型應用來說，在移動網絡邊緣部署緩存可以節省67%的運營成本。

3.3 提高能量效率，實現綠色通信

在移動網絡下，網絡的能量消耗主要包括任務計算耗能和數據傳輸耗能兩個部分，參考文獻[11,12]中對4G和5G下移動網絡的能量效率進行了詳盡的對比分析和討論，并指出能量效率和網絡容量將是未來5G實現廣泛部署需要克服的一大難題。MEC的引入能極大地降低網絡的能量消耗。MEC自身具有計算和存儲資源，能夠在本地進行部分計算的卸載，對于需要大量計算能力的任務再考慮上交給距離更遠、處理能力更強的數據中心或云進行處理，因此可以降低核心網的計算能耗。另一方面，隨著緩存技術的發展，存儲資源相對于帶寬資源來說成本逐漸降低，MEC的部署也是一種以存儲換取帶寬的方式，內容的本地存儲可以極大地減少遠程傳輸的必要性，從而降低傳輸能耗。當前已有許多工作致力于研究邊緣計算的能量消耗問題，參考文獻[6]證明邊緣計算能明顯降低Wi-Fi網絡和LTE網絡下不同應用的能量消耗。參考文獻[13]將大型集中式數據中心下的能量消耗和霧計算下的小型數據中心的能量消耗進行對比，證明了邊緣計算能明顯改善系統能耗。參考文獻[7]進一步證明使用微云進行計算卸載，參照中心云卸載方案可以節省42%的能量消耗。

3.4 感知鏈路狀況，改善用戶服務質量體驗（QoS）

部署在無線接入網的MEC服務器可以獲取詳細的網絡信息和終端信息，同時還可以作為本區域的資源控制器對帶寬等資源進行調度和分配。以視頻應用為例，MEC服務器可以感知用戶終端的鏈路信息，回收空閑的帶寬資源，并將其分配給其他需要的用戶，用戶得到更多的帶寬資源之后，就可以觀看更高速率版本的視頻，在用戶允許的情況下，MEC服務器還可以為用戶自動切換到更高的視頻質量版本。鏈路資源緊缺時，MEC服務器又可以自動為用戶切換到較低速率版本，以避免卡頓現象的發生，從而給予用戶極致的觀看體驗。同時，MEC服務器還可以基于用戶位置提供一些基于位置的服務，例如餐飲、娛樂等推送服務，進一步提升用戶的服務質量體驗。

4 MEC研究現狀

由于具有上述明顯的優勢，MEC一直以來都是產業界和學術界關注和研究的重點。目前，MEC已經在現網得到了驗證，并出現了各種基于MEC的現網解決方案，相應的商業模式和標準化討論也正在如火如荼地進行。本節先從學術角度出發，對與MEC概念相似的微云（cloudlet）和霧計算（fog computing）這兩個概念加以介紹，并對三者進行進一步的對比區分，然后介紹MEC的標準制定現狀，最后介紹幾個典型的基于MEC的相關解決方案。

表1 MEC、微云和霧計算的比較

4.1 微云與霧計算

MEC作為邊緣計算的一種，在學術界早已引起廣泛的關注和研究，參考文獻[14]中從計算、存儲和通信3個角度對MEC進行了詳細的概述。參考文獻[15]詳細介紹了MEC基本架構，并針對MEC的計算卸載功能進行了全方位的討論。同時，在各種研究工作中，MEC還常被拿來與同樣屬于邊緣計算的微云和霧計算進行對比[3]。本節首先簡要介紹微云和霧計算的基本概念，然后將二者與MEC進行對比，并列出一些細節上的不同點，具體見表1。

微云是由移動計算和云計算融合而來的新型網絡架構元素，它代表移動終端、微云和云3層架構的中間層，可以被視作“盒子里的數據中心”[16,17]。微云是OEC（Open Edge Computing）的研究成果，該項目最初由美國卡耐基梅隆大學發起，而后受到了包括Intel（英特爾）、華為、Vodafone（沃達豐）在內的多家公司的廣泛支持，主要致力于對邊緣計算應用場景、關鍵技術和統一API的研究。OEC基于OpenStack開源項目進行擴展，從而得到了微云，目前其源碼以及搭建方法也可以在OEC的官網上免費獲得。微云的設計靈感來自于觸覺互聯網（tactile network），致力于實現信息的超低時延傳輸。相比于MEC和霧計算來說，微云主要用于移動增強，能夠為移動設備提供豐富的計算資源，尤其關注邊緣的視頻分析應用，能夠提取邊緣數據的標簽和元數據并傳輸到云，以實現高效的全局搜索。此外，微云還可以直接運行在終端上，比如車輛、飛機等。

