宋曉詩+閆巖+王夢源

摘要：移動邊緣計算（MEC）是未來5G移動通信系統提升服務應用能力的重要技術手段之一。通過在無線接入網絡的邊緣節點處部署具備計算、存儲和通信能力的服務應用平臺，MEC能夠有效處理終端用戶的高時效性業務需求，大幅度縮短端到端時延，并解決核心網絡的數據流量瓶頸等相關問題。

關鍵詞： 5G；MEC；無線緩存；基于軟件定義網絡（SDN）的本地分流技術

Abstract： Mobile edge computing （MEC） is envisioned as one of the most important techniques for 5G mobile communication systems in the future. By deploying a generic computing platform with computing， storage， and communication capabilities across the wireless edges， MEC can effectively meet the high timeliness service requirements of end users， greatly shorten the end-to-end delay， and solve the related problems of data traffic bottleneck in core network.

Key words： 5G； MEC； wireless content caching； software defined network（SDN）-based traffic offloading

移動邊緣計算（MEC）技術的概念最早提出于2009年卡內基梅隆大學所研發的cloudlet計算平臺[1]。2014年，歐洲電信標準協會（ETSI）正式定義了MEC的基本概念并成立了MEC規范工作組，開始啟動相關標準化工作[2]。2016年，ETSI將此概念擴展為多接入邊緣計算，并將移動蜂窩網絡中的邊緣計算應用推廣至其他無線接入網絡（如Wi-Fi）。在ETSI的推動下，包括第3代合作伙伴（3GPP）及中國通信標準化協會（CCSA）在內的其他國際及中國標準化組織也相繼啟動了相關工作。目前，MEC已經發展演進為5G移動通信系統的重要技術之一。

隨著MEC的不斷發展成熟，全球各大電信運營商及設備商均加快了MEC系統的研發和部署進程[3]。其中，在國際上，沃達豐、AT&T、Verizon等運營商及諾基亞、高通等設備商已經開始部署商用MEC系統和解決方案，面向物聯網、車聯網等行業應用，提供低時延、高速率、大容量的網絡服務；在中國，中國移動、中國電信和中國聯通等運營商也在積極聯合中興通訊等公司開展MEC試驗網絡的驗證測試。

綜上所述，通過在無線網絡側增加具備計算、存儲、網絡資源管理等功能的邊緣節點，MEC能夠將無線網絡、數據緩存和云計算技術有機地融合在一起，并因此可以有效推動5G移動通信系統在車聯網、物聯網、無人機網絡和智慧城市等領域的應用和發展。

1 MEC概述

MEC的基本思想是把云計算平臺從移動核心網絡內部遷移到移動接入網邊緣，通過部署具備計算、存儲、通信等功能的邊緣節點，使傳統無線接入網具備業務本地化條件，進一步為終端用戶提供更高帶寬、更低時延的數據服務，并大幅度減少核心網的網絡負荷，同時降低數據業務對網絡回傳的帶寬要求。

1.1 MEC的整體架構

ETSI在文獻[4]中定義的MEC系統的整體架構如圖1所示，其中MEC服務器是整個系統的核心，覆蓋移動終端的MEC系統由一個或多個MEC服務器組成。通過將MEC服務器部署于無線接入網與核心網之間，MEC系統將能夠在無線網絡側（網絡的近端）為終端用戶提供更高效率、更低時延的計算、存儲和通信服務，并因此能夠提升終端用戶的服務質量（QoS）體驗。

由圖1可以看出：MEC服務器包括路由子系統、能力開放子系統、平臺管理子系統以及邊緣云基礎設施等4個基本組件。通過上述基本組件，MEC系統能夠與無線接入網、移動核心網、企業網及軟/硬件基礎環境進行業務融合和動態交互。

1.2 MEC的基本功能組件

在MEC服務器所包含的4個基本功能組件中，路由子系統、能力開放子系統和平臺管理子系統均部署在MEC服務器內部，而邊緣云基礎設施則由部署在網絡邊緣的小型或微型數據中心構成。MEC服務器的4個基本功能組件在MEC系統中的作用與相互關系如圖2所示。

（1）路由子系統

路由子系統為MEC系統、無線接入系統和核心網絡系統之間提供數據轉發的功能。當移送設備請求數據時，若MEC系統存儲設備中有目標數據，則通過路由子系統將數據下發給用戶；若MEC系統中沒有目標數據，則通過路由子系統將用戶的請求數據包經移動核心網發送至第三方服務器或云數據中心。此外，路由子系統還可以在MEC服務器之間發送數據以支持設備的移動性。典型的路由轉發案例如圖3所示。

