胡 恒，金鳳林，郎思琪

陸軍工程大學(xué) 指揮控制工程學(xué)院，南京210007

隨著物聯(lián)網(wǎng)的發(fā)展和5G 網(wǎng)絡(luò)的日益普及，各種終端智能設(shè)備呈現(xiàn)爆炸式的增長，據(jù)IMT（International Mobile Telecommunications）-2020（5G）推進組對終端設(shè)備連接數(shù)增長趨勢的預(yù)測，到2030 年全球物聯(lián)網(wǎng)設(shè)備連接數(shù)量將達到1 000 億左右，這些分布廣泛且數(shù)量眾多的設(shè)備產(chǎn)生的數(shù)據(jù)也越來越多，數(shù)據(jù)總量每年都呈指數(shù)形式的快速增長。尤其是隨著人工智能、物聯(lián)網(wǎng)技術(shù)和5G技術(shù)的發(fā)展，產(chǎn)生了各種新型應(yīng)用，很多部署在終端設(shè)備上的計算密集型和時延敏感型的應(yīng)用，對網(wǎng)絡(luò)的時延和帶寬提出了更高的要求，比如自動駕駛、增強現(xiàn)實、虛擬現(xiàn)實和在線游戲等新型應(yīng)用，要求更低的時延、更快的速度、更高的帶寬和更大的存儲能力。雖然現(xiàn)有技術(shù)已經(jīng)發(fā)展得很快，但終端設(shè)備的計算和存儲能力還是無法處理和存儲如此龐大的數(shù)據(jù)，難以滿足這些應(yīng)用的需求。另外，由于電池技術(shù)的限制，移動設(shè)備的能量有限，執(zhí)行高能耗任務(wù)也是一個很大的挑戰(zhàn)。為了解決這些問題，移動云計算（Mobile Cloud Computing，MCC）應(yīng)運而生。移動云計算集合了云計算和移動互聯(lián)網(wǎng)的優(yōu)勢特點[1]。所有復(fù)雜的計算都可以在云中執(zhí)行，因此移動設(shè)備得以簡化，不需要很復(fù)雜的配置[2]。在MCC中，終端設(shè)備可以將低時延高能耗的應(yīng)用任務(wù)，卸載到云服務(wù)器中進行計算處理，以此來增強終端設(shè)備的計算和存儲能力，減少設(shè)備的能耗，縮短任務(wù)執(zhí)行時間，給用戶帶來很好的體驗。然而，雖然將設(shè)備任務(wù)卸載到云服務(wù)器，設(shè)備的性能得到了很大的提升，但是MCC模式也帶來了新的問題，由于云服務(wù)器離終端設(shè)備比較遠(yuǎn)，導(dǎo)致任務(wù)執(zhí)行時延可能很高，而且對于像自動駕駛這類對時延要求精確到毫秒級的應(yīng)用來說，是無法滿足其需求的。因此，MCC 難以滿足時延敏感型應(yīng)用的需求[3]。并且MCC采用的是集中式處理模式[4-6]，如圖1所示，大量終端設(shè)備產(chǎn)生的海量數(shù)據(jù)都傳送到云服務(wù)器進行處理，不僅會給傳輸網(wǎng)路帶來很大的負(fù)擔(dān)，而且也會造成數(shù)據(jù)隱私的泄露，產(chǎn)生數(shù)據(jù)安全性問題。基于此業(yè)內(nèi)提出了移動邊緣計算[7]。

圖1 MCC體系結(jié)構(gòu)

移動邊緣計算能有效解決時延長、能耗高和數(shù)據(jù)不安全等問題。尤其是計算卸載技術(shù)作為MEC的關(guān)鍵技術(shù)更是成為該領(lǐng)域的研究熱點。MEC計算卸載技術(shù)允許終端設(shè)備將計算密集型任務(wù)卸載至MEC 服務(wù)器執(zhí)行，借助高計算性能MEC 服務(wù)器實現(xiàn)任務(wù)執(zhí)行時延降低的目的[8]。同時，將終端設(shè)備的任務(wù)卸載到邊緣服務(wù)器，也可以有效降低設(shè)備能耗。因此，MEC計算卸載技術(shù)能有效解決云計算帶來的問題的同時也能有效緩解終端設(shè)備資源受限與對需求有高要求的任務(wù)間的突出矛盾。雖然目前已有大量MEC相關(guān)領(lǐng)域的研究文獻和成果，但很少有對MEC領(lǐng)域相關(guān)理論進行系統(tǒng)的梳理，并且對于MEC計算卸載技術(shù)的現(xiàn)狀和面臨的問題挑戰(zhàn)介紹得也不夠詳細(xì)。因此本文對MEC 相關(guān)理論、部署方案和應(yīng)用場景進行了系統(tǒng)的梳理，并對計算卸載技術(shù)研究現(xiàn)狀和面臨的挑戰(zhàn)進行了詳細(xì)的分析和總結(jié)。

1 移動邊緣計算

1.1 MEC概念

多邊緣計算是在網(wǎng)絡(luò)邊緣執(zhí)行計算的一種新型計算模型[9]，在無線接入網(wǎng)絡(luò)的邊緣側(cè)，就近為終端設(shè)備提供邊緣服務(wù)。邊緣計算模型和云計算模型并不是取代的關(guān)系，而是相輔相成的關(guān)系，邊緣計算需要云計算中心強大的計算能力和海量存儲的支持，而云計算中心也需要邊緣計算中邊緣服務(wù)器對海量數(shù)據(jù)及隱私數(shù)據(jù)的處理[10]。而移動邊緣計算是由歐洲電信標(biāo)準(zhǔn)化協(xié)會（European Telecommunications Standards Institute，ETSI）于2014 年提出，是指將云服務(wù)器的部分云計算能力下沉到用戶側(cè)，在網(wǎng)絡(luò)邊緣部署計算和存儲資源，為用戶提供邊緣服務(wù)，由于更加地靠近邊緣設(shè)備，從而能為用戶提供超低時延和高帶寬，給用戶更佳的網(wǎng)絡(luò)體驗。MEC 也是一種新的網(wǎng)絡(luò)架構(gòu)，如圖2 所示，為部署在基站的一種MEC架構(gòu)。

圖2 MEC體系結(jié)構(gòu)

