大家都知道，MEC的概念最初在2014年由ETSI提出，MEC是一种新的平台，能够在靠近移动用户侧的无线接入网RAN侧提供IT和云计算能力。MEC的主要特点是将移动计算，网络控制和存储功能“下沉”到网络边缘（如基站和无线接入点等），如下图1所示，以便在资源有限的移动终端设备上使用计算密集型和时延高的关键型应用程序。MEC可以有效减少延迟和移动能耗，是5G的关键技术。无线通信和移动计算是推动MEC发展的两大学科，并由此产生了大范围的新的设计，从计算卸载技术到网络架构。本文首先介绍了MEC的计算和通信模型，然后介绍了MEC的资源管理技术，最后分析了MEC未来可能面临的挑战。
1.1计算任务模型在计算任务的建模过程中，有各种参数发挥着关键作用，包括时延、带宽利用率、上下文感知、通用性和可测量性等。尽管建立精确的任务模型很复杂，但也存在简单可靠的可计算的模型。下面将介绍两种广泛使用在MEC上的计算任务模型，两元卸载和部分计算卸载模型。
(1)二元任务卸载模型
二元卸载模型适用于完整性要求较高或者相对简单的任务，这些任务不可分割，必须作为一个整体卸载到MEC服务器进行计算处理。
(2)部分任务卸载模型
部分卸载模型主要针对大规模的计算任务。通过部分卸载，终端的计算任务被分成两部分，一部分在移动设备执行，一部分卸载到边缘设备执行。适用于部分卸载的最简单的任务模型是数据分区模型，其中任务是逐位独立的，可以任意划分为不同的组，由MEC系统中的不同实体执行。实际情况中，不同子任务之间可能存在着依赖关系，显著影响程序的执行和计算的卸载。
首先，子任务的执行顺序是不可以任意选择的，比如：子任务A的输出是子任务B的输入，划分后的子任务无法同时执行。其次，由于软硬件的限制，一些子任务可以卸载到远程服务器执行运算，而一些子任务只能在本地执行运算。这种情况下上面提到的数据分区模型就不适用，需要能够捕获子任务之间的相互依赖关系的更复杂的模型。
1.2通信模型
在MEC系统中，AP和移动设备之间的通信可以采用直接的D2D通信。MEC服务器是云计算/电信运营商部署的小型数据中心，它可以与无线AP共同定位。无线AP不仅提供无线接口给MEC服务器，也可以通过环回链路访问远程服务器数据中心，这可以帮助MEC服务器进一步将一些计算任务卸载到其他MEC服务器或大型云数据中心。由于无线接口不足，手机无法直接与MEC服务器通信，与邻近设备的D2D通信提供了将计算任务转发给MEC服务器的机会。此外，D2D通信还支持在移动设备集群中共享资源和计算负载平衡方面的对等合作。
无线和计算资源的管理对于MEC系统实现节能和低时延有着关键的作用。MEC服务器和无线AP（例如，BS和WiFi路由器）位于同一位置，这样的网络架构使得相应技术的实施变得方便。下面将对MEC系统资源管理进行详细介绍。
2.1单用户MEC系统
单用户MEC系统中有三种常用的任务模型：二元确定性任务模型卸载、部分卸载的确定性任务模型和随机任务模型。对于二元卸载，为了节约能耗，当用户信道质量理想或者本地计算能力小的时候，任务卸载到边缘进行计算，此外，波束赋型和MIMO技术也可以用于降低卸载的计算能耗。在降低延迟方面，当用户带宽较大且MEC服务器具有较大的计算容量时，计算卸载比本地计算更有优势。部分卸载允许灵活的数据分区。通过将耗时或耗能的子任务卸载到MEC服务器，与二元卸载相比，部分卸载可以实现更大的节能和更小的计算延迟。对于随机任务模型，可以利用任务到达和信道的时间相关性设计自适应动态计算卸载策略。此外，通过卸载速率控制来维护用户和MEC服务器上任务缓冲区的稳定性是非常重要的。
2.2多用户MEC系统
多用户MEC系统是由共享一个边缘服务器的多个移动设备组成的MEC系统，有几个新的挑战点：多用户联合无线电和计算资源分配、MEC服务器调度、多用户合作边缘计算。
(1)联合无线和计算资源分配
