移動(dòng)邊緣計(jì)算中的智能任務(wù)遷移技術(shù)：現(xiàn)狀與展望

全浩宇，張青苗，趙軍輝

(華東交通大學(xué) 信息工程學(xué)院，江西 南昌330013)

0 引言

近幾年來，隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的發(fā)展和5G網(wǎng)絡(luò)的普及，互聯(lián)網(wǎng)中來自移動(dòng)端的流量呈現(xiàn)出爆炸式的增長(zhǎng)，并逐漸占據(jù)了互聯(lián)網(wǎng)的主導(dǎo)地位，而移動(dòng)設(shè)備也成為了人們?nèi)粘蕵贰⑸缃坏闹饕d體，在日常生活中扮演著重要的角色。據(jù)統(tǒng)計(jì)，截止2021年12月，我國(guó)網(wǎng)民使用手機(jī)上網(wǎng)比例達(dá)99.7%，遠(yuǎn)超使用臺(tái)式機(jī)、筆記本電腦和平板電腦上網(wǎng)的比例[1]。然而隨著人們需求的不斷提升，移動(dòng)設(shè)備的計(jì)算、存儲(chǔ)能力已經(jīng)無法滿足現(xiàn)有的計(jì)算密集型和時(shí)延敏感型任務(wù)，例如智慧城市、自動(dòng)駕駛等。此外，電池技術(shù)也沒有取得令人滿意的突破，這也是當(dāng)下移動(dòng)通信行業(yè)發(fā)展的瓶頸之一[2]。為了應(yīng)對(duì)日益增長(zhǎng)的業(yè)務(wù)需求，研究人員開始將云計(jì)算的計(jì)算模式引入移動(dòng)通信領(lǐng)域，移動(dòng)云計(jì)算(Mobile Cloud Computing，MCC)應(yīng)運(yùn)而生[3]。

MCC是指通過移動(dòng)網(wǎng)絡(luò)，將云計(jì)算中心的計(jì)算、存儲(chǔ)資源分配給移動(dòng)設(shè)備的計(jì)算方式，是移動(dòng)通信和云計(jì)算相結(jié)合的一類應(yīng)用。MCC的優(yōu)勢(shì)在于：移動(dòng)設(shè)備可以通過連接云服務(wù)器，訪問遠(yuǎn)程云計(jì)算中心強(qiáng)大的計(jì)算、存儲(chǔ)資源，并將某些待處理的任務(wù)遷移至云服務(wù)器上運(yùn)行。這樣做的好處是可以大幅降低移動(dòng)設(shè)備自身的計(jì)算、存儲(chǔ)和能源開銷，只需要負(fù)責(zé)數(shù)據(jù)的傳輸和結(jié)果的接收。這樣不僅可以很好地彌補(bǔ)移動(dòng)設(shè)備在計(jì)算、存儲(chǔ)能力和電池容量等方面的天然弱勢(shì)，還可以讓移動(dòng)設(shè)備運(yùn)行更多的計(jì)算密集型應(yīng)用[4-5]。然而，MCC的計(jì)算模式需要將任務(wù)所需的數(shù)據(jù)通過無線網(wǎng)絡(luò)傳輸?shù)竭h(yuǎn)程云服務(wù)器上，這一方面會(huì)造成較高的服務(wù)時(shí)延；另一方面，從網(wǎng)絡(luò)拓?fù)涞慕嵌葋砜矗绱她嫶蟮臄?shù)據(jù)流也會(huì)給核心網(wǎng)帶來較大的負(fù)載，從而影響網(wǎng)絡(luò)整體的性能[6]，并降低用戶隱私數(shù)據(jù)的安全性。