霧計算是指將計算、通信、控制和存儲資源與服務分布給用戶或靠近用戶的設備與系統，從而將云計算模式擴展到網絡邊緣[18,19]。霧計算最初是由思科提出來的，更側重于在物聯網上的應用[20]。2015年11月，ARM、思科、戴爾、英特爾、微軟和美國普林斯頓大學聯合成立了開放霧聯盟（Open Fog Consortium），該聯盟旨在通過開發開放式架構、分布式計算、聯網和存儲等核心技術以及實現物聯網全部潛力所需的領導力，加快霧計算的部署。Open Fog架構利用開放的標準方法，將云端的無縫智能與物聯網終端聯合在一起。2017年2月，開放霧聯盟宣布發布了Open Fog參考架構（reference architecture，RA），這是一個旨在支持物聯網、5G和人工智能應用的數據密集型需求的通用技術架構，該架構為霧節點（智能互聯設備）與網絡、部署模式、層次模型和用例提供了一個中高層次的系統架構視圖，標志著霧計算向制定標準邁出了重要的一步，未來的工作將更偏向于新需求和底層細節的研究，由于本文研究的重點是MEC，所以微云和霧計算的詳細架構在此不再加以介紹。

MEC與微云、霧計算的概念相似，其基本思想都集中在將云計算能力遷移至網絡邊緣，都屬于邊緣計算的范疇。但三者在一些基本細節上仍存在一些需要區分之處，表1對這3種概念的不同之處進行了簡要的歸納和總結。

4.2 MEC標準制定現狀

MEC的標準化涉及術語、服務場景、技術要求、參考架構、API等多個方面。于2014年9月成立的ETSI MEC ISG一直致力于推進MEC的標準化制定工作，并已于2016年3月發布了MEC白皮書，公布了關于MEC的基本技術需求和參考框架的相關規范，目前該工作組正在致力于對無線網絡信息服務接口、位置信息服務接口、帶寬管理服務接口等幾種典型網絡應用接口以及平臺第三方應用接口的討論。另外，中國通信標準化協會也在2015年進行了研究報告的立項，并已獲得工業和信息化部電信研究院（現更名為中國信息通信研究院）、華為、諾基亞、中興通訊等多家單位的共同支持。

隨著時間的推進，MEC第一階段的研究工作已于2016年底結束，第二階段主要集中在2017年和2018年這兩年，主要進行3GPP和非3GPP的接入支持、虛擬化支持、類型擴展、新付費模式的支持和各種應用的開發等研究工作。

4.3 MEC相關實現案例

作為未來5G的關鍵技術，MEC也引起了產業界的廣泛關注和研究，各大應用服務提供商爭相致力于將MEC與不同的應用場景結合起來，以提供具體的應用解決方案。本節主要介紹兩個具有代表性的基于MEC的解決方案。

圖3是英特爾中國研究院與英特爾網絡平臺事業部、中國移動及愛奇藝合作開發的一款在線視頻系統。該系統利用MEC進行視頻加速，視頻提供商利用MEC的計算、存儲和網絡功能，通過對用戶視頻請求數據分組進行分析，為特定的高清付費用戶提供充足帶寬，以保證其觀看體驗。OTT在使用上述系統時，無需對自己的應用網絡進行架構性變動，由此可以大幅降低使用成本，加速業務創新。該系統目前已在業界知名的世界移動通信大會（Mobile World Congress，MWC）上現身，并引起廣泛關注，并被ETSI MEC ISG采納為典型業務場景之一[3]。

圖3 基于MEC的在線視頻系統

此外，中興也提出了基于5G的MEC解決方案[21]，該方案適用于VR這一典型應用場景。MEC部署在RAN或C-RAN（cloud RAN）側以獲取利于統計分析的關鍵信息，提供低時延的本地化業務服務。運營商不僅可以有效減少核心網的網絡負載，還能通過本地化的部署，提供實時性高、低時延的VR體驗，增強VR實時互動。該系統的架構如圖4所示。

5 MEC關鍵技術

MEC的實現依賴于虛擬化、云技術和SDN等關鍵技術的支撐，本節主要對這3種實現MEC的關鍵技術進行介紹。

5.1 虛擬化技術

虛擬化技術是一種資源管理技術。維基百科對其的定義是：虛擬化技術將計算機的各種實體資源（CPU、內存、磁盤空間、網絡適配器等）予以抽象、轉換后呈現出來并可供分區、組合為一個或多個電腦配置環境，由此打破實體結構間不可分割的障礙，使用戶可以比原本配置更好的方式應用這些電腦硬件資源。虛擬化技術中使用Hypervisor實現了應用軟件環境與基礎硬件資源的解耦，使得可以在同一個硬件平臺上部署多個虛擬機，從而共享硬件資源，多個虛擬機之間通過虛擬交換機實現頑健、安全和高效的通信，并通過指定的物理接口實現數據流量的路由。

圖4 系統結構[21]

