MEC将中心化的云计算推向了大量的边缘节点,以减少核心网络中拥塞和传播延迟带来的延迟。但是,对于MEC服务器应该是什么并没有正式的定义,也没有指定系统中的服务器位置。这些调用MEC服务器的站点选择问题,这与传统的BS站点选择问题有很大的不同,因为边缘服务器的最佳位置与计算资源供应是耦合的,并且它们都受到部署预算的限制。此外,MEC系统的效率很大程度上依赖于其架构,架构应该考虑工作负载强度和通信速率统计等各个方面。这一节主要包含三个内容:MEC服务器的选址、MEC网络架构和服务器密度规划。
给MEC的基础设施选址,特别是服务器/边缘节点的选址,对MEC系统的性能影响巨大。一般情况下,我们要考虑地址租赁的花费和计算的密度(把一个边缘节点放在某个小山坡上岂不是大大的浪费),但是二者往往冲突,比如在某个大型商城里人确实很多,但是地皮也很贵,很可能会超出预算。目前大多是将服务器与现存的已经部署的电信网络合在一起。
像智能家居之类的产品,无法容忍比较长的传感距离或者很差的信道环境,需要计算节点与用户足够的接近。这时候我们就有了超小型的计算节点,可以满足与用户接近,但是计算能力比较差。解决这个问题的一个方法是构建一个分层的网络架构,计算能力逐层递增。
除此之外,很多计算密集型区域甚至没有无线传感的基础设施,对于这些情况,我们需要通过正确选择新位置来部署带有无线收发器的边缘服务器。
MEC网络架构:MEC的推广并不意味着数据中心网络(DCNs)的消失。相反,未来的移动计算网络将由三层组成,就是上图画的那样,即、云、边缘(又称雾层)、服务用户层。虽然云层已经成熟并得到了很好的部署,但是在设计边缘层时仍然存在一定的灵活性和不确定性。像上面的分层结构,可以很好的利用计算能力,下层不行传上层这样,然而每一层具体的分配多少计算容量仍然是一个大问题。
还有一个很火的概念(至少在mobile比较火)就是自组网,ad-hoc。这种集中在利用服务的潜在用户层,并利用非正式的计算资源,如笔记本电脑、智能手机、和车辆这些非专业的设备,并与专用的边缘节点通信。这种模式称为Ad-hoc mobile cloud(不知道咋翻译,暂时就叫自组网吧)。这种方法提高计算资源的利用率,降低部署成本。然而,它也带来了困难,资源管理和安全问题由于其特殊和自组织的性质。顺便提一下,安全问题真的各个领域渗透,FL,区块链无不是热门的研究方向。
一个优化问题:给定预算和大概的计算要求,如何确定边缘节点的数目。这一问题只能通过数值模拟来解决,耗时长,可扩展性差。幸运的是,由于随机几何理论的发展及其在无线网络性能分析中的成功应用
缓存是为了将流行的内容移动到终端用户附近,而MEC是为了部署边缘服务器来处理边缘用户的计算密集型任务,以增强用户体验。这两种技术似乎针对不同的研究方向,一个用于流行的内容交付,另一个用于独立的计算分流。然而,它们将在本小节中无缝集成,并将创建一个新的研究领域,即支持缓存的MEC。
在这种系统中,MEC服务器可以缓存几种应用服务和他们的数据(服务缓存),主要需要解决的问题有以下几个。
中心化的云端具有各种资源,存储,算力,内存等等,边缘节点的资源比较少。而且,不同的应用对资源的要求差别很大,在线的matlab计算需要大量的内存,VR则需要强大的算力。资源和需求之间的这种不匹配对如何为服务缓存分配异构资源提出了一个关键挑战。主要有两种解决策略:
第一,缓存的内容取决于周围的环境和用户的喜好。比如说在电影院的人,很多都会使用AR的技术,所以我们大可以缓存很多AR服务。这种情况下,如果我们可以构造一个不同场景下各种服务的使用情况的分布,我们就可以比较好的解决这个问题。或者另一种方法是临时流行驱动的服务缓存。其主要思想与空间相似,但利用了时间域内的流行信息,因为计算请求也依赖于时间周期。一个例子是,用户倾向于在晚餐后玩移动云游戏。这类信息将建议MEC运营商在这一典型时期缓存一些游戏服务,以处理巨大的计算负载。这种基于时间的方法的一个缺点是由于频繁而导致的额外服务器成本
