移动边缘计算与计算卸载概述

1、背景

随着大数据时代的来临和科技的迅猛发展,众多场景下的移动设备均具有多种新型应用,例如图像处理、AR游戏等,这些应用具有计算密集、时效性强等特点,尤其是基于人工智能的新型应用,其对计算资源的需求极高,这都使移动设备在计算能力、存储和电池寿命方面面临着巨大的挑战。

                                   

移动云计算一直被认为是一种很有前途的增强移动设备能力的方法,我们将移动设备上面需要进行大量级数据计算卸载到云端处理，突破了移动设备终端的硬件限制，便于进行数据存取，智能均衡移动设备的负载能够延长电池的寿命，支持移动用户使用更加复杂的高级计算程序，使得移动设备具有更高的数据存储能力。然而,由于云通常远离移动设备会造成较大的延迟,且计算数据在传输到云的这个过程中所消耗的能量也是十分巨大的。这些问题对应用程序的运行效率以及用户的服务体验均造成了严重的影响。移动边缘计算与计算卸载技术被提出来解决以上这些问题。

2、移动边缘计算和计算卸载的概念

移动边缘计算是指在移动网络边缘部署计算和存储资源，为移动网络提供 IT 服务环境和云计 算能力，从而为用户提供超低时延和高带宽的网络服务解决方案。MEC可以被看作是运行在移动网络边缘的云服务平台，通过将部分业务处理和资源调度的功能部署到云服务平台上来实现服务性能和用户体验的提升。MEC 将原本位于云数据中心的服务和功能 “下沉”到移动网络的边缘，通过在移动网络边缘部署计算、存储、网络和通信等资源，不仅减少了网络操作，而且降低了服务交付时延，提升用户服务体验。同时，大幅增长的网络数据，对回传链路和移动核心网造成了巨大的链路负载，MEC在网络边缘部署服务器后，可以在边缘对用户进行响应，降低了对回传网和核心网的带宽要求。

计算卸载是边缘计算中的一项核心技术，计算卸载一般是指将计算量大的任务合理分配给计算资源充足的代理服务器进行处理，再把运算完成的计算结果从代理服务器取回。

计算卸载的一般步骤为：（1）寻找可用的MEC计算节点，用于后续对卸载程序进行计算；（2）程序切割，将需要进行处理的任务程序进行分割，在分割过程中尽量保持分割后的各部分程序的功能完整性，以便进行后续的卸载；（3）卸载策略；决定是否卸载程序，以及卸载程序的哪些部分至MEC计算节点。卸载策略可分为动态卸载及静态卸载两种：在执行卸载前决定好所需卸载的所有程序块的策略为静态卸载策略；根据卸载过程中的实际影响因素来动态规划卸载程序的策略为动态卸载策略；（4）程序传输，将卸载的计算机程序传输至MEC计算节点；（5）执行计算，MEC计算节点对卸载到服务器的程序进行计算；（6）计算结果返回将MEC计算节点进行计算处理后的结果传回用户的移动设备终端。

3、计算卸载的研究方向

计算卸载的研究一般包括两个方向：

一是卸载策略（1.低时延；2.低能耗；3.权衡时延和能耗；4.以最大效用为目标的计算卸载策略），其主要确定是否需要卸载和卸载到哪里；卸载决策是指UE决定是否卸载、卸载多少以及卸载什么的问题。在卸载系统中，UE一般由代码解析器、系统解析器和决策引擎组成，其执行卸载决策分为3个步骤：首先，代码解析器确定什么可以卸载，具体卸载内容取决于应用程序类型和代码数据分区；然后，系统解析器负责监控各种参数，如可用带宽、要卸载的数据大小或执行本地应用程序所耗费的能量；最后决策引擎确定是否卸载。

二是资源分配（1.计算资源的分配；2.通信资源的分配；3.联合通信资源和计算资源的分配策略），卸载到边缘节点后，节点的资源如何分配，或者在卸载传输过程中如何利益最大化的分配通信资源。如果UE的计算任务是不可分割的或可以分割但分割的部分存在联系，这种情况下卸载任务就需要卸载到同一个MEC 服务器。而对于可以分割但分割的部分不存在联系的计算任务，则可以将其卸载到多个MEC服务器。

基本大部分的文献都是围绕卸载策略和资源分配这两大方面来写的，以实际的工程需要为目的，指定最适合卸载策略算法，然后对此算法进行仿真，对这个算法所对应的模型进行时延和能耗方面的论证，最终选择一个最适合算法应用于实际的工程，以达到对实际的进行最优化改进的目的。​​​​​​

4、计算卸载的数学模型