與云計算相比，移動邊緣計算具有很大的優(yōu)勢。第一，在無線接入網(wǎng)側(cè)部署MEC服務(wù)器，終端設(shè)備可以將計算任務(wù)卸載至邊緣服務(wù)器，不必經(jīng)過核心網(wǎng)將任務(wù)卸載到云服務(wù)器，從而達到減少時延的目的。第二，設(shè)備產(chǎn)生的大量數(shù)據(jù)卸載到邊緣服務(wù)器進行處理，極大地緩解了核心網(wǎng)絡(luò)和云服務(wù)器的壓力，也有效地保護了用戶數(shù)據(jù)的隱私。第三，終端設(shè)備的能耗主要包括執(zhí)行任務(wù)的能耗和傳輸任務(wù)的能耗。由于電池技術(shù)和終端設(shè)備尺寸的限制，導(dǎo)致設(shè)備能量很低，不能執(zhí)行高能耗的任務(wù)。將設(shè)備上的任務(wù)卸載到邊緣服務(wù)器可以有效地降低設(shè)備的能耗，延長設(shè)備使用的周期。表1列出了MEC與MCC的對比分析。

表1 MEC與MCC對比分析

1.2 MEC架構(gòu)

2019年ETSI對MEC架構(gòu)有了新的定義[11]。如圖3所示，文獻[12]參考了ETSI新定義的MEC參考架構(gòu)，從宏觀的層次上對MEC架構(gòu)進行了詳細(xì)說明。圖3詳細(xì)描述了MEC 參考架構(gòu)的各個不同功能元素和參考點。MEC參考架構(gòu)分為MEC系統(tǒng)層和MEC主機層，整個架構(gòu)包含三個參考點，分別是Mx、Mp和Mm。其中Mx代表與外部實體有關(guān)的參考點，Mp代表與MEC平臺應(yīng)用有關(guān)的參考點，Mm代表與管理相關(guān)部分有關(guān)的參考點。

圖3 MEC參考架構(gòu)

MEC主機層主要包括：MEC平臺管理器、虛擬化基礎(chǔ)設(shè)施管理器和MEC主機三部分。

MEC 主機作為實體，包含MEC 平臺、MEC 應(yīng)用和虛擬化基礎(chǔ)設(shè)施。虛擬化基礎(chǔ)設(shè)施通過虛擬化技術(shù)將各種標(biāo)準(zhǔn)的軟硬件資源整合成虛擬資源池，為MEC 應(yīng)用提供運行所需的資源，包括計算、存儲和網(wǎng)絡(luò)資源。MEC平臺是一個基本的功能集合，為MEC應(yīng)用提供了運行環(huán)境，使MEC 應(yīng)用能夠發(fā)現(xiàn)、提供和使用MEC 服務(wù)，并根據(jù)流量規(guī)則接受流量進行路由。MEC 應(yīng)用是在MEC 主機的虛擬化基礎(chǔ)設(shè)施上運行的MEC 應(yīng)用程序，根據(jù)請求利用虛擬化資源進行實例化，并作為虛擬機運行，與MEC 平臺進行交互以使用和提供MEC 服務(wù)。虛擬化基礎(chǔ)設(shè)施管理器主要負(fù)責(zé)對那些硬件資源和虛擬化的資源進行管理和監(jiān)控，分配和回收虛擬資源，比如利用虛擬資源創(chuàng)建一個個的虛擬機，就是由虛擬化基礎(chǔ)設(shè)施管理器完成的。移動邊緣平臺管理器主要負(fù)責(zé)管理MEC 應(yīng)用的生命周期，包括將與應(yīng)用程序有關(guān)的信息通過Mm參考點通知移動邊緣編排器；從虛擬化基礎(chǔ)設(shè)施管理器接收一些關(guān)于虛擬化資源故障報錯信息和性能指標(biāo)信息，以進行進一步處理。

MEC系統(tǒng)層包括：面向客戶服務(wù)門戶、設(shè)備應(yīng)用程序、用戶應(yīng)用程序生命周期代理、操作支持系統(tǒng)和移動邊緣編排器。

面向客戶服務(wù)門戶是一組能夠為第三方客戶提供服務(wù)的MEC應(yīng)用程序，該門戶通過Mx參考點與操作支持系統(tǒng)直接通信。設(shè)備應(yīng)用程序是指設(shè)備中運行的應(yīng)用程序，通過用戶應(yīng)用程序生命周期代理與MEC 系統(tǒng)通信。移動邊緣編排器是MEC 系統(tǒng)層管理的核心，根據(jù)已經(jīng)部署好的MEC主機，可用的軟硬件虛擬資源，可用的MEC 服務(wù)和拓?fù)浣Y(jié)構(gòu)來維護MEC 系統(tǒng)的整體視圖；在資源、服務(wù)和性能指標(biāo)等條件的約束下，選擇適合的MEC主機來實例化應(yīng)用程序。操作支持系統(tǒng)通過面向客戶服務(wù)門戶和設(shè)備應(yīng)用程序接收與應(yīng)用程序有關(guān)的一些請求，比如實例化應(yīng)用程序，終止應(yīng)用程序。并對這些請求進行判斷，決定是否放行這些請求，對于放行的請求，操作支持系統(tǒng)會將這些請求轉(zhuǎn)發(fā)到移動邊緣編排器，進行進一步處理。用戶應(yīng)用程序也是MEC 應(yīng)用程序，是通過設(shè)備應(yīng)用程序響應(yīng)用戶的請求在MEC系統(tǒng)中進行實例化的應(yīng)用程序。用戶應(yīng)用程序生命周期代理根據(jù)設(shè)備應(yīng)用程序的請求進行管理，并與操作支持系統(tǒng)和移動邊緣編排器進行交互，以進一步處理這些請求，允許實例化或終止應(yīng)用程序。

1.3 MEC部署方案

MEC 服務(wù)器擁有充足的計算和存儲資源，能夠為各類終端設(shè)備提供MEC服務(wù)。MEC部署位置不同，適用的場景和帶來的影響是不同的。在移動邊緣網(wǎng)絡(luò)環(huán)境中如何部署MEC服務(wù)器也是需要考慮的問題。MEC服務(wù)器在移動邊緣網(wǎng)絡(luò)中的部署方案有很多種，以下主要介紹三類MEC部署方案：宏基站云、小區(qū)小型基站云和核心網(wǎng)云，表2對三種部署方案進行了總結(jié)。

表2 三種部署方案對比分析

1.3.1 宏基站云

宏基站體型較大，能夠承載的設(shè)備數(shù)量也很多，覆蓋面積很廣，一般都能夠達到數(shù)十公里，距離設(shè)備不是很遠(yuǎn)。通過將MEC服務(wù)器部署在宏基站，使得MEC服務(wù)器能夠?qū)崟r地感知一定區(qū)域內(nèi)的網(wǎng)絡(luò)信息，能夠為大量的終端設(shè)備提供各類服務(wù)。如圖4所示，宏基站內(nèi)部可以部署多個MEC 服務(wù)器，因此具有很高的計算能力和大容量的存儲能力。由于靠近設(shè)備，能夠更便捷且快速地獲取和回應(yīng)設(shè)備的請求信息，帶來了低時延。但由于計費功能一般設(shè)在網(wǎng)關(guān)執(zhí)行，因此存在合法監(jiān)聽、計費等安全問題。此部署方案特別適用于覆蓋范圍較大的應(yīng)用場景，比如中小型城市，且對于未來智慧城市的建設(shè)具有很大的推動作用。

