英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
移动边缘计算研究综述
摘要：移动边缘计算（Mobile Edge Computing）是一项新兴技术，可在移动用户附近提供云服务和IT服务。传统的电信网络运营商执行了流量控制流（转发和过滤数据包），但在移动边缘计算中，云服务器也部署在每个基站中。因此，网络运营商对服务移动用户负有重大责任。移动边缘计算平台通过启用边缘网络的计算和存储容量来减少网络延迟。它还使应用程序开发人员和内容提供者能够通过使用实时无线接入网络信息来提供上下文感知服务（如协作计算）。移动和物联网设备为计算密集型应用（如图像处理，移动游戏）执行计算，以充分利用移动边缘计算服务。在本文中，讨论了一些有前途的实时移动边缘计算应用场景，随后，介绍了关于移动边缘计算领域的最新研究成果。本文还介绍了移动边缘计算的分类，并描述了关键属性。最后，论述讨论了对成功部署移动边缘计算带来的开放式研究挑战。
关键词：移动边缘计算，计算卸载，协同计算
一、综述
最近，移动设备（如手机，智能手机，平板电脑等）正在成为学习，娱乐，社交网络，更新新闻和商业的重要工具。 然而，由于移动设备的资源限制（处理能力，电池使用寿命，存储容量），移动用户与台式机相比并没有获得同样的满意度。 在移动云计算发展之后，移动设备可以直接访问许多云端计算服务，如m-health-care，m-learning，m-gaming和m-governance。这也意味着对高网络负载以及对网络带宽的需求不断增长，因为数据必须从移动设备和云端数据中心进行传输和接收，预计带宽需求预计每年会翻一番。
此外，新生的物联网（Internet-of-Things，IoT）范式使得资源受限的设备通过互联网相互连接。但是，这些边缘设备中的很多都嵌入了低处理器和存储容量。为了克服移动云计算（与IoT范例类似）中的上述情况，许多技术例如游牧服务和计算卸载已经被提出了，边缘设备将卸载一些计算到远程资源丰富的云（Amazon EC2和Windows Azure），从而节省处理能力和能源。 但是，对公有云的计算卸载可能涉及公共云和边缘设备之间通过互联网进行数据交换的长时间延迟。为了克服上述问题，提出了微云计算，其中移动设备可以通过使用Wi-Fi接入点访问邻近使用邻近度较低的资源丰富的服务器进行计算。
但是，由于以下原因，微云计算与云计算特性相比效率较低：首先，只能通过Wi-Fi接入点访问微云计算，而Wi-Fi接入点只覆盖小区域，因此没有普适计算的保证。其次，与云计算相比，微云计算的资源较少，因此它在服务和资源配置方面不具有可扩展性。为了克服上述具有挑战性的问题，最近提出了一种新的移动边缘计算模式。
移动边缘计算使移动用户能够在无线接入网络（Radio Access Network ，RAN）范围内靠近IT和云计算服务。移动边缘计算的主要目标是通过将核心WAN的计算和存储容量引入边缘网络来减少延迟。移动边缘计算有如下定义：
“移动边缘计算（Mobile Edge Computing）是一种模型，用于在移动用户附近的无线电接入网络内实现面向业务的云计算平台，以服务延迟敏感的，情境感知应用程序。”
移动边缘计算提供实时无线接入网络信息（如网络负载，用户位置）给应用程序开发人员和内容开发人员。这些实时网络信息用于向移动用户提供情景感知服务，从而提升用户的满意度并改善体验质量（Quality-of-Experience，QoE）。移动边缘计算平台增加了边缘责任，并允许计算和服务在边缘进行托管，从而减少了用户的网络延迟和带宽消耗。网络运营商可以允许第三方合作伙伴处理无线网络边缘，这将允许为移动用户和企业快速部署新应用和边缘服务。
图1 移动边缘计算架构
图1显示了一种新型的移动边缘计算架构。 该体系结构中有三个基本组件：
（1）边缘设备，包括连接到网络的所有类型的设备（包括手机和物联网设备）。
（2）边缘云，是每个移动基站部署的资源较少的云。边缘云负责传统网络控制（包括转发和过滤）和托管各种移动边缘应用（边缘医疗，智能跟踪等）。
（3）公共云，是互联网托管的云基础设施。
移动边缘计算的主要目标是：
1.通过在边缘网络中托管计算密集型应用程序（如图像处理，移动游戏）来优化移动资源。
2.在发送到云端之前优化大数据。
3.通过邻近的移动用户提供多种服务。
4.借助无线接入网络信息提供上下文感知服务。
