浅析移动边缘计算卸载策略

高宏璟陈云选

（1.中国信息通信研究院，北京 100000；2.重庆信息通信研究院，重庆 400065）

0 引言

如今，新兴的物联网应用对人们的生活方式产生了巨大的影响，例如智能家居、疫情防控和控制以及电信。这些应用不仅消耗大量的能源、内存和计算资源，而且对时延的要求也很严苛。尽管科技的快速发展使得终端物联网设备变得更加强大，但是对于单个设备而言，运行大型应用程序时电池、CPU 和内存仍然不足[1]。计算卸载被视为上述问题的解决方案之一，将计算任务卸载到其他系统以执行，移动设备可以将计算任务转移到云中以解决资源短缺的问题。但是，随着物联网的快 速发展和普及，数以百万计的物联网设备将需要云服务。这将给传统的云计算带来很多挑战，例如传输延迟，带宽限制等问题。为了有效应对这些挑战，正在出现一种新的计算范例，称为边缘计算。它利用靠近用户的边缘服务器（例如Cloudlet 和MEC）在网络边缘提供计算和存储服务。与云计算模式相比，边缘计算具有低延迟、高带宽和安全性等特征[2]。

在边缘计算中，问题的核心在于如何作出卸载决策，计算任务的卸载决策受到多方面因素的影响，这其中就包括任务特征、网络信道条件和服务器差异等许多因素的影响。同样，不稳定的网络状态也会影响卸载所带来的收益。因此，如何根据各种因素及其不可预测的变化作出卸载决策，以达到预期的目的仍然是一个研究问题。

1 边缘计算概述

边缘计算源于ETSI，与传统的云计算不同，它的定义是在距离用户移动终端最近的无线接入网内提供IT 服务环境以及云计算能力，其目的是为了减小端到端的时延，从而使得网络运营效率、业务分发/传送能力得到有效的提升，改善用户的体验。表1简述了云计算和边缘计算的对比。

表1 云计算和边缘计算的对比

如图1所示，描述的是MEC 的一般体系架构，如社交网、大数据以及物联网中不同的传感器和终端设备通过边缘网络实现与核心网的连接。随着基于LTE 的无线接入网的发展，通过部署MEC 将云服务下沉到用户附近更具可行性。因此，每个边缘平台代表一个边缘云，其中包含针对目标移动环境的应用程序和服务。

图1 MEC体系结构

MEC 构成具有内置IT 服务的地理分布式服务器，这些服务器在移动用户场所（如商场）本地实现。MEC可以部署在固定位置，例如在公园或位于任何移动物体中的移动设备上。MEC 可以部署在LTE 基站（eNodeB）或多技术（3G/LTE）小区聚合站点。多技术小区聚合站点可以位于室内或室外。为了在基站推动智能并有效优化无线接入网服务，MEC 技术开发了一个充满活力的生态系统和一条新的价值链，为移动用户提供附近位置的智能服务。

综上所述，MEC 的关键价值主张是，它通过将云资源推到移动网络的边缘来提供云计算，从而满足计算量大的应用程序需求，延迟敏感和高带宽要求。

2 边缘计算研究热点

（1）计算卸载。计算卸载是由于终端设备受到其自身能力的限制，将全部或者部分计算任务卸载到边缘服务器进行计算，从而达到降低时延、减少终端能耗的目的。卸载决策作为计算卸载的核心问题，其主要解决的是终端设备如何卸载计算任务、卸载多少以及卸载什么的问题。通过卸载决策的优化目标进行划分，一般可分为三种类型：权衡时延和能耗、降低能耗、降低时延。

