文摘
移动云计算(MCC)集成云计算(CC)移动网络,延长电池寿命的手机用户(亩)。然而,这种模式可能会导致显著的执行延迟。为了解决延迟问题,一个新的模式被称为移动边缘计算(MEC)提出了。MEC提供计算和存储服务网络的边缘,使亩有效地执行应用程序和延迟满足需求。在本文中,我们提出一个全面的调查MEC研究从服务的角度采用和规定。我们首先描述MEC的概述,包括定义,MEC的体系结构和服务。之后,我们审查现有MUs-oriented服务采用MEC,即。卸载。更具体地说,对卸载的研究分为两个主要分类:计算卸载和数据卸载。此外,每个人都是进一步分为单一μ卸载方案和multi-MU卸载方案。然后我们调查面向边缘服务器——(ES)的服务条款,包括技术指标、ES放置和资源分配。 In addition, other issues like applications on MEC and open issues are investigated. Finally, we conclude the paper.
1。介绍
近年来,随着云计算的不断发展(CC)、大数据、移动网络、软件定义网络(SDN)和智能移动终端的升级1- - - - - -11),手机用户的数量(亩)迅速激增。根据思科的最新预测,2020年全球移动数据流量(联合化疗)的8倍,在2015年,和亩的数量将达到26.3亿12]。然而,相比传统的设备如电脑、一个μ的计算有一定的限制,存储容量,特别是电池容量,大大限制了服务的进一步提升。移动云计算的出现(MCC)提供了一个很好的机会来缓解这样的限制。世纪挑战集团带来了新的类型的服务和设施亩充分利用CC (13]。
然而,云通常是位于远离亩,导致高网络延迟亩和云之间的数据传输。为了解决网络延迟的问题,一个名为移动边界计算的新范式(MEC)提出了。MEC可以被看作是一个特定的MCC。
许多调查MEC最近发表(14- - - - - -17]。调查MEC关注总体概述了在14]。MEC的全面调查研究提供了从沟通的角度(15]。王等人提出了一个全面的调查在MEC在[服务迁移16]。两个概念类似于服务迁移,如动态迁移在蜂窝网络数据中心和交接。王等人。17)进行了详尽的综述当前MEC的研究努力。他们首先给MEC的概述包括定义、体系结构和优势。此外,问题计算、缓存和通信技术也提出了。
不同于现有的调查,我们提供最先进的MEC的全面调查研究,专注于服务采用和条款。更具体地说,MEC主要由两部分组成,包括μ和边缘服务器(ES)。一方面,我们调查了MUs-oriented服务采用,如计算卸载和数据卸载。另一方面,ES-oriented服务条款,包括部署和资源分配,是调查。
本文总结的缩写表所示1。剩下的纸是组织如下。节2,我们给MEC的概述。我们描述MUs-oriented服务采用部分3。其次是部分4ES-oriented服务条款主要是调查。然后应用MEC介绍部分5。部分6阐述了开放的问题。最后,我们得出结论。
2。MEC概述
在本节中,我们介绍MEC节的定义和体系结构2.1,然后在部分显示几个模式的比较2.2。文献的摘要在不同模式如表所示2。
2.1。MEC的定义、体系结构和服务
2.1.1。定义
MEC是一个新的网络范式,提供信息技术服务和CC功能移动接入网内的亩,已成为技术。欧洲电信标准协会(ETSI)在2014年提出了MEC的标准化18),并指出MEC提供了一种新的生态系统和价值链,可以使用MEC亩的密集型计算任务迁移到附近的ESs ([19,20.])。自从MEC坐落在无线接入网络(RAN)和接近亩,它可以实现更高的带宽和更低的延迟时间,提高服务质量(QoS)和质量的经验(体验质量)。MEC也是关键技术发展的5克(21),这有助于从延迟满足5 g的高标准,可编程性和可伸缩性。通过部署服务和缓存在网络的边缘,MEC不仅可以减少交通堵塞,还有效地响应用户的请求。最相似的概念MEC是电子商务。电子商务指的是一种新的计算模式,执行计算在网络的边缘。边缘EC中的数据代表了云服务,和上游数据代表了互连服务。EC的边缘是指任何计算和边缘网络从数据源到CC中心。MEC强调之间的ES CC中心和边缘设备执行的任务计算亩ESs的数据,但μ基本上没有计算能力。相反,μEC模型具有较强的计算能力。因此,MEC可以被视为一个电子商务模型的一部分22]。在[23),马赫等人首先描述MEC的主要参考用例和场景。他们回顾了现有的概念将MEC功能集成到移动网络和讨论的进展MEC标准化。他们主要回顾了MEC面向用户的情况下,即,计算卸载。更具体地说,研究计算卸载潜入三个subissues:决策、资源分配、和流动性管理。梁(24)主要集中在MEC在5 g系统。
