自动驾驶与移动边缘计算

https://www.toutiao.com/i6639488714558931463/

 

2018-12-27 10:07:10

移动边缘计算是一项在近距离内为移动用户提供云服务和IT服务的新兴技术。传统网络运营商负责对传输流进行控制(比如转发和包过滤等),但在移动边缘计算中,云服务器也部署在每个基站上。因此,网络运营商也承担了为移动用户提供服务的重要责任。移动边缘计算平台通过为边缘网络提供计算和存储能力来减少网络延迟。它也使应用程序开发人员和内容提供商能够使用实时无线设备接收网络信息从而提供上下文感知服务(如协同计算)。移动设备和物联网设备,常利用移动边缘计算服务为计算密集型应用程序执行计算卸载,例如图像处理,移动游戏等。

在这篇论文中,讨论了一些有前途的实时移动边缘计算应用场景。随后,论文展示了移动边缘计算领域最先进的研究成果。论文中还介绍了移动边缘计算的分类,描述了移动边缘计算的关键属性。最后,论文明确并讨论了在移动边缘计算成功部署前所需要面临的挑战。

 

1. 引言

 

最近,移动设备(如手机,智能手机,平板电脑等)逐渐成为学习,娱乐,参与社交网络,了解新闻和处理商业事务的重要工具。但是,由于移动设备的资源限制(处理能力,电池寿命,存储容量),移动用户的用户满意度常不如桌面用户。移动云计算发展后,许多云计算服务,如移动医疗,移动学习,移动游戏和移动管理灯都可以直接从移动设备访问。因为需要在移动设备和云数据中心之间传输和接收数据,这也预示了更高的网络负载,更高的网络带宽需求。据估计,每年的带宽需求可能会成倍增长。

此外,新的物联网(IoT)范例使资源受限的设备通过互联网进行互连。但是,许多这些边缘设备都通过嵌入式方式获得了低处理性能以及存储能力。为了克服上述在移动云计算或物联网场景下所提到的诸如网络负载/带宽限制等问题,目前已经提出了一些新的技术,如普适访问,计算卸载等,使边缘设备可以卸载一些计算任务到远程资源丰富的云平台(如Amazon EC2 和Window Azure等),从而节省处理过程的能耗。然而,将计算任务卸载到公共云可能涉及到在公共云和边缘设备之间通过互联网进行数据交换时造成的长延迟。为了克服上述问题,提出了基于计算卸载的cloudlet的方法,移动设备将计算任务卸载到用户邻近可访问的资源较少的服务器,通过Wi-Fi接入点接入访问。

但是,与云计算相比,Cloudlet的计算效率较低。原因如下:首先,Cloudlet只能通过Wi-Fi访问节点,物理上只能覆盖很小的区域,因此,不能提供任意地方普遍存在的计算支持。其次,与云相比,Cloudlet资源更少,因此,它在服务和资源配置上不具备可扩展性。为了克服上述挑战性的问题,最近提出了一种新的被称为移动边缘计算的规范。

自动驾驶与移动边缘计算_第1张图片

图1 移动边缘计算架构

 

移动边缘计算使移动用户能够在无线通信网络(RAN)范围内接受邻近的IT和云计算提供的服务。移动边缘计算的主要目标是减少因为从核心WAN引入计算和存储能力到边缘网络而带来的延迟。移动边缘计算可以定义为“移动边缘计算是面向商务的云计算平台模型,为移动用户提供通过无线接入附近网络,以接受对延迟敏感,上下文感知应用的服务。

移动边缘计算为应用程序开发者和内容提供者提供实时RAN信息(如网络负载,用户的位置等)。这些实时网络信息用于为移动用户提供上下文感知服务,从而丰富了用户的满意度、提高了用户体验质量(QoE)。移动边缘计算平台为边缘网络增加了职责,允许边缘网络执行计算和服务的管理权限,以减少移动用户的网络延迟和带宽消耗。网络运营商可以允许无线通信网络边缘由第三方合作伙伴处理,对移动用户和企业来说,这将允许快速部署新的应用程序和边缘服务。

