移动边缘计算下的任务卸载策略研究

2021-08-24梁雪涛李升建张延良薛雷宋业栋

中国科技纵横 2021年11期

梁雪涛李升建张延良薛雷宋业栋

（潍柴动力股份有限公司，山东潍坊 261061）

0.引言

随着手机、车载设备等移动终端的普及，网络上的终端设备在过去几年中爆发式增长。这些边缘终端设备搭载的图像识别等新兴功能较传统功能有着基础数据量大、计算需求大，时延要求高等特点。传统的中心式网络架构在这种大数据环境下劣势明显，因为传统架构虽然在数据存储、分析处理等方面存在较大优势，但同时也具有通讯成本高、时延大、计算负荷重、计算资源利用率低等固有劣势。面对当前各种数据的爆发式增长，中心式网络架构无法满足用户需求，与之相比将计算下放至网络边缘更能满足当下低时延、高可靠性的业务要求。另一方面，随着移动终端的普及，基本网络结构也正在发生计算资源分布上的重要变化--越来越多的移动终端设备导致网络边缘配置到更多的计算资源。这为边缘计算的发展提供了有力的现实基础。

移动边缘计算（Mobile Edge Computing，MEC）于2014年由国际标准组织作为一种新兴计算方式正式提出[1]。MEC可理解为分布式计算拓扑的一部分，其主要的数据处理位于网络边缘。参与计算的原始数据在边缘生成，经处理后也在边缘被消费。也就是说，这种计算方式是将传统中心式架构中云中心的一部分存储、计算的功能下放至网络边缘，使之更靠近数据源，通过减少数据传输链路的长度来满足业务方低延时、高可靠度的需求。

应注意的是，MEC和边缘计算并不相同[2]。边缘计算仅设想将部分计算任务下放至移动终端处进行。但应考虑到的是，移动终端受限于移动性需求，往往计算能力差、能量储备低，无法进行中大规模的计算任务。MEC旨在解决移动终端的大规模计算任务处理需求，其解决方法为在通讯基站处设计边缘节点作为计算支点，移动终端将自身无法进行或难以进行的计算任务卸载至边缘节点处进行，以在满足较低时延、能耗的前提下完成大型计算任务。

MEC网络通常为如图1所示的架构，UE的计算任务卸载至边缘节点处进行。在这种策略背景下，如何分配UE和MEC的任务比例以同时满足UE、MEC的需求就成为了一个热点话题。此问题被认为是5G建设以及之后去中心化网络搭建的核心技术问题之一[3]。

图1 移动边缘计算结构示意图

1.任务卸载的基本结构

移动边缘计算的设计理念是将尽量多的计算载荷配置在网络拓扑的边缘部分，以此来降低传输能耗和通信延迟，从而提升用户体验。为了实现这一理念，移动边缘计算通常使用由多种异构部件组成的多层次结构。在这种新范式内，拓扑中心的云服务器，近网络边缘的边缘节点，以及网络边缘的移动终端组成的典型三层结构定义了移动边缘计算的通用架构。移动边缘计算使用云计算中心、边缘节点的计算资源，结合任务卸载决策策略及技术，从时延和能耗方面提升位处网络边缘的移动终端的综合性能。通常而言，云服务器是企业、政府单位的大型计算中心，它们能够提供强而有力的计算能力和存储资源，并承担挖掘计算节点、边缘设备以及资源管理、数据分析的任务；移动终端则是计算任务的发生方，它们常常是车载联网设备、手机、VR、AR游戏设备等终端设备；边缘节点则是由学校、医院、公司、商店、通信基站运营商等组织或个人部署的小微型计算中心。它们位处于移动终端与云服务器之间的通信链路上。边缘节点在计算资源上要全面优于移动终端，同时具备比云服务器显著降低的通信延迟和传输能耗。但相对的，由于边缘节点往往多种多样，形制不一，所以它们固有异构性。现有的边缘节点按照类别不同可分类如下：

（1）Cloundlet。Satyanarayanan等学者提出了Clundlet的概念。我们常称其为基于云的网络搜寻服务。它们是集中设置的服务器集群或在拓扑网络上靠近移动终端的大型服务器。Clundlet主要使用云计算技术服务于移动边缘计算，其中基于虚拟机的迁移技术尤其被重视，移动代理技术则作为另一个发展方向被广泛研究。

（2）小微数据中心。小微数据中心相对大型云计算中心而言，他们只拥有少量的服务器等计算资源。相对的，由于硬件资源成本低，小微数据中心可以在地理上广泛分布。通过在较大的面积内合理配置相当数量的小微数据中心，可以有效的提高计算卸载成功率，降低时延、能耗，降低带宽占用，并在一定程度上降低云数据中心的计算开销。