在本文中,我们主要关注MEC和现在MEC的全面调查从服务的角度来看。更特别,我们主要回顾服务采用μ和服务提供ES”。亩本文可以手机、平板电脑和其他智能设备。事实上,它不是很重要亩是否有计算能力。亩的主要问题是ESs卸载。与此同时,ES位置和资源分配的ES是非常重要的。
2.1.2。体系结构
如图1(25),我们认为MEC架构可以被视为亩之间的中间层和云接近亩和为他们提供服务和云可以直接沟通。此外,它也可以被视为一个独立的两层结构组成的亩和ESs。μ一般指手机,平板电脑,笔记本电脑,等等。此外,ES一般指基站结合服务器或薄云。ES亩卸载计算任务,这不仅使亩有效地执行应用程序,但也减少了延迟由于访问公共云。
2.1.3。服务
为了更好地理解MEC的,作者在26)首先讨论确定的潜在服务场景和MEC启用网络的设计挑战。MEC服务主要包含许多方面,比如服务条款和服务部署。更具体地说,亩和ESs MEC的核心部分,因此我们主要关注MUs-oriented服务采用和ES-oriented服务条款。亩,如何获得所需服务(即。,offloading) to meet application requirements is more critical. For ESs, how to manage resources (i.e., ESs) effectively is critical.
2.2。比较几种模式
在本节中,我们介绍了现有概念的比较调查部分2.2。1。节中描述的类似的条款2.2。2。
2.2.1。调查的概念比较
电子商务实现的比较:雾计算、薄云,MEC所示(27]。在[28),分布的基本问题和主动缓存计算任务在雾的环境中研究了延迟的约束下和可靠性。我们描述的比较2.2。2。
2.2.2。类似条款
在本节中,类似的条款,如移动云计算(MCC)、雾计算(FC),和薄云,介绍和比较。
(1)移动云计算(MCC)。MCC的定义是所示29日,30.]。的主要思想如下。MCC是指基础设施,数据存储和数据处理μ之外发生的。三种MCC架构调查(31日),包括公共云(32),朵云(33),临时移动云(34]。作者在35)提出,未来的世纪挑战集团将整合薄云,MEC。我们认为MCC和MEC是不同的目的地卸载MCC的云,但他们的概念是一样的,如果把目的地是朵云。
如图2,一个基本的MCC系统架构。MEC主要由两部分组成,如亩和云服务器。一般来说,假设云服务器的资源是无限的和遥远的μ,而MEC接近μ。MEC可以减少μμ的访问延迟,提高QoS。然而,MEC的ES有限的资源类型和计算能力。当请求亩无法执行的ESs需要进一步决定是否执行由μμ的请求在本地本身或请求转发到云。
(2)雾计算(FC)。尽管CC是广泛使用,由于固有的问题(即。,unreliable delay, lack of mobility support, and location awareness), there are still some problems needed to be figured out. FC can figure out the above issues by providing flexible resources and services for the MUs. FC was proposed by Cisco in 2012 [36),被定义为一个高度虚拟化计算平台,从CC中心亩以前执行的任务。FC的全面的定义是由牧童在[37]。FC (38)扩展了基于云计算的网络体系结构通过引入云计算和亩之间的一个中间层,中间层是本质上一层雾雾组成的服务器部署在网络边缘(39]。骨干链路的带宽负载和能量消耗可以显著减少通过雾服务器(40]。此外,雾服务器可以与云相互联系和使用的云计算能力和丰富的应用程序和服务。在[41],易等人讨论了FC的定义和相似的概念,介绍了代表应用程序场景,并指出可能遇到各种问题,设计和实现FC系统。易et al。42]讨论了当前FC和相似的概念的定义,提出了一个更全面的定义。他们也实现和评估一个原型FC平台。作者在22,43与FC)认为MEC是可替换的,MEC主要更侧重于事物方面,而后者更侧重于基础设施方面。在本文中,我们认为有MEC和俱乐部之间没有本质区别。他们都是接近亩,可以被视为一个有效的补充CC和的重要基础实现物联网(物联网)。