图1显示了移动边缘计算的新颖架构。架构中有三个基本组件:1)包括所有类型的可连接到网络的边缘设备(移动网络和物联网均可);2)边缘云部署在每个基站上资源较少的云。边缘云负责传统的网络流量控制(转发和过滤等),以及管理各种移动边缘应用(边缘医疗,智能跟踪等);3)公共云是部署在互联网上的基础云架构。

移动边缘计算的主要目标是:

1.通过在边缘网络部署计算密集型应用来优化移动资源如图像处理,移动游戏等。

2.在发送到云之前对大数据进行优化。

3.使移动用户享受邻近的云服务。

4.在RAN的帮助下提供上下文感知服务。

 

本文的贡献是:(a)关于移动边缘计算领域的最先进的研究成果调查。(b)根据各种属性设计分类,例如特征,实例,访问技术,应用程序,目标,计算平台和关键促成因素等。(c)列出实现移动边缘计算所要面对的的各种开放性挑战,突出的开放挑战瓶颈将为领域内的研究人员提供方向。

本文的结构如下:

 

第2部分描述了一些现实生活中的应用场景,并对移动边缘计算平台的提出了潜在需求。第3部分介绍了关于移动边缘计算领域的最新研究成果的调查。第4部分展示了移动边缘计算的分类和分类定义中涉及的不同属性。最后,在第5部分和第6部分中展示了移动边缘计算的开放性研究挑战,对论文和读者的评价做出总结。

2. 动机

本节介绍了当前移动边缘计算领域的应用场景,以对领域内的研究人员提供动力。移动边缘计算平台适用于以下应用场景,动态内容优化,物联网中的计算卸载,移动大数据分析和智能交通等等。这些应用程序不适合在移动或便携式设备中,因为这些应用程序常进行密集型计算的,并且需要巨大的存储容量。

A.动态内容优化

内容优化在Web主机上执行,以满足客户的期望。以此目的,传统内容优化使用用户存储在数据库中的浏览记录。有时内容优化也通过询问用户当前的地理位置来完成,并基于位置信息进行分析。内容优化可以动态的地根据用户的上下文感知信息完成。借助移动边缘计算,内容优化器可以部署在边缘服务器上。在这个场景下,内容优化器获取准确的单元格和RAN动态信息(网络负载,网络状态等)并且基于该内容执行优化。边缘网络通过基于内容优化提高性能,提高用户体验质量并且提供新服务。

B.物联网中的计算卸载

由于最近曝光了可穿戴和低加工电力物联网设备,传统的高计算密集型设备应用(如增强现实和监视系统)不能在设备本身中执行。问题可以通过将IoT应用程序分成小任务来解决,并且一些任务在云端执行(比如核心网络)降低了延迟和提高了准确性。可以通过在边缘服务器上卸载任务来优化上述场景,而不需要将任务转移到核心网络。因此,在边缘服务器上卸载肯定会减少延迟。移动边缘计算中的计算卸载有两个挑战:如何拆分物联网应用?如何识别任务是否应该卸载?如何在用户进入时同步应用程序?

C.移动大数据分析

近年来,手机成为上网的主要方式,也使移动设备成为公司理解和分析目标市场的最有效的方式。大数据是大量的结构化和非结构化数据,大数据分析即分析大数据以便做出更好战略性业务举措的过程。在传统的大数据分析中,收集来自边缘设备的数据,并将其转移到核心网络来进行大数据分析,这个过程对带宽和延迟提出了很高的要求。为了不在带宽方面浪费大量资源,可以利用移动边缘计算平台进行大数据分析。大数据分析可以在网络的边缘执行而后将结果送到核心网络。因此,这种情景下会降低带宽消耗并改善网络延迟。

D.智能交通

智能交通目的是为了解决城市居民所面临的交通不畅等相关关键问题,如交通网络差,路况差,停车位置不足,公共交通能力不足,道路安全等。例如,可以通过在安装在路边的相机和传感器设备等边缘网络收集的实时数据,而后自动进行交通控制。传感器设备可以检测接近的物体(如行人和车辆)并可以测量物体的距离和速度。基于收集的数据,可以通过适当的智能交通灯信号重新规划车流量,以进行交通管制。同样,智能停车系统可以利用边缘网络通过收集用户上下文信息,建模并分析用户设备附近的可用空间。

