邊緣計算在優化遠島觀測數據傳輸中的應用研究

諸茂華，關月芝，溫玉波，劉綺姮

(國家海洋局南海信息中心 廣州 510320)

0 引言

海島在海洋經濟發展中發揮重要作用，同時是優化海洋開發利用的重要載體。隨著我國海洋經濟和“一帶一路”建設的快速發展，越來越多遠離大陸的海島被開發利用。遠島觀測資料對于合理開發利用海島資源、保護海島生態環境和促進海洋經濟可持續發展具有重要意義。目前國內外都在加大力度建設海洋觀測系統，遠島觀測數據傳輸是海洋觀測系統建設面臨的難題之一。由于在遠島建立海底光纜等電纜網絡的工作量大且難度高，目前遠島觀測數據傳輸主要依靠衛星通信技術，但衛星通信技術存在傳輸費用高、實時性差和網絡接入復雜等突出問題。

本研究著重于海洋觀測系統在優化遠島觀測數據傳輸方面的創新，提出基于邊緣計算的遠島觀測數據傳輸優化方法，主要利用邊緣計算模式可在靠近數據源頭提供服務的特點，解決傳統海洋觀測數據傳輸依賴衛星通信技術而帶來的問題。邊緣計算主要側重于將對傳輸可靠性和實時性要求高的原始數據的計算放在邊緣側，而不是將所有原始數據的計算都放在信息中心處理。本研究在網絡中引入基于邊緣計算MEC-SDN架構，以降低無線通信時延和提高無線網絡服務效率，使網絡資源可以動態靈活地調度和分配，從而達到優化整體觀測數據傳輸網絡的效果。相對于現有網絡傳輸架構，該架構更適合遠島觀測數據傳輸系統的數據實時分析和智能化處理。

1 遠島觀測數據傳輸面臨的挑戰

1.1 海洋觀測數據的特點

海洋觀測數據具有類型復雜、來源廣泛和數據量大的特點。目前海洋觀測數據的獲取主要依托于岸基觀測儀器、浮標、志愿船、雷達和衛星遙感等觀測手段，每種觀測手段應用的設備類型不盡相同，如浮標觀測設備包括淺海浮標、深海浮標、海嘯浮標、波浪遙測浮標、Argo浮標和錨系浮標等。海洋觀測數據類型以多種形式共存，如各類型的結構化數據、視頻和遙感圖像。數據量從GB級到PB級，目前遙感數據和雷達數據的數據量急劇增長。

由于海洋觀測的應用多種多樣(如潮水位預警、海嘯預警和海浪預警)，大部分海洋觀測數據具有不同的標準、質量控制和時效(如實時和延時)要求，數據傳輸頻率各不相同(如每天或每小時)。

1.2 遠島觀測數據傳輸的局限性

由于衛星通信技術具有局限性，目前遠島觀測數據傳輸主要存在4個突出問題。

1.2.1 通信費用高

遠島觀測數據通常通過海事衛星和北斗衛星傳輸，而衛星的數據傳輸成本普遍根據數據量計算，通信費用較高。原始數據中經常含有冗余信息，會增加數據傳輸量和浪費通信資源。隨著海洋觀測手段的增多，觀測數據量越來越大，而衛星帶寬有限，海量數據易在衛星通信網絡產生通信“瓶頸”，造成通信網絡不穩定。

1.2.2 數據易丟失

由于海洋環境惡劣，通信設備易出現信號和電源供應不穩定的情況，硬件設備也易發生故障，造成數據傳輸錯誤率提高，影響海洋觀測工作。

1.2.3 數據源具有異構性

由于海洋觀測設備類型眾多，其中還包括一些自主研發設備，導致出現越來越多的新協議和越來越復雜的網絡接入。在數據采集過程中，各管理系統通常只對單個設備或采集設備的數據信息進行管理，這些設備與對應軟件之間的通信通常采用不同的數據交換協議和特定的驅動程序，因此在系統中往往存在驅動程序重復開發和適用性差等問題。

1.2.4 難以滿足應用系統需求

隨著信息化的發展，應用系統更加多樣化和專業化，對數據質量和時效的要求越來越高，數據處理工作也越來越復雜。傳統的觀測數據傳輸方式會大大增加服務的響應時間，降低服務的時效性，難以滿足現代應用系統對數據傳輸高質量和低延時的需求。