(3)朵云。薄云首先提出了作者在33和广泛用于普适计算44]。在现有的调查中,一方面,这种计算模式相对较早出现。另一方面,切断了由单个薄云亩。因此这种模式被认为是一个独立的服务模式。与他们不同,我们认为薄云可以由多个薄云亩合作提供服务,这是服务提供的重要途径。此外,作者在45,46)也支持这一观点。在[47),作者认为薄云只能用于无线接入环境。然而,我们相信MEC是一个通用的概念,可以支持wi - fi和5 g是一种有效的补充。因此,我们认为薄云发挥重要作用在MEC ESs的服务条款。更具体地说,在WLAN和谁薄云发挥重要的作用。更多细节将部分中描述4。
3所示。手机用户——(亩)采用面向服务
在本节中,我们回顾研究卸载。文献的摘要MUs-oriented服务采用如表所示3,每篇论文的要点总结道。我们首先简要介绍决策卸载。
在[48),张等人调查决策任务迁移包括决策因素和相关算法。他们指出,更要注意这个问题。在[23),作者回顾了决策MEC的地方执行卸载问题,完全卸载,部分卸载。提出了一种计算卸载移动系统的调查(49]。他们描述了两个目的(即。,improving performance and saving energy) for offloading and provided a review from this perspective. Different from them, we mainly focus on the offloading issue from the perspective of offloading taxonomy. More specifically, we divide the studies on offloading into two key taxonomies: computation offloading and data offloading.
3.1。卸载分类法
我们回顾计算卸载3.1。1在部分和数据卸载3.1。2。计算的主要担心卸载和数据卸载是不同的。计算卸载指亩发出沉重的计算任务ESs和接收的结果他们(49),而数据卸载指的是使用新的网络技术传输移动数据原计划通过蜂窝网络传输(50]。
3.1.1。计算卸载
计算卸载最初在MCC学习。卸载问题模型在MCC MEC是相似的,但是最主要的区别是卸载的目的。一般认为,计算卸载的实现依赖于网络与公共云架构,而MEC的卸载目的地是ES。此外,卸载目标基本上是相同的是减少能源消费总量或整体任务执行时间,或他们两人。此外,MEC计算卸载分为单一移动用户计算卸载(单MUCO)和多个移动用户计算卸载(Multi-MUCO)。
(1)单一MUCO。有许多研究单一MUCO。更具代表性的如下([51- - - - - -58])。我们回顾文献的角度基于薄云单一MUCO和基站单MUCO。
基于单MUCO朵云。卸载应用程序最合适的薄云是非常重要的。在[51),罗伊等人提出了一个感知应用程序的薄云选择策略为多个薄云的场景。他们认为,不同的薄云可以处理不同类型的应用程序。第一次验证应用程序类型当请求来自μ。然后,选择最合适的薄云从多个薄云附近μ的基础上应用程序类型。通过使用提出战略,能源消耗和延迟μ可以减少应用程序执行的。在[52),一种机制来确定计算卸载的薄云提出了在一个分布式的方式。机制主要是由两个阶段组成的。在第一阶段,薄云μ的wi - fi范围内确定。在第二个,理想的卸载薄云被选中。慕克吉et al。53)提出了一个权力和延迟知道最佳薄云选择方法为多个薄云场景通过引入一个代理服务器。理论分析表明,权力和延迟消费减少-36%,29% -32%和33%分别,而卸载云。提出了一种两级优化策略(54]。首先,薄云选择基于混合整数线性规划(MILP)模型,提出了获得的薄云亩通过优化延迟和平均回报。其次,提出了一种基于MILP资源分配模型分配的资源选择薄云通过优化奖励和意味着资源使用情况。
在[55),作者开发动态卸载亩框架,考虑当地的μ的开销,以及有限的通信资源和计算资源。他们发展把决策问题作为multilabel分类问题和深监督学习(DSL)方法提出了计算和卸载开销降到最低。结果表明,系统可以减少成本相比,现有的四个方案,包括没有卸载方案,随机卸载方案,总卸载方案,multilabel卸载方案为基础的线性分类器。