 

3.移动边缘网络:最先进的研究成果

 

移动边缘计算平台是通过其邻近的边缘设备,加强无线通信网络边缘的IT和云服务。在本节,我们将描述移动边缘计算领域最先进的研究成果。

 

A.FemtoClouds

哈巴克等人提出了FemtoClouds系统,它通过协调多个移动设备提供了一种动态地自配置的“多设备”的移动云系统,用于扩展Cloudlet的计算。FemtoClouds利用附近未使用的移动设备在网络边缘提供一种“compute as a service”服务,因此减少了将计算任务卸载到传统云数据中心期间的网络延迟。FemtoClouds中的设备可分为以下三类:cloudlet,可以创建Wi-Fi接入点以及充当控制设备;计算集群,是一组共享硬件和资源移动设备;移动设备,尝试将计算作为一种服务以完成计算卸载。

 

最初,移动设备发送设备信息(移动设备的计算可用性,可用于共享的计算,可利用的历史记录)并通过Wi-Fi网络加入计算簇,以达到与cloudlet共享策略的目的。基于设备的计算可用性和电池水平,Cloudlet可以拒绝将新设备包含在计算集群内。移动设备通过发送计算代码,输入和输出数据大小到云端卸载计算密集型任务。输入任务通过计算所需的计算时间进行优先级调度(如果可用,否则在可用的移动设备上使用Mantis系统)。FemtoClouds控件使用贪婪的启发式方法在移动设备输入任务时对调度的模型进行优化。

 

FemtoClouds系统通过尽量减少对企业结构化的依赖和扩展计算能力来提供基于社区的计算服务。系统中计算卸载的性能取决于计算集群中可用的移动设备数量和未使用设备的硬件资源总量。

B.REPLISOM

Abdelwahab等人提出了REPLISOM ,一种移动边缘云架构,以减少多个IoT设备通过LTE环境将内存对象复制到边缘云时的云响应次数。REPLISOM架构利用云计算增强演进的NodeB(eNB)为边缘资源提供虚拟机,执行特定物联网应用程序的存储和网络资源的复制。在REPLISON中,边缘云将内存副本拉到新的特定的虚拟机副本,而不是推送更新的内存对象。REPLISOM中,基于LTE优化的内存复制协议利用内存中的稀疏性推断出通信的数量。当多个物联网设备(假设有多个设备,总共n个设备)尝试更新内存对象,每个设备使用设备之间的通信技术发送更新的内存对象更新到邻近设备,而不是将它们发送到边缘云。接收设备(假设第j个)将接收内存副本压缩成一个副本。边缘云定期向相应的物联网设备发送拉动请求(使用预先安排的上行链路授权)。当设备J收到来自边缘云的拉取请求时,它推动压缩副本到边缘云作为响应。最后,边缘云通过使用压缩采样构造算法来恢复内存对象,并存储到相应的虚拟机中。

REPLISOM架构在多个物联网设备卸载期间复制时,将对象更新到附近的边缘云,以减少延迟和成本。

C.ME-VOLTE

贝克等人提出移动边缘计算来实现LTE语音(ME-VoLTE)架构以减少移动设备视频通话期间的电池消耗,并提供协商卸载策略的通信协议。在视频通话过程中的视频编码过程在MEC边缘服务器上卸载。VoLTE是基于IP多媒体系统,VoLTE架构中的组件主要有两个1.代理/服务呼叫状态控制功能或(P- / S-CSCF),其任务是发送移动设备(UE)和VoLTE网络之间的信号。2.媒体资源功能(MRF)是VoLTE网络的一部分,负责媒体混合,存储媒体的播放,以及媒体转码。当移动设备尝试制作视频时调用,请求(以及编解码器名称集)通过使用代理(P / S-CSCF)被发送到MRF。MRF基于当前可用计算的编码类型资源和上行链路强度谈判。谈判结束后,移动设备通过选择其中一个编解码器对视频进行编码(由P / S-CSCF发送)并将媒体发送给ME-MRF。VoLTE协议在视频通话过程中,使用会话启动过程。

