Load-aware Edge Serve Placement for Mobile Edge Computing in 5G networks

我是谁我在哪我在看啥orz

摘要

边缘计算能够帮助5G网络从移动装置收集大量的信息并实时反馈给移动用户。边缘服务器（ES）对宏基站点中进行的大规模资源配置，以及在微基站点进行的轻量级资源响应都有帮助。由于5G网络中有大量微基站点的分布，为了降低在微基站点中构建边缘计算系统的投资，使用了有限数量的边缘服务器。因此，在有限边缘服务器的情况下，如何保证边缘服务器的执行效率以及边缘计算系统的整体性能？LESP，一种负载感知的边缘服务器放置方法，被设计用于5G网络中的移动边缘计算。构造决策树来确定ES服务器与微基站点的数据传输路径，之后采用遗传算法NSGA-II来获得平衡ES的策略。进一步，简单加权算法、多准则决策用于识别最优ES放置策略。最后，实验证明其有效性和效率。

1.介绍

随着IoT的发展，智能移动装置越来越多，运营商希望增强对这些移动设备要求高质量和低延迟的移动应用程序。但由于4G网络不足以支持这些需求，故迫使提供者去克服频谱资源的不足。
为了克服频谱资源的不足，运营商利用了一种名为5G的mm-Wave的新的频谱技术，该技术可以充分的利用频谱资源。技术上，这种毫米波的波长为1毫米到10毫米，这导致5G的带宽达到273.5GHz，然而，毫米波的衰减程度会受到雾/云条件的影响。为了减少毫米波信号的衰减以及利用频谱资源，将5G中的基站根据其覆盖范围划分为宏基站（MABs）和微基站（MIBs）。然后，集中布置微基站增加频谱密度并提高频谱效率。
随着大规模5G智能设备的不断出现，智能设备有限的计算资源，使得本地很难处理计算密集的服务。因此，移动设备会要求云台的计算资源来执行服务。虽然云减少了移动设备处理服务的压力，但降低了用户体验感，比如VR游戏。因此，边缘计算被用于减少延迟并让用户实时体验应用程序。具体的，边缘计算将计算资源提供给边缘服务器，网络边缘上收集的应用程序可以在附近获取ES中的资源。
考虑到应用程序通常在微基站附近，边缘服务器和微基站在一起，微基站被视为与宏基站联合执行应用程序的边缘节点，但是，由于微基站的覆盖范围狭窄，安排紧密。考虑到购买边缘服务器的高成本，为每一个微基站配置一个边缘服务器是不现实的，这会使一些任务转移到较远的边缘服务器上，给用户带来难以忍受的延迟。此外ES上有限的资源也难以处理过多的任务。因此，为了保证ES的稳定和性能，迫切的需要实现ES的负载均衡。基于以上事实
如何实现ES的合理放置以提高所有ES的性能（减少延迟实现负载均衡）是一个很大的挑战。本文提出提出负载感知的边缘服务器放置方法LESP，用于5G网络中的边缘计算。贡献如下：
-构建决策树根据均衡负载的分布来记录边缘服务的传输路径
-NSGA-II算法制定合适的均衡ES放置策略。
-采用简单加权法SAW和多准则决策MCDM来选择最优ES放置策略。
-进行仿真实验证实了本文提出的LESP方法的效率。
接下来介绍，系统模型、负载感知边缘服务器放置方法设计、仿真实验和对比实验、相关工作、总结。

2.系统模型

本部分介绍ES在5G网络中的放置框架。然后根据特殊的ES放置策略，对传输延迟和负载平衡进行分析。最后，将ES放置问题表述为一个多目标优化问题。

资源模型

在5G网络中，部署大量宏基站为移动应用提供服务且宏基站覆盖了多个微基站以提高服务质量。利用无线信号，微基站接收移动设备的服务请求。图1为5G网络中支持边缘计算的框架。在宏基站范围内，部署多个微基站来获取服务请求。假设一个宏基站范围内有Q个微基站，定义为M={ m₁,m₂,…m_Q}。由于微基站难以满足大规模服务的处理需求，因此通过实现ES和微基站的协同放置来扩展微基站的计算和处理能力。因此，ES与特定微基站放置在一起以帮助处理传输服务，定义为