虛擬化技術與網絡的結合催生了網絡功能虛擬化（network function virtualization，NFV）技術，該技術將網絡功能整合到行業標準的服務器、交換機和存儲硬件上，并且提供優化的虛擬化數據平面，可通過服務器上運行的軟件實現管理從而取代傳統的物理網絡設備。

NFV使得MEC平臺中多個第三方應用和功能可以共平臺部署，各種應用和服務實際上是運行于虛擬化基礎設施平臺上的虛擬機，極大地方便了MEC實現統一的資源管理。

5.2 云技術

虛擬化技術促進了云技術的發展，云技術的出現使得按需提供計算和存儲資源成為可能，極大地增加了網絡和服務部署的靈活性和可擴展性。現今大多數移動手機應用都是基于云服務設計的，值得一提的是，云技術與移動網絡的結合還促進了C-RAN這一創新性應用的產生。C-RAN將原本位于基站的基帶處理單元等需要耗費計算和存儲資源的模塊遷移到云上，在很大程度上解決了基站的容量受限問題，提高了移動網絡的系統能量效率[22,23]。

MEC技術在網絡邊緣提供計算和存儲資源，NFV和云技術能夠幫助MEC實現多租戶的共建。由于MEC服務器的容量相對于大規模數據中心來說還是較小，不能提供大規模數據中心帶來的可靠性優勢，所以需要結合云技術引入云化的軟件架構，將軟件功能按照不同能力屬性分層解耦地部署，在有限的資源條件下實現可靠性、靈活性和高性能。

5.3 軟件定義網絡（SDN）技術

SDN技術是一種將網絡設備的控制平面與轉發平面分離，并將控制平面集中實現的軟件可編程的新型網絡體系架構。SDN技術采用集中式的控制平面和分布式的轉發平面，兩個平面相互分離，控制平面利用控制—轉發通信接口對轉發平面上的網絡設備進行集中控制，并向上提供靈活的可編程能力，這極大地提高了網絡的靈活性和可擴展性[24]。

當前已有很多研究致力于將SDN技術與移動網絡相結合。參考文獻[25]基于SDN技術和NFV技術提出了一個名為cellular SDN（CSDN）的新型蜂窩網架構，該架構簡化了網絡運營商對網絡的管理和控制，并且支持靈活、開放和可編程的服務創建。參考文獻[26]將SDN技術和蜂窩核心網結合，提出了一個靈活的蜂窩核心網架構SoftCell。同時，SDN作為關鍵技術，在5G網絡的研究中也被廣泛采用，在5G核心網測試平臺Open 5G Core的設計中就引進了SDN技術將LTE EPC下的服務網關（SGW）和PDN網關（PGW）分別抽象成了用戶平面網關（SGW-U，PGW-U）和控制平面網關（SGW-C，PGW-C），從而提高了網絡的靈活性和可擴展性。

MEC部署在網絡的邊緣，靠近接入側，這意味著核心網網關功能將分布在網絡的邊緣，這會造成大量接口的配置、對接和調測。利用SDN技術將核心網的用戶面和控制面進行分離，可以實現網關的靈活部署，簡化組網。在參考文獻[23]中，結合NFV技術、SDN技術和MEC，設計了一個新型的移動網絡系統SD-MEC。該系統在不同接入點分布式部署MEC服務器，將業務進行本地卸載，從而降低了核心網的信令開銷，降低了由于長距離傳輸而發生網絡突發狀況的可能性，增強了用戶的服務質量體驗。另外，SD-MEC有專門的控制器對系統進行管控，從而降低了管理的復雜性，同時使得新服務的部署變得更加靈活。

6 MEC典型應用場景

4G主要是針對視頻業務而設計的網絡架構，但是在即將到來的5G時代，不可避免地會出現甚至已經出現越來越多樣的服務場景，這些場景對網絡的時延、帶寬、計算和存儲等各個方面都提出了很高的要求。由于其“與生俱來”的低時延和高計算能力，MEC恰恰是解決這類需求的關鍵技術。同時，由于同時與4G兼容，MEC的應用非常廣泛。本節主要列舉幾個典型的應用場景，同時分析MEC在這些場景中的應用價值。

6.1 計算密集型應用

計算密集型應用需要在很短的時間內進行大量計算，因此對裝置的計算能力要求極高。增強現實（augmented reality，AR）和虛擬現實（virtual reality，VR）都屬于計算密集型應用，增強現實是一種利用計算機產生的附加信息對使用者所看到的真實世界景象進行增強或擴展的技術，虛擬現實則是一種利用計算機融合多元信息和實體行為而模擬出來三維動態視景的計算機仿真技術，這兩種技術都需要收集包括用戶位置和朝向等用戶狀態相關的實時信息，然后進行計算并根據計算結果加以處理。MEC服務器可以為其提供豐富的計算資源和存儲資源，緩存需要推送的音視頻內容，并且基于定位技術和地理位置信息一一對應，結合位置信息確定推送內容，并發送給用戶或迅速模擬出三維動態視景并與用戶進行交互[3,27]。

