基于多接入边缘计算的任务卸载和资源分配策略研究.docxVIP

66

66 2022/05/DTPT

基于多接入边缘计算的任务卸载和

资源分配策略研究

0引言

近年来，商用5G已初具规模［1］。与前几代移动通信技术相比，5G的高带宽、低时延、广连接特性使其在在线游戏、智能识别、增强现实和虚拟现实（ARVR）［2］、自动驾驶［3］等领域得到广泛应用。然而，由于终端的计算能力和电池容量等方面的局限性，终端本身已无法满足日益增长的各种计算需求，云服务器应运而生。传统的云服务器采用集中式的计算方法，由中心云完成计算任务并将结果返回至设备端，这就导

——————————

收稿日期：2022-03-16

致设备端接收计算结果的时间取决于中心云与设备端之间的距离和核心网络的流量，在多数情况下很难满足低时延甚至“无感知“的需求。为了解决这一难点，科学家提出了一种分布式的计算策略——多接入边缘计算（Multi-accessEdgeComputing，MEC）［4］。

MEC将中心云分解为多个“微云”，即云服务节点，并

将其分散在设备附近，以完成设备卸载的计算任务。

由于“微云”和设备的距离很近，流量较少，能够满足各类计算请求对时延的需求；其缺点是计算能力较弱，一般只接收附近终端的计算任务。任务卸载和资源分配是移动边缘计算的关键问题［5］。合理的任务卸载和资源分配策略对提升MEC的服务性能和用户服

务质量（QualityofService，QoS）［6］具有重要的意义。

1相关研究

近几年，有关MEC的研究比较热。MEC将单一的云功能分解并下沉至多个边缘服务器［7］，利用物理位置的变化减少任务执行处理的时延［8］。部分研究将MEC简化为在小型基站上部署一部分额外的资源［9-10］，但没有考虑到基站位置的不可移动性，使得边缘服务器的部署有了很大限制；现有MEC多为云-边协同架构［11］，既有云端高速处理的优势，又有边缘侧低时延的优势［12］；对于MEC中的任务卸载问题，参考文献［13］认为边缘服务器具有统一的计算能力，并提出了一种伪在线任务调度算法。Jia等人在参考文献

信号基站

云

移动终端

图1MEC系统架构

边缘服务器

接入点

［14］中利用排队理论设计了用户和服务器模型，并提

出了一种启发式策略来解决调度问题。本文在这些

理论研究的基础上，结合任务之间的拓扑结构，提出了一种细粒度的任务卸载和资源分配方式。

2多接入边缘计算

MEC系统的核心就是分布式的边缘服务器，即在源头提供具有网络、计算、存储等功能的服务器节点［15］，计算任务被分别卸载到边缘服务器上，经过资源分配和计算后再将结果返回至设备端。这样，能同时满足多设备的计算需求，有效减少资源浪费，提高计算效率。无论是在空间距离上还是网络拓扑上，边缘节点都更靠近设备侧，与传统的云中心计算模式相比，MEC时延更低、安全性更高，对时延敏感型和带宽密集型任务更加友好［16］。MEC的系统架构如图1所示。

当移动终端自身的算力无法满足时，计算任务会被就

近分配至边缘服务器，待计算完成后将结果返回至终端，这一过程就是任务卸载［17］。任务卸载可以帮助终端分担复杂的计算任务，降低能耗的同时实现更快的任务处理速度，提供更好的QoS。

任务卸载一般有2个方式：水平卸载和垂直卸

载［18］。水平卸载一般指在相同层的设备和服务器之

间进行通信和协同计算；垂直卸载是根据计算能力将系统划分为云中心、边缘服务器、移动终端3层，卸载方向为低算力层到高算力层，如图2所示。

云计算中心

云层

边缘服务器分布在网络的边缘侧，一般在基站或接入点附近，更靠近设备侧，图1示出了2种任务卸载的路径：卸载至边缘服务器或直接卸载至云端。其连接性、约束性和分布性是5G网络协议提供可靠服务的保证。MEC可以显著缩短通信距离，被广泛应用于在线游戏、智能制造、智慧交通、智慧城市、物联网、车联

边缘服务器

终端1

边缘服务器边缘服务器

终端2 终端3 终端3’

边缘层

用户层

网等领域，这些领域的需求主要体现在时延、带宽与安全3个方面。然而，使用MEC系统架构还存在一定的挑战性，其关键在于任务卸载的决策和计算资源的分配。

3任务卸载

MEC的实际应用中往往催生大量的算力需求。

图2垂直任务卸载示意图

现阶段对任务卸载的研究