MEC服务器的计算资源相对较少，因此，设计一个多用户MEC系统的关键问题就是如何分配有限的无线和计算资源给多个移动设备以实现系统级目标，比如最低总量的移动能耗。为了适应不同的MEC系统，集中和分布式的资源分配机制都已经有了研究。对于集中资源分配，MEC服务器获得所有移动信息，包括CSI和计算请求，做出资源分配决定，并向移动设备通知决策。研究的另一个重点是针对多用户MEC系统的分布式资源分配，这些系统是使用博弈论和分解技术设计，假设计算任务是通过一个或多个干扰信道进行本地计算或者完全卸载。
(2) MEC服务器调度
前面的讨论都是基于用户同步的假设和并行局部边缘计算的可行性。然而，实际的MEC服务器调度需要关注以下问题。首先，不同用户的到达时间通常是异步的，如果具有有限计算资源的边缘服务器顺序地缓冲和计算任务，会导致排队时延。其次，即使是任务同步到达，在运行不同类型的应用程序的用户之间，时延要求也可能存在显著差异，这就要求服务器调度根据用户的时延要求分配不同级别的优先级。最后，一些计算任务由多个独立的子任务组成，导致这些模型的调度必须满足任务相关性要求。
(3)多用户合作边缘计算
多用户合作计算是一种有希望改进MEC性能的技术，这种技术有两大优势。首先，MEC服务器计算资源有限，处理大数量的卸载移动用户数据时会过载。这种情况下，通过点到点的移动合作计算，服务器的负担会减轻。其次，用户间共享计算资源可以平衡用户间不均匀分布的计算工作量和计算能力。
2.3有异构服务器的MEC系统
为了实现无处不在的边缘计算，异构MEC（Het-MEC）系统已经被提出，系统包括一个中央云和多个边缘服务器。研究点集中在服务器选择、合作、计算迁移。
(1)服务器选择
异构MEC系统中的用户，一个关键的设计问题是决定计算卸载的位置，是在边缘还是中心云服务器。
(2)服务器合作
通过服务器协作进行资源共享不仅能提高资源利用率、增加计算服务器提供者的收益，而且能为用户提供更多的资源增强他们的体验。
(3)计算迁移
MEC服务器上的计算迁移是由卸载用户的移动性驱动的。当用户靠近新的MEC服务器时，网络控制器可以选择将计算迁移到该服务器，或者在原服务器中计算任务，然后通过新服务器将结果转发给用户。
从大规模MEC系统部署、部署缓存的MEC、绿色MEC、MEC的安全性这四个方面介绍：
3.1 MEC系统部署
MEC将云计算能力“下沉”到网络边缘以降低核心网中由于网络拥塞和传输延时导致的时延。然而，没有正式定义MEC服务器是什么，具体位置在哪里。这样MEC服务器的站点选择就成了一个研究问题。
3.2 MEC的移动性管理
移动性是MEC应用的固有属性。比如，VR辅助的博物馆参观，用来提升用户的体验度。在这些应用程序中，用户的运动和轨迹为边缘服务器提供位置信息和个人的偏好信息，提高了处理用户计算请求的效率。另一方面，由于下列原因，移动性也为实现无所不在的、可靠的计算带来了重大挑战。首先，MEC将在HetNet体系结构中实现，该体系结构由多个宏站、微站和WiFi接入点构成。用户的移动导致将会在小范围的边缘服务器范围内频繁切换。由于不同系统的配置不同、用户和服务器的关联策略不同，这就会变得非常复杂。其次，用户在不同小区间的移动会产生严重的干扰和导频污染，这会大大降低通信质量。最后，频繁的切换会增加计算时延，降低用户体验度。
3.3绿色MEC
MEC服务器是小型数据中心，每一个都比传统的云数据中心消耗更少的能量。然而，它们密集的部署模式引起了对全系统能源消耗的极大关注。因此，开发实现绿色MEC的创新技术无疑是非常重要的。
3.4 MEC中安全和隐私问题
安全和保护隐私的移动服务的需求越来越大。MEC能够支持新类型的服务，但其独特的特性也带来了新的安全和隐私问题。首先，MEC系统固有的异构性使得传统的信任和认证机制无法适用。其次，支持MEC的通信技术的多样性和网络管理机制的软件特性带来了新的安全性的威胁。
04 结语
MEC是一种创新的网络范式，能够满足空前增长的计算需求和不断提高的用户体验需求。MEC通过将丰富的计算和存储资源推向网络边缘，使云计算能力和IT服务能够接近最终用户。可以预见，MEC必将成为未来移动通信系统不可或缺的重要组成部分。
第八云服务器：价格便宜、质量稳定、服务到位！【点击购买】