6.2 智能視頻加速

研究表明，在移動數據流量中有超過一半的部分是視頻流量，并且該比例呈逐年上升趨勢。從用戶角度來說，觀看視頻可以分為點播和直播。點播是指在被請求視頻已經存在于源服務器的情況下用戶向視頻服務器發送視頻觀看請求，直播則指在內容產生的同時用戶對內容進行觀看。在傳統的視頻系統中，內容源將產生的數據上傳到Web服務器，然后再由Web服務器響應用戶的視頻請求。在這種傳統方式下，內容基于TCP和HTTP進行下載，或是以流的形式傳遞用戶。但是TCP并不能快速適應RAN的變化，信道環境改變、終端的加入和離開等都會導致鏈路容量的變化，另外，這種長距離的視頻傳輸也增大了鏈路故障的概率，同時造成很大的時延，從而不能保證用戶的服務質量體驗。為了改善上述問題，當下學術界和產業界普遍采用CDN分發機制，將內容分發到各個CDN節點上，再由各個CDN節點響應對應區域中的用戶請求[28,29]。CDN分發機制的引進的確在一定程度上緩解了上述問題，但這種改進對于直播這種高并發，并且對實時性和流暢性要求很高的場景來說仍然有力不從心之處。

MEC技術的引入可以解決上述問題，內容源可以直接將內容上傳到位于網絡邊緣的MEC服務器，再由MEC服務器響應用戶的視頻請求，這樣可以極大地降低用戶觀看視頻的時延。同時，由于MEC具有強大的計算能力，可以實時感知鏈路狀態并根據鏈路狀態對視頻進行在線轉碼，從而保障視頻的流暢性，實現智能視頻加速。另外，MEC服務器還可以負責本區域用戶的空口資源的分配和回收，從而增加網絡資源的利用率。

6.3 車聯網

車聯網場景下有大量的終端用戶，如車輛、道路基礎設施、支持V2X服務的智能手機等，同時對應著多種多樣的服務，例如一些緊急事件的廣播等基本的道路安全服務以及一些由應用開發商和內容提供商提供的增值服務，例如停車定位、增強現實或其他娛樂服務等[30]。MEC服務器可以部署于沿道路的LTE基站上，利用車載應用和道路傳感器接收本地信息，對其加以分析。并對那些優先級高的緊急事件以及需要進行大量計算的服務進行處理，從而確保行車安全、避免交通堵塞，同時提升車載應用的用戶體驗[31]。在此方面，德國已經研發了數字高速公路試驗臺來提供交通預警服務，該試驗臺用于在LTE環境下在同一區域內進行車輛預警消息的發布[32]。

6.4 物聯網

據思科研究報告表明，到2020年將會有500億個終端實現互聯[33]。物聯網“萬物互聯”的場景下，各種各樣的終端產生海量的數據，而通常IoT裝置在處理器和內存容量方面是資源受限的，因此，MEC可以作為物聯網匯聚網關使用[3]，將終端產生的海量數據進行匯聚并加以分析處理。同時，不同的IoT裝置使用不同的接入方式，比如3G、LTE、Wi-Fi或其他無線接入方式，因此這些IoT裝置產生的消息通常由于協議不同而使用不同的封裝方式，MEC可以對這些來自于不同協議的數據分組進行處理、分析和分發。另外，MEC還可以作為控制節點對這些IoT裝置進行遠程控制，并提供實時的分析和配置[31,32]。

7 MEC服務器部署場景

在設計MEC解決方案時，還必須考慮MEC服務器在網絡中的部署位置。MEC服務器可以被部署在網絡的多個位置，例如可以位于LTE宏基站（eNode B）側、3G無線網絡控制器（radio network controller，RNC）側、多無線接入技術（multi-radio access technology，multi-RAN）蜂窩匯聚點側或者核心網邊緣。本節旨在介紹MEC服務器的幾個主要的部署場景，并且對不同部署方式的優勢和存在問題加以簡要分析[3,34]。

7.1 4G EPC架構下的MEC部署

（1）MEC服務器部署在無線接入網（RAN）側

如圖5所示，MEC可以部署在RAN側的多個eNode B匯聚節點之后，這是目前比較常見的部署方式。MEC服務器也可以部署在單個eNode B節點之后，如圖6所示，這種方式適合學校、大型購物中心、體育場館等熱點區域下MEC的部署。將MEC服務器部署在RAN側的優勢在于可以更方便地通過監聽、解析S1接口的信令來獲取基站側無線相關信息，但是該方案需要進一步解決計費和合法監聽等安全性問題。

