“云”里来“雾”里去，“边缘云”有何厉害？

This is according to the paper：Liu H, Eldarrat F, Alqahtani H, et al. Mobile Edge Cloud System: Architectures, Challenges, and Approaches[J]. IEEE Systems Journal, 2017, PP(99):1-14.

Background

• IT技术和通信技术在不断进步和融合，这对于提高用户体验并尽可能多涵盖网络应用的创新性网络基础设施是一个前所未有的机会。“云”计算的快速应用就是这样一个例子。然而，在海量新兴的移动和物联网设备应用出现时，传统依赖于集中式数据中心的云计算模型会遇到很多限制。首先，将所有计算数据移动到云对于网络带宽资源是一个极大的开销，而且以及造成拥堵，比如都市区域的所有音视频监控数据或者由IoT应用产生的海量数据，实用“云”平台来计算处理的时延不能保证实时性处理的需求。其次，对于其他的时延敏感型应用，“云”计算负担之大，时延之大，不能保证低时延需求，比如一些移动类的游戏需要低于100ms的快速响应，一些交互式互联网应用（比如实时语音翻译）则需要更少的时延（低于10ms）。最后，对于需要适应本地网络状态和本地用户环境的场景，比如为一个移动用户流式传播一个直播视频，这很难有效地适应交通（视频编码率），需要用远端数据中心来快速响应变化的可用无线带宽。
• 为解决这几个问题（降低开销，降低时延，自适应响应），需要一种新的网络资源模型。而为边缘节点配置计算和存储能力，让其在更接近高数量增长的移动设备的技术，就可以降低云端的计算负载，降低服务延时，同时也可以降低整个网络的带宽开销。这个想法受到近年来学术界和工业界的极大关注，于是，一些和其原理相似的概念被提出来了。
  • “边缘云”或“MEC(Mobile Edge Clouds)移动边缘云”设备可以允许协同边缘网络节点（比如基站，接入点，交换机，路由器）进行计算和存储能力的配置，从而可以实现分布式计算。
  • “Fog computating 雾计算”是一个虚拟平台的概念，由Cisco和其他几个工业伙伴提出，其典型特征是在移动终端用户和传统数据中心之间的节点配置计算、存储和网络的服务，和边缘计算类似，也属于搭建了一个分布式的平台以承载虚拟服务。更通用的理解，“雾”平台就相当于一个海量异构设备进行通信而且可以进行潜在相互间或与网络间的合作的场景，这个场景下的整个参与通信的网络就可以实现虚拟化的存储和处理任务，运用某些激励机制的话（像区块链那样实行计算奖励），就连移动用户也可以出租自己的某部分计算或者存储能力给服务主机。
  • “MEC(Mobile edge Computing)移动边缘计算”作为另一个相似的概念，配置在无线接入网的边缘侧，可对移动用户提供最近的IT和“边缘云”计算服务。MEC服务器配置在边缘侧的基站、无线网络控制器以及大量多技术AP所在点。工业界最早是由ETSI（欧洲电信标准协会）对移动边缘计算制定了标准。该标准主要在于管理联合了通信和IT云世界的移动蜂窝网络，在RANS提供IT和云（边缘云）计算能力。
• 这篇概述将对“MEC边缘云”进行研究，将MEC定义为一种可以实现按需弹性接入的模型，或说成是与再配置计算资源共享地进行交互的模型。计算资源即服务器资源、存储资源、对等设备、应用资源、服务资源等等，MEC模型将这些计算资源再配置到更贴近用户终端的无线网络的“边缘”。区别于传统的集中式“云”计算，MEC融合了云计算、移动计算和无线网络的功能，从而可以让“云”实时性处理移动设备的大量存储和计算问题。
• 对于“MEC边缘云”的研究还未成熟，几篇对于MEC的综述型的文章也主要集中在MEC概念、应用场景、特点、一般问题和高层定位的方面。基于一些技术视野和已有的关键技术问题，本文将对MEC系统的架构和设计进行一个综合型的研究调查。