2 遠島觀測數據傳輸的優化

2.1 邊緣計算

邊緣計算(Edge Computing，EC)是指在網絡邊緣執行計算任務的新的計算模型。網絡邊緣可以是從數據源到云中心的任何功能實體[1]。邊緣設備不僅可以從云中心請求服務，而且可以執行不同類型的服務計算任務，如設備管理、數據存儲、任務緩存、計算處理和隱私保護等[2]。

2.2 移動邊緣計算

移動邊緣計算(Mobile Edge Computing，MEC)是邊緣計算模型的組成部分，利用先進的無線網絡將計算任務遷移到就近的邊緣服務器上[3]。由于MEC位于無線接入網中且距離移動用戶較近，可以實現更多的低延遲和高帶寬，從而提高服務質量和用戶體驗。通過在網絡邊緣部署緩存和服務，不僅可以減少擁塞，而且可以有效地響應用戶請求。

2.2.1 MEC對網絡的優化

邊緣緩存和計算遷移是MEC的關鍵技術。有效使用MEC服務器存儲資源進行邊緣緩存，可以優化網絡流量負載并提高傳輸性能。計算遷移可以將應用程序的計算任務轉移到MEC服務器上執行，而MEC服務器的計算能力遠勝于終端設備，因此應用程序可以獲得更好的性能，同時減輕數據到數據通信的壓力[4]。

2.2.1.1 邊緣緩存的特點

不同的程序通常具有不同的性能要求，邊緣緩存的優勢主要體現在3個方面[5]。①提高系統容量。已有研究表明，網絡邊緣緩存可以顯著提高系統的整體容量。②縮短服務延遲。由于邊緣節點非常靠近數據源，使用邊緣服務器執行內容緩存可以有效減少數據傳輸延遲。③減少傳輸開銷。通過優化邊緣緩存節點之間的傳輸協作，可以提高數據傳輸性能。

2.2.1.2 計算遷移的特點

計算遷移決策是錯綜復雜的過程，會受到設備性能、網絡質量和用戶偏好等因素的影響。其中，任務類型是影響因素之一，決定被遷移的計算任務可否被劃分、哪些計算任務支持執行遷移以及如何進行計算任務遷移。在決定計算遷移策略前應主要確定3個事項。①確定可被遷移和不可被遷移的計算任務。②確定程序的連續性，計算遷移對于連續性任務會相當困難。③確定計算任務之間的關系是并行還是串行:對于并行任務，可以遷移；對于串行任務，由于計算任務之間具有相互依賴的關系，相對來說不適合遷移。

除上述影響因素外，計算遷移還應考慮時延的問題。通常而言，遷移延遲的計算包括從任務到邊緣服務器的傳輸時間、邊緣服務器上任務的計算時間以及接收任務計算結果的時間。

2.2.1.3 MEC的策略方法

現有研究成果已提出許多緩存算法和策略。例如:在邊緣緩存中利用視頻感知回程與無線信道調度技術，能最大限度地增加端到端網絡和視頻會話數量；與使用傳統緩存相比，使用邊緣緩存可以提高50%以上的容量[6]；在寬帶受限的無線網絡中，使用邊緣緩存可顯著提高視頻容量，并具有非常低的延遲概率。

使用邊緣緩存須兼顧緩存內容的多樣性和冗余性。在網絡邊緣緩存使用頻率最高的內容可減少負載，從而降低回程鏈路的成本。決定緩存哪些文件以及將其緩存到哪里非常重要，利用兼顧基站緩存內容多樣性和冗余性的分布式緩存方案，尋找最優冗余緩存方法，從而決定在不同的基站緩存相同或不同的內容。該方法的目標是將網絡的總傳輸成本最小化，包括無線接入網絡內的成本以及通過回程鏈路傳輸到核心網絡的成本。采用自適應粒子群算法(Particle Swarm Optimization，PSO)求解給定系統配置下的最優冗余度，結果表明最優冗余度主要受回程/無線電接入網(Radio Access Network，RAN)單位成本比和文件熱度分布陡度2個參數的影響；當選擇最優冗余度時，在給定回程/RAN單位成本比的情況下，總成本最高可降低54%，在典型的文件請求模式下最高可降低57%[7]。