圖5 MEC服務器部署在基站匯聚節點之后

圖6 MEC服務器部署在單個基站之后

（2）MEC服務器部署在核心網（CN）側

MEC服務器也可以部署在核心網邊緣，在PGW之后（或與PGW集成在一起），從而解決RAN部署方案下的計費和安全問題。但部署在核心網側會存在距離用戶較遠、時延較大和占用核心網資源的問題。圖7所示方案是不改變現有的EPC架構，將MEC服務器與PGW部署在一起。UE發起的數據業務經過eNode B、匯聚節點、SGW、PGW+MEC服務器，然后到互聯網。圖8所示方案需要改變現有的EPC架構，將原PGW拆分成P1GW和P2GW（即DGW），其中，P1GW駐留在原位置，DGW下移到RAN側或者核心網邊緣，DGW負責計費、監聽、鑒權等功能，MEC服務器和DGW部署在一起。在此方案下，P1GW和DGW之間為私有接口，需由同一設備廠商提供。

7.2 5G架構下的MEC部署

如圖9所示，在5G架構下，MEC服務器也有兩種部署方式，分別如圖9中MEC服務器1和MEC服務器2。MEC服務器可以部署在一個或多個Node B之后，使數據業務更靠近用戶側，如圖9中粗實線所示，UE發起的數據業務經過Node B、MEC服務器1，然后到達互聯網，同樣地，在該方式下計費和合法監聽問題需進一步解決。MEC服務器也可以部署在用戶平面網關GW-UP后，如圖9中粗虛線所示，UE發起的數據業務經過Node B、GW-UP、MEC服務器2，最后到達互聯網，同理，此部署方法將以犧牲一部分時延為代價。

圖7 MEC服務器與PGW部署在一起

圖8 MEC服務器與DGW部署在一起

圖9 MEC在5G架構下的部署

8 問題和挑戰

MEC在移動網絡邊緣提供計算、存儲和網絡資源，可以極大地降低處理時延，實現綠色通信，提升用戶服務質量體驗。但是，在實現大規模應用之前，MEC以及各種基于MEC的解決方案還存在一些問題和挑戰，主要包含以下3個方面。

8.1 移動性問題

MEC系統所涉及的移動性問題主要分為兩種情況，一種是移動終端在特定MEC服務器覆蓋范圍內的移動，這種移動不涉及MEC服務器的切換，另一種情況則是移動終端從一個源MEC服務器移動到另一個目的MEC服務器。當用戶在同一個MEC服務器范圍內移動時，MEC服務器只需要維持移動終端與服務器上應用程序的正常連接，同時跟蹤用戶終端當前連接的基站來確保正確的下行數據路由即可。當用戶從一個MEC服務器切換到另一個MEC服務器上時，如何保持移動終端與應用間的業務連接將是一個難點。對于MEC系統中那些不需要跟蹤UE狀態信息的狀態獨立的應用來說，用戶移動到另一個MEC服務器意味著重新在目標MEC服務器上實例化一個相同的應用，而對于面向用戶的服務，特別是那些與用戶活動相關的應用而言，用戶移動到另一個MEC服務器將意味著用戶相關信息的遷移，甚至是整個應用實例的遷移。因此，MEC系統需要提供服務連續性、應用遷移和應用特定用戶相關信息的遷移等移動性支持。基于某些特定場景，MEC還需要支持UE在移動邊緣系統與外部云之間的遷移[35]。

由于MEC上的各個應用實際上是運行在虛擬化基礎設施上的各種虛擬機，因此虛擬機的在線遷移對于MEC的移動性研究是可以借鑒的。另外，ETSI和各大廠商也都在關注MEC移動性的問題，相信隨著研究的不斷深入，移動性問題將會得到全方位的解決。

8.2 安全及計費問題

在當前網絡架構下，計費功能由核心網負責。移動邊緣計算平臺將網絡服務功能“下沉”到網絡邊緣，在網絡邊緣就可以進行計算卸載，這使得計費功能不易實現。針對本文第7節中提到的不同的部署方案，計費功能實現的難易程度也不同。目前，ETSI的標準化工作也尚未涉及計費功能的實現，因此，當前還沒有統一的計費標準，不同的公司提供不同的計費標準。

由于在移動邊緣計算場景下，移動終端將會面臨更加復雜的環境，因此原本用于云計算的許多安全解決方案可能不再適用于移動邊緣計算[36]。不同層次的網關等網絡實體的認證也是一個需要考慮的安全問題，因此，MEC系統必須解決認證、鑒權等安全性問題。當前一些研究工作者提出了基于公開密鑰基礎設施（public key infrastructure，PKI）的解決方案[37]和基于Diffie-Hellman密鑰交換的解決方案[38]。參考文獻[39]提出了一種名為HoneyBot的移動邊緣計算平臺防御技術。HoneyBot節點能夠探測、追蹤和區分D2D內部攻擊，該技術的速度和準確性同時受到HoneyBot節點數量和位置的影響[40]。