為了解決上述問題，研究人員提出了首個(gè)將計(jì)算、存儲(chǔ)資源靠近移動(dòng)設(shè)備的概念Cloudlet[7]。Cloudlet的原理是將具有強(qiáng)大計(jì)算、存儲(chǔ)能力的服務(wù)器放置在移動(dòng)網(wǎng)絡(luò)的各個(gè)關(guān)鍵節(jié)點(diǎn)，從而為周邊的移動(dòng)設(shè)備提供高效的計(jì)算和存儲(chǔ)服務(wù)。相較于限制性較大的Cloudlet，思科于2012年提出的霧計(jì)算概念更加廣為人知，甚至被視為物聯(lián)網(wǎng)和大數(shù)據(jù)應(yīng)用的關(guān)鍵技術(shù)[8-9]。霧計(jì)算的典型架構(gòu)是由云層、霧層和設(shè)備層構(gòu)成的3層體系。其中霧層可以根據(jù)實(shí)時(shí)需求拓展為多層，而霧節(jié)點(diǎn)可以是小型基站、WiFi接入點(diǎn)甚至用戶終端。通過霧計(jì)算，可以有效降低移動(dòng)用戶使用云計(jì)算時(shí)的數(shù)據(jù)傳輸時(shí)延，并應(yīng)用在更為廣泛的場(chǎng)景中。

由于Cloudlet和霧計(jì)算模式的計(jì)算、存儲(chǔ)資源都不是天然集成在移動(dòng)網(wǎng)絡(luò)架構(gòu)中的，因此在網(wǎng)絡(luò)拓?fù)浔容^復(fù)雜的情況下，用戶的服務(wù)質(zhì)量(Quality of Service，QoS)仍難以保證。為了解決移動(dòng)用戶的云計(jì)算需求問題，2014年移動(dòng)邊緣計(jì)算(Mobile Edge Computing，MEC)應(yīng)運(yùn)而生[10]。相較于傳統(tǒng)的網(wǎng)絡(luò)架構(gòu)和模式，MEC能有效改善傳統(tǒng)網(wǎng)絡(luò)架構(gòu)和模式下時(shí)延高、效率低、網(wǎng)絡(luò)負(fù)載大等諸多問題。也正是這些優(yōu)勢(shì)，使得 MEC 被認(rèn)為是未來5G的關(guān)鍵技術(shù)[11-14]。

本文對(duì)近年來有關(guān)MEC技術(shù)的文獻(xiàn)進(jìn)行了廣泛調(diào)研，從不同角度分析了MEC與傳統(tǒng)云計(jì)算技術(shù)的差異，重點(diǎn)敘述了MEC中的任務(wù)遷移技術(shù)，并對(duì)其研究現(xiàn)狀進(jìn)行了分類與總結(jié)。最后，對(duì)未來MEC與人工智能技術(shù)相融合做出了展望。

1 MEC概述

MEC是一種新型的計(jì)算范式，更是新一代智慧城市、智慧交通中的重要部分[15-17]，其應(yīng)用場(chǎng)景如圖1所示。移動(dòng)設(shè)備通過拓展來自邊緣服務(wù)器的計(jì)算、存儲(chǔ)資源，能顯著優(yōu)化用戶的日常體驗(yàn)，并提升設(shè)備續(xù)航。

圖1 移動(dòng)邊緣計(jì)算應(yīng)用場(chǎng)景

當(dāng)前MEC的優(yōu)勢(shì)主要集中在以下幾個(gè)方面：

① 低時(shí)延：MEC通過將計(jì)算和存儲(chǔ)能力“下沉”到網(wǎng)絡(luò)邊緣，拉近了與用戶之間的距離，如圖2所示。用戶請(qǐng)求由部署在本地的MEC服務(wù)器直接處理并響應(yīng)用戶，從而有效降低通信時(shí)延。MEC的低時(shí)延特性在自動(dòng)駕駛[18]等時(shí)延敏感型應(yīng)用中表現(xiàn)尤為明顯。

圖2 移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)結(jié)構(gòu)

② 大容量：通過部署在移動(dòng)網(wǎng)絡(luò)邊緣的MEC服務(wù)器對(duì)流量數(shù)據(jù)進(jìn)行就近卸載，可以有效降低傳輸網(wǎng)的帶寬負(fù)載，并減少發(fā)生鏈路擁塞和故障的可能性，從而改善系統(tǒng)容量。

③ 低功率：對(duì)于設(shè)備而言，能量消耗主要包括任務(wù)計(jì)算耗能和數(shù)據(jù)傳輸耗能兩部分。據(jù)不完全統(tǒng)計(jì)，我國(guó)僅云計(jì)算中心所消耗的電能就已超過匈牙利和希臘兩國(guó)的用電量總和[19]。由于邊緣服務(wù)器自身具有一定的計(jì)算和存儲(chǔ)資源，因此能夠在本地進(jìn)行部分任務(wù)的計(jì)算，從而有效降低數(shù)據(jù)傳輸能耗。另一方面，隨著資源緩存技術(shù)的發(fā)展，存儲(chǔ)資源相較于傳輸資源的成本逐漸降低。MEC是一種以存儲(chǔ)換取帶寬的方式，通過內(nèi)容的本地存儲(chǔ)可以極大減少遠(yuǎn)程傳輸?shù)谋匾裕瑥亩档驮O(shè)備的數(shù)據(jù)傳輸能耗。

