基于ADC分析法的5G边缘计算系统效能评估分析

韩松岳 杨舒洵 梁亮

摘  要：随着5G移动通信技术的发展，诸多垂直行业与边缘计算技术融合创新，做好工程实践前的效能评估至关重要。通过对5G边缘计算技术深入研究，将ADC法与其紧密耦合，建立了一种适用该系统的评估模型，提出了一种评估指标体系，结合粗略的预估时间进行了可用性分析。为该方法应用于边缘计算系统的效能评估提供了思路。

关键词：5G;边缘计算;ADC法;效能评估

中图分类号：TN911       文献标识码：A 文章编号：2096-4706（2020）24-0067-04

Analysis of Effectiveness Evaluation of 5G Edge Computing System

Based on ADC Analysis

HAN Songyue1，2，YANG Shuxun1，LIANG Liang1

（1.Communication Sergeant School of Army Engineering University of PLA，Chongqing  400035，China;

2.China Peoples Liberation Army 32705，Xian  710086，China）

Abstract：With the development of 5G mobile communication technology，many vertical industries and edge computing technology are integrated and innovated，so it is very important to do a good job of effectiveness evaluation before engineering practice. Through in-depth study of 5G edge computing technology，the ADC method is closely coupled with it，and an evaluation model is established for the system. An evaluation index system is proposed. The usability analysis is carried out with rough estimated time. It provides an idea for the effectiveness evaluation of edge computing system.

Keywords：5G;edge computing;ADC method;effectiveness evaluation

0  引  言

思科在2015-2020年全球云指数中指出，2020年全球设备将产生600ZB数据[1]。为此，3GPP的5G R15版本就对eMBB场景进行了完整定义，为5G与工业、交通、农业、能源等行业的融合应用创造条件。效能评估是为了在工程实践前对系统进行量化评价，未来5G边缘计算技术将广泛应用于诸多行业，基于ADC分析法对其效能进行评估，能够节约建设成本，避免重复建设，为该技术在智慧工业、智慧校园、智慧交通等行业的应用实践打下基础。

1  ADC方法简介

ADC分析法是美国工业界武器系统效能咨询委员会（WSEIAC）提出的系统效能评价方法[2]，它利用三个矩阵分别描述系统在使用过程中的可用性A（availability）、可信性D（dependability）、能力C（capability）。其中，可用性是表示系统在执行任务开始时刻可用程度的度量;可信性是表示系统在给定了开始时刻可用性的条件下，执行任务过程中转变至所处状态的度量;能力是表示系统完成任务能力的度量。一般情况下，A与C是确定的，具静态性特点;D描述系统运行过程中的状态变化，具动态性特点。其模型为：E=A·D·C。

2  边缘计算简介

2.1  边缘计算的概念

关于边缘计算（Mobile Edge Computing，MEC）的概念，尚无严格统一的定义。欧洲电信标准化协会（European Telecommunications Standards Institute，ETSI）的定义为：“在移动网边缘提供IT服务环境和云计算能力[3]。”美国韦恩州立大学施巍松教授认为：“边缘计算是指在网络边缘执行计算的一种新型计算模型，边缘计算操作的对象包括来自云服务的下行数据和来自万物互联服务的上行数据，而边缘计算的边缘是指从数据源到云计算中心路径之间的任一计算和网络资源，是一个连续统[4]。”

2.2  系统架构及特点

边缘计算的主要架构是在中心云与用户端之间根据业务需要和拓扑规划，部署边缘计算服务器，将用户的数据存储、业务计算、业务请求等都放在本地进行，边缘计算服务器将用户数据和计算请求放在靠近数据源一侧进行计算，不必再上传至中心云，節省了大量带宽和频率资源，所以，相较于传统中心云具有以下优势：一是支持大带宽业务;二是实时性高，能够支持时延敏感型业务;三是能耗低，通过在边缘侧分流中心云的压力，达到节省能耗的目的;四是安全性较高，私有云靠近用户，极大降低了被攻击窃取的概率。其架构如图1所示。