ME-VoLTE是基于视频的移动边缘计算的电话系统,以减少视频呼叫中的能源消耗。

 

D.多用户计算卸载

陈等人提出了用于移动边缘计算的分布式计算任务的卸载模型。这个模型利用竞赛理论来获得多用户进行计算任务卸载时的纳什均衡。当多个设备同一时刻使用相同的无线信道将计算任务卸载到电信云时,会首先计算时间,当使用计算卸载后时间缩短能源消耗降低时,任务才会被卸载到云端。作者规范了卸载决策问题,将多用户参与的多频道无线环境转变为多用户计算任务卸载竞赛。在多用户竞赛中,卸载与否取决于所有云资源用户的性能。这里,如果没有违反纳什均衡,设备就可以选择卸载任务到云端。

 

上述模型的优点是模型可以解决多用户计算任务卸载的NP-hard问题。

 

E.移动设备集群间的计算卸载

Gao等人提出了一种基于概率的计算任务卸载框架,应用于同一战略等级下的移动设备集群之间的计算卸载。在战区,一些应用如处理附近环境的现场感知数据,需要大量的计算。框架将部分应用程序卸载到附近移动节点减少计算时间和能耗。节点卸载与否取决于其计算能力,邻近节点的能源、活跃水平以及他们之间可能的未来联系。两个节点可以通过移动节点之间的接触时间(ICT)分布等应用属性来预测其未来的连接。根据提出的框架,卸载之前,移动节点计算任务在新节点的计算时间,能耗及其未来联系。如果时间和能量消耗降低,并且新节点确保可以任务期限内完成任务,新节点卸载任务。如果任务卸载有机会使用上述技术,任务递归地在附近的节点进行卸载。

 

所提出的模型递归地分配一个移动节点(在战术边缘)的工作任务到其邻近节点。该模型降低了能耗并且提高了任务吞吐量。上述模型的性能取决于边缘网络中相邻节点的数量。如果节点突然离开网络,该模型不考虑其牵连影响。

 

F.用于计算任务卸载的连续凸逼近算法框架

Sardellitti等人提出了连续凸逼近算法框架(SCA)用于多单元移动边缘计算场景下,计算任务卸载时无线通信和计算资源的优化。优化问题被定义为移动用户无线通信和计算资源的联合优化,通过在预算功率下,最小化移动设备能耗和延迟期间。在框架中,边缘网络有多个单元增强型节点B(SCeNB),链接到公共云服务器提供程序以达到卸载目的。 同一单元内的移动用户使用正交通道进行云通信,因此,这个框架也适用于密集计算单元,移动多用户访问不同的单元可能会相互干扰。考虑云服务器提供计算资源和设备的电池电量,移动用户可以在远程云中卸载计算任务或于本地执行。作者提出上述卸载环境适用于单个用户,其中只有一个移动用户正在访问云资源。在单个用户实例中,优化的问题是非凸的,但作者通过构造算法,将封闭形式的全局最优解问题变化到凸优化问题。当云资源在密集单元环境中由多用户访问,集中式和分布式的基于SCA的算法获得了非凸优化问题的最优解。与非正交优化算法相比,该算法显示出更好的结果,该框架仅需考虑用于执行资源优化的静态值。

G.边缘加速Web浏览(EAB)原型

Takahashi等人介绍了Edge Accelerated Web Browsing(EAB)移动边缘计算原型,用于加速网络应用执行。在EAB中,边缘服务器在移动客户端和邻近服务器之间部署。当移动Web浏览器发送URL页面请求时,服务器的响应首先在边缘截获。作为响应,边缘服务器排除了一些内容。边缘服务器的常见任务是获取Web内容,评估Web内容,内容组件的布局,和任务渲染。EAB移动边缘计算原型优于正常的网页浏览。

 

