移動邊緣計算下的任務卸載策略研究

梁雪濤 李升建 張延良 薛雷 宋業棟

（濰柴動力股份有限公司，山東 濰坊 261061）

0.引言

隨著手機、車載設備等移動終端的普及，網絡上的終端設備在過去幾年中爆發式增長。這些邊緣終端設備搭載的圖像識別等新興功能較傳統功能有著基礎數據量大、計算需求大，時延要求高等特點。傳統的中心式網絡架構在這種大數據環境下劣勢明顯，因為傳統架構雖然在數據存儲、分析處理等方面存在較大優勢，但同時也具有通訊成本高、時延大、計算負荷重、計算資源利用率低等固有劣勢。面對當前各種數據的爆發式增長，中心式網絡架構無法滿足用戶需求，與之相比將計算下放至網絡邊緣更能滿足當下低時延、高可靠性的業務要求。另一方面，隨著移動終端的普及，基本網絡結構也正在發生計算資源分布上的重要變化--越來越多的移動終端設備導致網絡邊緣配置到更多的計算資源。這為邊緣計算的發展提供了有力的現實基礎。

移動邊緣計算（Mobile Edge Computing，MEC）于2014年由國際標準組織作為一種新興計算方式正式提出[1]。MEC可理解為分布式計算拓撲的一部分，其主要的數據處理位于網絡邊緣。參與計算的原始數據在邊緣生成，經處理后也在邊緣被消費。也就是說，這種計算方式是將傳統中心式架構中云中心的一部分存儲、計算的功能下放至網絡邊緣，使之更靠近數據源，通過減少數據傳輸鏈路的長度來滿足業務方低延時、高可靠度的需求。

應注意的是，MEC和邊緣計算并不相同[2]。邊緣計算僅設想將部分計算任務下放至移動終端處進行。但應考慮到的是，移動終端受限于移動性需求，往往計算能力差、能量儲備低，無法進行中大規模的計算任務。MEC旨在解決移動終端的大規模計算任務處理需求，其解決方法為在通訊基站處設計邊緣節點作為計算支點，移動終端將自身無法進行或難以進行的計算任務卸載至邊緣節點處進行，以在滿足較低時延、能耗的前提下完成大型計算任務。

MEC網絡通常為如圖1所示的架構，UE的計算任務卸載至邊緣節點處進行。在這種策略背景下，如何分配UE和MEC的任務比例以同時滿足UE、MEC的需求就成為了一個熱點話題。此問題被認為是5G建設以及之后去中心化網絡搭建的核心技術問題之一[3]。

圖1 移動邊緣計算結構示意圖

1.任務卸載的基本結構

移動邊緣計算的設計理念是將盡量多的計算載荷配置在網絡拓撲的邊緣部分，以此來降低傳輸能耗和通信延遲，從而提升用戶體驗。為了實現這一理念，移動邊緣計算通常使用由多種異構部件組成的多層次結構。在這種新范式內，拓撲中心的云服務器，近網絡邊緣的邊緣節點，以及網絡邊緣的移動終端組成的典型三層結構定義了移動邊緣計算的通用架構。移動邊緣計算使用云計算中心、邊緣節點的計算資源，結合任務卸載決策策略及技術，從時延和能耗方面提升位處網絡邊緣的移動終端的綜合性能。通常而言，云服務器是企業、政府單位的大型計算中心，它們能夠提供強而有力的計算能力和存儲資源，并承擔挖掘計算節點、邊緣設備以及資源管理、數據分析的任務；移動終端則是計算任務的發生方，它們常常是車載聯網設備、手機、VR、AR游戲設備等終端設備；邊緣節點則是由學校、醫院、公司、商店、通信基站運營商等組織或個人部署的小微型計算中心。它們位處于移動終端與云服務器之間的通信鏈路上。邊緣節點在計算資源上要全面優于移動終端，同時具備比云服務器顯著降低的通信延遲和傳輸能耗。但相對的，由于邊緣節點往往多種多樣，形制不一，所以它們固有異構性。現有的邊緣節點按照類別不同可分類如下：

（1）Cloundlet。Satyanarayanan等學者提出了Clundlet的概念。我們常稱其為基于云的網絡搜尋服務。它們是集中設置的服務器集群或在拓撲網絡上靠近移動終端的大型服務器。Clundlet主要使用云計算技術服務于移動邊緣計算，其中基于虛擬機的遷移技術尤其被重視，移動代理技術則作為另一個發展方向被廣泛研究。

（2）小微數據中心。小微數據中心相對大型云計算中心而言，他們只擁有少量的服務器等計算資源。相對的，由于硬件資源成本低，小微數據中心可以在地理上廣泛分布。通過在較大的面積內合理配置相當數量的小微數據中心，可以有效的提高計算卸載成功率，降低時延、能耗，降低帶寬占用，并在一定程度上降低云數據中心的計算開銷。

（3）基站。基站作為移動通信網絡存在的物質基礎之一，其廣泛的存在范圍和龐大的既存數量使得其尤為適合扮演邊緣節點的角色。基站密集的存在在移動終端周圍，且隨著LTE以及5G的發展，基站的分布將愈發稠密。在既有研究中，已經有部分研究者使用LTE宏基站以及蜂窩微基站作為邊緣節點[4]。

（4）其他。在對未來的規劃中，除上述3種主要邊緣節點外，移動終端設備既可以是計算的發生者，同時也可以是計算的承擔者。在現有MEC理論中，通信鏈路內的任何計算設備皆可被用于代理計算任務，即在必要情況下均能用為邊緣節點。因此，邊緣節點也可以包括車載聯網設備、手機、VR、AR游戲設備等終端設備。