基于基站单MUCO。把从一个μ的优化框架提出了多个ESs (56]。作者考虑了两种情况下,如固定CPU频率和弹性CPU频率μ。此外,提出了两种不同的方法来解决这两种情况分别。结果表明,该算法取得了接近最佳性能。在[57)之间的权衡任务卸载MEC的延迟和可靠性研究。提供了一个框架,μ任务划分成子任务和分流到多个ESs。在这个框架中,制定一个优化问题,共同减少延迟和卸载失败概率。与以前的工作相比,结果表明,该算法实现了很好的平衡这两个对象之间,即、延迟和可靠性。在[58),作者关注共同优化通信资源和计算资源的部分计算卸载基于动态电压缩放(dv)技术。首先,由一个ESμ切断被认为是;另一方面,他们调查能源消耗的最小化问题和延迟应用程序执行最小化问题在多个ESs的场景,μ可以卸载计算一组ESs。
(2)Multi-MUCO。相比单一的μ问题,multi-MUCO更为复杂。考虑到资源有限和亩是相互限制,multi-MUCO很难解决。更具代表性的如下([59- - - - - -70年])。我们回顾文献的角度基于薄云单一MUCO和基站单MUCO。
基于薄云Multi-MUCO。曹et al。59)提出的问题对薄云MUCO MCC在多通道无线竞争环境。他们制定这个MUCO问题作为一个非合作的博弈。然后一个完全分布式计算卸载算法开发,实现纳什均衡点(NEP)。最后,证明了算法的有效性。
基于基站Multi-MUCO。在[60),作者首先研究了MEC MUCO问题在多通道无线干扰环境中。他们表明,计算一个集中的最优解是np困难,所以游戏理论是用于实现生态以分布式的方式。问题是建模为MUCO游戏。他们分析了游戏的结构和显示游戏公认的纳什均衡。然后设计了一个分布式计算卸载算法解决方案。此外,这项研究扩展到MUCO场景。这是证明他们的算法可以实现更高的性能。在[61年),毛泽东等人研究了两个关键的但相互矛盾的目标之间的权衡μMEC系统,如亩的功耗和执行计算任务的延迟。基于李雅普诺夫优化方法,为当地执行一个在线算法和计算卸载。分析表明,功耗和执行延迟了 (是控制参数)。仿真结果证实了理论分析。在[62年),刘等人用排队论来研究能源消费,执行延迟,MEC的出售价格问题。一个多目标优化问题(MOOP)是减少这三个目标的制定。了该方法的有效性通过广泛的模拟演示。在[63年),作者认为multi-MU MEC系统节能资源分配。下载的资源消耗计算结果返回给亩是考虑。与此同时,作者在两个computation-efficient模型建立和不可忽视的BS执行时间可以忽略不计,分别。每个模型下,他们开发一个总权重和能耗最小化问题的最优分配通信资源和计算资源。在[64年),王等人提出联合考虑计算卸载和干扰管理,提高与MEC无线蜂窝网络的性能。此外,计算卸载决定,物理资源块分配(复审委员会),和MEC计算资源分配的配方优化问题。仿真结果表明了该方案的有效性。在[65年),张等人制定一个优化的问题,减少能源消耗。基于多个访问5 g异构网络的特点,他们设计了一个节能计算卸载(EECO)方法,以最小化能耗延时约束下通过整合优化卸载和无线电资源分配。
在[66年),作者提出一个统一的移动边缘computing-wireless权力交接(MEC-WPT)设计通过考虑无线multi-MU MEC系统供电,在multiantenna接入点(AP)(结合MEC服务器)广播无线电力充电multi-MU每个μ依赖于收获能量来执行计算任务。他们提出一个最优的资源分配方案的总能耗最小化美联社的会议亩的个人计算延迟约束。作者(67年)提供一个系统的一般模型,考虑MEC E2E计算延迟的应用程序。的评价multi-MU MEC卸载模型简化为多个背包问题(MKP)制定。在[68年),在线联合广播和计算资源管理算法multi-MU MEC系统开发的长期平均加权和功耗降到最低亩和ES,由稳定的任务限制缓冲区。在[69年),作者关注如何动态卸载新移动应用程序执行的计算密集型任务从亩ESs最小化应用程序平均完成时间。他们认为一个系统模型,一群亩连接到。此外,他们认为可能的一个共享的网络上传输碰撞当不止一个μ试图同时传输数据。结果表明,该方法明显优于之前的。在[70年),MEC启用多单元的无线网络被认为是每个BS配备一个ES可以用来协助执行计算密集型任务的μ卸载。联合任务卸载和资源分配的问题是制定亩的最大化利润计算卸载,这是通过减少测量完成时间和能源消耗的任务。