2.3  应用场景

边缘计算可以与云计算相互协作运行，也可以在中心云的支配和控制下运行。在智慧城市、远程医疗、智慧教育、车联网等方面有较多应用。

3  基于ADC方法的5G边缘计算系统效能评估

3.1  系统模型构建

边缘计算服务器可以按需选择不同功能的软硬件设施，结合需求或拓扑规划进行部署。本文针对其中一种典型部署，给出该模型的效能评估方法。图1所示的系统可抽象为图2所示的模型，A为4G或5G基站，并联关系，B为边缘计算服务器，C为业务交换机，D为接入承载网的网关设备。

3.2  指标体系的建立

效能评估的首要工作就是建立指标体系，指标体系的质量与评估结果紧密相关。本文从可用性、可信性及能力三方面提出边缘计算系统的评估指标体系，如图3所示。

3.3  系统组成与状态

S1、S2、S3、S4为系统工作的四种状态：

S1：所有分系统正常，总系统正常;

S2：分系统A有一个正常、一个故障，或分系统有一个正常、一个故障，其他组分系统正常，总系统正常;

S3：分系统A有一个正常、一个故障，且分系统有一个正常、一个故障，其他组分系统正常，总系统正常;

S4：分系统A、B、C、D（两个分系统D视作一个分系统）、分系统中至少一个故障，总系统故障。

需要注意的是，在系统状态S2中，仅存在一个故障，而S3中有两个故障。

3.4  可用性分析

分析总系统的可用性，需要先求出各分系统的可用性。现实情况中，新组建系统开始运转前，要进行调试和試运行，各参数达标后方可投入正式运行，若在调试阶段出现故障，也可以通过更换备件或维修排障等方式恢复系统状态，确保系统开始状态良好。因此，分系统的可用性与故障率可以用MTBF平均故障间隔时间（与系统平均无故障工作时间含义相同）、平均修理时间MTTR、勤务准备时间MLDT表示。现实中，边缘计算设备体积小、集成度高，维修多以更换备件为主，所以勤务准备时间MLDT可以忽略不计，只考虑MTTR与MTBF。

需要说明的是，5G基站的平均故障间隔时间涉及多个因素，如基于灯杆的微基站、基于4G宏基站建设的5G基

站、基于室内场馆建设的基站，其效能参数不同。且4G多为宏基站，与5G基站的性能参数相差较大。考虑到现实NSA组网方式，分系统A包括一个5G和一个4G基站，在这里假设其平均故障间隔时间，重点讨论方法应用，数据来源于网络。

假设分系统A、B、C、D的MTBR和MTTR如表1所示。

设pk为分系统k的可用性， 为其故障率，则有：

可用性：

则有分系统A，B，C，D可用性为：

，

，

由上可得该系统的可用性矩阵为：A=（a1，a2，a3，a4），其中a1，a2，a3，a4分别代表系统四种工作状态S1、S2、S3、S4的概率，该式展开为：

3.5  可信赖性分析

可信性具有动态特点，它反映的是系统维持原状态和状态转移的概率，维持原状态的概率越大，转移到更低状态的概率就越小，代表着系统的可靠性越高。在分析系统可信性时，假设系统故障后无法修复，即系统状态只有S1S2（其余状态同理）。若dij表示系统由状态i转移至状态j的概率，则有当i>j时，dij=0，可信性矩阵D为上三角矩阵。

下面引入两个新参数：平均故障率λ、平均维修率μ。

可以理解为平均每正常工作时间MTBF故障一次，即平均故障率;平均每修理时间MTTR修好一次，即平均维修率。具体表示为：

，

则分系统A，B，C，D的平均故障率为：

，

，

因系统故障服从指数分布，故用可靠性表示分系统正常工作的概率为：R=e-λt，则分系统出现故障的概率为：1-R。由此可分别求出系统由初始状态转移至其他状态的概率：

（1）初始状态S1，维持S1的概率为：

（2）初始状态S1，转移至S2的概率为：

（3）初始状态S1，转移至S3的概率为：d13=RA（1-RA）RBRCRD，（1-RD）

（4）初始状态S1，转移至S4的概率为：d14=1-d11-d12-d13

（5）初始状态S2，维持S2的概率为：

（6）初始状态S2，转移至S3的概率为：

（7）初始状态S2，转移至S4的概率为：d24=1-d22-d23

（8）初始状态S3，维持S3的概率为：d33=RARBRCRD

（9）初始状态S3，转移至S4的概率为：d34=1-d33

（10）初始状态S4，维持S4的概率为：d44=1

据上述计算结果，可得可信性矩阵D，具体步骤不再赘述。

3.6  能力分析

根据所建立的指标体系，其能力主要考虑数据处理能力、网络构建能力、威胁应对能力三个方面，所以边缘计算系统的能力应为数据处理能力、网络构建能力、威胁应对能力三方面能力矩阵的乘积：