2.任務卸載的策略研究

因為移動終端本身的固有屬性——移動性，移動邊緣計算的網絡狀態與傳統網絡具有較大不同，因此傳統靜態網絡的路由策略無法完美適配于移動邊緣計算領域。移動邊緣計算的網絡更接近于車聯網領域機會網絡的概念。其在任務卸載過程中，網絡相關的各種狀態均會隨機發生不定向的變化，常見的如信道干擾、用戶移動造成的通信質量降低、小區更替導致的虛擬機遷移、用戶操作習慣不同等。因此，針對移動邊緣計算的現實狀態制定一個嚴謹有效的任務卸載方案是有必要的。

當前，任務卸載方案的研究設計大多以時延、能耗、系統效率3個指標作為研究入口。其理由分別是如下。時延是用戶對于服務體驗最直接清晰的感受渠道，因為計算的最終目標是為用戶體驗服務，所以時延是策略定制中必須考慮的關鍵性能指標。能耗關系到綠色發展的理念，且如果能耗過高，導致用戶移動終端異常停機，將會對用戶體驗造成毀滅性的打擊，所以能耗也是一個關鍵性能指標。系統效率則是工程中常用于評價工程系統設計質量的指標之一。

2.1 重點關注時延的卸載策略研究

時延作為用戶對于服務體驗感受最直觀的判別標準，在移動邊緣計算具體策略的優劣評價標準中占據著重要影響地位。為了盡可能的降低時延這一參數，較多的研究者發表了理論成果。

文獻[5]使用樸素思想構建了車載網絡V2X和MEC的協同緩存和資源分配模型，在求解過程中進一步將緩存模型轉化為背包問題，信道分配表示為圖著色模型，求解后得出最優分配算法，從而有效降低了任務完成的實際時延。

在樸素思想中，作者認為邊緣設備的分布是均質的，相應技術結構也是一致的。但在實際生產生活環境中，邊緣計算終端設備往往具有異構性，其技術結構和硬件結構很難保持一致，為解決此問題文獻[6]重點關注了邊緣設備的異構性及對任務卸載過程帶來的后續影響，提出了一種基于分布式博弈機制的新算法。此算法結合李雅普諾夫優化理論，實現了一種用于計算資源的動態報價機制。此機制被用于調節異構終端發起的不同業務需求所請求的不同計算資源，通過彈性調配的方式按需分配。此方案可以在維持網絡穩定的前提下有效實現任務處理時延的顯著降低。

另外一個需要關注的問題是移動邊緣計算終端的協作能力。為達到較好的任務卸載效率，往往需要單個移動終端向多個移動終端發起任務卸載交互。文獻[7]即主要研究了這一問題。此文獻首先闡明了相應情景下的任務卸載剛性約束，然后在約束下建立了多個邊緣節點相互協作的多跳傳輸模型及直傳模型，并將收益表示為單位時間總代價，以此將問題建模為一個整數優化問題，用最小代價解法求解得到最終算法方案。仿真結果表明，此方案可有效降低任務平均處理時延。

2.2 重點關注能耗的卸載策略研究

受移動邊緣計算終端本身的移動性需求所限，其必然具有能量儲量低和用量需求高的固有矛盾。因此能耗也應當是任務卸載策略需重點考慮的一個關鍵性能指標。

為了盡可能的降低卸載能耗，文獻[8]提出了軟件定義車載網絡（SDN-V）的概念，其中心思想是將節點網絡上傳至中心服務器，并在服務器內進行任務卸載決策及調度，以在全局化的視角下計算大量資源的最優調配策略，從而解決能耗的相關問題。

在多終端多節點多任務的復雜情況下，任務的卸載更加復雜，需要進一步的統籌管理。文獻[9]提出在多任務多設備多MEC的復雜卸載環境下的能耗優化問題，其提出了添加中繼節點的三層卸載架構，并設計了一個相應的貪心算法，提供了近似比例分析。通過數據仿真，此算法在相應環境下比起傳統策略能耗性能提高了66.59%。

3.發展趨勢和展望

移動邊緣計算從云計算、霧計算、邊緣計算的基礎上發展而來，總的而言是一個計算載荷從核心網絡下沉向網絡邊緣的過程，其基本的技術體系已經建立，相關策略工作都在推進當中，當仍應在以下方面進行更深入的研究。

3.1 安全性問題

任務卸載必然伴隨著數據轉移，數據轉移必然存在著數據泄露的風險。移動邊緣計算要大規模推行，安全性便是一個繞不開的核心話題[10]。如何在任務有效卸載掉依賴數據的同時保障用戶的數據安全，此方面的現有研究尚有不足。

3.2 節點發現

邊緣節點是任務卸載得以執行的硬件基礎，良好的移動邊緣計算系統必然需要一個龐大細致的邊緣節點網絡。根據設計思想，邊緣節點可以由固定終端和移動終端擔任，當同時并非所有的可接入終端都有條件成為邊緣節點之一，候選節點龐大的數量和固有的移動性使得管理一個節點網絡具有相當的技術難度和研究價值。

3.3 無縫卸載

在任務卸載過程中，如何將一段進行中的計算任務無損轉移到另一個異構設備上是移動邊緣計算的核心問題之一[11]。現有的虛擬機遷移技術相對移動邊緣計算的需求仍具有遷移速度慢以及不適應異構環境的缺點，而作為另一個發展方向的移動代理技術尚未完全成熟。因此研究一種效率盡可能高的無縫卸載技術具有較大意義。

總的來說，隨著5G的發展，越來越多的移動端服務所帶來的剛性計算需求海嘯般增長，移動邊緣計算在信息服務、電子商務、AR、VR的現實應用方面，均具有極大的應用前景。