一方面，MEC的安全性和計費問題的解決需要從MEC設計的架構上來考慮，另一方面，可以將各種安全性解決方案與MEC進行有機結合，以模塊化的形式為系統提供不同程度的安全防護。最后，由于計費問題涉及的網元較多，其實現還需要設備供應商、OTT、運營商等多方的共同努力和探索。

8.3 隱私保護問題

在基于MEC的D2D通信中，針對內容共享和計算協作等問題，必須考慮用戶的隱私保護。另外，在一些私有網絡場景下，比如個人微云，也必須考慮隱私保護的問題，因此有必要在MEC網絡中加入隱私保護實體。現存的很多隱私保護方案都是通過加入一個受信平臺模塊（trusted platform module，TPM）實現的，例如在霧計算的典型應用場景智能電網（smart grid）中，通過智能電表的數據加密和霧終端的匯聚點的處理保證數據的私密性[41]。

由于隱私保護問題是偏向于定制型的業務，不同的用戶和業務對于隱私保護的需求程度不同，因此可以借鑒上述這種加入受信平臺模塊的思路，模塊和平臺之間只需遵循相應的API規范即可。

9 結束語

本文主要從基本概念、參考架構、優勢、研究現狀、關鍵技術、應用場景、部署場景以及存在問題和挑戰等方面對MEC技術進行了系統性介紹，首先介紹了MEC的基本概念和MEC的參考框架，然后對MEC技術的優勢加以歸納并闡述，從學術界、工業界和標準制定3個角度介紹了MEC的研究現狀，隨后進一步介紹了實現MEC的3個關鍵技術，進一步詳細介紹了MEC技術的應用場景以及MEC服務器在現網和未來5G下的部署方案，并總結了不同部署方案的優缺點，最后對MEC現存的幾個尚待解決的問題做了進一步歸納，并對相應的解決方向做了簡要的展望。

隨著向5G階段的不斷邁進，移動網絡將迎來一系列令人興奮的新型辦公和娛樂方式，比如基于移動內容分發網絡的高清視頻體驗和智能場館服務、基于AR/VR的手游和基于位置服務的營銷以及與車聯網結合的交通輔助系統和智能駕駛系統等，MEC將在這些新型場景下大放異彩。同時，MEC新的行業標準和MEC平臺的廣泛部署，也將提供一種新型的網絡生態體系和價值鏈，為各大移動運營商、設備提供商、OTT和第三方公司帶來新的運營模式。在未來5G這個集合了計算和通信技術的大平臺上，MEC必是其中不可缺少的一個重要環節，將為網絡業務和服務的創新帶來無限可能。

[1] 王胡成, 徐暉, 程志密, 等. 5G網絡技術研究現狀和發展趨勢[J]. 電信科學, 2015, 31(9): 156-162.

WANG H C, XU H, CHENG Z M, et al. Current research and development trend of 5G network technologies[J]. Telecommunications Science, 2015, 31(9): 156-162.

[2] YU Y. Mobile edge computing towards 5G: vision, recent progress, and open challenges[J]. China Communications, 2016, 13(S2): 89-99.

[3] HU Y C, PATEL M, SABELLA D, et al. Mobile edge computing—a key technology towards 5G[S]. ETSI White Paper, 2015: 1-16.

[4] TALEB T, SAMDANIS K, MADA B, et al. On multi-access edge computing: a survey of the emerging 5G network edge architecture & orchestration[J]. IEEE Communications Surveys & Tutorials, 2017,10.1109/COMST.2017.2705720.

[5] ETSI. Mobile edge computing (MEC); framework and reference architecture[S]. 2016.

[6] HU W, GAO Y, HA K, et al. Quantifying the impact of edge computing on mobile applications[C]//The 7th ACM Sigops Asia-Pacific Workshop on Systems, August 4-5, 2016, Hong Kong, China. New York: ACM Press, 2016: 5.

[7] GAO Y, HU W, HA K, et al. Are cloudlets necessary?[J/OL]. (2015-11-11)[2017-08-03]. https://www.researchgate.net/ publication/283665207_Are_Cloudlets_Necessary.

[8] AGIWAL M, ROY A, SAXENA N. Next generation 5G wireless networks: a comprehensive survey[J]. IEEE Communications Surveys & Tutorials, 2016, 18(3): 1617-1655.

[9] BASTUG E, BENNIS M, DEBBAH M. Living on the edge: the role of proactive caching in 5G wireless networks[J]. IEEE Communications Magazine, 2014, 52(8): 82-89.