H.协作上下文感知实时应用程序

Nunna等人提出了基于5G技术的协作上下文感知的现实场景应用的移动边缘计算架构。关键时刻的协作应用由于无线通信的高等待时间是不利的。在上述架构中,MEC服务器在每个架构的eNodeB中部署。作者利用5G技术,接近服务和上下文感知计算的特性,来实现协作。MEC服务器中的中间件MEC协作平台通过标准API收集重要信息,如用户罚款,粒度位置,无线通信级别等(预计在5G)。上述架构将在道路事故情景和远程机器人远程手术情景中受益。

上述模型是低延迟(因为5G)并且适用于协作计算,如延迟和同步是协作计算模型性能中的重要因素。虽然,5G技术的概念仍处于发展状态,上述模型是理论上的。

 

I.CloudAware

加布里埃尔等人提出CloudAware ,一个基于移动边缘计算的编程模型,用于开发可拓展性的移动边缘计算应用程序。CloudAware采用Jadex 中间件框架的属性诸如分布式,并发执行和上下文感知计算等等。在CloudAware中,Discovery Service负责监控可用网络,网络强度,每个服务器可用代理计算资源的卸载和工作量。Context Manager收集用户移动性状态评估网络的未来连接状态。基于运行时的优化问题(即最小化计算时间)和网络连接的状态,该分区程序和解算器将应用程序划分为不同的组件并且制定卸载策略。

CloudAware框架是一个抽象的,透明的,和采用上下文功能的编程模型。框架还没有实现/模拟,无法知道模型的性能和可靠性。

4.分类

本节描述了移动边缘计算的分类,并对每个组件进行了简短描述。图2显示了移动边缘计算的分类。该移动边缘计算的分类基于以下参数:a)特征,b)演员,c)访问技术d)应用,e)目标,f)计算平台和g)关键促成因素。

A.特征

移动边缘计算可按以下方式分类:

1)接近度:在移动边缘计算中,边缘网络是由移动设备使用RAN访问。移动或便携式设备也可以通过设备之间的(D2D)通信访问位于移动基站的边缘服务器。因为边缘服务器就在设备附近,它可以提取设备信息和分析用户行为以改进服务。

2)密集的地理分布:移动边缘计算将主机IT和云计算服务置于位于众多地方的边缘网络。地理密集分散的基础设施有很多优势,基于用户移动性,无需遍历整个广域网就可以提供服务。

3)低延迟:移动边缘计算的目标之一是为了减少访问核心云的延迟。在移动边缘计算中,应用程序部署在位于边缘网络的移动边缘服务器或边缘网络的云上。因为边缘网络与核心网络相比,可用带宽很高,降低了平均网络延迟。

4)位置意识:因为移动设备在边缘网络的附近位置,基站收集用户的移动模式并预测未来的网络状态。应用开发人员使用用户位置对用户提供上下文服务。

5)网络环境信息:实时RAN信息(例如用户位置,无线通信条件,网络负载等)用于为移动用户提供与上下文感知的服务。应用程序开发者和内容提供者使用RAN信息为服务提供者服务,从而提高用户满意度和质量体验(QoE)。

B.行为者

移动边缘计算环境包括许多个人和组织,每个个体都扮演不同的角色,搭建一个在RAN范围内提供上下文感知,低延迟,按需提供云服务的平台。移动边缘计算的总体目标是为所有参与者带来可持续发展的商业模式,并促进全球市场生长。行为者包括应用程序开发人员,内容提供商,移动用户,移动边缘服务提供商,软件供应商和over-the-top内容(OTT)播放器。

 

C.应用程序

移动边缘计算提供一系列潜力巨大的应用程序。近来,移动边缘计算领域的应用程序可以归类为计算卸载,协同计算,物联网中的内存复制和内容交付。这些应用程序在边缘网络处利用高带宽执行计算,从而改善网络延迟。以上应用使用网络上下文信息通过给处于移动状态的用户提供不同的服务以提高用户满意度。