MEC Characteristics and Application

对于一个MEC（这个简称在这里代表边缘云）系统，MEC服务器将配置在无线接入网络侧（网络边缘），并提供计算和存储资源，由此可以最小化终端设备的服务时延、节省网络带宽、减少交叉拥堵、实现更好的定位和文本识别抉择，同时对于省掉云端传输和处理来说，安全和私密的问题也减缓了很多。基于MEC网络的专一性，网络运营商也可以在MEC服务中提供额外的附加服务以提升终端的户体验。除此之外，基于MEC的硬件设备平台，网络运营商还可以允许第三方接入他们的基础设施进行应用开发，成为应用服务提供商和内容提供商，由此可以贴近用户开发文本认知服务等。由MEC应用开发平台所建立的生态系统，可以促进不能被传统的远端“云”或其他服务解决的创新性新应用的产生。以下将对MEC的特点和应用做进一步的总结。

• 特点：

  • 本地网络状态认知
    • MEC配置在无线接入侧的边缘，需要能实时接入无线网络和信道信息的功能。
  • 本地用户场景认知
    • 可以定位并感知本地用户场景。
  • 分布式
    • MEC的资源、应用和服务会分布式地部署在不同的位置，而且可能处于无线接入网的不同层（基站、接入点、交换机、路由器、网关、移动设备）。
  • 异构性
    • 相对于专用的数据中心（计划好的设备的网络），因为处于多变的网络连接和带宽，MEC节点处理和存储资源一定是可变的，从而导致其异构性。
  • 移动性
    • 移动设备通过不可靠的无线链路接入MEC服务器，而且他们的网络附着点也会经常变动。而且MEC服务可能本身就托管在移动设备上。因而，MEC的移动性支持很关键。
  • 超低时延
    • MEC应该需要实现极致的低时延，比如为了支持交互式网络应用（机器人，虚拟增强现实，实时交互的工业控制系统），时延应该被控制在几毫秒之内。这些应该是高度时间敏感型的应用，端到端的响应时间需要控制在人类可忍受的范围之内。
  • “中央云”协作
    • MEC作为传统集中式云的补充，不能完全替代传统云。MEC贴近移动设备而能提供本地场景感知的处理，并且时延很低。但是远端的传统云可提供全局的集中式控制，而且具有更有强的计算和存储能力。因此，很多应用的执行需要从移动终端设备、边缘云网络节点和远端云进行两端式处理。

由上面的MEC的特征可知，得益于边缘配置的计算能力可以保证很广泛的应用。那么有哪些类别的MEC应用呢，我们可以大体从以下几点进行说明：

• 应用：

  • 时延敏感型应用：
    • 应用的执行可以在边缘云网络而不需要再回传至因特网（集中云），因此时延得到降低，用户对于时延敏感型应用（实时交通控制、网络游戏等）的体验就会提升。
  • 适应本地网络状态的应用：
    • 无线信道状态恶化或者网络交通负载增加时，类似联网音视频代码转换的边缘应用可以自适应改变音视频的数据率来弥补减少的可用带宽。另外，网络运营商可以用边缘计算的能力来配置防火墙、VPN以及基于本地网络需求其他联网服务。
  • 适应本地场景的应用：
    • 比如本地内容共享、广告插播、本地拥塞等等应用，基于本地少量数据集来进行数据处理和计算也可以适度减少网络的整体开销和时延，可以利用定位信息、用户场景和本地计算能力来提升性能。
  • 处理和聚合数据的应用：
    • 对于某些特定的应用（比如视频监控，安全监控，大数据分析等），需要将大量的数据存储在网络边缘， MEC会先做一个处理分析和聚合，再传送到集中云上去。这样会大大减少要送往集中云的数据量，从而节省了网络带宽和云存储资源。