圖4 宏基站云

1.3.2 小區(qū)小型基站云

小區(qū)內(nèi)的小型基站體型較小，覆蓋范圍也小，能夠服務(wù)的終端設(shè)備數(shù)量相比于宏基站要少得多，計算和存儲能力也相對較弱，但離終端設(shè)備的距離更近，通過將MEC 服務(wù)器部署在小區(qū)內(nèi)的小型基站，能夠為終端設(shè)備提供低延遲的服務(wù)，提升用戶的體驗。但與宏基站部署方案一樣也存在計費、合法監(jiān)聽和鑒權(quán)等安全問題，同時安裝成本也相對較高，需要進一步地考慮。部署在各小區(qū)的MEC服務(wù)器，最后通過聚合節(jié)點接入核心網(wǎng)，如圖5 所示。該部署方案適用于覆蓋范圍較小的應(yīng)用場景，比如小區(qū)、學(xué)校和大型商場等熱點區(qū)域。

圖5 小區(qū)小型基站云

1.3.3 核心網(wǎng)云

如圖6所示，在核心網(wǎng)側(cè)的部署方案。以上兩種方式，雖然距離終端設(shè)備都比較近，但存在計費、鑒權(quán)和合法監(jiān)聽等問題。通過將MEC服務(wù)器部署在核心網(wǎng)側(cè)的分布式數(shù)據(jù)中心上，能有效解決這些問題，但由于MEC服務(wù)器離終端設(shè)備距離遠(yuǎn)，也帶來了高時延和高能耗等問題，增加了響應(yīng)服務(wù)的時間，同時會占用核心網(wǎng)大量的計算、存儲和帶寬等資源。

圖6 核心網(wǎng)云

MEC 服務(wù)器的部署與應(yīng)用場景有關(guān)，需要綜合考慮各種因素，比如周圍環(huán)境、時延性能指標(biāo)、業(yè)務(wù)類型和覆蓋范圍等。隨著技術(shù)的發(fā)展，未來具有各種計算能力和存儲容量的MEC 服務(wù)器將部署在網(wǎng)絡(luò)的各個位置。對于時延有較低要求的應(yīng)用場景，可以將MEC 服務(wù)器部署在基站附近。對計算能力和存儲容量有很高要求的應(yīng)用場景，可以考慮將MEC 服務(wù)器部署在核心網(wǎng)測?？傊?，根據(jù)實際的場景來考慮MEC服務(wù)器的部署，在各部署方式之間進行權(quán)衡，在滿足各類服務(wù)需求的情況下，使得計算、網(wǎng)絡(luò)和存儲資源利用得到最大化。

1.4 MEC應(yīng)用場景

由于移動邊緣計算具有安全性高、離設(shè)備距離近帶來的低時延、低能耗和高帶寬等特點，使得移動邊緣計算在現(xiàn)實生活中具有豐富的應(yīng)用場景。比如物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、增強現(xiàn)實等領(lǐng)域，下面列出并介紹了MEC主要典型應(yīng)用場景，并在表3中總結(jié)了各種應(yīng)用場景引入MEC技術(shù)帶來的優(yōu)勢。

表3 各種典型應(yīng)用場景引入MEC帶來的優(yōu)勢

1.4.1 物聯(lián)網(wǎng)

物聯(lián)網(wǎng)是指借助智能技術(shù)，將物體的狀態(tài)、位置和所處周圍環(huán)境的信息進行采集分析整理，通過其連接的網(wǎng)絡(luò)，進行有效物體間的信息交換和傳遞，實現(xiàn)隨時隨地的人機互連、物物互連的智能網(wǎng)絡(luò)。將物聯(lián)網(wǎng)設(shè)備產(chǎn)生的計算密集型任務(wù)卸載至MEC 服務(wù)器中執(zhí)行，有助于實現(xiàn)物聯(lián)網(wǎng)設(shè)備簡化及低能耗需求，達到延長設(shè)備生存期的目的[13]。由于MEC服務(wù)器通常擁有一定計算存儲資源并能收集和處理信息，在物聯(lián)網(wǎng)中引入MEC 技術(shù)，能幫助物聯(lián)網(wǎng)設(shè)備簡化配置，使物聯(lián)網(wǎng)設(shè)備更簡化，同時降低設(shè)備的價格。

1.4.2 車聯(lián)網(wǎng)

據(jù)車聯(lián)網(wǎng)網(wǎng)絡(luò)安全白皮書中對車聯(lián)網(wǎng)進行的定義，車聯(lián)網(wǎng)是指借助新一代信息和通信技術(shù)，實現(xiàn)車內(nèi)、車與人、車與車、車與路、車與服務(wù)平臺的全方位網(wǎng)絡(luò)連接，提升汽車智能化水平和自動駕駛能力，構(gòu)建汽車和交通服務(wù)新業(yè)態(tài)，從而提高交通效率，改善汽車駕乘感受，為用戶提供智能、舒適、安全、節(jié)能、高效的綜合服務(wù)。車輛通過與路旁基站上部署的MEC服務(wù)器通信來提高運輸系統(tǒng)的安全性、效率和便利性，服務(wù)器中部署的應(yīng)用程序包含使用從車輛和路邊傳感器接收到的數(shù)據(jù)的算法，以預(yù)先識別高風(fēng)險情況，并向該區(qū)域的車輛發(fā)送警報和警告[14]。若將聯(lián)網(wǎng)車輛與MEC 技術(shù)結(jié)合，不僅可以滿足車載應(yīng)用毫秒級時延和高帶寬的需求，而且可以在路邊基站部署MEC 服務(wù)器運行MEC 應(yīng)用程序來提供各類服務(wù)。通過賦予路旁基站計算及存儲能力，車載應(yīng)用服務(wù)可由中心網(wǎng)絡(luò)轉(zhuǎn)至網(wǎng)絡(luò)邊緣節(jié)點上處理，從而實現(xiàn)減少數(shù)據(jù)處理往返時延的目的[15]。而部署在MEC 服務(wù)器的MEC 應(yīng)用程序可以直接從車輛和路邊傳感器中的應(yīng)用程序接收車輛發(fā)來的信息，并對其進行分析，然后將信息傳遞給其他車輛，減少車禍風(fēng)險。