本文的意义在于：（a）调查移动边缘计算中最先进的研究成果。（b）基于各种参数特征，参与者，访问技术，应用程序，目标，计算平台和关键促成因素的设计。（c）识别与移动边缘计算相关的各种开放挑战，这些挑战阻碍了成功部署。突出显示的开放式研究挑战将为该领域的研究人员提供指导。
本篇文章的内容如下：第二部分介绍了一些突出显示移动边缘计算平台潜在需求的实际应用场景，第三部分介绍了当前移动边缘计算领域当前最先进的研究工作。第四部分展示了移动边缘计算的分类，并定义了分类中涉及的不同属性。最后，第五部分和第六部分通过总结其他相关的论文和直觉总结了移动边缘计算中的开放式研究挑战。
二、研究动机
本节介绍移动边缘计算领域当前的应用场景，为该领域的研究人员提供动力。移动边缘计算平台适用于动态内容优化，物联网计算，移动大数据分析和智能交通等应用。这些应用程序不适合在移动设备或便携式设备上运行，因为应用程序计算密集且需要巨大的存储容量。
A.动态内容优化
内容优化在网站托管站点执行，以满足客户的期望。为此，传统的内容优化使用了存储在数据库中的用户网络浏览记录。有时，内容优化是通过询问用户的当前地理位置并基于该信息进行分析来完成的，也可以根据用户的情景感知信息动态完成。在移动边缘计算的帮助下，内容优化器可以托管在边缘服务器上。在这种情况下，内容优化器动态获取准确的小区和无线接入网络信息（网络负载，网络状态等），并基于该内容优化执行。基于边缘的内容优化可提高网络性能，增加体验质量和新服务。
B.在物联网中进行计算
随着可穿戴和低处理能力物联网设备的近期曝光，传统的高计算密集型应用（如增强现实和监控系统）无法在设备中执行。这个问题可以通过将物联网应用分成小任务来解决，并且一些任务在云端（即在核心网络）执行，只要延迟和准确性得以保留。通过在边缘服务器上调用任务而不将任务传送到核心网络，可以优化上述场景。因此，在边缘服务器上进行冲突肯定会减少延迟。计算移动边缘计算的冲击有一些挑战：如何分割物联网应用程序？如何识别一个任务应该是否存在？如何在用户移动时同步应用程序？
C.移动大数据分析
近年来，手机是上网的主要方式，因此，使移动设备成为了解和分析目标市场的最有效途径。大数据是结构化和非结构化大量数据的集合，而大数据分析则是分析大数据以实现更好的决策和战略性业务移动的过程。在传统的大数据分析中，来自边界设备的数据收集将其转移到核心网络进行大数据分析，此过程需要高带宽和延迟。而移动边缘计算平台可以用于大数据分析，而且不会浪费大量带宽。大数据分析可以在网络边缘执行，分析后可将结果发送到核心网络。因此，该方案将减少带宽消耗并改善网络延迟。
D.智能交通
智能交通是为了克服城市居民在交通方面面临的关键问题，如交通不便、路况差、停车位不足、公共交通能力不足、道路安全等。例如，通过从路边安装摄像头和传感器设备收集实时数据，可以从边缘网络自动实现交通控制。传感器设备可以检测接近的物体（如行人和车辆），并可以测量物体的距离和速度。根据收集到的数据，交通控制可以通过向智能交通灯发出适当的信号来改变车辆路线。类似地，智能停车系统可以通过从边缘网络收集用户上下文信息和分析用户设备附近的可用空间来建模。
三、移动边缘计算：最先进的研究工作
移动边缘计算平台旨在促进位于边缘设备附近的无线接入网络边缘的IT和云服务。 在本节中，我们将介绍移动边缘计算领域的最新研究成果。
A. FemtoCloud
Habak等人提出了FemtoCloud 系统，该系统提供了一个动态的，自我配置的“多设备移动云系统，通过协调多个移动设备来扩展微云的计算。 FemtoClouds利用附近未使用的移动设备在网络边缘提供“服务计算”，从而减少了在传统云数据中心的计算机上的网络延迟。 FemtoCloud中的设备可以通过三种方式进行分类：能够创建Wi-Fi接入点并充当控制设备的云端设备，计算集群是一组可以共享硬件和资源的移动设备，以及尝试使用计算作为冲洗的服务。
最初，移动设备通过使用Wi-Fi网络加入计算集群，发送设备信息（移动设备的计算可用性，可用于共享的计算，利用历史记录）和共享策略到云端。根据设备的计算可用性和电池电量，微云可以拒绝将新设备加入计算集群。移动设备通过将计算代码，输入和输出数据大小发送到云端，从而完成密集任务。通过在可用的移动设备上计算所需的计算时间（如果可用则使用Mantis系统），将输入任务安排到计算集群。FemtoClouds控制在将传入任务安排到移动设备期间使用贪婪启发式方法优化模型。 FemtoClouds系统通过最小化对企业基础架构的依赖并扩展计算能力来提供基于社区的计算服务。系统中的浮动计算性能取决于计算集群中可用移动设备的数量以及设备的未使用硬件资源。
B. REPLISOM