无线接入网拥有比骨干互联网连接更高的带宽。一般，一个应用程序的执行由多个任务组成，其中每个任务都是一个计算工作或者是要执行的功能。那么这些任务可以由线程或进程分发到不同的物理设备或虚拟机上被执行。一些复杂的任务可以从移动终端卸载到计算力更强且时延最低的边缘节点上。由此MEC可以实现以前不能提供的时序强并且高带宽的应用。值得注意的是，有些应用过程会满足以上多个MEC的特征。另外，MEC应用还可以按传统 应用和新兴IoT应用分类。对于IoT应用，MEC需要实现IoT中物物通信或物人通信的感知、事件侦测、激励控制功能。很多IoT应用不仅会产生海量数据，还容易引发边缘网络堵塞，还会容易出现感知-处理-激励控制环。

传统应用更多的是处理客户-服务机的交互，实现的更多是点对点的通路。因而，IoT应用的需求是驱动MEC的主要原因之一。为什么呢？第一：成千上万的物联设备会在网络边缘消耗并产生数据，这导致了网络边缘数据处理和聚合的需求，只有聚合之后的数据发布在网络上才能缓解网络带宽的压力。第二：实时的M2M监控、分析和控制环需要用MEC来降低时延。第三：资源（电源、计算、存储）受限的物联终端需要将存储和计算任务分发在更强的设备上。

根据用户-MEC交互的方式，MEC功能还可以分为计算分载、协作计算和联网处理几类。

计算分载的功能可以解决资源受限的终端实现计算密集型任务的问题。比如计算资源和电池容量受限的移动设备和物联网终端设备，具体的应用有AR、面部识别、语音处理等应用过程可以分解成多个任务处理，一部分任务可以用MEC来完成。移动终端通过MEC来实现计算分载的话，还可以降低自身的能耗。虽然移动终端也可以将计算任务分载到“云”端，但如果在都可以进行计算任务的前提下，MEC更贴近终端的边缘优势可极大地降低计算时延并节省了骨干网的传输带宽，还可以提供更好的私密性和安全性。

协作计算即MEC网络的多个设备可以相互协作来完成一个任务。协作计算可以实现边缘网络的实时环境认知分布式计算系统。比如，智能交通控制场景中，装在道路周围用来侦测交通工具和行人的摄像和感知设备将采集的数据传到MEC节点上配置的交通控制器上，然后通过MEC协作计算实现速度测量、距离测量和数量测量等功能，从而实现对多个交通信号灯的控制。类似地，对于交通工具识别和跟踪应用，交通监控摄像机可以帮助实现寻找跟踪识别的警务任务。智能相机可实现侦测固定区域内的行为活动功能，再将实时录像传输到MEC节点上执行计算机视觉算法来定位可疑目标，并控制相机进行旋转变焦以获取更视野来追踪目标。联网数据处理的应用。

基于动态的本地网络状态信息和用户环境（数据从移动终端发到网络数据中心、从数据中心发到移动终端、从移动终端到移动终端），MEC节点实现联网数据处理、聚合和存储以获取性能优化和用户体验提升。

关于IoT的例子，一些IoT感知设备手机了很多相关数据并将它们发往MEC节点进行进一步处理、聚合和缓存。

关于用户生成的自媒体视频或图像，可以先通过MEC节点进行压缩处理再发往互联网的数据中心，这可以有效减少网络拥塞和存储需求，从而提高了数据中心的可扩展性。

关于传输多路视频流到移动端时的拥塞应用，MEC可在发送这些多路视频流信号之前对其进行低码率的转换从而优化全局用户体验。

关于本地网络政策的应用，MEC可以对要发往本地网络的数据进行安全性检测、还可以根据用户终端的能力对媒体文件进行格式转换、甚至还可以根据用户环境在传送数据时插入本地内容。

MEC还可以在转发用户请求到远端应用服务器前插入一些网络信息（比如本地可用带宽等），这样应用服务可利用网络信息更好的服务用户。