移动边缘计算的资源管理技术分析

丁健

摘   要：移动边缘计算技术可以有效减少延迟和移动能耗，解决5G的关键挑战。无线和计算资源的管理对于移动边缘计算系统实现节能和低时延有着关键的作用。文章对移动边缘计算系统中的资源管理技术进行了分类，并对各类型进行了详细分析。

关键词：移动边缘计算;5G;资源管理

在物联网和5G通信的驱动下，近年来，移动计算已经发生了范式上的变化，从集中式移动云计算走向移动边缘计算（Mobile Edge Computing，MEC）[1-3]。MEC的主要特点是将移动计算、网络控制和存储移动到网络边缘，以便在资源有限的移动终端设备上使用计算密集型和延迟关键型应用程序，MEC基本结构如图1所示。MEC可以有效减少延迟和移动能耗，解决5G的关键挑战。无线和计算资源的管理对于MEC系统实现节能和低时延有着关键的作用。

本文对MEC系统资源管理进行了分类，并对各类型进行了详细分析说明，具体内容如图2所示。首先，从简单的单用户系统（包括单个移动设备和单一MEC服务器）开始，阐述关键设计考虑因素和基本设计方法。其次，讨论更复杂的多用户MEC系统，该系统需要对多个卸载用户竞争使用无线电和服务器计算资源的情况进行协调。最后，讨论具有异构服务器的MEC系统，此系统中不仅能够自由选择服务器也允许服务器之间的合作，这样的网络级操作可以显著增强MEC系统的性能。

1    单用户MEC系统

单用户MEC系统有3种常用的任务模型：二元确定性任务模型卸载、部分卸载的确定性任务模型和随机任务模型。下面将对单用户MEC系统中的3种情况进行分析。

1.1  二进制确定性任务模型

二进制确定性任务模型需要考虑二进制卸载任务是在边缘执行还是在本地计算。由于无线通信的数据速率是不恒定的，与发射功率和信道质量有关。这需要进行能量适配和数据传输机制的控制策略设计以简化卸载过程。此外，由于CPU能耗随CPU周期频率呈超线性增长，使用动态电压频率调整（Dynamic Voltage and Frequency Scaling，DVFS）技術可以将移动执行的计算能耗降至最低。

1.2  部分卸载的确定性任务模型

部分卸载的确定性任务模型允许灵活的数据分割，运算相对复杂的移动应用程序可以分解成一组较小的子任务，耗时或耗能大的子任务可以卸载到MEC服务器进行计算。联合优化卸载比、传输功率和CPU周期频率可以最小化时延和移动能耗。与二元卸载相比，部分卸载可以实现更大的节能和更小的计算延迟。

1.3  随机任务模型

资源管理策略也可以用于随机任务模型的MEC系统中，将已经到达但尚未执行的任务加入缓冲区队列。因此，此类系统的长期性能（比如长期平均能耗和执行延迟）显得更重要。对于随机任务模型，任务到达和信道的时间相关性可以用来设计自适应动态计算卸载策略。

2    多用户MEC系统

多用户MEC系统由共享一个边缘服务器的多个移动设备组成，系统中多用户联合无线和计算资源分配、MEC服务器调度、多用户合作边缘计算是新的挑战点。

2.1  联合无线和计算资源分配

用户MEC系统中无线资源和计算资源有限，所以系统的设计关键是如何分配有限的无线和计算资源给多个移动设备以实现系统级目标（比如最低总量的移动能耗）。在多用户场景下，考虑无线资源与计算资源联合管理的示意如图3所示。目前，研究主要有集中式资源分配和分布式资源分配两种机制：（1）集中式资源分配中，MEC服务器根据获得的所有移动信息作出资源分配决策，并将决策通知给移动设备。（2）分布式资源分配中，系统会使用博弈论和分解技术进行设计，计算任务被设定为在本地执行后者通过一个或多个干扰信道完全卸载到MEC服务器进行计算。

2.2  MEC服务器调度

为了有效降低多用户的能耗和计算延迟，MEC服务器的调度设计应该将更高的优先级分配给延迟要求更严格、计算负载更重的用户。此外，通过并行计算可以进一步提高服务器的计算速度。

2.3  多用户合作边缘计算

通过点对点移动协同边缘计算可以清除大量的分布式计算资源，缓解网络拥塞，提高资源利用率，实现无所不在的计算。此外，还能通过终端直通（Device-to-Device，D2D）技术进行短距离传输，实现计算资源和结果的共享。

3    有异构服务器的MEC系统

为了实现无处不在的边缘计算，提出了异构MEC（Het-MEC）系统，包括一个中央云和多个边缘服务器。多层云/边缘云之间的协调和交互作用引入了许多有趣的新研究挑战。最新的研究主要集中在服务器选择、合作和计算迁移方面。

在服务器选择上，考虑具有多个计算任务和异构服务器的MEC系统。为了减少计算延迟，最好将延迟不敏感但计算密集型的任务转移到远程中心云服务器，并将延迟敏感的任务转移到边缘服务器。

服务器协作可以显著提高MEC服务器的计算效率和资源利用率。更重要的是，它可以平衡网络上的计算负载分布，从而在更好地利用资源的同时，减少计算延迟。此外，服务器协作设计还应考虑时间和空间计算任务到达量、服务器的计算能力、时变信道和服务器的收益。

计算迁移是MEC中移动管理的一种有效方法。迁移或不迁移的决策取决于迁移开销、用户与服务器之间的距离、通道条件和服务器的计算能力。具体地说，当用户远离其原始MEC服务器时，最好将计算迁移到附近的服务器。

4    结语

MEC用分布式部署于接入网的计算节点取代传统位于核心网的数据中心网络，减小移动设备与计算服务器的距离，从而减小任务执行时延与能耗，并提供高可靠的计算服务。无线和计算资源的管理对于MEC系统实现节能和低时延有着关键的作用。文章结合资源管理技术的分类，详细分析了单用户MEC系统、多用户MEC系统和有异构MEC服务系统中的资源管理技术。

[参考文献]

[1]李子姝，谢人超，孙礼，等.移动边缘计算综述[J].电信科学，2018（1）：87-101.

[2]宋晓诗，闫岩，王梦源.面向5G的MEC系统关键技术[J].中兴通讯技术，2018（1）：21-25.

[3]田辉，范绍帅，吕昕辰，等.面向5G需求的移动边缘计算[J].北京邮电大学学报，2017（2）：1-10.