1)计算卸载:许多移动应用程序都是计算密集型的,如人脸识别,语音处理程序,移动游戏等。但是,在资源受限设备中运行计算密集型的应用程序会占用大量资源和电量。将计算任务的一部分转移到云数据平台并且在成功完成任务后返回程序执行结果,而不是所有的都在移动主机中运行。因为,边缘设备和核心云之间的通信需要很长时间,在移动边缘计算中,将资源较少的服务器部署在网络边缘。从而,达到卸载计算密集型任务的目的。

2)协同计算:协同计算使许多个人和组织能够在一个分布式系统中进行协作。协作应用在当前场景中,计算范围从简单的传感器到机器人远程手术。在这种类型的应用程序里,设备的位置和通信延迟成为沟通中的关键要素。在移动边缘环境中增加实时协同应用,提供上下文感知协作系统。

3)物联网中的内存复制:近年来,LTE成为设备的主流连接技术。物联网设备的计算和存储能力较差。这些设备从周围和卸载的任务中收集数据,将它们作为可伸缩云基础架构的内存对象进行进一步计算。因此,物联网设备的数量不断增长,同时由于复制内存对象的高延迟导致网络瓶颈。移动边缘计算中的边缘网络为每个设备创建多个复制云,使计算能力接近物联网设备,减少了网络延迟。

4)内容交付:内容交付技术在Web服务器上优化调整Web内容以提供高可用性,高性能和减少延迟的服务。传统的Web内容交付无法在优化完成后根据用户请求进行调整。移动边缘计算可以提供基于网络状态和可用网络负载的动态web内容的优化。因为设备距离很近,边缘服务器可以利用用户移动性和服务体验来提供内容优化。

自动驾驶与移动边缘计算_第2张图片

图2 移动边缘计算的分类

D.接入技术

在移动边缘计算环境中,移动或便携式设备与其他设备或与边缘网络通过使用无线网络进行通信,比如蜂窝网络(GPRS / CDMA / 3G / 4G / Wi-MAX)或Wi-Fi切入点。因为,网络是密集部署的,用户可以通过切换到任何一个可用的接入网络连接到边缘网络。

E.目标

客观属性定义了移动边缘计算的主要目标。移动边缘计算中的每个组件诸如移动节点或网络运营商都具有不同的目标。移动节点利用移动边缘计算的计算和存储能力的底层构造试图最小化移动设备的计算延迟和能耗。网络提供商的目标是为了最大限度地降低底层架构成本并提高吞吐量。

F.计算平台

计算平台属性代表移动边缘计算平台中进行的类型的计算。在对等计算中,任务被卸载到邻近的移动设备。任务可以卸载到边缘网络部署的附近云端。在移动边缘计算中,移动边缘服务被部署在每个基站上。

 

G.关键促成因素

在实际应用场景中的移动边缘计算技术的实现得到了各种关键技术的支持。关键促成因素表示不同的技术为接入无线通信网络的移动用户提供上下文感知,低延迟,高带宽的服务做出了贡献。

1)云和虚拟化:虚拟化允许在相同的物理硬盘中创建不同的逻辑结构。网络边缘的云计算平台使用虚拟技术创建不同的虚拟机提供不同的云服务包括Software-as-a-Service(SaaS),Platform-as-aService(PaaS)和Infrastructure-as-a-Service(IaaS)。

2)高容量服务器:传统的高容量服务器或移动边缘服务器部署在边缘网络的每个移动基站中。移动边缘服务器执行传统网络流量转发和过滤,也负责执行卸载任务。

3)网络技术:多个小单元被部署在移动边缘计算环境中。Wi-Fi和蜂窝网络是将移动设备与边缘服务器连接使用的主要网络技术。

4)移动设备:边缘网络中的便携式设备计算低密集型任务以及与硬件相关的不可卸载到边缘网络的任务。便携式设备也可以通过边缘网络设备之间的通信进行对等计算。

5)软件开发套件:软件开发套件(SDK)与标准的应用程序编程接口(API)有助于调整现有服务,促进加快现有服务开发新的弹性边缘应用。这些标准API可以轻松集成到应用程序开发过程中。

5.开放性挑战

 

移动边缘计算仍处于初期状态。在这个领域需要克服许多挑战。在这一节,我们确定了移动边缘计算领域的一些开放研究挑战。每个未解决的问题将给出一点解决问题的想法。

 