3.1.2。数据卸载(做)
同样,也可以分配到一个μ数据卸载(单MUDO)和multi-MU数据卸载(Multi-MUDO)。
(1)单一MUDO。王等人提出了多种有效的数据卸载方法和获得更好的结果在不同的场景(71年,72年]。在[71年),他们提出了一个移动数据流量卸载(MDTO)模型可以确定是否采取机会主义的自适应通信或通过蜂窝网络交流。此外,王et al。72年)提出了一个开创性努力促进新兴车辆cyber-physical MDTO系统(VCPSs),旨在减少QoS意识到服务的联合化疗。他们调查MDTO wi - fi和车载ad hoc网络模型(VANET)。特别是,他们制定MDTO MOOP同时最小化联合化疗和QoS意识到服务提供。得到了最优的解决方案通过使用混合整数规划(MIP)。仿真结果表明,该方案能将84.3%的联合化疗和满足全球需求的QoS保证。周et al。50]讨论了移动数据卸载技术的发展现状。针对数据的多样性卸载赞助商,他们当前的移动数据卸载技术分为四个分类,因此,通过小细胞网络,通过无线网络,机会主义的移动网络和异构网络。在[73年),作者集中在无人机(UAV)轨迹边缘将交通的基站(BSs)。迭代算法是解决优化问题是一个混合整数非凸问题。方案被证明的有效性。
(2)Multi-MUDO。作者在74年)从事调度问题多亩的卸载和选择ESs卸载。他们提出了一种基于联合coalition-pricing数据卸载方法基于coalitional博弈论和价格机制。数值结果显示了该方法的有效性。
4所示。面向边缘服务器(ES)的服务条款
在本节中,我们主要回顾ES-oriented服务条款。节4.1介绍了技术指标,包括支出部分4.1。1和负载平衡4.1。2。其次是部分4.2,ES放置不同的场景(WLAN(部分4.2.1)和人(部分4.2.2))进行了综述。然后我们总结部分的资源分配4.3,如资源分配在薄云MEC系统部分4.3.1;基于基站的MEC系统资源分配的部分4.3.2是调查。文献的摘要ES-oriented服务条款表所示4。
4.1。技术指标
在本节中,介绍了支出部分4.1。1和部分中描述的负载平衡4.1。2。
以下4.4.1。支出
不同于云,ES的资源是有限的。至关重要的成本降到最低ES和满足用户需求的任务。因此,支出指标突出显示。在[75年),incentive-compatible拍卖机制(ICAM)提出了亩之间的资源交易和薄云。μICAM能有效地分配朵云会议服务需求和确定价格。基于李雅普诺夫优化技术结合加权扰动技术,方et al。76年)提出了一种新的随机控制算法,使得在线决策计算请求承认和调度,计算服务购买,和计算资源分配。特别是,它在实践中是非常有效的。这是证明该算法实现利润优化和系统的稳定性。在[77年)、太阳等人提出了朵云网络体系结构。每个μ可以与《阿凡达》。住阿凡达之间的迁移使保持低E2E推迟每个μ和其《阿凡达》。他们提出了一个利润最大化的化身放置(原始的)政策优化利润迁移和迁移成本之间的权衡。原始的有效证明。
4.1.2。负载平衡
负载平衡是一个重要的指标来评估MEC系统。贾et al。78年]调查多个薄云之间如何平衡工作负载。快速和可扩展的算法被开发来解决这个问题。此外,性能评价实验模拟,显示了巨大的潜力,以减少任务的响应时间。许等人提出的(79年在FC)的动态资源分配负载平衡的环境。在[80年],负载平衡问题在multi-MU FC场景的解决,作者提出了一种低雾聚类算法。
4.2。ES位置
在本节中,我们主要回顾ES放置问题。在基于基站的MEC系统,ES认为被放置,放置在相同的位置作为基站。所以我们主要研究边缘服务器的位置(即。基于薄云的MEC系统、朵云)。我们主要回顾薄云的情况下放置在VLAN和WLAN。我们复习WLAN的薄云配售部分4.2.1和谁的薄云放置部分4.2.2。
4.2.1。准备薄云放置在无线局域网
在[81年),作者提出了一个调查在当前移动朵云架构。他们还分类现有的朵云解决方案通过提交等级分类。部署薄云的需求和挑战一个无线局域网(WLAN)突出显示。总之,WLAN的亩的大小相对较小,网络覆盖是相对较小。因此,该方法不能直接用于人。在下一节中我们将讨论薄云放置在谁的问题。
4.2.2。朵云在的人