1.4.3 增強現(xiàn)實

增強現(xiàn)實是一種利用設(shè)備產(chǎn)生的包括聲音、圖片及視頻等附加元素，對用戶所看到真實世界影像進行增強或者擴展的技術(shù)[16]。增強現(xiàn)實允許用戶通過對周圍環(huán)境進行分析，獲得場景的語義，使用數(shù)據(jù)庫提供的其他知識來增強場景的語義，并在很短的時間內(nèi)將其反饋給用戶，從而從環(huán)境中獲取更多信息，該設(shè)備可以是智能手機或帶有攝像頭和其他傳感器的任何可穿戴設(shè)備[17]。雖然現(xiàn)有網(wǎng)絡(luò)平均的吞吐量可以達到很高，但一些高階增強現(xiàn)實應(yīng)用需更高的速度和更低的延遲。因此通過增強現(xiàn)實與MEC 技術(shù)結(jié)合，一方面可以將高質(zhì)量的增強現(xiàn)實內(nèi)容卸載到邊緣服務(wù)器，利用邊緣服務(wù)器的存儲資源可以預(yù)存一些熱門資源，當(dāng)用戶需求時可以直接返回給用戶，提高用戶體驗。另一方面對于一些計算能力需求高的任務(wù)，MEC 也可以利用自身的計算資源進行處理，而不必上傳到云端，節(jié)省了時延。

1.4.4 智能家居

當(dāng)前的智能家居服務(wù)模式主要由智能家用設(shè)備、手機或平板電腦應(yīng)用和云服務(wù)器構(gòu)成。通過在手機或平板電腦上下載智能設(shè)備對應(yīng)的應(yīng)用程序，就可以通過此應(yīng)用程序間接地操作控制家里的智能設(shè)備，既方便又智能。具體來說手機通過應(yīng)用控制程序向云服務(wù)器發(fā)送相關(guān)需求，云服務(wù)器通過解析需求，對相應(yīng)的智能設(shè)備下發(fā)狀態(tài)指令，然后手機就可以通過相應(yīng)的指令對設(shè)備進行控制。雖然云服務(wù)模式帶來了很大的方便，但也存在著數(shù)據(jù)安全、高延遲等問題。因此，通過在智能家居環(huán)境中引入邊緣計算技術(shù)，將MEC 服務(wù)器部署在家庭區(qū)域內(nèi)部，避免了將數(shù)據(jù)上傳到云服務(wù)器，不僅可以保證數(shù)據(jù)的安全性，也能有效降低手機設(shè)備訪問控制智能設(shè)備的時間。

1.4.5 視頻監(jiān)控系統(tǒng)

視頻監(jiān)控系統(tǒng)通過攝像頭拍攝大量的視頻數(shù)據(jù)，傳統(tǒng)的處理模式需要將視頻數(shù)據(jù)傳至云服務(wù)器處理或者在攝像頭本地處理。若在云服務(wù)器處理，則需要將大量的視頻數(shù)據(jù)傳至云端，不僅增加了核心網(wǎng)的負(fù)擔(dān)，而且也帶來了高的延遲。若將視頻數(shù)據(jù)在攝像頭處進行本地處理，這不僅需要每個攝像頭都具備視頻分析的功能，且需要大的存儲空間，這不僅會增加攝像頭配置的復(fù)雜度，維修帶來困難，而且會帶來高的成本和高能耗。若借助MEC服務(wù)器強大的計算能力和充足的存儲空間進行視頻數(shù)據(jù)的處理，每個攝像頭就無需復(fù)雜的配置進行視頻處理分析，不僅降低了攝像頭的成本和能耗，而且減輕了核心網(wǎng)的負(fù)擔(dān)，將視頻數(shù)據(jù)傳輸?shù)組EC服務(wù)器進行處理，也帶來了低時延和增加了數(shù)據(jù)的安全性。

1.4.6 位置感知

由于MEC 服務(wù)器部署在網(wǎng)絡(luò)邊緣，而且覆蓋的范圍足夠大，可以實時地監(jiān)測和獲取到用戶的位置信息。而應(yīng)用提供商的業(yè)務(wù)主要關(guān)注盈利模式，通過對用戶的實時定位，獲取用戶的位置信息，進而推送相關(guān)應(yīng)用的服務(wù)，提升與位置有關(guān)應(yīng)用的價值的同時帶來利潤的增收?；谖恢酶兄膽?yīng)用還有智慧商場大廈，將MEC服務(wù)器部署在商場內(nèi)，離用戶較近，便于實時獲取用戶的位置信息，給用戶提供個性化服務(wù)。當(dāng)顧客進入商場時，商場通過對用戶的實時定位，獲取位置信息，同時進行對其周邊商鋪、車庫、消費區(qū)域等查詢，結(jié)合這些信息，對用戶的行為數(shù)據(jù)進行分析，進而實現(xiàn)精準(zhǔn)推銷，商場也可以根據(jù)用戶的位置信息，推送高度相關(guān)的廣告或商場優(yōu)惠券信息。

1.4.7 醫(yī)療服務(wù)

雖然醫(yī)療技術(shù)進步很快，但仍然存在著醫(yī)療資源不均，不同醫(yī)療機構(gòu)之間的數(shù)據(jù)相互孤立，患者的醫(yī)療數(shù)據(jù)容易泄露等問題。而結(jié)合MEC 技術(shù)，通過連接數(shù)據(jù)資源擁有者的邊緣服務(wù)器，實現(xiàn)數(shù)據(jù)共享、資源共享，能夠消除多方醫(yī)療機構(gòu)之間的合作與共享的障礙，實現(xiàn)醫(yī)療信息化。不僅可以減少看病患者的等待時間，提高了醫(yī)治病人的效率，同時能夠保護患者隱私數(shù)據(jù)的安全。借助MEC 技術(shù)也可以對患者進行實時監(jiān)護，獲取患者生命特征數(shù)據(jù)和危急信息及時送給醫(yī)護人員，確?；颊叩陌踩?。同時專家醫(yī)生也可以借助MEC技術(shù)進行遠(yuǎn)程醫(yī)療實時會診，MEC 服務(wù)器強大的計算能力和充足的存儲容量，能保證實時會診所需要的很高的帶寬和低時延。醫(yī)療與MEC技術(shù)結(jié)合可以大幅度地提高醫(yī)療效率。

2 計算卸載技術(shù)及研究現(xiàn)狀

2.1 計算卸載技術(shù)