④ 重隱私：當(dāng)用戶使用社交網(wǎng)絡(luò)和自動(dòng)駕駛等隱私服務(wù)時(shí)，用戶的地理位置等隱私數(shù)據(jù)通常會(huì)被上傳至云服務(wù)器進(jìn)行處理，這會(huì)增加用戶隱私數(shù)據(jù)泄露的風(fēng)險(xiǎn)。MEC通過使用近用戶端的邊緣服務(wù)器對(duì)數(shù)據(jù)進(jìn)行直接處理，能有效縮短數(shù)據(jù)流通路徑，降低隱私數(shù)據(jù)泄露風(fēng)險(xiǎn)[20]。

MCC與MEC技術(shù)對(duì)比如表1所示。盡管MEC技術(shù)理論上能有效提高用戶體驗(yàn)，但是在實(shí)際應(yīng)用中還是會(huì)面臨諸多問題。例如移動(dòng)設(shè)備的高動(dòng)態(tài)性就對(duì)MEC的任務(wù)遷移與調(diào)度提出了很高的要求，同時(shí)用戶分布的不均勻特性也對(duì)邊緣服務(wù)器的資源分配帶來了巨大挑戰(zhàn)[21]。因此，一個(gè)好的任務(wù)處理方案就顯得非常重要[22]。

表1 移動(dòng)云計(jì)算與移動(dòng)邊緣計(jì)算技術(shù)對(duì)比

2 MEC中的任務(wù)遷移技術(shù)

2.1 任務(wù)遷移流程

在資源受限的移動(dòng)設(shè)備上運(yùn)行計(jì)算密集型任務(wù)會(huì)消耗大量的能量，而且運(yùn)行效率往往也難以滿足應(yīng)用的時(shí)延等需求，這對(duì)安全性要求極高的應(yīng)用，如自動(dòng)駕駛，是難以接受的。為了解決此類問題，研究人員們提出了任務(wù)遷移概念。MEC通過將移動(dòng)設(shè)備的任務(wù)遷移到附近的邊緣服務(wù)器上執(zhí)行，可以有效降低移動(dòng)設(shè)備的電量開銷，同時(shí)借助邊緣服務(wù)器強(qiáng)大的計(jì)算能力，可以顯著提升任務(wù)的處理速度，以達(dá)到縮短服務(wù)時(shí)延的目的[23]。

移動(dòng)邊緣計(jì)算的任務(wù)遷移主要包括環(huán)境感知、任務(wù)劃分、遷移決策、數(shù)據(jù)傳輸、任務(wù)執(zhí)行、結(jié)果返回六大步驟[24]，其中環(huán)境感知、任務(wù)劃分和遷移決策是整個(gè)遷移流程中最為核心的步驟。具體的任務(wù)遷移流程[25]如圖3所示。

圖3 移動(dòng)邊緣計(jì)算的遷移流程

2.1.1 環(huán)境感知

環(huán)境感知發(fā)生在任務(wù)遷移的準(zhǔn)備階段，用于為后續(xù)的遷移方案提供參考信息。當(dāng)任務(wù)需要進(jìn)行遷移時(shí)，首先需要對(duì)本地運(yùn)行環(huán)境和外部運(yùn)行環(huán)境進(jìn)行感知，主要包括移動(dòng)設(shè)備自身以及所有MEC邊緣服務(wù)器的計(jì)算、存儲(chǔ)和通信資源，這些信息將對(duì)后面的遷移流程起到?jīng)Q定性的作用。

2.1.2 任務(wù)劃分

任務(wù)劃分所解決的是在什么時(shí)間，對(duì)什么任務(wù)進(jìn)行遷移的問題，根據(jù)其關(guān)注的指標(biāo)，主要可以分為以下幾類：