许多现代移动应用程序都涉及到基于数据分析的密集计算,例如排名和分类。以VR为例。它通过生成真实的图像、声音和其他感觉来增强用户体验,创造一个类似于现实世界的虚拟环境。实现这一目标并非易事,因为它需要MEC服务器在超短时间内(如1ms)完成多个复杂的过程,所有基于数据分析的技术都应该得到全面数据库的支持,但是,这给边缘服务器的存储带来了非常沉重的负担。这种挑战可以通过只保留经常使用的数据库的智能数据缓存来缓解。而缓存可能被其他人重用的部分计算结果数据可以进一步提高整个MEC系统的计算性能。因为由于某些游戏渲染的视频,例如游戏场景,可以被其他玩家重用,缓存这些计算结果不仅可以显著降低具有相同计算请求的玩家的计算延迟,还可以减轻边缘服务器的计算负担。
机动性是许多MEC应用程序的固有特性,例如AR辅助博物馆参观以增强游客的体验。在这些应用中,用户的移动和轨迹为边缘服务器提供位置和个人偏好信息,以提高处理用户计算请求的效率。另一方面,移动性也对实现无处不在和可靠的计算(即(无中断和错误)由于下列原因。首先,MEC通常在HetNet架构中实现,HetNet架构由多个宏、小单元BSs和WiFi APs组成。如下图所示,在小覆盖范围的边缘服务器之间,用户移动将需要频繁的切换,由于系统配置和用户-服务器关联策略的不同,这使得切换非常复杂。其次,用户在不同的小区间移动会产生严重的干扰和导频污染,这会大大降低通信性能。最后,频繁的切换会增加计算延迟,从而影响用户体验。
大多数现有的工作集中于优化移动感知服务器的选择。然而,为了获得更好的用户体验和更高的网络范围内的利润,应该联合考虑移动设备上的分流技术和MEC服务器上的调度策略。
根据用户移动的历史信息数据发现统计规律,在服务器计算时间内将未来计算数据的一部分预取到潜在的服务器上,称为在线预取。该技术不仅可以通过移动性预测来显著降低切换延迟,还可以通过增加传输时间来实现高效节能的计算卸载。然而,它也遇到了几个挑战,其中两个最关键的挑战如下所述。第一个挑战来自于轨道预测。准确的预测可以实现边缘服务器之间的无缝切换,减少预抓取冗余。然而,实现它需要精确的建模和高度复杂的ML技术,如贝叶斯、强化和深度学习。因此,在建模精度和计算复杂度之间进行权衡是非常重要的。第二个挑战是如何选择预取的计算数据。在动态衰落信道中,为了最大限度地提高边缘用户成功卸载的概率,需要采用自适应传输功率控制来提前提取计算密集型分量。
D2D是为了用于改善蜂窝系统的网络容量和减轻数据流量负担。在这里它也可以用于处理MEC系统中的用户移动问题。(不太了解这个领域,跳过了,ԾㅂԾ,)
由于动态环境的存在,用户的移动性给提供可靠的MEC服务带来了巨大的挑战。由于间歇性连接和快速变化的无线信道,计算分流可能会失败。对于时延敏感和资源要求高的应用程序,所引起的故障是灾难性的。例如,基于ar的博物馆视频导览旨在为游客提供流畅、奇特的虚拟感受,而间歇性连接导致的视频流中断或失败会让游客心烦意乱。这些情况下,MEC系统的容错性对用户体验至关重要,我们需要解决的包括故障预防、故障检测和故障恢复等工作。故障预防是通过备份额外稳定的计算分流(写到这里,我把offload一直叫做分流,希望不会引起不适)环节来避免或防止MEC故障。故障检测是收集故障信息,通过设置智能定时检查或接收MEC服务的反馈来实现。替代的恢复方法包括将工作负载直接或通过ad-hoc中继节点迁移到邻近的MEC系统。
对于多用户MEC系统,传统的MEC服务器调度是根据用户不同的本地计算信息、信道增益和延迟需求的分流优先级顺序为用户服务的,然而,这种静态调度设计不能直接应用于具有移动性的多用户MEC系统,因为其所处的环境是动态的,例如时变信道和间歇性连接。这样的动态激励了自适应服务器调度的设计,它不时地重新生成调度顺序 。在这种自适应调度机制中,条件较差的用户将被分配更高的卸载优先级,以满足他们的计算期限。