計算卸載技術(shù)[18]作為MEC 的關(guān)鍵技術(shù)之一，是指通過合理的卸載決策和資源分配策略將終端設(shè)備上運行的任務(wù)卸載到邊緣服務(wù)器，利用服務(wù)器充足的計算和存儲資源完成任務(wù)的執(zhí)行，減少任務(wù)完成時延和設(shè)備的能耗，提高設(shè)備性能。計算卸載技術(shù)在云計算中已經(jīng)被運用，與移動邊緣計算中的計算卸載技術(shù)上唯一的不同就是卸載的目的地不同。文獻[19]將計算卸載流程大致分為六個階段，包括尋找可用的MEC計算節(jié)點、程序分割、卸載決策、程序傳輸、執(zhí)行計算和計算結(jié)果返回，如圖7所示。

圖7 卸載流程

計算卸載技術(shù)主要包含卸載決策和資源分配兩個問題。其中卸載決策主要解決的是設(shè)備上的計算任務(wù)是否需要卸載，按照何種策略進行卸載，是完全卸載還是部分卸載等問題。資源分配所要解決的是如何對計算、網(wǎng)絡(luò)和帶寬等資源合理分配的問題，比如在單服務(wù)器的場景下，多個任務(wù)卸載到服務(wù)器上，如何有效合理地分配計算和存儲資源，才能最大程度地降低總?cè)蝿?wù)的時延和能耗。

在卸載系統(tǒng)中的設(shè)備一般由代碼解析器、系統(tǒng)解析器和決策引擎三部分組成。其中代碼解析器用于確定哪部分任務(wù)可以卸載，系統(tǒng)解析器用于監(jiān)控卸載數(shù)據(jù)大小、執(zhí)行任務(wù)的能耗和可用的帶寬等各種參數(shù)，卸載引擎用于決定任務(wù)是否可以卸載。

接下來本文將會按圖8 所示從卸載決策的目標(biāo)和卸載方式兩方面分析介紹和總結(jié)近年來計算卸載技術(shù)的研究現(xiàn)狀。

圖8 卸載技術(shù)

2.2 卸載目標(biāo)

進行卸載決策的目標(biāo)主要有三個：以縮短任務(wù)完成時延為目標(biāo)、以降低設(shè)備的能耗為目標(biāo)和以優(yōu)化時延和能耗加權(quán)和為目標(biāo)。本節(jié)將會從這三個方面介紹對近年來計算卸載策略現(xiàn)狀進行介紹。表4 為近年來卸載決策目標(biāo)的部分研究進展。

表4 卸載決策目標(biāo)研究總結(jié)

2.2.1 最小化時延的卸載方法

如果任務(wù)需要卸載，則完成此任務(wù)所花費的時延包括上傳任務(wù)到MEC服務(wù)器的傳輸時延、在MEC服務(wù)器上的執(zhí)行時延和返回執(zhí)行結(jié)果的傳輸時延。不進行卸載時，時延只包括在本地執(zhí)行的時間。為保證用戶有個很好的體驗，需要最大程度地降低任務(wù)的完成時延，至少需要滿足完成任務(wù)所需的最低時延要求。

文獻[20]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。首先利用馬爾可夫鏈理論，根據(jù)任務(wù)緩沖區(qū)的排隊狀態(tài)、本地處理單元的執(zhí)行狀態(tài)以及傳輸單元的狀態(tài)，分析了在給定的計算任務(wù)調(diào)度策略下，移動設(shè)備上每個任務(wù)的平均延遲和平均功耗。然后，建立了功率約束時延最小化問題的數(shù)學(xué)模型，利用一維搜索算法來尋找最優(yōu)的調(diào)度策略。最后通過仿真實驗表明，與任務(wù)在移動設(shè)備上進行計算和將任務(wù)卸載到云服務(wù)器進行計算相比，本文所提的任務(wù)調(diào)度策略可以最大程度地縮短任務(wù)的執(zhí)行時延。但是這種策略需要移動設(shè)備與MEC 計算節(jié)點之間進行實時通信，設(shè)備只有得到計算節(jié)點的反饋信息，才能做出是否卸載的決定。文獻[21]利用軟件定義網(wǎng)絡(luò)的思想，研究了超密集網(wǎng)絡(luò)中的任務(wù)卸載問題，并將任務(wù)卸載問題描述為一個NP-hard的混合整數(shù)非線性規(guī)劃問題。為了解決這一問題，將該優(yōu)化問題轉(zhuǎn)化為計算資源分配問題和0-1 規(guī)劃子問題，通過使用優(yōu)化技術(shù)，得到了計算資源分配和任務(wù)分配的有效解決方案，在此方案下能最大限度地減少設(shè)備任務(wù)執(zhí)行時延的同時也節(jié)省了設(shè)備的能耗。仿真結(jié)果表明，與隨機任務(wù)卸載方案和均勻任務(wù)卸載方案相比，該方案可以減少20%的任務(wù)執(zhí)行時延，節(jié)省30%的設(shè)備能耗。文獻[22]研究了具有帶寬和延遲要求的單個應(yīng)用程序和多個應(yīng)用程序的應(yīng)用程序配置問題。對于單一應(yīng)用和可以并行的多應(yīng)用場景，提出了一種完全多項式時間近似方案。對于一般的不可并行的多應(yīng)用場景，提出了一個隨機化算法。通過仿真結(jié)果表明，與啟發(fā)式算法相比，本文提出的算法可以最大程度地縮短任務(wù)的執(zhí)行時延。在文獻[23]中用戶將計算任務(wù)卸載到多個邊緣服務(wù)器，并在預(yù)定的時隙上從服務(wù)器下載結(jié)果，通過聯(lián)合優(yōu)化任務(wù)分配和資源分配，最大限度地減少任務(wù)的計算延遲。實驗表明，通過此優(yōu)化方案，可以顯著減少任務(wù)的計算時延。文獻[24]通過馬爾可夫決策過程方法分析每個任務(wù)的平均延遲和設(shè)備上的平均功耗，利用一種有效的一維搜索算法獲得最佳任務(wù)調(diào)度策略，解決了受功率約束的最小化延遲問題。通過實驗表明提出的最佳隨機任務(wù)調(diào)度策略可以實現(xiàn)更短的平均執(zhí)行延遲。文獻[25]考慮了將任務(wù)依賴關(guān)系建模為樹狀任務(wù)圖，并提出了一種新穎的完全多項式時間逼近方案，在滿足資源利用率約束的同時最大程度地減少了應(yīng)用程序完成延遲，并進一步提出了一種在線算法，用于學(xué)習(xí)未知的動態(tài)環(huán)境，來保證與最佳策略相比的性能差距受到對數(shù)函數(shù)和時間的限制。通過實驗結(jié)果表明，該方法能最大程度地縮短執(zhí)行延遲。但是，當(dāng)任務(wù)圖很大時，算法可能會花費很長時間。文獻[26]考慮了具有常規(guī)子任務(wù)依賴性的應(yīng)用程序卸載，提出了一種輕量高效的卸載方案，基于博弈論開發(fā)了一種自適應(yīng)分布式卸載策略，該策略在有限迭代后即可達到納什均衡。通過實驗表明所提出的卸載算法可以有效減少任務(wù)的執(zhí)行時間，并提高資源利用率，但是由于全局信息稀疏，該算法只能獲得有限的性能，而且沒有考慮能耗問題。文獻[27]研究了聯(lián)合MEC和D2D部分計算卸載來最小化共享頻譜中的任務(wù)執(zhí)行延遲的問題，設(shè)備任務(wù)可以卸載到MEC 服務(wù)器或附近支持D2D 技術(shù)的設(shè)備上，提出了一種低復(fù)雜度的啟發(fā)式算法來解決該問題。