（2）移动性管理。终端应用的移动端受益于边缘计算资源分布广泛的特点，通常情况下一个边缘节点只服务于周边的用户。相比之下，传统的云计算对终端应用的移动性则是通过数据通过网络传输到服务器来实现，并且服务器位置是固定的，因此，在边缘计算的场景下，终端应用的移动性管理是一个新开始。这其中主要包含两个问题：资源发现，即用户在移动时对周围可利用的资源进行快速发现及选择。另一个问题是资源切换，即当用户移动时，移动应用使用的计算资源可能会在多个设备间切换。资源切换要将服务程序的运行现场迁移，保证服务连续性是边缘计算研究的一个重点。

3 边缘计算卸载影响因素

（1）设备因素。设备因素指的是设备特性和状态，例如异质性，位置和移动性。首先，边缘设备种类繁多，包括移动设备、传感器和IoT 设备，它们具有不同的硬件体系结构、处理能力、存储容量和操作系统。因此，设备的异质性将在一定程度上影响卸载效果，例如执行时间和能耗。其次，设备的位置可能会影响接收信号的强度，如果设备的位置靠近服务器或信号发送器，则设备接收到的信号很强，容易卸载；相反，当位置远离服务器或信号发送器时，接收到的信号较弱且难以卸载。

（2）网络因素。对于计算卸载，网络条件是一个重要因素，会对卸载决策产生重大影响。它包括链路质量、带宽、网络干扰等。首先，链路质量对于数据传输至关重要。边缘设备通常通过无线与服务器通信，无线信道具有反射、折射和多径衰落，这使得信道具有很强的时变特性，并导致符号间干扰。正是由于无线信道所具备的时变性特征，使得任务卸载的时延无法准确刻画，从而影响卸载决策的选择。文献[3]研究了移动边缘计算节点和固定边缘计算节点以合作提供低延迟的计算服务。此外，在复杂且动态的IoV 环境中，处理节点和通信链路的中断都是不可避免的。为了确保对延迟敏感的IoV服务的高可靠性完成，将部分计算分流和可靠的任务分配以及带有后处理机制的可靠任务引入EC-SDIoV。

文献[4]研究如何在具有URLLC 和eMBB 服务的移动边缘计算（MEC）系统中分析延迟并优化短数据包的卸载方案。为了减少短数据包的计算延迟，在MEC 系统中部署了处理器共享（PS）服务器，其中，总计算能力平均分配给服务器中的所有数据包。这样，短数据包可以绕开服务器中的长数据包。得出PS 服务器中短数据包所经历的延迟的互补累积分布函数的闭式表达式，在满足可靠性的前提下优化卸载概率，从而有效减少端到端的延迟。

（3）服务因素。计算卸载的效果主要取决于服务器节点的选择，服务器节点为处理任务提供服务。这些服务器节点可以是边缘服务器或附近的IoT 设备，也可以是云服务器。从理论上讲，可以将应用程序或任务卸载到任何服务器节点上以执行。但实际上，边缘设备在作出卸载决策之前应考虑服务器节点的计算能力、可用资源、距离和访问技术。计算能力代表服务器节点处的处理速度，这是确定是否要卸载的重要但不是惟一的因素。资源不足也可能会影响响应时间。例如，当任务卸载到服务器节点，但CPU 过载或被其他线程占用时，该任务将被挂起并等待CPU，这样会增加响应时间并影响卸载效果。文献[5]利用软件定义网络的思想，基于全局感知的特点，提出一种边缘协作体系架构，来实现资源共享，从而实现任务的高效卸载。特别是考虑到本地服务器的负载过高以及远程服务器的闲置资源，基于博弈论的思想获得用户的最佳卸载策略。

4 边缘计算卸载策略

（1）完全卸载。文献[6]通过云边协作处理模式来实现最小化时延的目标。首先，联合通信和计算资源分配问题进行建模，得到所有移动设备的加权和时延公式。然后，作为回传链路容量和云计算容量的函数。最后，基于Cauchy-Buniakowsky-Schwarz 闭环形式，得出最优卸载策略。X.Duan 等人[7]针对物联网边缘计算中的任务卸载策略和性能优化问题，本文研究了如何有效卸载应用程序，以实现卸载成本与系统性能之间的权衡。考虑到边缘服务器的区域优势和远程云计算中心的丰富资源，构建了以卸载成本为优化目标，队列稳定性为约束条件的优化模型，并提出了漂移加成本计算的卸载策略（DCCO）基于Lyapunov 优化。

