关于边缘计算的那点事（一）

1. 移动边缘计算（MEC）
   移动边缘计算(Mobile edge computing, MEC)是一种新兴技术，旨在将应用程序和内容推送到接近用户的地方(如基站、接入点和聚合网络)，以减少延迟，提高体验质量，确保高效的网络运营和服务交付。它主要依赖于支持虚拟化的MEC服务器，在网络边缘的容量有限。其中一个关键问题是根据服务器大小、服务器数量和服务器操作区域对这些系统进行度量，以满足MEC的目标。 在本文中，将这个问题表示为一个混合整数线性规划。然后，提出了一种基于图形的算法，该算法考虑到MEC服务器的最大容量，提供了MEC集群的分区，它可以在边缘合并尽可能多的通信。使用一个移动通信数据集来广泛评估他们与现实世界时空人类动力学。评价表明,算法提供了MEC区域分区,主要卸载核心,从而推动负载边缘与小MEC服务器均衡和通过时间。

2. 网络模型
   从网络系统的角度来看，本文考虑如图1所示的MEC部署。所有用户都属于MEC集群，这是一个地理区域，其流量可以由MEC服务器处理，这是一个小规模的数据中心，具有低到中等的计算和存储资源。所有用户通信和应用程序,例如短暂对等通信基础的视频分析应用程序,要么是由本地MEC服务器处理(例如,图1中的蓝色平原线)或通过一个高度生产核心数据中心(例如,图1中的黑色虚线),这一方面可能导致更大延迟。本文认为MEC系统的关键设计问题之一是如何有效地划分MEC区域(或集群)。这种MEC地缘划分必须具有以下属性：
   1) MEC服务器作为任何计算、存储和网络节点，都具有最大容量(例如，CPU、存储资源或应用程序托管能力)。2) MEC服务器负载应该在空间和时间上平衡，以提高用户体验和系统支出。3) MEC服务器和核心之间的流量应该最小化，特别是通过合并MEC服务器级别的应用程序，以减少全局延迟。
   

   
   

3. 基于GEO-CLUSTERING算法
   （1）本文中提出了基于图形的MEC区域-地理聚类算法。给定一个最大的MEC服务器容量，该算法会找到MEC集群(也称为MEC区域)，这些集群中处理的流量会最大化。在边缘的MEC服务器进行处理，从而减少流量上升到核心数据中心。它被分为两个阶段，反复重复。假设从两个具有相同节点集的图开始(见图2)，这些节点对应于MEC通信需求分布到集群的区域的离散化。
   
   （2）基于图形的算法步骤的可视化。分布式MEC通信的区域被离散为节点，形成MEC集群。每次传递由两个阶段组成:一个阶段是一对相邻节点，即选择交互最多的集群，同时尊重最大的集群容量;其中两个选择节点被合并，以构建一个新的图，具有增加的自循环权，这意味着更多的通信或通信在同一个集群中。遍历重复进行，直到没有一对邻居节点(即由于MEC服务器的最大容量(自循环权值)，可以合并集群。结果对应于MEC集群的空间划分。
   （3）该算法让人想起复杂网络中的社区检测算法(例如，Louvain算法)，它通过迭代集群节点来增加模块性。然而，它在几个重要的问题上是不同的。首先，通过图Ga考虑节点间的空间属性，约束了聚类。其次，每次迭代只聚集两个节点。第三，它考虑的是一个最大的小集团/集群容量，它对应于自循环的权重。注意，引入的这个阈值足以解决分区问题。然而，它可以算法中删除，使其与社区检测算法相似但不同的层次聚类算法。最后,本文展示一个简单的描述算法,但启发式可能引入改善其性能或引入变异(例如,边缘在第一阶段,考虑更复杂的交互,比如组通信,执行本地搜索的最终结果,考虑不同最大集群能力等)。
   （4）上述算法的时间复杂度为O(N.|Eint|)，其中|Eint|为交互边数，N为顶点数(即，从区域离散化发出的集群集C)的初始基数。实际上，第一阶段主要包括遍历所有Gint的|Eint|边，并找到权重最大的非自循环边。第二阶段包括添加和删除(即图中的节点(Ga和Gint)。对于邻接表，只需遍历要集群化的节点的边缘列表，并更新所有这些节点。当没有对节点可以合并时，该算法就会停止，这意味着完成了最大的N -1次传递。边数|Eint|取决于图的性质。算法的复杂度是O(N^2)，这是一个极端情况下最大的上限，因为每次传递边和顶点的数量都会减少，因此操作的数量也会减少。