按需求劃分需求劃分主要是按照任務(wù)的計(jì)算需求將任務(wù)劃分成時(shí)延敏感型任務(wù)和時(shí)延不敏感型任務(wù)。其中時(shí)延敏感型任務(wù)通常要求較低的服務(wù)時(shí)延，因此在資源充足的情況下將優(yōu)先在本地計(jì)算；而時(shí)延不敏感型任務(wù)則傾向于在滿足最大時(shí)延要求的情況下遷移到云上進(jìn)行計(jì)算。

按粒度劃分已有的粒度劃分主要分為細(xì)粒度和粗粒度劃分[26]。細(xì)粒度劃分的對(duì)象主要是方法、類、對(duì)象、線程級(jí)的，而粗粒度劃分一般都是應(yīng)用、虛擬機(jī)級(jí)的。其中細(xì)粒度劃分雖然可以最大程度優(yōu)化系統(tǒng)的資源分配情況，但是存在隨著劃分任務(wù)數(shù)量的增加，解算法復(fù)雜度呈現(xiàn)出指數(shù)增長(zhǎng)。因此在實(shí)際應(yīng)用中，通常是將任務(wù)采用粗粒度劃分的方式，以虛擬機(jī)的形式部署在邊緣服務(wù)器上。

2.1.3 遷移決策

遷移決策是任務(wù)遷移流程最核心的環(huán)節(jié)，主要功能是解決任務(wù)是否遷移、往何處遷移、通過何種方式遷移等問題。具體來講，這個(gè)環(huán)節(jié)會(huì)根據(jù)任務(wù)對(duì)環(huán)境的感知和任務(wù)劃分，通過合適的決策算法，選擇出最優(yōu)的遷移目標(biāo)與遷移路線。此環(huán)節(jié)在整個(gè)任務(wù)遷移流程中起著至關(guān)重要的作用，也是行業(yè)內(nèi)的研究熱點(diǎn)。

2.2 任務(wù)遷移過程中的重要指標(biāo)

移動(dòng)設(shè)備的任務(wù)遷移和調(diào)度是MEC的一個(gè)重要內(nèi)容，可以使移動(dòng)設(shè)備在有限的續(xù)航時(shí)間內(nèi)體驗(yàn)更好的服務(wù)。通過向移動(dòng)設(shè)備提供部署在網(wǎng)絡(luò)邊緣的計(jì)算、存儲(chǔ)資源，能在保證服務(wù)時(shí)延的同時(shí)，加快計(jì)算速度，節(jié)約設(shè)備能源，提高用戶的QoS。任務(wù)遷移的核心調(diào)度是通過遷移方案來控制的，主要取決于以下幾個(gè)指標(biāo)[27-28]。

2.2.1 服務(wù)時(shí)延

在對(duì)移動(dòng)設(shè)備任務(wù)進(jìn)行遷移的過程中，遷移方案首要的準(zhǔn)則就是需要保證遷移后的服務(wù)時(shí)延在用戶期望時(shí)延閾值內(nèi)。由于大多數(shù)應(yīng)用中任務(wù)處理后回傳的結(jié)果數(shù)據(jù)量很小，因此服務(wù)時(shí)延主要由任務(wù)數(shù)據(jù)傳輸時(shí)延和任務(wù)處理時(shí)延決定。對(duì)于這些時(shí)間，可以表示為:

(1)

式中，C為遷移任務(wù)的計(jì)算規(guī)模，fm為所選擇MEC邊緣服務(wù)器的計(jì)算能力，Ds為運(yùn)行任務(wù)所需的數(shù)據(jù)大小，Ru為移動(dòng)設(shè)備和邊緣服務(wù)器之間上傳鏈路的傳輸速率。

若任務(wù)的回傳數(shù)據(jù)量較大，如視頻資源請(qǐng)求等，則需考慮回傳時(shí)延，此時(shí)服務(wù)時(shí)延表示為：

(2)

式中，Dr為運(yùn)行任務(wù)結(jié)果的數(shù)據(jù)大小，Rd為移動(dòng)設(shè)備和邊緣服務(wù)器之間下載鏈路的傳輸速率。

2.2.2 能源開銷

任務(wù)在進(jìn)行邊緣計(jì)算的過程中，不僅會(huì)帶來相應(yīng)的服務(wù)時(shí)延，也會(huì)給移動(dòng)設(shè)備自身和邊緣服務(wù)器帶來一定的電量消耗。對(duì)于移動(dòng)設(shè)備而言，任務(wù)遷移過程中主要的能源消耗為傳輸任務(wù)所需的能耗，可以表示為：