（3）基站。基站作为移动通信网络存在的物质基础之一，其广泛的存在范围和庞大的既存数量使得其尤为适合扮演边缘节点的角色。基站密集的存在在移动终端周围，且随着LTE以及5G的发展，基站的分布将愈发稠密。在既有研究中，已经有部分研究者使用LTE宏基站以及蜂窝微基站作为边缘节点[4]。

（4）其他。在对未来的规划中，除上述3种主要边缘节点外，移动终端设备既可以是计算的发生者，同时也可以是计算的承担者。在现有MEC理论中，通信链路内的任何计算设备皆可被用于代理计算任务，即在必要情况下均能用为边缘节点。因此，边缘节点也可以包括车载联网设备、手机、VR、AR游戏设备等终端设备。

2.任务卸载的策略研究

因为移动终端本身的固有属性——移动性，移动边缘计算的网络状态与传统网络具有较大不同，因此传统静态网络的路由策略无法完美适配于移动边缘计算领域。移动边缘计算的网络更接近于车联网领域机会网络的概念。其在任务卸载过程中，网络相关的各种状态均会随机发生不定向的变化，常见的如信道干扰、用户移动造成的通信质量降低、小区更替导致的虚拟机迁移、用户操作习惯不同等。因此，针对移动边缘计算的现实状态制定一个严谨有效的任务卸载方案是有必要的。

当前，任务卸载方案的研究设计大多以时延、能耗、系统效率3个指标作为研究入口。其理由分别是如下。时延是用户对于服务体验最直接清晰的感受渠道，因为计算的最终目标是为用户体验服务，所以时延是策略定制中必须考虑的关键性能指标。能耗关系到绿色发展的理念，且如果能耗过高，导致用户移动终端异常停机，将会对用户体验造成毁灭性的打击，所以能耗也是一个关键性能指标。系统效率则是工程中常用于评价工程系统设计质量的指标之一。

2.1 重点关注时延的卸载策略研究

时延作为用户对于服务体验感受最直观的判别标准，在移动边缘计算具体策略的优劣评价标准中占据着重要影响地位。为了尽可能的降低时延这一参数，较多的研究者发表了理论成果。

文献[5]使用朴素思想构建了车载网络V2X和MEC的协同缓存和资源分配模型，在求解过程中进一步将缓存模型转化为背包问题，信道分配表示为图着色模型，求解后得出最优分配算法，从而有效降低了任务完成的实际时延。

在朴素思想中，作者认为边缘设备的分布是均质的，相应技术结构也是一致的。但在实际生产生活环境中，边缘计算终端设备往往具有异构性，其技术结构和硬件结构很难保持一致，为解决此问题文献[6]重点关注了边缘设备的异构性及对任务卸载过程带来的后续影响，提出了一种基于分布式博弈机制的新算法。此算法结合李雅普诺夫优化理论，实现了一种用于计算资源的动态报价机制。此机制被用于调节异构终端发起的不同业务需求所请求的不同计算资源，通过弹性调配的方式按需分配。此方案可以在维持网络稳定的前提下有效实现任务处理时延的显著降低。

另外一个需要关注的问题是移动边缘计算终端的协作能力。为达到较好的任务卸载效率，往往需要单个移动终端向多个移动终端发起任务卸载交互。文献[7]即主要研究了这一问题。此文献首先阐明了相应情景下的任务卸载刚性约束，然后在约束下建立了多个边缘节点相互协作的多跳传输模型及直传模型，并将收益表示为单位时间总代价，以此将问题建模为一个整数优化问题，用最小代价解法求解得到最终算法方案。仿真结果表明，此方案可有效降低任务平均处理时延。

2.2 重点关注能耗的卸载策略研究

受移动边缘计算终端本身的移动性需求所限，其必然具有能量储量低和用量需求高的固有矛盾。因此能耗也应当是任务卸载策略需重点考虑的一个关键性能指标。

为了尽可能的降低卸载能耗，文献[8]提出了软件定义车载网络（SDN-V）的概念，其中心思想是将节点网络上传至中心服务器，并在服务器内进行任务卸载决策及调度，以在全局化的视角下计算大量资源的最优调配策略，从而解决能耗的相关问题。

在多终端多节点多任务的复杂情况下，任务的卸载更加复杂，需要进一步的统筹管理。文献[9]提出在多任务多设备多MEC的复杂卸载环境下的能耗优化问题，其提出了添加中继节点的三层卸载架构，并设计了一个相应的贪心算法，提供了近似比例分析。通过数据仿真，此算法在相应环境下比起传统策略能耗性能提高了66.59%。