基于MEC的动态自适应视频流缓存研究

摘要：移动边缘计算（Mobile Edge Computing，MEC）在无线接入网中提供移动和云计算能力。本文提出了一种基于移动边缘计算（MEC）的动态自适应视频流缓存体系结构，利用信息中心网络（Information Centric Networking，ICN）将网络功能与底层的物理基础设施分离开来，用于实现网络边缘视频白适应缓存。MEC服务器可以通过其同有的无线网络信息服务功能为客户端提供指导，在当前网络输入所支持的质量上高速缓存最受欢迎的内容段，使它们能够执行更智能的视频适配。平台提供了一个带宽更高的服务环境，支持10倍增益以及超低延迟、抖动和丢包率等，基于MEC的动态自适应视频流缓存体系结构可以获得比远程服务器更好的性能。

关键词：移动边缘计算;信息中心网络;缓存

中图分类号：TP393 文献标识码：A

文章编号：1009-3044（2020）20-0226-03

Research on Dynamic Adaptive Video Streaming Caching Based on MEC

Xue Duan

（School of Mathematics and Computer Science ， Liupanshui Normal U niversity ， Liupanshui 553000， China ）

Absrtact： Mobile edge computing （MEC） provides mobile and cloud computing capabilities in wireless access networks. In this pa-per， we propose a dynamic adaptive video streaming caching architecture based on MEC， which uses information centric Network-ing （ICN） to separate the network functions from the underlying physical infrastructure to realize the adaptive video caching of net-work edge. MEC server can provide guidance for clients through its inherent wireless network information service function. cachethe most popular content segments on the quality supported by current network input， so that they can perform more intelligent vid-eo adaptation. The platform provides a higher bandwidth service environment， supports 10 times gain， ultra-low delay， jitter andpacket loss rate. etc. the dynamic adaptive video streaming cache architecture hased on MEC can achieve better performance thanthe remote server.

Key words： mobile edge computing; information centric networking; cache

1概述

近年來，随着智能移动设备的迅速发展和无线网络的出现，特别是具有4K分辨率的超高清晰度（UHD）视频，已经成为未来5G网络发展背景下的一个突出用例。5G网络不仅提高网络容量，还通过在复杂和动态的环境中实现必要的网络智能来保证服务质量（QoE）。随着新的网络模式的发展，特别是信息中心网络（ Information Centric、Networking，ICN）[1]和移动边缘计算（MEC）技术的发展，内容感知和智能可以嵌入到移动网络边缘，在动态性和不确定性的网络系统中实现理想的用户体验质量（QoE）。5G的发展增加了移动网络流量，其中大部分数据流量从固定网络转移到无线网络。思科可视化网络服务指数预测，从2016年到2021年，全球移动数据将增长8倍，年增长率将达到53%[2]，如图1所示。面对巨大的挑战，移动网络运营商不仅要满足未来的带宽需求，以提高客户的QoE[3]，还要提高利润，降低总体拥有成本，这就需要新的新技术集成到网络中。因此，移动边缘计算（MEC）和信息中心网络（ICN）应运而生。

MEC的概念由欧洲电信标准协会（ETSI）提出，最初的目标是在5G的移动网络边缘开发面向内容的网络智能，为用户提供一个超低延迟、高带宽以及定制服务的服务环境[4]，MEC的场景结构图如图2所示。MEC作为一种新兴的范例被引入，它支持将云计算功能下沉分布到蜂窝无线接入网络（RAN）的边缘。具体地说，MEC服务器使用通用计算平台直接在小基站上实现，从而能够在接近移动用户的情况下提供上下文感知服务和应用程序[5]。在视频流应用方面，如何处理无线接入网（RAN）的无线资源可用性的动态性以及用户的QoS变得尤为重要。此外，如果需要的视频源位于远程云端平台，则传输过程中的回程和公共因特网中的视频内容也存在不确定性。为了解决这些问题，MEC将网络本地化，更靠近用户端，利用MEC存储和处理能力来提高缓存性能和效率。在MEC服务器上可以缓存视频内容，首先，网络边缘内容对象的有效性消除了视频流会话过程中回传和公共因特网络条件恶化的风险;其次，MEC服务器能够直接捕获无线网络条件，并相应地对视频适配器执行快速转码等，而不必依赖用户或内容源的端到端适配。