（2）能力開放子系統

能力開放子系統的主要功能是通過向路由子系統提供網絡及用戶的實時動態信息，以及向平臺管理子系統上報能力開放注冊信息以及能力調用統計信息，實現路由轉發策略的制定和業務數據的管控。同時，能力開放子系統可以通過分析用戶的業務數據實現網絡業務處理、網絡資源分配、監測終端能力等特定功能的部署。

（3）平臺管理子系統

平臺管理子系統的主要作用是對移動網絡數據平面進行控制，對來自能力開放子系統的能力調用請求進行管控，對邊緣云內的IT基礎設施進行虛擬化資源管理，以及對相關計費信息進行統計上報。

（4）邊緣云基礎設施endprint

邊緣云基礎設施的主要作用是通過為終端用戶提供由小型化硬件平臺構建的計算、存儲及網絡通信等資源的物理資源池，實現MEC系統的本地化數據業務處理，提升網絡的QoS體驗。

2 MEC系統的關鍵技術

MEC系統的關鍵技術主要包括計算卸載技術、無線數據緩存技術和基于軟件定義網絡（SDN）的本地分流技術等。上述關鍵技術是MEC系統實現計算處理實時化、數據處理本地化以及信息交互高效化的前提和基礎。

2.1 計算卸載技術

計算卸載技術[5]是MEC系統實現終端業務實時化處理的重要手段。計算卸載是指將部分計算功能由移動設備遷移到MEC服務器執行，其主要過程包括卸載決策、卸載執行、結果回傳等3部分。其中，卸載決策是指某項計算任務應該如何進行高效卸載，是計算卸載的理論基礎；卸載執行是如何將計算能力在MEC服務器和終端進行劃分，是計算卸載的核心；結果回傳是將計算任務處理結果下發給終端用戶，是計算卸載最終實現并完成的關鍵。利用計算卸載技術，通過將業務計算及時卸載到移動邊緣計算服務器進行計算處理，能夠有效擴展移動設備的即時計算能力，降低計算延遲，并提高移動終端的電池壽命。因此，高效的計算卸載策略在邊緣計算技術中扮演著不可缺少的角色。

計算卸載的基本設計原理為：當終端發起計算卸載請求時，終端上的資源監測器檢測MEC系統的資源信息，整理出可用的MEC服務器網絡的資源情況（包括服務器運算能力、負載情況、通信花銷等）；根據上述接收到的服務器網絡信息，終端內部的計算卸載決策引擎決定哪些任務為本地執行，哪些為邊緣計算節點執行；最后，根據計算卸載決策引擎的決策指示，分割模塊將任務分割成可以在不同設備獨立執行的子任務。其中，本地執行部分由終端在本地進行，邊緣計算節點執行部分經轉化后卸載到MEC服務器進行運算處理。

計算卸載根據業務計算強度可劃分為二元卸載和部分卸載[6]。其中，二元卸載主要針對高密度且小規模的計算任務。通過二元卸載，終端的計算任務被整體遷移到MEC服務器進行計算處理。部分卸載主要針對大規模的計算任務。通過部分卸載，終端的計算任務由分割模塊分為多個子任務，分別卸載到多個MEC服務器執行計算。最簡單的部分卸載任務模型是數據分區模型[7]。在數據分區模型中，終端用戶的計算任務可以被劃分成多個相互獨立的子任務，并根據計算卸載決策指示在移動設備及一個或多個MEC服務器中并行執行。需要指出的是：在部分卸載過程中，不同子任務之間可能存在一定的依賴關系，例如：子任務A的輸出為子任務B的執行前提。因此，被劃分后的多個子任務存在無法同時執行的情況。針對上述問題，可將任務的執行過程劃分為[n]個時隙[8]，根據子任務之間的依賴關系，將能夠并行執行的子任務在同一時隙卸載到多個MEC服務器進行并行運算，而將不能并行執行的子任務按照其優先級順序分配至不同時隙依次執行。

通過上述討論可以看出：計算卸載技術的應用，能夠有效地降低計算任務的時延，擴展移動設備的計算能力，并減少移動設備的能量消耗，延長移動設備電池的壽命。因此，探尋高效的計算卸載策略是MEC系統等相關研究的重點。在已有的工作中，文獻[9]提出了用李雅譜諾夫函數解決此類最優性問題。文獻[10]提出將尋找最優MEC系統的問題看成解決多臂賭博機問題，其中采用了上置信算法和[ε]-greedy算法解決尋找最優卸載策略。