图3(82年说明了一个人。假设有K (K = 3)薄云(薄云,薄云B,薄云C)对K不同位置放置。为简单起见,假设与APs薄云将托管的。考虑到K放置薄云,亩可以卸载计算任务通过当地APs的薄云。如果薄云托管的美联社,亩,美联社将获得最低薄云的访问延迟亩(即。μμ(B)和(C)在图3);否则,μ请求在美联社必须传送到附近的薄云处理导致薄云访问延迟由于累积延迟多跳中继(即。μ(A),如图3)。
薄云尤其适合无线城域网(的人)。和谁的薄云放置问题组成的许多wap是非常有前途。有两个经典的优化问题这个位置问题密切相关,即缓存位置(83年)和服务器位置(84年]。实际上,这两个问题都可以解决的直接还原生产K-median问题[85年]。然而,这个位置的问题本质上是不同的从上面的两个问题;即,假设没有容量限制缓存(或服务器),或所有缓存(或服务器)有相同的能力;然而,每朵云的能力可能不同,不同的μ请求也可能有不同的计算资源的需求。徐et al。82年)首先描述问题作为一个新的能力薄云放置问题。和这个问题的目的是把K薄云在某些战略位置,以最小化之间的平均访问延迟亩薄云。此外,他们提出了一个有效的启发式解决这个问题。结果表明,该算法有很好的可伸缩性。在[86年),贾庆林等人制定薄云位置和亩分配薄云问题的人。他们开发了一个算法,使薄云在谁的位置和分配亩薄云,而他们的工作负载平衡。他们进行实验通过仿真证明该算法的有效性。众所周知,谁的μ是移动,使必要的部署和开关服务随时随地实现的最小网络延迟μ服务请求。然而,这种解决方案的成本往往过高为服务提供者和资源利用率是无效的。位置感知服务部署算法提出的梁等。87年基于k - means)来解决这个问题。一般来说,该算法把亩分成多个μ集群根据亩的地理位置,然后部署的服务实例的ESs中心最近的μ集群。性能评价表明,该算法不仅可以有效地降低网络延迟,而且减少服务实例的数量,同时满足容许网络延迟。在[88年),杨等人解决了这个问题的美联社排名薄云的电子商务环境。美联社排名薄云的位置是一个重要的一步。他们提出了一种自适应集成美联社排序方法通过分析APs的连接特点。结果验证了该方法的有效性。最重要的是,朵云部署谁很有挑战和巨大的应用前景,这是MEC的一个重要组成部分。
4.3。资源分配
在本节中,我们将资源调度问题分为两个部分。
4.3.1。基于资源配置在薄云MEC系统
服务部署。它派遣μ是至关重要的任务通过多个薄云MEC的协作。在[89年],Al-Ayyoub等人解决的问题优化功耗的大规模协作朵云部署。展示了该模式的有效性。在[46),Al-Quraan等人提出了一个混合整数线性规划(MILP) MEC系统的优化模型。更具体地说,两种薄云(即。,local cloudlets and global cloudlets) are mentioned. A MU first sends the requirements to the local cloudlet. If none of local cloudlets can provide services, then it will be transferred to a global cloudlet. They were evaluated in several practical cases to prove that it can be applied for large-scale MEC systems. The purpose of [90年是满足所有计算每个节点在网络边缘的要求在一定延迟基于有限计算资源(如细胞、APs和macro-BSs),以便优化总消费。他们制定这个问题作为一个整数规划问题,然后开发了一种两阶段优化(TPO)算法和迭代改进(Π)算法的解决方案。在[91年),如何部署服务器的一种经济高效的方式在不违反调查了预定的QoS姚明et al。特别是,他们实际上认为可用的朵云服务器是异构的。这意味着服务器有不同的成本和资源的能力。问题是制定成一个独立的形式,和一个低的启发式算法来解决这个问题。广泛的仿真研究验证了该算法的效率。孟et al。92年)被认为是小说MCC架构组成的云服务器,薄云,亩保证低延迟和能量消耗。联合优化策略提出了提高QoS。他们制定了无线带宽和计算资源分配模型作为Stackelberg博弈三个阶段,然后用落后的方法来解决这个问题。迭代算法是用来实现Stackelberg均衡。演示的方法的有效性。