ICN作为物联网领域一种新颖的设计方案，在互联网的基础上，改变TCP/IP以主机为中心的连接模式，变成以信息（或内容）为中心的模式。通常，内容缓存均在以信息中心网络（ICN）的背景下进行扩展研究[6]。在文献[7]中，作者开发了博弈论模型来评估ICN中接入网络、中转网络和内容提供商之间的联合缓存和定价策略。与ICN设置不同，相当多的研究工作集中于无线网络中的内容缓存，以及利用连接到ICN的回程链路[8]。文献[9]中提出了一种云无线电接入网络（C-RAN）中的协作分层缓存，其中引入了云缓存作为基于边缘的缓存方案和基于核心的缓存方案之间的桥接层，作者提出了一种低复杂度的在线缓存管理策略，该策略包括主动缓存分发算法和反应性缓存替换算法，以最小化所有内容请求的平均延迟成本。文献[10]提出了一种协调的数据分配算法，以最小化C-RAN中的预编码矩阵和缓存放置矩阵的网络成本。

在传统的DASH视频流应用中，用户设备（即DASH客户端）根据动态网络环境的顺序自适应地要求不同的视频质量，以保持用户满意的QoE。基于HTTP的视频流应用程序在互联网上越来越流行，它将视频分成多个片段，以便客户在视频回放过程中可以逐步下载和缓冲的设置。此外，每个片段被编码成多个质量，以便当DASH客户端请求一个片段时，它可以从多个视频质量（即比特率）中进行选择，以适应其感知的动态网络条件。大量的研究工作者在优化客户端的DASH视频适配上进行了深入研究。本文在移动网络边缘引入了一种基于MEC的基于ICN的内容处理框架，该框架实现了有序的上下文感知的内容定位，提高了视频分发应用中的用户QoE。本文在基于DASH（HTTP上的动态白适应流）的视频应用基础上引入MEC，其中一个视频内容被分成多个片段，每个视频都可以被编码成不同的分辨率和比特率，可以在视频流会话中独立地请求。MEC服务器由于其实时计算能力，可以将视频转码到不同的变体以满足用户的要求，每个变体都是视频的比特率版本，较高的比特率版本可以转码到较低的比特率版本。

2系统概述

2.1体系架构

图3为基于MEC的动态自适应视频流缓存方案的总体系统架构。如图3所示，移动设备包括智能手机、笔记本电脑、平板电脑、可穿戴设备和智能工业设备等，这些设备通过基站或接人点（如LTE宏基站、3G无线网络控制器，多技术小区聚合设备和Wi-Fi热点），同时在基站或接入点旁边部署了MEC服务器。由于内容提供商的应用和MEC服务器上承载的网络运营商的服务，可以直接控制和响应移动边缘的用户流量，MEC服务器在接收到请求时，要么处理请求，要么直接与用户交互，或者转发到远程数据中心或附近的其他MEC服务器。

MEC网络由通过回程链路连接的多个MEC服务器组成。每个MEC服务器与BS在蜂窝RAN中并排部署，提供计算、存储和联网能力，以支持与用户密切相关的上下文感知和延迟敏感的应用。在系统架构中，我们使用MEC服务器来实现视频缓存和处理，MEC缓存服务器的概念类似于Intemet上的缓存代理服务器。在该系统中，一个专用的ICN网络功能，称作内容请求器，通常在网络边缘被维护（例如，eNB或聚集点在它们的北端）。内容请求器负责解决即将到来的视频内容请求到远程服务器或MEC服务器的本地缓存。在不失去通用性的情况下，内容请求器采用类似的内容表示功能，如NDN（命名数据网络工作）访问路由器或内容服务器，在这种情况下，内容请求直接被解析并通过最佳路由进行传输。

2.2以ICN为基础的MEC

在MEC环境中，所部署的移动网络和移动设备必须具有灵活性和可伸缩性，以便使所述网络能够适应个性化服务的需要。同时，在移动网络的边缘，来自不同厂商的软硬件集成是必不可少的。为了在接入网内实现移动和云的融合，在电信和信息技术行业（如ICN）中实施了几项关键技术，这些技术可用于MEC。