[10] MEHTA A, T?RNEBERG W, KLEIN C, et al. How beneficial are intermediate layer data centers in mobile edge networks?[C]//IEEE International Workshops on Foundations and Applications of Self Systems, Sept 12-16, 2016, Augsburg, Germany. Piscataway: IEEE Press, 2016: 222-229.

[11] GE X, TU S, MAO G, et al. 5G ultra-dense cellular networks[J]. IEEE Wireless Communications, 2015, 23(1): 72-79.

[12] GE X, YANG J, GHARAVI H, et al. Energy efficiency challenges of 5G small cell networks[J]. IEEE Communications Magazine, 2017, 55(5): 184-191.

[13] JALALI F, HINTON K, AYRE R, et al. Fog computing may help to save energy in cloud computing[J]. IEEE Journal on Selected Areas in Communications, 2016, 34(5): 1728-1739.

[14] WANG S, ZHANG X, ZHANG Y, et al. A survey on mobile edge networks: convergence of computing, caching and communications[J]. IEEE Access, 2017(5): 6757-6779.

[15] MACH P, BECVAR Z. Mobile edge computing: a survey on architecture and computation offloading[J]. IEEE Communications Surveys & Tutorials, 2017,10.1109/COMST.2017.2682318.

[16] HASEEB M, AHSAN A, MALIK A W. Cloud to cloudlet-an intelligent recommendation system for efficient resources management: mobile cache[C]//International Conference on Frontiers of Information Technology, Dec 19-21, 2016, Islamabad, Pakistan. Piscataway: IEEE Press, 2017: 40-45.

[17] PANG Z, SUN L, WANG Z, et al. A survey of cloudlet based mobile computing[C]//International Conference on Cloud Computing and Big Data, Nov 4-6, 2015, Shanghai, China. Piscataway: IEEE Press, 2016: 268-275.

[18] GONZALEZ N M, GOYA W A, PEREIRA R D F, et al. Fog computing: data analytics and cloud distributed processing on the network edges[C]//Computer Science Society, Oct 10-14, 2016, Valparaiso, Chile. Piscataway: IEEE Press, 2017: 1-9.

[19] ELMROTH E, LEITNER P, SCHULTE S, et al. Connecting fog and cloud computing[J]. IEEE Cloud Computing, 2017, 4(2): 22-25.

[20] STOJMENOVIC I. Fog computing: a cloud to the ground support for smart things and machine-to-machine networks[C]// Telecommunication Networks and Applications Conference, Nov 26-28, 2014, Southbank, Australia. Piscataway: IEEE Press, 2015: 117-122.

[21] 中興通訊. MEC解決方案打造“無限”VR體驗[J]. 通信世界, 2016(20): 49.

ZTE. MEC solutions: creating “unlimited” VR experience[J]. Communication World, 2016(20): 49.

[22] TRAN T X, HAJISAMI A, PANDEY P, et al. Collaborative mobile edge computing in 5G networks: new paradigms, scenarios, and challenges[J]. IEEE Communications Magazine, 2017, 55(4): 54-61.

[23] SALMAN O, ELHAJJ I, KAYSSI A, et al. Edge computing enabling the internet of things[C]//Internet of Things, Dec 14-16, 2015, Milan, Italy. Piscataway: IEEE Press, 2015: 603-608.

[24] LI C, DUAN X D, CHEN W, et al. Thoughts and practices about SDN and NFV[J]. Telecommunications Science, 2014, 30(8): 23-27.

[25] JIN X, LI L E, VANBEVER L, et al. Softcell: scalable and flexible cellular core network architecture[C]//The ninth ACM conference on Emerging networking experiments and technologies, December 9-12, 2013, Santa Barbara, USA. New York: ACM Press, 2013: 163-174.

[26] LI L E, MAO Z M, REXFORD J. Toward software-defined cellular networks[C]//2012 European Workshop on Software Defined Networking (EWSDN), Oct 25-26, 2012, Darmstadt, Germany. Piscataway: IEEE Press, 2012: 7-12.

[27] ETSI. Mobile edge computing-introductory technical white paper[R]. 2014.

[28] PALAU C E, MARES J, MOLINA B, et al. Wireless CDN video streaming architecture for IPTV[J]. Multimedia Tools and Applications, 2011, 53(3): 591-613.

[29] KANG S, YIN H. A hybrid CDN-P2P system for video-on-demand[C]//Second International Conference on Future Networks, January 22-24, 2010, Sanya, China. Piscataway: IEEE Press, 2010: 309-313.

[30] LI L, LI Y, HOU R. A novel mobile edge computing-based architecture for future cellular vehicular networks[C]//Wireless Communications and Networking Conference (WCNC), March 19-22, 2017, San Francisco, USA. Piscataway: IEEE Press, 2017: 1-6.

[31] SABELLA D, VAILLANT A, KUURE P, et al. Mobile-edge computing architecture: the role of MEC in the internet of things[J]. IEEE Consumer Electronics Magazine, 2016, 5(4): 84-91.