對于多信道無線干擾環境下MEC的多用戶計算遷移問題，可采用博弈論的方法實現分布式高效的計算遷移，即將移動設備之間的分布式計算遷移決策問題描述為1個多用戶計算遷移博弈，且該博弈存在納什均衡。隨著用戶規模的擴大，該方法能夠獲得較好的計算性能和可擴展性。實驗證明，利用分布式計算遷移方案，邊緣計算的性能比云計算提高30%；邊緣計算的系統開銷比云計算(所有任務在云端處理)減少51%，比本地計算(所有任務在本地用戶處理)減少55%～68%[8]。

計算遷移策略的設計不可避免地會遇到具有挑戰性的雙時間尺度隨機優化問題。對于較長的時間，應考慮在本地執行任務還是將任務遷移到MEC服務器計算；而對于較短的時間，任務輸入數據的傳輸策略應與信道側信息相適應。利用馬爾可夫決策過程方法，應根據任務緩沖區的排隊狀態、本地處理單元的執行狀態以及傳輸單元的狀態來遷移計算任務。通過解析每種任務的平均時延和終端設備的平均消耗，采用一維搜索算法解決消耗延遲最小化的問題，并尋找最優化調度。實驗證明，最優隨機任務遷移策略比基準策略的平均執行延遲更短，最多可減少80%的延遲[9]。

綜上所述，邊緣緩存和計算遷移能有效地提高系統整體容量、縮短服務延時、減少傳輸開銷和提高計算性能。

2.2.2 MEC在海洋觀測數據傳輸中的應用

由于網絡帶寬有限且數據量較大，海洋觀測數據的衛星通信易出現“擁堵”現象。對于數據傳輸排隊導致的通信延遲問題，可通過MEC架構，根據隨機任務遷移算法生成任務遷移策略，最小化終端設備資源消耗和執行時延，將部分計算任務遷移到邊緣端，從而實現對整個系統的線性控制和優化。同一個協作集合內的邊緣緩存節點能夠與鄰居共享其上下文信息，并根據這些信息指導本節點的緩存更新策略，通過邊緣服務提供額外的存儲和計算資源，從而提高應用的時效性。

海況視頻、地波雷達和高精度遙感影像等大容量數據須耗費較多的帶寬和通信費用，通信延遲的情況時有發生。①對于海況視頻數據的傳輸，可依托MEC的邊緣視頻圖像預處理技術，具有計算能力的邊緣計算視頻監控系統可以提高前端攝像頭的智能計算能力[10]，通過對視頻執行預處理任務，把視頻中的冗余信息去除，并把部分或全部視頻分辨率移至邊緣，從而降低存儲空間、帶寬占用和通信費用；②對于地波雷達數據的傳輸，在邊緣服務器中使用預處理算法，并通過邊緣服務之間的互相協調提前進行部分數據矯正工作，將徑向流數據合成為矢量流場數據，從而提高傳輸效率；③對于高精度遙感影像數據的傳輸，為壓減上傳的數據，利用基于行為感知的彈性存儲機制，邊緣計算可提供具有預處理能力的平臺，實時解讀影像中的行為特征，基于行為特征進行決策，并對影像數據進行動態調整，不僅可以縮小無效圖像的存儲空間，而且可以將目標影像數據的存儲最大化，從而增強信息的可信度和提高存儲空間的利用率。

2.3 軟件定義網絡

軟件定義網絡(Software Defined Networking，SDN)已逐漸成為網絡技術發展的主流，其設計思想是將網絡的數據轉發與控制平面分開，從而實現編程控制。將SDN應用于邊緣計算，可支持數量眾多的網絡設備接入，實現靈活擴展，提供高效率和低成本的自動化運維管理[11]。

2.3.1 SDN對網絡的優化

SDN的目的是實現管理的集中化和智能化，其架構如圖1所示。

圖1 基于MEC的SDN架構

將邊緣服務器合并到網絡中，通過使用SDN機制，可將來自邊緣的業務動態路由到可向用戶提供最高質量服務的層和服務器。由于SDN模式將網絡智能集中在基于軟件的中央控制器，可使相對簡單的邊緣設備不必執行復雜的網絡活動(如服務發現和協調)。SDN管理的多層邊緣計算基礎設施在減少邊緣設備遇到障礙和限制方面具有較好的能力，能夠滿足性能和延遲等服務質量需求，并提高用戶滿意度[12]。