MEC服务器是小型数据中心,每一个都比传统的云数据中心消耗更少的能量。然而,它们密集的部署模式引起了对系统范围内能源消耗的极大关注。因此,开发创新技术实现绿色MEC无疑是重要的。不幸的是,与绿色通信系统或绿色DCNs相比,设计绿色MEC更具挑战性。与绿色通信系统相比,需要对计算资源进行管理,以保证令人满意的计算性能,这使得传统的绿色无线电技术难以应用。另一方面,以往对绿色DCNs的研究没有考虑到无线电资源管理,不适合绿色MEC。此外,MEC服务器中高度不可预测的计算工作量模式对MEC系统的资源管理提出了新的挑战,需要先进的估计和优化技术。这一节主要有三个模块,包括能源比例MEC的动态调整大小、MEC的地理负载平衡(GLB)和使用可再生能源的MEC系统。
MEC服务器的能量消耗在很大程度上取决于使用无线电(在学习笔记(一)里有公式)。即使服务器处于空闲状态,它仍会在全速运行时消耗大约70%的能量。这激发了能量比例服务器的设计,既我们希望服务器的能量消耗应该与其计算负载成正比,而不是无时无刻都在消耗能量。实现能量比例服务器的一种方法是关闭/降低一些边缘服务器的处理速度,减少计算负载。这种操作在节能DCNs文献中称为动态调整规模。但是,它会带来转换能量成本和应用程序数据迁移延迟。此外,由于分配的计算资源较少,用户体验可能会降低,这反过来又可能减少运营商的收入。此外,与服务器切换相关的风险以及服务器的损耗成本可能会增加,这反过来又会增加MEC供应商的维护成本。因此,以一种短视的方式关闭边缘服务器并不总是有益的。
GLB是绿色DCNs的另一项关键技术,它利用工作负载模式、温度和电价的空间多样性,在不同的数据中心之间做出工作负载路由决策。这种技术也可以应用于MEC系统。例如,一组MEC服务器可以协调在一起为移动用户提供服务,即,这些任务可以从位于热点(如餐馆)的边缘服务器路由到附近工作量较小的边缘服务器(如公园中的服务器)。一方面,这有助于提高低负载的边缘服务器的能源效率和用户体验。另一方面,它可以延长移动设备的电池寿命,因为通过附近的服务器分流计算任务可以节省传输能量。值得注意的是,GLB的实现需要高效的资源管理。
同时,在MEC环境中应用GLB需要考虑很多因素。首先,由于迁移后的任务需要经过蜂窝核心网络,所以在进行GLB决策时需要对网络拥塞状态进行监控和考虑。其次,为了实现无缝的任务迁移,应该在另一个边缘服务器上预先迁移/设置VM,这可能会导致额外的能源消耗。第三,在执行GLB时,要考虑MEC运营商和边缘计算服务用户的共同利益,在节能和减少延迟之间进行权衡。最后但并非最不重要的是,传统云计算基础设施的存在为边缘服务器提供了一个额外的选项,可以将延迟关键型和计算密集型任务转移到远程云数据中心,从而创建了一个新的设计维度,并进一步复杂化了优化。
传统的电网能源通常由燃煤电厂提供。因此,使用网格能源为移动系统供电必然会产生大量的碳排放,这与绿色计算的目标背道而驰。。离网可再生能源,如太阳辐射和风能,由于近年来能源收集(EH)技术的发展,近年来已成为各种IT系统的一种可行的、有前途的电源。这一事实激发了创新MEC系统的设计,称为可再生能源供电的MEC系统。
可再生能源驱动的MEC系统需要解决的一个基本问题是绿色能源感知的资源分配和计算卸载。在满足用户体验的前提下,可再生能源驱动的MEC系统的设计原则不应最小化能源消耗,而应改为在可再生能源约束下优化可实现的性能,因为可再生能源几乎是免费的。
可再生能源的随机性可能会带来卸荷的不可靠性和失效的风险,成为使用可再生能源为MEC系统供电的主要问题。幸运的是,有几个潜在的解决方案可以解决这个问题,如下所述。
人们对安全和保护隐私的移动服务的需求越来越大。MEC在支持新类型服务的同时,其独特的特性也带来了新的安全和隐私问题。首先,MEC系统固有的异构性使得传统的信任和认证机制难以适用。其次,支持MEC的通信技术的多样性和网络管理机制的软件特性带来了新的安全威胁。此外,由于边缘服务器可能是窃听者或攻击者,安全的和私有的计算机制变得非常必要。这些激励我们开发如下所述的有效机制
信任是几乎每个移动系统的重要安全机制,其基本思想是了解系统所交互的实体的身份。认证管理为确保信任提供了一种可能的解决方案。然而,MEC系统固有的异构性,即,不同类型的边缘服务器可能被多个供应商部署,不同类型的移动设备共存,使得为云计算系统设计的传统信任和认证机制不适用。这就需要一种统一的信任和认证机制来评估边缘服务器的可靠性并识别伪装的边缘服务器。此外,在移动网络中,将会有大量的边缘服务器服务于大量的移动设备。与传统的云计算系统相比,这使得信任和身份验证机制的设计更加复杂,因为边缘服务器具有较小的计算能力,并且设计用于启用对延迟敏感的应用程序。因此,最小化身份验证机制的开销并设计分布式策略是非常重要的