虚拟机迁移。一些研究在基于云计算的虚拟机(VM)迁移已经调查((31日,93年- - - - - -98年])。然而,这些方案没有考虑μ迁移和VM迁移之间的关系,因此他们不能直接用于MEC。在[99年Raei)等人的一种建模MCC称为亩的薄云收到薄云作为中介服务节点。专用的VM配置在一个物理机器(PM),而下午可以位于薄云或公共云的一部分。此外,他们还提出了一种结合基于随机回报网的性能和可用性模型(SRN) (One hundred.]。太阳et al。101年]提出了绿色能源意识到《阿凡达》放置全额(GAP)政策来减少功耗的薄云迁移化身薄云。结果表明,缺口可以节省上网电力消耗的57.1%和57.6%。罗德里格斯等提出的方法。102年)最小化服务延迟一个场景有两朵云服务器。不同于之前的研究,该方法集中在计算和通信元素,通过虚拟机迁移控制处理延迟。结果表明,给出的建议的最低服务延迟的研究情况。在[103年],VM迁移问题是制定一对一的合同博弈模型,开发了学习型价格控制机制来有效地处理MEC的资源。最后,大量的仿真结果证明了该方法的效率。在[104年),提出了两种动态代理VM迁移方法之间的E2E延迟最小化代理VM和物联网设备,以及最小化能源消费总量的薄云。在[105年),王等人研究了动态服务MEC的迁移问题。他们制定一个序贯决策问题为服务迁移框架基于马尔可夫决策过程(MDP)。新算法和数值技术开发的解决方案。方法的有效性上展示了一个真实的数据集。在[106年),一个虚拟FD-enabled小蜂窝网络缓存和MEC是追究两个异构服务,即高速率服务和computation-sensitive服务。然后制定一个虚拟资源分配问题,因为最初的问题是一个混合的组合问题转化为一个凸的问题。此外,该模式的有效性验证了不同的系统配置。
4.3.2。资源分配基础MEC基站系统
资源分配和计算卸载通常共同考虑基于基站MEC系统。因此我们不重复介绍这里的文献。节中可以找到更多信息3。
5。应用MEC
在本节中,在MEC的应用进行了综述。文献的摘要的应用MEC表所示5。
MEC不仅显著降低了网络操作的成本和提高QoS的亩将计算资源进一步推向网络边缘,但也提供了一个可伸缩的物联网架构对时间敏感的应用程序。在[104年边缘),安萨里等人提出了一个移动物联网(MEIoT)体系结构(即给城市带来了许多资源。计算资源和存储资源)接近物联网设备。塔勒布et al。107年)提出了一个方法来提高亩的视频流在智能城市的经验。该方法依赖于MEC概念作为提高服务质量的关键因素。它维护QoS保证服务遵循亩的流动性和实现“跟着我边”的概念。该方案提供了一个重要的解决方案来减少核心网络流量,确保超短延迟。太阳et al。108年)提出了一个新颖的方法MEC命名edgeIoT找出移动边缘的数据流。更具体地说,每个废话是连接到一个雾在本地节点提供计算资源。SDN-based细胞核心旨在促进雾之间的数据转发节点。可穿戴设备(即。,smart watches, glasses, and helmets) were becoming more and more popular and were expected to become an indispensable part in our daily life. Despite the continuous upgrade of hardware, the life-time of MUs and functions (i.e., computing, storage) still need to be further improved. MCC can augment the capabilities of wearable devices by providing services. In [109年),作者提出了一个综合分析可穿戴设备和云之间的计算卸载。移动计算的收敛性和CC取决于可靠的高带宽E2E网络。这些基本要求难以保证在严酷的环境下(例如、军事行动和灾难恢复)。在[110年),作者研究了如何基于vm薄云,位于靠近相关亩可以应对这些挑战。无人机被用来提供加强覆盖或继电器服务亩无线系统在有限的基础设施。在[111年),一个基于无人机的MCC系统进行了研究,在移动无人机有计算能力提供者计算卸载亩的机会。系统旨在减少能源总成本的μ和满足的QoS要求卸载应用程序。卸载是通过上行和下行μ和无人机之间的通信。他们制定和解决一个问题的联合优化比特分配的上行和下行通信。数值结果表明,相比,可以节省大量的能量与当地移动执行。此外,小说EC授权无线接入网络架构提出了董et al。112年],fronthaul的链接和回程安装在无人机快速事件反应和灵活的部署。李等人。113年找出如何分区上的问题和可分割MEC环境中的应用程序可用资源分配给应用程序的完成时间最小化。一个理论模型为分区OCR-like任意可分割的应用程序开发的基础上,应用程序的负载和可用资源的能力,和封闭形式的解决方案。