(3)

式中，Pu為移動(dòng)設(shè)備發(fā)送信號(hào)的功率，只存在于任務(wù)遷移的數(shù)據(jù)上傳階段。Pc為移動(dòng)設(shè)備固有的電路功率，存在于整個(gè)任務(wù)遷移的過程中[29]。而對(duì)于邊緣服務(wù)器而言，任務(wù)遷移過程中主要的能源開銷為CPU計(jì)算任務(wù)所帶來的計(jì)算能耗，一般表示為：

(4)

式中，κ為CPU的有效電容常數(shù)，一般取10-27。

2.2.3 系統(tǒng)負(fù)載

移動(dòng)設(shè)備在進(jìn)行任務(wù)遷移的同時(shí)不僅要考慮任務(wù)的時(shí)延閾值，也需要考慮MEC系統(tǒng)的任務(wù)負(fù)載情況。所選中的遷移方案要能在滿足用戶QoS的同時(shí)，盡可能地實(shí)現(xiàn)MEC系統(tǒng)處于負(fù)載均衡狀態(tài)，以此來保障整個(gè)MEC系統(tǒng)的穩(wěn)定性，并提高M(jìn)EC系統(tǒng)的可靠性和容量。目前，運(yùn)營(yíng)商通常是將邊緣服務(wù)器劃分成虛擬機(jī)(Virtual Manufacturing，VM)的形式來實(shí)現(xiàn)多任務(wù)資源分配和處理的，對(duì)于每一個(gè)需要遷移到邊緣服務(wù)器上的應(yīng)用，服務(wù)器都會(huì)為其生成一個(gè)對(duì)應(yīng)的VM用于處理該任務(wù)[30]。邊緣服務(wù)器的總負(fù)載可以直接根據(jù)其部署VM占據(jù)的資源總和來計(jì)算。

假設(shè)邊緣服務(wù)器PMj上部署的虛擬機(jī)數(shù)量為n，虛擬機(jī)VMi占用的計(jì)算資源為ci，則該邊緣服務(wù)器PMj上的總資源占用Oj可以表示為：

(5)

式中，ri用于判斷虛擬機(jī)VMi是否處于運(yùn)行狀態(tài)，可以表示為：

(6)

假設(shè)邊緣服務(wù)器PMj的總資源量為Tj，則有邊緣服務(wù)器PMj的使用率為：

(7)

(8)

而MEC的總體負(fù)載情況μ通常使用邊緣服務(wù)器的負(fù)載均方差來表示：

(9)

2.3 任務(wù)遷移技術(shù)研究現(xiàn)狀

實(shí)際研究中，任務(wù)是否能進(jìn)行遷移是由MEC系統(tǒng)為遷移所付出的開銷相較于任務(wù)遷移前后的用戶QoS提升是否能被接受所決定的。具體來說，對(duì)于時(shí)延不敏感任務(wù)，例如文件資源請(qǐng)求等任務(wù)，任務(wù)遷移所帶來用戶的QoS提升不足以彌補(bǔ)遷移過程中系統(tǒng)的開銷，所以此時(shí)遷移方案應(yīng)傾向于保持當(dāng)前狀態(tài)。而對(duì)于時(shí)延敏感任務(wù)，例如自動(dòng)駕駛相關(guān)的計(jì)算，通過任務(wù)遷移降低時(shí)延帶來的好處，遠(yuǎn)高于遷移過程中的開銷，因此遷移方案傾向于遷移該任務(wù)。

綜上所述，常見的任務(wù)遷移方案按照其優(yōu)化指標(biāo)通常可以分為兩類[31]：最小化時(shí)延和最小化開銷，這兩類的區(qū)別如表2所示。