支持MEC系统的通信技术,如WiFi、LTE和5G,都有自己的安全协议来保护系统免受攻击和入侵。然而,这些协议不可避免地会创建不同的信任域。MEC系统中网络安全的第一个挑战来自于证书分发的困难,这些证书可用于在不同的信任域之间协商会话密钥。在现有的解决方案中,认证机构只能将证书分发给位于其自己的信任域中的所有元素。这使得很难保证不同信任域中通信的隐私和数据完整性。为了解决这个问题,我们可以使用加密属性作为凭证来交换会话密钥。此外,还可以利用联邦内容网络的概念,该概念定义了多个信任域如何协商和维护域间凭据。
将计算密集型应用程序迁移到边缘服务器是构建MEC系统最重要的功能和动机。在实践中,任务输入数据通常包含敏感的私人信息,如个人临床数据和业务财务记录。因此,在将这些数据卸载到边缘服务器(尤其是不可信的服务器)之前,应该对这些数据进行适当的预处理,以避免信息泄漏。除了信息泄漏外,边缘服务器还可能由于软件bug或财务激励而返回不准确甚至不正确的计算结果,特别是对于计算量大的任务。为了实现计算的安全性和私密性,边缘平台最好能够在不需要知道原始数据的情况下执行计算任务(有没有想到FL)。
ETSI MEC ISG为MEC服务器(即MEC平台)定义了一个参考框架,其中每个服务器由一个托管基础设施和一个应用程序平台组成,下图。托管基础设施包括硬件组件(如计算、内存和网络资源)和MEC虚拟化层(将详细的硬件实现抽象到MEC应用程序平台)。此外,MEC主机基础设施提供了与主机基础设施管理系统和无线网络元素的接口,但是,由于可以使用多种实现选项,这些接口超出了MEC计划的范围。MEC应用程序平台包括一个MEC虚拟化管理器和一个基础设施即服务(IaaS)控制器,并提供多个MEC应用程序平台服务。MEC虚拟化管理器通过提供IaaS设施来支持托管环境,而IaaS控制器提供安全和资源沙箱(即一个虚拟的环境)给平台和应用程序。MEC应用平台主要提供四类服务,即、流量分流功能(TOF)、无线网络信息服务(RNIS)、通信服务和服务注册。
除了上述的挑战和要求外,在最终的MEC标准中还有更多需要考虑的方面,比如对用户移动性的支持、应用程序/流量迁移以及对连接性和存储的要求。然而,目前,研究领域的标准化工作甚至相关工作还处于起步阶段。
5G标准目前正在开发中,这是为了使具有新功能、特征和需求的广泛应用程序之间的连接成为可能。为了实现这些愿景,由于SDN和NFV技术的最新发展,5G网络的网络特性和功能预计将从硬件迁移到软件。自2015年以来,MEC (SDN和VFN)是公认的欧洲5 g基础设施公私伙伴关系(5 gppp)研究机构是一个关键的新兴技术5 g网络,因为它是一种自然的进化发展移动BSs和它的收敛和电信网络。2017年4月,3GPP在技术规范文件中将支持边缘计算作为5G系统的高级功能之一。
从5G网络运营商的角度来看,降低传输网络的端到端延迟和负载是两个主要的设计目标,可以通过MEC作为运营商来实现,第三方应用程序可以托管在用户设备(UE)相关的无线附近为了将MEC集成到5G系统中,最近的5G技术规范明确指出了5G网络为边缘计算提供的必要功能支持,如下所示:
与前几代无线网络相比,5G网络具有多种创新特性,有利于MEC的实现、标准化和商业化。包括支持服务需求、移动管理策略和网络切片功能。
MEC是一种创新的网络范式,以满足计算需求的空前增长和用户体验要求的计算质量的不断提高。它的目标是通过将丰富的计算和存储资源推向网络边缘,使云计算能力和It服务能够接近终端用户。移动设备和边缘服务器之间通过无线通信的直接交互带来了支持超低延迟需求的应用程序、延长设备电池寿命和促进高效网络操作的可能性。然而,由于复杂的无线环境和MEC服务器固有的有限计算能力等原因,它们带来了各种新的设计考虑和独特的挑战。