6。开放的问题
在本节中,介绍了MEC的挑战。节6.1开放问题介绍了MUs-oriented服务采用和ES-oriented服务条款,然后我们描述其他开放问题,包括部分6.2。1安全问题和部分6.2。2仿真工具。
6.1。开放问题MU-Oriented服务采用和ES-Oriented服务条款
MEC是一个非常新颖和有前途的研究领域。尽管我们已经介绍了很多的研究,还存在开放的研究问题。从μ的角度来看,有必要进一步设计一个有效的算法多亩选择薄云,满足不同的服务需求。从的角度来看,亩和薄云需要共同优化薄云放置问题。一方面,考虑薄云的有限的资源,另一方面,有大量的亩的人,所以学习是至关重要的低薄云位置和调度算法。此外,考虑到μ的请求的动态变化和能源消耗的薄云,multicloudlet协作方法和VM迁移算法需要进一步研究。服务的建议114年MEC也是一种很有前途的研究问题。
6.2。其他问题
6.2.1。安全问题
的主要目的115年)整体分析的安全威胁,挑战,和机制固有的所有边的范例。王等人提出光纤陀螺仪的存储技术与网络威胁(116年]。不仅传统的安全问题,而且许多新的MEC的安全问题也需要关心。MEC包含大量的移动设备,因此它也是必要有效保护亩的隐私。此外,因为MEC可以被看作是一个多个节点,网络节点重要性的评估117年)和评估刀枪不入(118年MEC的也需要调查。在我们先前的研究[119年),一个入侵检测系统(IDS)是基于决策树的。首先,我们开发了一个预处理算法数字化字符串在给定的数据集,然后整个数据规范化。其次,我们为IDS系统,使用决策树方法,然后我们比较该方法与其他两种方法,即。、朴素贝叶斯和资讯。我们提出了IDS系统的有效性和精度。最重要的是,安全和隐私一直是一个基础研究的问题。我们强调安全问题需要吸引更多的关注。
6.2.2。仿真工具
我们所知,许多工具Matlab, JAVA、Python和可用于模拟CC。此外,CloudSim [120年)是一个著名的云的工具。在本节中,我们主要检查工具EC和MEC。特别是,我们还介绍了FC的工具。一个新的模拟器工具EdgeCloudSim流线型的呼吁EC场景提出了(121年]。EdgeCloudSim是建立在CloudSim解决电子商务的具体需求研究和支持必要功能的计算和网络功能。古普塔et al。122年)提出了物联网和FC环境模拟器叫iFogSim模型。他们描述了两个案例研究演示一个物联网的建模环境和资源管理策略的比较。此外,仿真工具箱的可伸缩性的内存消耗和运行时验证了在不同的场景。作者在123年]讨论了视图中的资源分配在FC亩的流动性和介绍MyiFogSim, iFogSim的延伸,支持移动通过VM迁移在薄云。总之,仿真工具的发展很有前途的,可有效促进农业机械化的发展和实验设计的标准化。
7所示。结论
随着移动网络的发展和5 g, MEC已成为这些年来有前途的领域。它不仅满足用户的业务需求,提高了μ的QoS和体验质量,也给服务提供者带来商业利益。在本文中,我们提出一个全面的调查MEC从服务的角度采用和规定。我们首先描述MEC的概述。之后,我们检查现有MUs-oriented服务MEC的采用。然后我们调查ES-oriented服务条款。此外,其他诸如应用程序在MEC,开放问题研究。我们强调更多的研究应该关注MEC的服务。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是由福建省自然科学基金支持下批准号2018 j05106,国家科学基金会中国批准号61702277,泉州科技项目批准号2015 z115,华侨大学的科学研究基金会资助下不。14 bs316。中国学术委员会(CSC)授予Kai彭一年的英属哥伦比亚大学的研究在国外。作者要感谢道林收集写作材料。