A.标准协议

标准化为研究人员和行业带来开放式环境,使能在统一平台上进行工作。移动边缘计算是还没有实现的最新技术。所以,需要为移动边缘计算创建标准化开放环境,将允许移动边缘计算平台与传统应用程序无缝和熟练的集成。标准平台也将加速整个行业的移动边缘应用程序的发展,并最终增加市场规模。标准协议需要实现移动边缘计算的标准特性,例如上下文感知信息,卸载场景等。一旦标准协议可用,研究人员和专家可以在实施或在真实平台中建模后改进协议。

 

B.模拟平台

仿真平台是对现实世界使用数学公式进行建模的过程,并且可以使用通用编程语言实现。该模型应该有能力重新配置和实验不同场景。使用模拟的优势在于它可以帮助我们了解整个系统和可行性(低成本)在没有实际的实现模型的情况下。开发移动边缘计算基础设施和测试需要大量的努力和财务投资。为移动边缘计算开发一个模拟平台将鼓励研究人员实验移动边缘计算的各种场景。

C.流动管理

在移动边缘计算平台中,移动性是设备与边缘网络之间的链接频繁断开连接的原因之一。当设备处于移动状态时,应用程序的服务质量因网络参数的变化而降低,如延迟,带宽,抖动等。实现移动性管理技术是移动边缘中的一个具有挑战性的问题,用户可以无需任何链接,访问边缘应用程序。移动管理技术应该同时关注水平和垂直移动性。

D.异质性

移动边缘计算中的边缘网络是高度异构的,在无线网络接口方面很有意义。边缘设备可以通过不同的无线通信网络接入访问服务,比如Wi-Fi,3G,4G,WiMAX和5G等技术。由于无线网络中信号干扰的概率很高,如何在不调整移动边缘计算的基本属性优先级的情况下(即低延迟,高带宽和用户位置感知),管理网络切换是其中一个具有挑战性的问题。

E.定价模型

在移动边缘计算中,用户移动性在网络异构的地方很常见。如果用户从漫游基站访问边缘服务,则应该建立适当的定价模型。定价模型应该是动态的,基于接入技术的网络参数

例如延迟,会话重建延迟,抖动,带宽,可用性和安全性等。

F.可扩展性

可伸缩性属性可确保服务的可用性,无论边缘网络中的客户端设备数量多少。在正常情况下,大多数设备不同时申请访问边缘。近年来,边缘设备(如移动设备,物联网设备等)数量增长,如果有大量设备同时访问服务,这将牵连网络瓶颈,并且最终服务可能会中断。边缘服务器应该通过对服务器集群应用负载平衡机制来确保服务的可扩展性。

 

G.安全

安全性是移动边缘计算中的一个挑战性问题,应用程序部署在边缘网络的计算平台上。与传统计算相比,由无线通信网络制定规则使应用程序开发者在挑战安全策略方面没有任何作用。在应用程序部署在移动边缘服务器之前,必须解决以下安全挑战。部署在边缘服务器上的应用程序应该验证访问应用程序资源的用户是否它声称的那个。移动边缘服务器必须保护应用程序和数据存储在边缘服务器上以免入侵。另一方面,移动设备需要验证边缘应用程序从边缘服务器访问。最后移动边缘计算平台必须保证数据完整性。

 

6.结论

 

移动边缘计算通过接入无线通信网络为传统核心网络带来了计算和存储的能力。在这个新的架构中,传统的基站不仅可以进行流量控制,还可以将资源较少的边缘服务器/云部署到邻近的移动用户上以提供上下文感知服务。移动边缘计算的主要目标是提供更少延迟和最小带宽的应用程序和服务。

本文研究了适用于移动边缘计算平台的实时应用场景。而后,对移动边缘计算领域当前最先进的研究成果进行了详细阐述。根据我们的调查,提出了移动边缘计算的分类法,并清楚描述了每个属性。最后,列出了成功部署移动边缘计算所要面对的主要的开放性研究挑战。

你可能感兴趣的:(人工智能)