Abdelwahab等人提出了REPLISOM ，这是一种移动边缘云架构，用于在多个物联网设备通过LTE环境将内存对象复制到边缘云时降低云响应能力。 REPLISOM架构在演进型基站（the evolved NodeB，eNB）的边缘增加了云计算资源，为特定的物联网应用提供克隆虚拟机，存储和网络资源。在REPLISON中，边缘云不是推送新的更新内存对象，而是将内存副本拖到相应的克隆虚拟机。REPLISOM中的LTE优化内存复制协议使用内存复制的稀疏性来推断通信数量。当多个物联网设备（假设全部n个设备中有多个设备）试图更新内存对象而不是将它们发送到边缘云时，每个设备都会使用Device-to-Device通信技术将新的更新内存对象发送给邻居设备。接收设备（假设第j个）将接收存储器副本压缩成单个副本。边缘云周期性地向相应的物联网设备发送拉取请求（使用预先调度的上行链路授权）。当设备J从边缘云接收到拉取请求时，作为响应，它将压缩的副本推送到边缘云。最后，边缘云通过使用压缩采样构造算法来恢复存储器对象并将其存储到相应的虚拟机。
当多个物联网设备将其更新的对象复制到附近的边缘云时，REPLISOM体系结构可降低冲突期间的延迟和成本。
C. ME-VoLTE
Beck等人提出的移动边缘计算支持LTE语音（ME-VoLTE）体系结构，以减少视频通话期间移动设备的电池消耗，并提供通信协议来协商翻译策略。这里，视频呼叫处理期间的视频编码过程在MEC边缘服务器上进行。 VoLTE基于IP多媒体系统且主要两个组件是1.代理/服务呼叫状态控制功能或（P- / S-CSCF），其任务是在移动设备（UE）和VoLTE网络之间发送信号。 2.媒体资源功能（MRF）是VoLTE网络的一部分，负责媒体混合，媒体播放和媒体转码。当移动设备尝试进行视频通话时，通过使用代理（P / S-CSCF）将请求（连同一组编解码名称）发送给MRF。 MRF根据当前可用计算资源和上行链路强度协商编码类型。协商后，移动设备通过选择（由P / S-CSCF发送的）编解码器之一编码视频并将媒体发送到MEMRF。VoLTE协议在视频呼叫处理期间使用会话发起过程。ME-VoLTE是基于视频电话系统的移动边缘计算技术，可降低视频通话时的能耗。
D.多用户的计算卸载技术
Chen等人提出了一种用于移动边缘计算的分布式计算浮动模型。所提出的模型利用博弈理论方法来实现泛用游戏多用户计算的纳什均衡。当多个设备选择使用相同的无线通道同时向电信云端插入时，只有在电源插入后减少计算时间才能减少任务并节省能耗。作者将多通道无线环境下移动边缘云计算的决策问题形式化为浮点游戏的多用户计算。在多用户计算游戏中，浮动决策依赖于总云资源用户的性能价值。在这里，如果没有违反纳什均衡的情况，设备会决定向云端发起冲突。上述模型的优点是解决了多用户计算冲突的NP难问题。
E.移动设备同行中的计算卸载
Gao提出了一种概率计算的浮动框架，用于在战术边缘内移动设备的同伴之间进行移动计算。在战区地区，处理附近环境的现场传感数据等应用需要大量的计算。所提出的框架将部分应用的一部分转移到附近的移动节点以减少计算时间和能量消耗。一个节点的判决依赖于计算能力，相邻节点的能量水平以及它们之间可能的未来接触。这两个节点可以通过应用移动节点间的接触时间（ICT）分布的属性来预测它们将来的连接。根据所提出的框架，在移动终端之前，计算计算时间对新节点，能耗和未来联系的评估。如果时间和能量消耗减少后，以及新节点确保在联系期内完成任务，则新节点将执行任务。如果使用上述技术可以获得浮动任务的机会，则任务将递归地发送到附近的节点。所提出的模型有效地将移动节点（在战术边缘中）的工作量递归地分配给邻近的梨节点。该模型降低了能耗和高任务吞吐量。上述模型的性能取决于战术边缘网络中相邻节点的数量。如果一个节点突然离开网络，该模型不会考虑其含义。
所提出的模型有效地将移动节点（在战术边缘中）的工作量递归地分配给邻近的梨节点。 该模型降低了能耗和高任务吞吐量。上述模型的性能取决于战术边缘网络中相邻节点的数量。如果一个节点突然离开网络，该模型不会考虑其含义。
F. 计算卸载的连续凸近似算法框架
Sardellitti等人提出了连续凸近似（SCA）算法框架来优化无线电和计算资源，以便在多小区移动边
全文共10981字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15419]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