2.2 無線數據緩存技術

內容緩存策略和內容傳輸策略是無線數據緩存技術需要解決的兩個重要問題。其中，內容緩存策略是指網絡邊緣節點對于熱點數據的選取和緩存機制，內容傳輸策略是指網絡邊緣節點將其緩存的熱點數據分發給申請用戶的傳輸機制。兩個問題相互影響，相互耦合。在已有的相關研究中，文獻[12-13]對微小基站端的內容緩存策略和內容傳輸策略進行了研究，并指出無線數據緩存技術能夠有效減少海量數據在核心網內的冗余重復傳輸，降低傳輸時延。需要指出的是：雖然微小基站端的無線數據緩存技術能夠將網絡的業務負載從核心網內卸載至網絡的邊緣節點處，并以此減輕承載網的鏈路阻塞；但在內容傳輸階段，數據業務的發送仍然需要大量占用接入網的基帶資源和射頻資源，無線網絡的整體性能因此無法獲得進一步突破。

為了解決上述問題，文獻[14-15]考慮了位于用戶終端處的無線數據緩存技術，以解決微小基站端無線數據緩存技術的技術瓶頸，并通過探索設備到設備（D2D）通信機制下的內容緩存策略和內容傳輸策略，實現基站端基帶資源與射頻資源的釋放，進一步提升移動通信網絡的傳輸性能。其中，文獻[14]研究了基于速率門限的D2D內容傳輸策略，通過選取具有高傳輸速率的D2D數據鏈路進行數據傳輸，最大化D2D網絡的數據承載概率，并在該策略下對最優內容緩存策略進行了求解。文獻[15]考慮了基于載波偵聽接入機制的D2D內容傳輸策略，通過為可能沖突的終端用戶設定隨機退避時間，減少D2D傳輸鏈路間的相互干擾，并在此基礎上對最優的內容緩存策略進行了求解。

2.3 基于SDN的本地分流技術

基于SDN的本地分流技術是MEC系統實現網絡信息交互高效化的有效措施[16]。基于SDN的本地分流技術的核心思想為：首先，SDN控制器從本地或者從策略服務器獲取預先設置的分流策略；其次，SDN控制器根據數據流描述信息和分流策略，生成分流規則流表；最后，分流網關根據分流規則流表將相應的數據流進行最終分流。相比于傳統的本地分流技術，基于SDN的本地分流技術能夠根據終端用戶的實際需求和MEC系統的資源部署情況有效實現數據業務的本地化處理，縮短網絡對終端用戶的響應時間，保證終端用戶數據業務需求的連續性，并大幅度降低核心網的數據流量壓力，提升終端用戶的服務體驗。

基于SDN的本地分流技術的優勢之一是能夠快速適應由終端用戶的移動性引起的網絡拓撲的變化，有效保證終端用戶的業務連續性。具體來說：在MEC系統中，當終端用戶的位置發生變化時， 基于SDN的本地分流技術能夠根據感知到的網絡接入點的改變重新生成路由轉發策略，并將其以流表的形式下發至交換機。由于基于流表的轉發機制實時性強且配置靈活，基于SDN的本地分流技術能夠有效處理由終端用戶位置變化引起的網絡接入點的切換，從而保障終端用戶的服務體驗。endprint

綜上所述：在MEC的場景下，MEC服務器通過感知計算、緩存和網絡的實時狀況，利用SDN實現了網絡資源的有效分配，以及數據業務的高效調度與分發。因此，基于SDN的本地分流技術是MEC業務本地化未來發展的重要趨勢。

3 MEC系統面臨的挑戰

MEC通過在無線接入網內提供云化的計算、存儲、通信服務能力，實現了近距離、超低時延、高帶寬以及實時訪問無線網絡信息的服務環境，并實現了網絡從接入管道向信息化服務使能平臺的跨越，是5G的關鍵技術之一。目前，移動邊緣計算仍面臨著如下研究挑戰：

（1）安全性挑戰。MEC的分布式架構增加了攻擊向量的維度，移動邊緣計算客戶端越智能，越容易受到惡意軟件感染和安全漏洞攻擊。

（2）公平性挑戰。MEC系統資源共享的公平性是影響用戶服務質量和網絡整體性能的關鍵因素之一。如何在網絡中存在大量MEC邊緣計算節點和終端用戶接入節點的情況下，實現基于公平性的資源優化管理和網絡負載均衡，是目前相關領域的研究重點。

（3）互操作性挑戰。MEC設備之間的互操作性是MEC系統大規模商用的關鍵。不同設備商之間需要通過制定相關的標準規范和通用的協作協議，實現異構MEC設備和系統之間的互操作。