2.3.2 SDN在海洋觀測數據傳輸中的應用

優化海洋觀測數據網絡的關鍵問題之一是解決信息管理系統與各觀測點底層之間的協調問題，而SDN是很好的解決方案。SDN對用戶尤其是應用程序開發人員和服務供應商隱藏所有的內部復雜情況，憑借其網絡編程能力，通過向最終用戶隱藏這種異構環境的復雜性，自然成為協調網絡、服務和設備的候選方案；其將控制與數據平面分離，實現可編程控制機制[13]，以簡化網絡管理、清除網絡流量、增加網絡容量以及促進網絡內的虛擬化。

SDN可滿足海洋觀測數據網絡在多種異構設備管理、邊緣計算資源管理和快速應用集成等方面的需求，降低邊緣計算體系結構實現的復雜性[14]。

3 基于MEC-SDN的遠島觀測數據傳輸網絡架構

為滿足海洋觀測系統邊緣計算服務對網絡實時可靠和靈活可重構的要求，本研究基于MEC-SDN搭建海洋觀測數據傳輸網絡架構，主要實現高效網絡和極簡運維2個關鍵價值，分別帶來的效益是網絡穩定可靠和業務靈活調整。基于MEC-SDN的遠島觀測數據傳輸網絡架構如圖2所示。

圖2 基于MEC-SDN的遠島觀測數據傳輸網絡架構

由于MEC是開放架構的平臺，可根據實際情況靈活地部署在不同的位置，以滿足不同的服務需求[15]。把MEC服務器部署在海島基站側，傳感設備負責獲取各種異構數據，并發送到MEC服務器[16]；位于基站側的MEC服務器對數據包進行解析，并與緩存中的內容進行對比，如果系統訪問的內容已經在本地緩存中，則可直接將緩存內容定向推送給應用。此外，歷史數據也可在邊緣服務器中訓練，根據不同的需求選擇訓練模型，并在邊緣服務器對數據進行預處理。這樣部分數據請求無須經過無線網關，可減少協議之間的轉換，同時大大減少無線網關緩存的數據量，降低對無線網關能力的要求，并減少因TCP協議而造成的時延，提高網絡資源利用率。

除添加邊緣服務器外，無線網關也可作為邊緣處理的組成部分。邊緣網關具有聯網能力，可將數據實時整合，在進行簡單的邏輯運算后再把數據發送到中心網絡。當網絡不穩定時，傳統網絡架構不能及時反饋運算結果，網絡時效性將大受影響；而邊緣網關內置的邏輯保障網關可在網絡不穩定時實現簡單調度運算，從而提高網絡的可靠性。

SDN部署于信息中心網絡中，并提供統一的控制平面接口[17]。根據物理布局，SDN通常分為插入導入模式、核心SDN導入模式、邊緣SDN導入模式和邊緣Overlay導入模式等。根據遠島觀測數據傳輸的實際情況和需求，將所有設備集約化顯然不現實，而適合采取邊緣SDN導入模式，即只需將邊緣網絡SDN化，允許原有網絡和SDN網絡并存，并在原有網絡環境下按實際需求局部導入SDN模式。

使用邊緣SDN導入模式，通過網絡設備集約和虛擬租戶網，把分散部門的網絡進行統一配置和統一管理。虛擬租戶網的管理員權限根據部門需求提供，保證各部門能夠自由配置本部門的網絡。在海洋觀測工作中，有不少組織是工程指向型，即當項目或研究開始和結束時都須構建或解體網絡，組織變化較為頻繁。例如:開展某項海洋調查研究工作，各部門使用不同廠商的傳感設備，其局域網都是物理隔離，同時還要與外部企業進行數據對接，造成網絡配置復雜；使用SDN實現的虛擬租戶網不僅能夠方便地隔離各部門的網絡，而且能夠利用SDN控制器的操作接口迅速完成傳感設備調度時的網絡配置變更，減少用于網絡配置的人工費用。

4 結語

本研究引入邊緣計算系統架構，順應MEC和SDN的技術融合趨勢，提出基于MEC-SDN的海洋觀測數據傳輸網絡架構，優化遠島觀測數據傳輸，同時促進海洋觀測系統的發展和研究。

隨著5 G時代的到來，海洋物聯網也必然加快發展，邊緣智能將成為其特征之一。5 G無線基礎設施將支持大量的傳輸設備和復雜的應用程序，這就要求網絡支持高吞吐量、超低延遲、高可擴展性和穩定可靠的數據傳輸，MEC-SDN架構可良好地適應未來海洋物聯網的發展需求，為物聯網數據的匯聚、解析和挖掘提供基礎條件。