若以E，Edata，Enet，Esafe分别表示系统能力、数据处理能

力、网络构建能力、威胁应对能力，则有：E =Edata·Enet·Esafe。

而数据处理能力主要从异构数据处理能力ea、数据识别卸载能力eb、操作系统兼容性ec三个方面考虑，则有：Edata=ea·eb·ec。

网络构建能力主要从服务发现能力ed、快速配置能力ee、负载均衡能力ef三个维度考虑，则有：Enet=ed·ee·ef。

威胁应对能力主要从应对网络信息威胁能力eg、应对应用威胁能力eh、应对系统威胁能力ei三个维度考虑，则有：Esafe=eg·eh·ei。

由上可得：E=Edata·Enet·Esafe=ea·eb·ec·ed·ee·ef·eg·eh·ei

定性地看，系统处在不同状态下，其能力不同，如处于S1状态下，各项性能指标较好，则能力强于状态S4。需要将能力指标定量化，具体过程如下：若系统处于状态S1时，能力为E1;若系统处于状态S2时，能力为E2;若系统处于S3时，能力为E3;若系统处于状态S4时，能力为E4。由此可得系统的能力矩阵为：

3.7  系统效能分析

将上述结果代入模型E=A ·D ·C 即可求出边缘计算系统的效能。

在现实环境中，影响系统效能的因素复杂多样，有运行环境因素和人为操作因素等，因此，即使处于同一种状态下，效能值也会有所差别，所以分析边缘计算系统乃至5G通信的组分系统的效能时，不应仅局限于本文所构建的指标体系，可以根据系统實际运行环境，考虑对ADC法进行改进[5]，如：当需要从一个公司整体分析时，人员素质参差不齐，此时应将技术人员的理论和操作水平考虑进去，令人员能力水平因素为P ，具体有理论水平p1、操作水平p2、人员状态p3三方面因素，则模型为E=A·D·C·P ;同理，当需要考虑系统在实际环境中信号衰减因素时，可以引入衰减因子Q ，模型为E=A·D·C·Q 。

4  结  论

面向5G的边缘计算在未来将迎来巨大的发展，同时ADC法也已有很多不同的改进方法。针对边缘计算系统的效能评估，关键在于评估指标的建立，其次可以考虑将影响效能的主要因素作为一个单独的矩阵乘入ADC模型中，也可以将影响因素放在D系统可信度中进行计算。

参考文献：

[1] Cisco Visual Networking.Cisco global cloud index：Forecast and methodology 2015-2020[EB/OL].[2020-11-10].https：//www.cisco.com/c/dam/global/en_ph/assets/tomorrow-starts-here/files/global_index_whitepages.pdf.

[2] 张杰，唐宏，苏凯，等.效能评估方法研究 [M].北京：国防工业出版社，2009：27.

[3] Mobile Edge Computing-A Key Technology Towards 5G [EB/OL].（2016-04-26）.https：//www.linkedin.com/pulse/mobile-edge-computing-key-technology-towards-5g-hugo-bruers.

[4] 施巍松，张星洲，王一帆，等.边缘计算：现状与展望 [J].计算机研究与发展，2019，56（1）：69-89.

[5] 李志猛，徐培德，刘进.武器系统效能评估理论及应用 [M].北京：国防工业出版社，2013.

作者简介：韩松岳（1993.03—），男，汉族，陕西宝鸡人，助理工程师，硕士研究生在读，研究方向：5G移动通信、边缘计算;杨舒洵（1990.06—），男，汉族，重庆北碚人，讲师，硕士，研究方向：移动通信;梁亮（1988.12—），男，汉族，吉林长春人，助理工程师，硕士研究生在读，研究方向：信息系统，军事通信。