关于边缘计算那些事（二）

1、主要工作

    下一代无线网络将为用户提供无处不在的低延迟计算服务，这些服务使用网络边缘的设备，称为移动边缘计算(MEC)。MEC的关键操作是将大量的计算任务从用户手中卸下。由于每个边缘设备都包括一个接入点(AP)和一个计算机服务器(CS)，因此MEC网络可以分解为与CS网络级联的无线电接入网。在此基础上，研究了在无线接入连通性和计算机控制系统稳定性约束下的网络约束时延性能，即通信时延和计算时延。为此，建立了以随机节点分布、并行计算、非正交多址访问和随机计算-任务生成为特征的空间随机网络模型。在给定模型和上述网络约束的情况下，推导出了通信延迟和计算延迟与网络负载参数和网络资源参数(带宽、APs/CSs密度和CS计算速率)的比例规律。本质上，分析涉及到随机几何、排队和并行计算理论的相互作用。结合派生的扩展律量化了延迟、网络连接和网络稳定性之间的权衡。通过避免级联无线接入网或CS网络成为性能瓶颈，这些结果为移动边缘计算网络提供了有用的指导。

2、网络空间模型

    如图3所示，将随机定位的移动边缘计算区域Y O(Y,r0)组合在一起，形成一个覆盖过程。手机被称为活动手机和其他非活动手机，因为它们保持沉默。达到接近全网络覆盖不活跃的部分手机不超过一个小正数δ。然后移动边缘计算区域的半径r0。手机的数量由一个任意移动边缘计算区遵循泊松分布与平均λm。考虑一个位于原点的典型AP。让X0表示位于典型移动边缘计算服务区O(O,r0)的典型移动设备。在不损失通用性的前提下，网络性能分析主要集中在典型的移动设备上。

3、移动任务生成模型

    时间被分成具有单位持续时间的时间段。考虑一个任意的移动设备。计算任务在每个槽中随机生成，概率为p，称为任务生成率。生成的任务是那些在能源效率方面倾向于卸载的任务，这样卸载可以比本地计算节省更多的能源。并对卸载的有利条件进行了分析。假设两个不同插槽上的任务代是独立的。移动设备有一个单元缓冲区，最多可以存储一个任务来卸载。当缓冲区为空或在本地计算时，将发送一个新生成的任务以进行卸载。这避免了在考虑延迟敏感的移动计算情况下不可接受的严重排队延迟。为了简单起见，假定每个任务的卸载都需要传输固定数量的数据。单个任务的传输占用一个持续L个插槽的帧。移动端检查每个L插槽末端的缓冲区是否为空，并将存储的任务发送给服务AP。将任务卸载概率定义为移动端缓冲区被占用的概率，记为pL。pL给出至少一个任务在一个框架内生成的概率:

4、电台访问模型

    考虑一个固定带宽为bhz的上行信道。所有移动设备共享该通道，以便将包含卸载任务的数据传输到其服务ap。CDMA(或code-domainNOMA)应用于支持多址访问。对于基于扩频技术的CDMA，每个移动设备通过将其与伪随机(PN)序列相乘，产生的速率远远高于符号，从而传播信号频谱。通过为单个用户分配唯一的PN序列，可以实现手机的多次访问。然后，接收器通过将多用户信号与相应的PN序列相乘得到所需发射器发送的信号。运算抑制推理，使信号频谱去扩散，产生符号。设G为扩展因子，定义为芯片速率与符号速率之比。PN序列的相互关系与1g成正比，随着G的增加趋于零。另一方面，扩频的代价是每个移动设备可用的带宽减少了G，即B。本文考虑在现有的无线标准(如3GPP LTE)中定义的同步和异步多用户传输。对于同步传输，将不同用户的帧边界对齐，以便于控制信令和通道反馈等协议。同步会增加网络开销，以实现公共时钟，并增加延迟。对于异步传输，上述框架边界约束不适用，因此每个移动设备的传输独立于其他移动设备。传输模式导致CSs的不同任务到达模型。具体来说，给定同步传输，卸载任务将分批和周期性地到达CS，如图4(a)所示。每批到达任务的数量是随机的，取决于同一个移动边缘计算服务区域内连接的手机的数量。另一方面，给定异步传输，卸载任务在不同的时间瞬间到达CS，如图4(b)所示。

5、边缘计算模型

    并行计算模型:当任务到达APs时，假定任务交付给CSs时没有任何延迟，并且在CS缓冲区排队，以先到先得的方式进行计算。此外，假设每个CS都具有作为具有无限容量的缓冲区建模的大型存储。在每个CS中，通过在同一个物理机器(PM)上创建vm来实现多个任务的并行计算。VM是异步创建的，因此可以在任何时候立即添加或删除VM。众所周知，同步vm相互干扰是因为它们在PM中共享公共计算资源，例如CPU、内存、I/O总线。这种效应被称为I/O干扰，它降低了vm的计算速度。采用提出的I/O干扰模型，其中单个任务的预期计算时间为Tc表示的3，是vm数m的函数。
    CS排队模型:分析压缩延迟的一般方法依赖于并行计算与排队理论的相互作用。特别是在异步卸载的情况下，由于以下原因，到达典型AP的任务近似为泊松过程。由于手机之间缺乏同步，任务到达的时间瞬间在时间上大致是一致的。此外，在不同的时刻，任务是按照独立的、相同的分布(i.i.d)生成的。
    如图5所示。在马尔可夫链中，基于队列长度优化vm的数量，从而使计算速度最大化。最后，为了简洁，不考虑结果下载阶段。首先，对应的延迟分析与卸载阶段类似。其次，与卸载相比，下载的延迟可以忽略不计。其原因是，与卸载任务相比，计算结果通常较小，而且链路传输速率通常远高于上行链路传输速率。

6、算法优缺点

    在这项工作中，首先研究了大型MEC网络的网络约束延迟性能，即在运行连接和CSN稳定性的约束下的通信延迟和压缩延迟。为了研究这些度量和约束之间的权衡，并对RAN和CSN的级联体系结构进行建模，MEC网络使用了无线访问和计算的不同方面的随机几何特征建模。在此基础上，应用随机几何理论、排队论和并行计算理论，分析了期望的通信时延和压缩时延。特别地，它们的缩放律是根据从手机和APs的密度到CSs的计算能力的各种网络参数推导出来的。这些结果为网络提供了有用的指导方针，以避免RAN或CSN成为性能瓶颈。
    缺点：
    1、只考虑了一个单一类型的计算任务，其任务大小和预期的计算时间是相同的。
    2、然而，未考虑到不同类型的任务，延迟分析更具有挑战性。
    3、可以考虑诸如VM迁移和协作计算等高级技术以减少延迟。