（4）移動性管理挑戰。在大連接、高速率、低時延的MEC典型應用場景中，如何有效保證終端用戶的業務連續性和無縫切換是MEC系統需要解決的重要問題。

4 結束語

MEC作為5G的關鍵技術之一，通過將具有計算、存儲、通信能力的業務平臺下沉到網絡邊緣，為終端用戶提供更近距離、更低延時、更高帶寬的泛在數據業務服務。結合現有的相關研究，我們對MEC的體系架構、關鍵技術，以及重要應用進行了詳細闡述，并同時對MEC所面臨的研究挑戰進行了歸納和總結。可以預見：移動邊緣計算必將成為5G乃至未來移動通信系統不可或缺的重要組成部分。

參考文獻

[1] SATYANARAYANAN M， BAHL P， CACERES R， et al. The Case for VM-Based Cloudlets in Mobile Computing [J]. IEEE Pervasive Computing， 2009， 8（4）：14-23. DOI： 10.1109/MPRV.2009.82

[2] PATEL M， NAUGHTON B， CHAN C， et al. Mobile-Edge Computing Introductory Technical White Paper[R]. White Paper， Mobile-edge Computing （MEC） Industry Initiative， 2014

[3] HU YC， PATEL M， SABELLA D， et al. Mobile Edge Computing-A Key Technology Towards 5G[R]. ETSI White Paper， 2015

[4] SATHYA A. Mobile Edge Computing： A Gateway to 5G Era[R]. Huawei Technologies White Paper，2016

[5] LIU J， MAO Y， ZHANG J， et al. Delay-Optimal Computation Task Scheduling for Mobile-Edge Computing Systems[C]//IEEE International Symposium on Information Theory. IEEE， 2016：1451-1455. DOI： 10.1109/ISIT.2016.7541539

[6] YU Y. Mobile Edge Computing Towards 5G： Vision， Recent Progress， and Open Challenges[J]. China Communications， 2016， 13（S2）：89-99. DOI： 10.1109/CC.2016.7833463

[7] MAO Y， YOU C， ZHANG J， et al. A Survey on Mobile Edge Computing： The Communication Perspective [J]. IEEE Communications Surveys&Tutorials， 2017，13（4）：2322-2358. DOI： 10.1109/COMST.2017.2745201

[8] TEREFE M B， LEE H， HEO N， et al. Energy-Efficient Multisite Offloading Policy Using Markov Decision Process for Mobile Cloud Computing[J]. Pervasive & Mobile Computing， 2016， 27（C）：75-89. DOI： 10.1016/j.pmcj.2015.10.008

[9] LIU J， MAO Y， ZHANG J， et al. Delay-Optimal Computation Task Scheduling for Mobile-Edge Computing Systems[C]//IEEE International Symposium on Information Theory. USA：IEEE， 2016：1451-1455. DOI： 10.1109/ISIT.2016.7541539endprint

[10] SUN Y， ZHOU S， XU J. EMM： Energy-Aware Mobility Management for Mobile Edge Computing in Ultra Dense Networks[J]. IEEE Journal on Selected Areas in Communications， 2017， 35（11）： 2637 -2646. DOI： 10.1109/JSAC.2017.2760160

[11] WANG X， CHEN M， TALEB T， et al. Cache in the Air： Exploiting Content Caching and Delivery Techniques for 5G Systems[J]. Communications Magazine IEEE， 2014， 52（2）：131-139. DOI： 10.1109/MCOM.2014.6736753

[12] LI J， CHEN Y， LIN Z， et al. Distributed Caching for Data Dissemination in the Downlink of Heterogeneous Networks[J]. IEEE Transactions on Communications， 2015， 63（10）：3553-3568. DOI： 10.1109/TCOMM.2015.2455500

[13] BHARATH B N， NAGANANDA K G， POOR H V. A Learning-Based Approach to Caching in Heterogenous Small Cell Networks[J]. IEEE Transactions on Communications， 2015， 64（4）：1674-1686. DOI： 10.1109/TCOMM.2016.2536728

[14] CHEN B， YANG C， XIONG Z. Optimal Caching and Scheduling for Cache-enabled D2D Communications[J]. IEEE Communications Letters， 2017， 21（5）：1155-1158. DOI： 10.1109/LCOMM.2017.2652440

[15] SONG X， GENG Y， MENG X， et al. Cache-Enabled Device to Device Networks with Contention-Based Multimedia Delivery[J]. IEEE Access， 2017， 5（99）：3228-3239. DOI： 10.1109/ACCESS.2017.2664807

[16] HUO R， YU F R， HUANG T， et al. Software Defined Networking， Caching， and Computing for Green Wireless Networks[J]. IEEE Communications Magazine， 2016， 54（11）：185-193. DOI： 10.1109/MCOM.2016.1600485CMendprint