首先，ICN提供了IT虚拟化技术，基于IT技术的基站虚拟化和家庭环境虚拟化是可能的[3]7。Virtualized Network函数（VNFs）部署在与硬源分离的虚拟机（VM）中。至于MEC，在整合多种类型的网络元素的同时，应该提供云计算的能力。因此，虚拟化是MEC减少硬件、特性和平臺异构的负面影响的关键技术。基于ICN的MEC使得第三方合作伙伴能够灵活、高效地部署创新的应用程序和服务。

其次，ICN提供了网络虚拟化技术。通过控制和数据平面的解耦来控制和编程网络，这是一种为MEC抽象网络资源的有效方法。

最后，但并不是最不重要的一点是，ICN可以提供灵活的、可扩展的服务，ICN的编排和管理是MEC的管理平台。

综上所述，ICN和MEC的目标都是将电信和IT结合起来，而ICN可以为MEC提供技术基础，MEC可以在网络边缘的ICN上进行补充和建设。基于ICN的MEC解决方案不仅可以改善高带宽、低延迟的服务环境，提高服务自动化部署的效率，提高MEC与ICN共享同一硬件资源时的整体资源利用率，提高编排和管理效率，同时也创造了一个新的链条和一个更新的网络系统。

3结论

在本文中，我们在ICN的基础上，提出了基于移动边缘计算的动态自适应视频流缓存架构。在系统架构中，连接到BSs的MEC服务器可以相互协助，具有极低的延迟、抖动和丢包率，对多比特率视频进行缓存和转码，提高未来5G网络环境下的移动用户的QoE。今后.我们将推动这个平台的进一步发展，MEC服务器自动选择具有收集到的网络上下文信息。

参考文献：

[1] ETSI. Mobile edge computing——a key technology towards 5G[R]. 2015.

[2]Cisco Visual Networking Index，http：//www.cisco.com/c/en/us/so-lutions/collateral/service-provide r/visual-networking-index-vni/mobile-whitepaper-cll-520862.html.2016.

[3] Taleb T.Toward carrier cloud： Potential， challenges， and solu-tions[J]. IEEE Wireless Communications. 2014， 21（3）：80-91.

[4] ETSI. Executive Briefing-Mobile Edge Computing（MEC） Initia-tive. 2014.

[5]Y.Mao，J.Zhang， and K.B.Letaief. "Dynamic computationoffloading for mobile-edge computing with energy harvestingdevices." arXiv preprint arXiv：i605.05488，2016.

[6] M. Xie，I.Widjaja， and H.Wang， "Enhancing cache robust-ness for content-centric networking，”in Proc. iEEE INFOCOM，2012：2426-2434.

[7]M.Hajimirsadeghi，N.B.Mandayam， and A.Reznik， "Jointcaching and pricing strategies for information centric networks.”in Proc. IEEE Global Communications Conference （GLOBE-COM），215：1-6.

[8]H.Ahlehagh and S.Dey， "Video-aware scheduling and cach-ing in the radio access network." TEEEIACM Transactions onN etworking.2014，22（5）： 1444-1462.

[9]A.Gharaibeh.A.Khreishah.B.Ji，and M.Ayyash， "A prov-ably efficient online collaborative caching algorithm for multicell-coordinated systems." iEEE Transactions on Mobile Com-puting，2016，15（8）：1863-1876.

[10]S.Mosleh.L. Liu.H. Hou.a nd Y.Yi." Coordinated Data As-signment：A Novel Scheme for Big Data Over Cached Cloud-RAN.”in Proc. TEEE Global Communications Coriference（GLOBECOM）， Dec. 2016.

【通聯编辑：梁书】

收稿日期：2020-04-21

基金项目：贵州省教育厅自然科学研究项目（黔教合KY字[2019]144）;六盘水师范学院科学研究项目（LPSSY201804）

作者简介：薛端（1991-），男，山西芮城人，讲师，硕士研究生，主要研究方向：边缘计算。