這類研究的缺點在于，卸載決策沒有考慮移動設(shè)備側(cè)的能量消耗，由于移動設(shè)備上的電池容量有限，電池能耗的快速消耗，會帶來很大的影響。當(dāng)電池能量耗盡時，任務(wù)計算就會中斷，相應(yīng)的卸載決策也就無法進行下去，因此可以考慮研究在滿足時延的限制條件下，最大程度地減少設(shè)備能耗的計算卸載策略。

2.2.2 最小化設(shè)備能耗的卸載方法

如果任務(wù)在本地執(zhí)行只需考慮設(shè)備本身能耗，若卸載到MEC服務(wù)器，除了設(shè)備自身能耗，還包括將任務(wù)卸載到MEC服務(wù)器上的傳輸能耗。

文獻[28]結(jié)合5G異構(gòu)網(wǎng)絡(luò)的多路訪問特性，設(shè)計了節(jié)能計算卸載方案，在時間約束下共同優(yōu)化了卸載決策和無線資源分配，最小化系統(tǒng)能耗。文獻[29]考慮了任務(wù)可以在移動設(shè)備上執(zhí)行也可以在云服務(wù)器上執(zhí)行兩種執(zhí)行模式，研究在時延約束內(nèi)如何最佳地配置時鐘頻率和最佳地調(diào)度數(shù)據(jù)傳輸，通過求解約束優(yōu)化問題來最小化設(shè)備總能。最后通過實驗表明通過將應(yīng)用程序卸載到云執(zhí)行，可以節(jié)省設(shè)備能耗。文獻[30]考慮了具有輔助節(jié)點的MEC系統(tǒng)，一個用戶節(jié)點，一個輔助節(jié)點和一個連接到MEC 服務(wù)器的訪問節(jié)點，聯(lián)合優(yōu)化了用戶和輔助節(jié)點的計算和通信資源分配，在計算延遲約束下，使總能耗降至最低。文獻[31]將任務(wù)之間的依賴關(guān)系建模為順序調(diào)用圖，研究了隨機無線信道下移動設(shè)備和云服務(wù)器協(xié)作任務(wù)執(zhí)行情況，任務(wù)在滿足時間期限的同時，最大程度地減少了移動設(shè)備上的能耗，并得出了最佳的單爬策略，這意味著任務(wù)卸載僅在設(shè)備和云服務(wù)器之間遷移一次。實驗表明與本地執(zhí)行和云執(zhí)行相比，協(xié)作任務(wù)執(zhí)行可以顯著節(jié)省移動設(shè)備上的能耗，延長設(shè)備使用周期。文獻[32]考慮傳輸時間的延遲約束下結(jié)合無線電參數(shù)的選擇，得到調(diào)用圖的最佳分區(qū)，最大程度地降低了移動設(shè)備的能耗和執(zhí)行時間。文獻[33]提出了一種可將細(xì)粒度的能量感知型移動代碼卸載到基礎(chǔ)結(jié)構(gòu)的系統(tǒng)，研究了如何對程序進行分區(qū)以及如何將程序分區(qū)表述為整數(shù)線性規(guī)劃問題，通過細(xì)粒度的代碼卸載，可以很大程度地減少能耗和對程序的修改。但是，此方案不適用于時延敏感的應(yīng)用。文獻[34-35]研究了在移動云環(huán)境下針對大量移動設(shè)備的任務(wù)調(diào)度問題，獲取最佳的調(diào)度程序，最大程度地減少了移動設(shè)備的總能耗。文獻[36]提出了一種聯(lián)合優(yōu)化資源分配和任務(wù)卸載分配的策略，最小化設(shè)備能耗，基于一種低復(fù)雜度的算法來解決此問題。實驗結(jié)果表明性能要優(yōu)于非協(xié)作卸載方案和隨機卸載方案。

目前很多以能耗為目標(biāo)的研究，大多都會在時延的約束下進行優(yōu)化設(shè)備能耗，尋找最佳計算卸載策略，最大程度地減少設(shè)備的能耗?，F(xiàn)有的策略大都是通過仿真來進行驗證，有的甚至停留在理論層面，相比于真實環(huán)境條件還是存在差距，因為網(wǎng)絡(luò)環(huán)境是隨時間而變化的，而優(yōu)化能耗依賴于設(shè)備發(fā)射功率和網(wǎng)絡(luò)鏈路的質(zhì)量。雖然解決了能耗問題，但也可能導(dǎo)致高時延，對于用戶的體驗不是很友好，所以在卸載過程中可以綜合考慮時延和能耗，在這兩者中間進行權(quán)衡，獲得最佳卸載策略。

2.2.3 權(quán)衡能耗和時延的卸載方法

不管是能耗和時延都會影響整個系統(tǒng)的性能，所以為了進一步地提升設(shè)備的性能，減少整個系統(tǒng)的執(zhí)行成本，需要在時延和能耗之間尋找平衡，使設(shè)備的性能和整個系統(tǒng)的收益達到最好。

