移动边缘计算 入门笔记（一）

移动边缘计算 入门笔记（一）

---

5G 的代表性服务能力

5G 网络代表性的服务能力包括：

• 网络切片

  网络切片将一个物理网络切割成多个虚拟的端到端网络，每个虚拟网络之间逻辑相互独立，互不影响，每个虚拟网络具有不同的功能特点，面向不同的需求和服务。

• 移动边缘计算

  移动边缘计算（mobile edge computing，MEC）将计算、存储等业务下沉到网络边缘，为移动用户就近提供计算和存储功能。

• 按需定制的移动服务

  5G 网络的目标对象是海量类型的移动应用和智能终端，因此需要按照不同的应用场景设计不同的功能。以用户为中心主要体现在网随人动，突破传统以基站为中心的设计思想。

• 以用户为中心的无线接入网以及网络能力开发

  网络能力开发是第三方应用可以充分利用网络的能力，提升用户的体验质量，同时进行网络资源的优化和流量管理。

---

MEC 的研究内容

MEC 的主要目标是将计算和存储从核心网络转移到边缘网络，以减少网络延迟。MEC 平台通过在网络边缘实现计算和存储功能来减少网络延迟，为应用程序开发人员和内容开发人员提供实时的信息，如网络负载，用户位置等。向移动用户提供内容服务的过程中，可以利用这些实时的网络信息，从而确保移动用户的满意度、提高用户的服务体验质量。MEC 平台增加了边缘的责任，允许计算和服务被托管在网络边缘，从而减少网络延迟和带宽消耗。

MEC 的研究内容包括：

• 标准协议，研究人员需要标准化协议来执行 MEC；
• MEC 的基础设施昂贵，为了推进研究工作，开发仿真平台进行模拟实验是必不可少的；
• 移动管理，用户在移动过程中，利用该管理模块获取用户位置保证服务质量；
• 定价模型，与传统的移动流量计费方式不同，针对 MEC，制定合理的流量定价标准；
• 可扩展性，使用负载平衡机制，确保服务的可伸缩性；
• 安全性，托管的 APP 对访问用户的认证，MEC 服务器保证 APP 和数据库的安全，移动设备认证边缘 APP。

综上，MEC 应用场景有很多，研究人员将这些应用场景大致分为如下几个方面：

• 计算迁移

  适用于计算密集型应用，如图像识别、语音处理，这类应用的特点是需要消耗大量的资源和能量。MEC 可以将计算密集型任务迁移到靠近用户的 MEC 数据中心，从而缩短移动用户和数据中心的距离，降低网络时延。

• 协作计算

  在分布式系统中，通过 MEC，可以获取各个设备的实时位置、通信时延，增加实时协作能力，确保任务的顺利执行。如远程机器人手术等，可大大减少传输时延，使得各个模块之间快速交换信息，保证手术的准确和成功。

• 物联网中的内存复制

  物联网设备的存储和计算能力都是有限的。随着物联网设备的增多，海量的设备在内存复制传输过程中的高时延很容易造成网络瓶颈。若在接入网络部分增加边 MEC 服务器，就可以就近处理周围物联网设备的数据，缩短信息的传递路径，减少任务的执行时间。

• 内容交付

边缘服务器可以获取网络的实时状况和负载信息，优化为用户呈现的内容。例如，通过 MEC，应用程序获取用户的地理位置和实时网络状况，为用户提供适合当前现状的视频源，提升用户观看高清视频的服务体验质量。

---

计算迁移简介

智能终端拥有的本地计算资源不足以运行复杂的应用程序。为此，一个可行的策略是移动设备将其最消耗能量的任务迁移到周围计算资源更加丰富的服务器上。这种思想可以称为计算迁移，计算迁移也称为网络觅食或代理计算。

计算迁移是指将某些计算任务转移到一个外部网络，如集群，网格，或云。计算迁移通常用来提高单个资源受限设备的计算能力，同时将资源或计算密集型的计算任务从移动终端迁移到资源更加丰富的云、服务器或者是其他基础设施上。计算迁移从客户端-服务器类型转变为移动终端-云计算类型。近年来，云计算中的虚拟化技术为计算迁移提供了技术支持，使得应用环境与底层的硬件资源相互分离，虚拟机可以在不同的平台间进行迁移，保证计算任务的连贯性。

为了避免云计算的缺陷，通信架构逐渐从集中式走向分布式。分布式的数据中心可以进行流量分流，有效降低核心网的压力；各个数据中心可以相互备份，提高网络的容错性；用户可以根据网络状况和设备位置动态调整用户接入的数据中心，从而降低网络延迟等。

分布式的数据中心也会引入一些新的问题，如用户应该接入到哪个数据中心，用户移动后该如何处理等，这些问题需要制定相应的策略来解决。

计算迁移的决策需要考虑多种上下文信息，例如服务类型、迁移内容大小、用户类型、延迟和负载等。
决策一般需要确定三个重要问题：

• 何时启动迁移策略
• 迁移到何处
• 如何进行任务迁移

计算迁移的分类标准有很多，可以按照迁移的目的地址进行分类，也可以按照迁移的粒度进行分类。

按照迁移的粒度来分，可以将计算迁移分为粗粒度计算迁移和细粒度计算迁移。

• 细粒度计算迁移技术首先对计算任务进行拆分。拆分方式有两种，第 1 种是在编写应用程序时，根据业务逻辑，提前对应用程序进行分区，标注适合迁移到外部进行计算的代码块，在执行迁移策略时，优先将适合迁移的分区卸载到外部服务器。第 2 种是策略执行者主导任务迁移分区。程序员对业务流程以及业务逻辑更加了解，相比第 2 种拆分方式，程序员主导任务拆分在性能上更具有优势，但是对于己经开发完毕的软件，需要进行二次开发，这样会增加人员成本以及时间成本。

• 粗粒度计算迁移是将整个任务进行迁移。粗粒度的计算迁移可以适配目前己经完成的应用软件，不必进行二次开发，但是全部迁移计算任务会产生较大的资源消耗和成本开销。