表2 任務(wù)遷移方案的兩類優(yōu)化準(zhǔn)則

2.3.1 最小化開銷

文獻(xiàn)[32]解決了兼顧任務(wù)計(jì)算和文件傳輸能量消耗的優(yōu)化問題，為了最小化卸載系統(tǒng)的能量消耗，并考慮5G異構(gòu)網(wǎng)絡(luò)的特性[33]，作者提出了一種高效節(jié)能的任務(wù)遷移(EECO)方案。文獻(xiàn)[34]提出了一種多任務(wù)場(chǎng)景下的遷移決策方案，作者通過將任務(wù)建模成一個(gè)具有約束的馬爾可夫問題，并將時(shí)間劃分成均勻的時(shí)間片，旨在滿足任務(wù)時(shí)延需求的同時(shí)最小化系統(tǒng)的開銷。文獻(xiàn)[35]則考慮多蜂窩小區(qū)的場(chǎng)景，提出賦予小型蜂窩基站增強(qiáng)云能力的場(chǎng)景，并在滿足最大時(shí)延要求的基礎(chǔ)上，提出了一種基于凸優(yōu)化的分布式迭代算法來對(duì)通信資源和計(jì)算資源進(jìn)行聯(lián)合優(yōu)化。實(shí)驗(yàn)結(jié)果表明，這種方案聯(lián)合優(yōu)化的結(jié)果顯著高于對(duì)通信資源或者計(jì)算資源單獨(dú)優(yōu)化的結(jié)果。文獻(xiàn)[36]則重點(diǎn)關(guān)注聯(lián)合優(yōu)化所有任務(wù)的卸載決策和計(jì)算、通信資源的分配，旨在使所有用戶的能量成本、計(jì)算成本和時(shí)延的加權(quán)總和最小。作者先將問題表述為一個(gè)非凸二次約束的二次規(guī)劃問題，并由此提出了一種由半定松弛、交替優(yōu)化和順序優(yōu)化組成的高效三步算法。結(jié)果證明，此方法總是能計(jì)算一個(gè)局部最優(yōu)解，并在合適的參數(shù)設(shè)置下給出接近最優(yōu)的性能。

2.3.2 最小化時(shí)延

文獻(xiàn)[37]提出采用馬爾可夫決策過程來處理計(jì)算任務(wù)調(diào)度的方案，通過分析每個(gè)任務(wù)的平均時(shí)延和設(shè)備功耗，對(duì)功率約束條件下的時(shí)延進(jìn)行建模，并提出了一種高效的一維搜索算法來尋找最優(yōu)的任務(wù)調(diào)度策略。實(shí)驗(yàn)結(jié)果表明，所提出的方案在任務(wù)平均時(shí)延方面相較于貪婪算法等方案都有著更好的表現(xiàn)。文獻(xiàn)[38]提出一種基于在線Lyapunov優(yōu)化的動(dòng)態(tài)任務(wù)遷移算法，實(shí)現(xiàn)了在任何時(shí)間節(jié)點(diǎn)，都無需計(jì)算通信資源和任務(wù)計(jì)算請(qǐng)求的統(tǒng)計(jì)信息，就能求得確定性優(yōu)化問題的最優(yōu)解。文獻(xiàn)[39]針對(duì)移動(dòng)邊緣云計(jì)算中多個(gè)移動(dòng)設(shè)備用戶的任務(wù)遷移決策問題，提出一種博弈論方法，并推導(dǎo)出了計(jì)算收斂時(shí)間上界的公式。仿真結(jié)果表明，該方案具有較好的卸載性能，而且隨著系統(tǒng)內(nèi)用戶數(shù)量的增加，算法也具有更好的適應(yīng)性。

3 未來挑戰(zhàn)與展望

MEC作為未來移動(dòng)通信系統(tǒng)中重要的功能，吸引了國(guó)內(nèi)外大量研究人員的關(guān)注。但目前的MEC仍然是一項(xiàng)不完善的技術(shù)，有著較多的問題需要解決，其中的挑戰(zhàn)主要來自以下幾點(diǎn)：

① 與傳統(tǒng)邊緣計(jì)算相比，MEC中用戶的分布具有高動(dòng)態(tài)的特性，這就要求MEC系統(tǒng)在任務(wù)遷移的實(shí)時(shí)決策上有較好的性能表現(xiàn)[40]；

② 在實(shí)際應(yīng)用場(chǎng)景中，用戶的分布往往隨著時(shí)間，在不同位置呈現(xiàn)出錯(cuò)峰聚集的特性，這就對(duì)邊緣服務(wù)器部署提出了較高要求；

③ 不同的任務(wù)在到來時(shí)間、時(shí)延閾值以及對(duì)不同類型資源的要求上具有較大差異，這就對(duì)邊緣服務(wù)器的資源分配方案提出了巨大的挑戰(zhàn)。