文獻[37]研究了任務(wù)卸載調(diào)度和資源分配問題。提出了一種基于交替最小化的低復(fù)雜度次優(yōu)算法，來最小化任務(wù)執(zhí)行延遲和設(shè)備能耗的加權(quán)總和。仿真表明所提出的算法能有效地縮短任務(wù)的執(zhí)行時延和降低設(shè)備的能耗。文獻[38]將任務(wù)依賴關(guān)系建模為一般拓?fù)鋱D，使用線性規(guī)劃的方法解決卸載決策、延遲和能耗聯(lián)合優(yōu)化問題。文獻[39]研究了在超密集邊緣網(wǎng)絡(luò)環(huán)境中的任務(wù)卸載問題，將任務(wù)依賴關(guān)系建模為有向無環(huán)圖，為了最大程度地減少任務(wù)等待時間和能耗，提出了一種啟發(fā)式算法，該算法保證了子任務(wù)之間的依賴性并提高了任務(wù)效率，該算法共同優(yōu)化了執(zhí)行等待時間和能耗，同時保留了較低的時間復(fù)雜度。文獻[40]將移動設(shè)備用戶間的分布式計算卸載決策問題描述為一個多用戶計算卸載博弈問題。采用博弈論的方法設(shè)計了一個能夠達到納什均衡的分布式計算卸載算法，根據(jù)受益云計算用戶數(shù)和全系統(tǒng)計算開銷這兩個重要指標(biāo)，進一步量化了任務(wù)的計算時延，實現(xiàn)了更低的計算時延。文獻[41]考慮了本地計算、MEC服務(wù)器計算和云服務(wù)器計算三個計算卸載場景，首先判斷設(shè)備任務(wù)是否卸載，若卸載，再由MEC評估自身資源是否能完成任務(wù)的計算，若不能，則卸載到云服務(wù)器計算，最大限度地減少能源、計算和延遲的總體成本，提出了一種有效的半定松弛卸載決策算法和一種新的隨機化映射方法來解決此問題，獲取最優(yōu)卸載決策。通過仿真表明，本文所提的算法可以通過較少的隨機迭代次數(shù)獲取近乎最優(yōu)的性能，可以顯著降低能耗和計算成本。文獻[42]提出了一種基于拉格朗日對偶分解的分布式算法解決在通信和計算資源約束下最小化執(zhí)行時延和能耗加權(quán)和的優(yōu)化問題。利用KKT條件和精確線搜索算法將原問題分解為兩階段優(yōu)化問題，獲得了問題的最優(yōu)解。

聯(lián)合優(yōu)化時延和能耗的本質(zhì)就是在任務(wù)執(zhí)行時延和設(shè)備能耗之間進行權(quán)衡，尋找一個平衡點使得系統(tǒng)性能最優(yōu)，效益最好。但聯(lián)合優(yōu)化時延和能耗也增加了問題的復(fù)雜度，在數(shù)學(xué)建模過程中，如何去求解獲取模型的最優(yōu)解或者次優(yōu)解是個難題。對于時延或能耗有特定需求的應(yīng)用也不適用，適用范圍較窄。

2.3 卸載方式

目前計算卸載技術(shù)根據(jù)卸載方式的不同，主要集中在粗粒度、細(xì)粒度和MEC 與D2D 技術(shù)協(xié)作三方面進行研究。按照設(shè)備上應(yīng)用任務(wù)的劃分以及有無D2D技術(shù)可以將任務(wù)卸載方式分為粗粒度的卸載方式、不具有依賴關(guān)系的細(xì)粒度的卸載方式、具有依賴關(guān)系的細(xì)粒度的卸載方式和MEC與D2D技術(shù)協(xié)作卸載方式。表5根據(jù)卸載方式的不同對近幾年該領(lǐng)域相關(guān)文獻進行了總結(jié)。

表5 卸載方式研究歸納總結(jié)

2.3.1 粗粒度卸載方式

粗粒度的卸載方式是將終端設(shè)備的整個應(yīng)用看成一個整體，應(yīng)用不可劃分，設(shè)備上的應(yīng)用要么在本地執(zhí)行，要么進行卸載?；谠O(shè)備自身能力的限制，文獻[43-47]專注于粗粒度的卸載方式，來增強設(shè)備的計算和存儲能力，提高設(shè)備性能。

文獻[43]采用二分搜索、坐標(biāo)下降和交替方向乘數(shù)法分解技術(shù)來最大化所有無線設(shè)備的總計算速率，聯(lián)合優(yōu)化卸載策略和系統(tǒng)資源分配。實驗表明在各種網(wǎng)絡(luò)設(shè)置下可以達到最佳的性能。文獻[44]考慮了能量優(yōu)化和資源分配問題，研究如何通過在本地和云服務(wù)器中最佳執(zhí)行應(yīng)用程序來為資源受限的設(shè)備節(jié)省能量消耗，若在本地執(zhí)行，則通過動態(tài)配置芯片的時鐘頻率來節(jié)省能耗，若在云服務(wù)器執(zhí)行，則通過優(yōu)化調(diào)度隨機無線信道上的數(shù)據(jù)傳輸來降低傳輸能耗。通過實驗表明部分應(yīng)用卸載到云中能節(jié)省很大的能耗。但是，它只能作為單個任務(wù)應(yīng)用于該應(yīng)用程序。文獻[45]進一步地考慮了多用戶MEC 系統(tǒng)環(huán)境，開發(fā)了一種最佳的資源分配方案，在計算延遲的約束下最小化系統(tǒng)總能耗。文獻[46]通過使用凸優(yōu)化方法優(yōu)化移動能源消耗問題，提高系統(tǒng)的性能。文獻[47]提出了一種基于李雅普諾夫優(yōu)化的低復(fù)雜度的動態(tài)計算在線卸載算法，在該算法中，以時隙進行決策，在每個時隙來決定任務(wù)是在本地執(zhí)行還是進行卸載計算。通過該算法，獲得了最優(yōu)的卸載決策、移動執(zhí)行的CPU 周期頻率和發(fā)射功率。通過實驗對比，本文所提的策略能將任務(wù)執(zhí)行時延縮短64%左右，使得設(shè)備的性能得到了很大的優(yōu)化，節(jié)省了設(shè)備能耗。

以上文獻考慮的都是粗粒度的二進制卸載方式，設(shè)備任務(wù)要么在本地，要么在服務(wù)器。但實際中大多數(shù)應(yīng)用都是由許多子組件組成，有些組件必須在本地執(zhí)行，有些可以卸載到服務(wù)器上執(zhí)行，因此粗粒度的卸載方式不適用于現(xiàn)實中大多數(shù)的應(yīng)用，為了提高性能，需要更細(xì)粒度的卸載方式。

2.3.2 不具有依賴關(guān)系的細(xì)粒度卸載方式

不具有依賴關(guān)系的細(xì)粒度卸載方式是指將設(shè)備上的應(yīng)用劃分為多個子任務(wù)但沒有考慮應(yīng)用子任務(wù)間的依賴關(guān)系，子任務(wù)可以卸載也可以在本地執(zhí)行，任務(wù)之間是獨立的?；诖至６刃遁d方式的不足，文獻[48-52]考慮了一種更通用的方案，將應(yīng)用劃分為多個獨立任務(wù)，考慮每個任務(wù)的卸載策略。