[32] AHMED A, AHMED E. A survey on mobile edge computing[C]//2016 10th International Conference on Intelligent Systems and Control (ISCO), Jan 7-8, 2016, Coimbatore, India. Piscataway: IEEE Press, 2016: 1-8.

[33] EVANS D. The internet of things: how the next evolution of the internet is changing everything[J]. CISCO White Paper, 2011(1): 1-11.

[34] 李福昌, 李一喆, 唐雄燕, 等. MEC 關鍵解決方案與應用思考[J]. 郵電設計技術, 2016 (11): 81-86.

LI F C, LI Y Z, TANG X Y, et al. MEC key solutions and application consideration[J]. Designing Techniques of Posts and Telecommunications, 2016(11): 81-86.

[35] 烏云霄, 戴晶. 面向5G的邊緣計算平臺及接口方案研究[J]. 郵電設計技術, 2017(3): 10-14.

WU Y X, DAI J. Research on 5G oriented edge computing platform and interface scheme[J]. Designing Techniques of Posts and Telecommunications, 2017(3): 10-14.

[36] STOJMENOVIC I, WEN S. The fog computing paradigm: Scenarios and security issues[C]//2014 Federated Conference on Computer Science and Information Systems (FedCSIS), Sept 7-10, 2014, Warsaw, Poland. Piscataway: IEEE Press, 2014: 1-8.

[37] LAW Y W, PALANISWAMI M, KOUNGA G, et al. WAKE: key management scheme for wide-area measurement systems in smart grid[J]. IEEE Communications Magazine, 2013, 51(1): 34-41.

[38] FADLULLAH Z M, FOUDA M M, KATO N, et al. Toward intelligent machine-to-machine communications in smart grid[J]. IEEE Communications Magazine, 2011, 49(4): 60-65.

[39] TOBIAS L, VEIKKO P, DAVIDE B, et al. Honeybot, your man in the middle for automated social engineering[C]//LEET’10, 3rd

USENIX Workshop on Large-Scale Exploits and Emergent Threats, April 27, 2010, San Jose, USA. New York: ACM Press, 2010: 11.

[40] MTIBAA A, HARRAS K, ALNUWEIRI H. Friend or foe? detecting and isolating malicious nodes in mobile edge computing platforms[C]//2015 IEEE 7th International Conference on Cloud Computing Technology and Science (CloudCom), Nov 30-Dec 3, 2015, Vancouver, Canada. Piscataway: IEEE Press, 2015: 42-49.

[41] LU R, LIANG X, LI X, et al. Eppa: An efficient and privacy-preserving aggregation scheme for secure smart grid communications[J]. IEEE Transactions on Parallel and Distributed Systems, 2012, 23(9): 1621-1631.

A survey of mobile edge computing

LI Zishu, XIE Renchao, SUN Li, HUANG Tao

Beijing University of Posts and Telecommunications, Beijing 100876, China

Mobile edge computing (MEC) technology integrates IT service environment and cloud computing technology at the edge of the network, improving the capacities of computing and storage of the edge of network, reducing network operation and service delivery delay and further enhancing the quality of experience (QoE) of users. Thus, MEC has attracted extensive attention and has been added in the 5G standard as a key technology. Firstly, the basic concept, reference architecture and technical advantages of MEC were introduced, and the current research state of MEC were summarized from three perspectives: academia, industry and standard setting. Then, the key enablers, application scenarios and specific deployment methods of MEC were introduced in detail. Finally, the existing problems of MEC, such as mobility, security and billing, as well as privacy protection, were discussed.

MEC, 5G, low latency, reference architecture, application scenario

TN929.5

A

10.11959/j.issn.1000?0801.2018011

2017?08?03；

2017?11?14

國家自然科學基金資助項目（No.61501042）；國家高技術研究發展計劃（“863”計劃）基金資助項目（No.2015AA016101）

The National Natural Science Foundation of China (No.61501042), The National High Technology Research and Development Program of China (863 Program) (No.2015AA016101)

李子姝（1994?），女，北京郵電大學未來網絡理論與應用實驗室碩士生，主要研究方向為5G網絡、移動邊緣計算等。

謝人超（1984?），男，北京郵電大學未來網絡理論與應用實驗室副教授、碩士生導師，主要研究方向為信息中心網絡、內容分發網絡、移動網絡內容分發技術等。

孫禮（1959?），男，北京郵電大學未來網絡理論與應用實驗室副教授、碩士生導師，主要研究方向為寬帶通信網絡、無線接入技術、通信網絡交換技術等。

黃韜（1980?），男，北京郵電大學未來網絡理論與應用實驗室教授、博士生導師，主要研究方向為新型網絡體系架構、內容分發網絡、軟件定義網絡等。