隨著近些年人工智能領(lǐng)域的崛起，行業(yè)內(nèi)已經(jīng)有越來越多的研究人員開始嘗試將人工智能技術(shù)與MEC技術(shù)結(jié)合，希望通過人工智能來解決MEC所面臨的問題。文獻(xiàn)[27]提出使用非支配排序遺傳算法，通過合理構(gòu)建MEC的系統(tǒng)資源模型，并根據(jù)多目標(biāo)決策準(zhǔn)則，來實(shí)現(xiàn)在保證任務(wù)執(zhí)行時(shí)間的同時(shí)，對(duì)邊緣服務(wù)器進(jìn)行負(fù)載均衡優(yōu)化。

文獻(xiàn)[41]提出了一種基于多智能體算法MADDPG的任務(wù)卸載方案，通過建立邊緣系統(tǒng)主導(dǎo)下的聯(lián)合任務(wù)時(shí)延約束和多維資源管理模型，實(shí)現(xiàn)了以任務(wù)執(zhí)行總時(shí)間最小為目標(biāo)的多任務(wù)多目標(biāo)的聯(lián)合優(yōu)化。文獻(xiàn)[42]中通過量化遠(yuǎn)程通信開銷與VM遷移開銷，構(gòu)建了VM遷移開銷模型，并利用DQN算法實(shí)現(xiàn)了VM遷移決策模型的訓(xùn)練。

對(duì)于單用戶的MEC系統(tǒng)而言，用戶在遷移前后都能獨(dú)占MEC服務(wù)器的全部計(jì)算資源，因此不用考慮來自其他用戶的通信、計(jì)算、存儲(chǔ)資源競(jìng)爭(zhēng)，可以很方便地得到遷移決策。但隨著車聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，越來越多的設(shè)備將接入MEC系統(tǒng)，這就對(duì)MEC系統(tǒng)提出了非常高的要求。MEC系統(tǒng)需要靈活利用有限的通信、計(jì)算、存儲(chǔ)資源來滿足多用戶場(chǎng)景下的多任務(wù)并行處理。本文就融合了人工智能算法DDPG的MEC動(dòng)態(tài)任務(wù)遷移機(jī)制做了簡(jiǎn)單仿真，具體仿真參數(shù)如表3所示。圖4為融合了人工智能算法的MEC系統(tǒng)性能表現(xiàn)，其中圖4(a)為訓(xùn)練過程中系統(tǒng)容量相較于基線的表現(xiàn)，圖4(b)為訓(xùn)練過程中任務(wù)服務(wù)時(shí)延相較于基線的表現(xiàn)。各項(xiàng)實(shí)驗(yàn)結(jié)果表明，融合了人工智能技術(shù)的MEC系統(tǒng)能有效降低任務(wù)的服務(wù)時(shí)延并提升系統(tǒng)容量，相信這也是未來MEC研究領(lǐng)域的一個(gè)重要方向。

表3 仿真參數(shù)

(a) 系統(tǒng)容量表現(xiàn)

4 結(jié)束語

隨著移動(dòng)互聯(lián)網(wǎng)領(lǐng)域的迅猛發(fā)展，越來越多的計(jì)算密集型應(yīng)用出現(xiàn)在了人們的日常生活中。受限于移動(dòng)設(shè)備資源的匱乏，MEC技術(shù)便成為了解決當(dāng)下困境的突破口。然而，復(fù)雜的移動(dòng)場(chǎng)景又為MEC系統(tǒng)提出了各種新挑戰(zhàn)。本文對(duì)MEC技術(shù)的研究進(jìn)行了全面綜述，首先回顧了MEC概念提出之前，行業(yè)內(nèi)的其他移動(dòng)云計(jì)算技術(shù)；然后分析了傳統(tǒng)移動(dòng)云計(jì)算技術(shù)在當(dāng)前環(huán)境中存在的不足，并由此引出了MEC的概念。介紹了MEC在當(dāng)前環(huán)境下的優(yōu)勢(shì)與MEC任務(wù)遷移的相關(guān)技術(shù)與指標(biāo)；最后對(duì)最新的研究做了總結(jié)，并進(jìn)一步對(duì)MEC與人工智能相融合的發(fā)展方向做出了展望和仿真。