（2）部分卸载。文献[8]提出了一种针对移动边缘云计算的能耗最小化优化问题。应用KKT 条件解决了该问题，并针对此问题提出了请求卸载方案。特别地，卸载方案由每个时隙的能量消耗和带宽容量确定。文献[9]提出了一种针对实时和计算密集型应用程序的节能任务卸载方案，该方案可优化移动设备的能耗，而不会违反此类应用程序的严格延迟要求。特别是，为了在移动设备上节省本地能源，提出了一种计算和功耗优化（CPO）算法，以实现最佳的作资源分配。然后，提出了一种多设备和多服务器任务联合任务分担博弈（JTOG）算法，以最大程度地减少所有生成多个任务的移动设备的能耗。

5 边缘计算卸载指标

在时延方面，文献[10]研究了在一个云边缘协作系统中，联合通信和计算资源分配来最小化所有设备的加权和延迟。文献[11]通过将计算密集型任务卸载到MEC 服务器来提高QoS，考虑同时分配MEC 服务器的无线电资源和计算资源，以提高系统效率。除此之外，还考虑了各种任务的要求，也就是说，假设不同的任务可能具有不同的延迟要求，将问题表述为成本最小化问题，并设计一种启发式算法来解决该问题。

在能耗方面，文献[12]研究了多用户单服务器的场景，并基于该场景提出了一种SMSEF 算法来降低设备移动能耗。该算法利用贪心选择来解决MEC 计算资源分配、信道分配和功率控制的优化问题，并给出相应的求解方法。在文献[13]中，作者提出了一个框架，该框架考虑应用程序和系统特定的参数来确定能源最佳的计算卸载配置，后续研究了在卸载时对能量受限的终端进行压缩减压的可行性。

在能耗和时延共同考虑方面，文献[14]研究了一种基于价格的分布式方法来管理用户的计算任务。基于Stackelberg 博弈建立了边缘云与用户之间的交互模型，其中边缘云根据有限的计算能力设置价格以实现收入的最大化，用户对于边缘云给定的价格，在本地作出卸载决策以实现本身成本最小化。在文献[15]中，作者在任务可分割的场景下，设计了一种基于时分多址（TDMA）和正交频分多址（OFDMA）的多用户边缘计算系统的资源分配机制，以最小化设备能耗的加权总和，并使执行延迟低于延迟要求。

6 未来发展和挑战

（1）安全。安全问题是确保MEC 部署安全的主要问题之一。当前的研究虽然有一些适用于MEC 的安全性机制，但是仍有一些问题需要适当的研究。例如，计算密集型应用程序将其计算外包给MEC 服务器，通过无线介质来执行计算任务，从而增加了入侵的风险。此外，连接到公共物理服务器的不同用户也会引发安全问题。通过加密和解密策略可以移动应用程序数据，但它会影响应用程序性能。

（2）定价。MEC 环境涉及几个参与者，他们为各自的服务报价不同。这些参与者具有不同的付款方式，不同的客户管理模型和不同的业务策略。因此，它提出了几个问题：一是共同商定的价格是多少？二是付款方式是什么？三是谁来处理客户付款。例如，用户设备上的游戏应用程序必须利用云资源，移动网络和游戏服务。用户必须为游戏付费，该游戏应平均分配给所有相关实体，或者按照双方的合同分配。可以说，不同实体之间很难达成定价协议。

7 结束语

本文介绍了边缘计算的架构，针对边缘计算的研究热点之一计算卸载，从卸载影响因素、策略、指标等方面进行了详细的调研和总结，针对现有的研究工作对边缘计算的未来发展提出了展望。