文獻[48]提出了一種針對聯(lián)合任務(wù)卸載以及資源分配的新方法，來最小化能源、計算和延遲的加權(quán)總成本。文獻[49]通過聯(lián)合優(yōu)化任務(wù)分配決策和設(shè)備的CPU 頻率來降低總?cè)蝿?wù)的執(zhí)行時延和設(shè)備能耗。針對固定CPU 頻率和彈性CPU 頻率，分別提出了基于線性松弛的方法、半確定松弛的方法和窮舉搜索的方法獲取最佳策略，最大程度地減少了移動設(shè)備能耗和總?cè)蝿?wù)執(zhí)行延遲的權(quán)重之和。文獻[50]為了減少移動設(shè)備的能耗提高性能，引入了馬爾可夫決策過程模型獲取最佳的卸載策略，實驗數(shù)值結(jié)果表明為移動用戶提供的馬爾可夫決策過程卸載算法優(yōu)于常規(guī)基準(zhǔn)方案。文獻[51]分別研究了基于時分多址和正交頻分多址的多用戶MECO系統(tǒng)的資源分配，其中多個用戶將其各自的任務(wù)卸載執(zhí)行，在確保用戶對計算延遲的要求的同時，最小化系統(tǒng)能耗。對于時分多址MEC 系統(tǒng)，計算在等待時間約束下最小化移動能耗加權(quán)總和。對于正交頻分多址MEC 系統(tǒng)，通過將正交頻分多址問題轉(zhuǎn)換為與其對應(yīng)的時分多址問題，以低復(fù)雜度次優(yōu)的算法來求解最優(yōu)解。文獻[52]提供了一種綜合的計算卸載解決方案，通過迭代算法解決了聯(lián)合優(yōu)化問題，最大程度地減少了設(shè)備的能耗。

以上文獻雖然對任務(wù)進行了細(xì)粒度的劃分，且相比于粗粒度卸載方式，設(shè)備的性能得到了很大的提升，但是忽略了各種應(yīng)用程序中不同子任務(wù)之間的重要依賴關(guān)系，實際中大多數(shù)應(yīng)用都是由多個具有依賴關(guān)系的子任務(wù)組成，一個子任務(wù)的輸入依賴于另一個子任務(wù)的輸出。

2.3.3 具有依賴關(guān)系的細(xì)粒度卸載方式

具有依賴關(guān)系的細(xì)粒度卸載方式是指把設(shè)備的應(yīng)用劃分為多個子任務(wù)，并考慮子任務(wù)之間的依賴關(guān)系，一個子任務(wù)的輸入依賴于另一個子任務(wù)的輸出。通常將這種依賴關(guān)系建模為有向無環(huán)帶權(quán)圖的數(shù)據(jù)結(jié)構(gòu)，圖的節(jié)點代表每個子任務(wù)，權(quán)重代表執(zhí)行成本，邊代表任務(wù)之間的依賴關(guān)系，根據(jù)此圖來考慮圖中每個節(jié)點的卸載。目前該領(lǐng)域的研究更多的是傾向于此細(xì)粒度的卸載方式。文獻[53-62]考慮了更細(xì)粒度的任務(wù)之間的依賴關(guān)系，來研究具有依賴關(guān)系任務(wù)的卸載策略。

文獻[53]提出了一種動態(tài)關(guān)鍵路徑調(diào)度算法，通過此算法確定圖的關(guān)鍵路徑，動態(tài)地調(diào)度每個節(jié)點，并通過節(jié)點的潛在開始時間為其選擇合適的處理器。此算法在可接受的時間復(fù)雜度的情況下，適用于各種圖形結(jié)構(gòu)。文獻[54]中將任務(wù)依賴關(guān)系建模為具有一般拓?fù)涞恼{(diào)用圖，即將移動應(yīng)用程序建模為由一組細(xì)粒度任務(wù)組成的常規(guī)拓?fù)洹?yīng)用程序內(nèi)的每個子任務(wù)可以選擇在本地或云服務(wù)器執(zhí)行，利用部分關(guān)鍵路徑分析方法進行任務(wù)調(diào)度，采用單爬策略和基于拉格朗日松弛法的合計成本算法，獲取最佳解決方案，在時延約束的條件下，最大程度地減少了移動設(shè)備上的能耗。文獻[55]中考慮了多個獨立的設(shè)備，每個設(shè)備都有多個任務(wù)，將這些具有依賴關(guān)系的任務(wù)建模為通用調(diào)用圖，為了最大程度地降低能源效率成本，提供了一種節(jié)能高效的動態(tài)卸載和資源調(diào)度策略，在縮短任務(wù)完成時間的同時減少能耗。實驗結(jié)果表明，策略可以通過在本地計算中基于動態(tài)電壓和頻率縮放技術(shù)優(yōu)化調(diào)整設(shè)備的CPU時鐘頻率和發(fā)射功率，來降低能耗和縮短執(zhí)行時延。文獻[56]將通用調(diào)用圖中的任務(wù)映射到虛擬機，提出一種基于元啟發(fā)式優(yōu)化技術(shù)的粒子群優(yōu)化算法，使設(shè)備任務(wù)在完成時間限制的條件下，最大程度地減少了總體成本。文獻[57]為了最大程度地節(jié)省計算成本和數(shù)據(jù)傳輸成本，提出了一種基于粒子群優(yōu)化的啟發(fā)式算法，并使用此算法和最佳資源選擇節(jié)省成本的算法進行比較，最后通過實驗表明該算法更加節(jié)省成本。文獻[58]考慮了云計算和MEC協(xié)作的場景，任務(wù)依賴關(guān)系被建模為串行任務(wù)圖，在只有單用戶中通過分支定界算法來解決用戶任務(wù)計算卸載的問題，在多用戶卸載問題中設(shè)計了一種迭代啟發(fā)式MEC 資源分配算法動態(tài)地做出卸載決策，協(xié)調(diào)多個用戶之間的資源競爭。文獻[59]提出了一種多目標(biāo)動態(tài)規(guī)劃方法，使設(shè)備任務(wù)在滿足時延的要求下最大程度地降低了估算成本。文獻[60]研究了如何將應(yīng)用程序建模為消耗圖，以及如何利用相應(yīng)的算法對其進行處理以找到應(yīng)用程序模塊的最佳分區(qū)，通過基于分布式模塊管理的現(xiàn)有技術(shù)，構(gòu)造了一個表示應(yīng)用程序的圖形，并提出了ALL和K-step算法，優(yōu)化了云應(yīng)用程序的性能。但是沒有考慮能源消耗和時間延遲約束。文獻[61]提出了一種用于移動代碼卸載的有效代碼分區(qū)算法，該算法在線性時間內(nèi)可以實現(xiàn)近乎最佳的卸載決策，與其他文獻的不同在于，文獻中證明了在順序任務(wù)圖中要卸載的最佳任務(wù)集將始終是任務(wù)圖中的一系列連續(xù)任務(wù)，如果存在可以卸載到云中以減少完成時間的任務(wù)，則這些任務(wù)必須是連續(xù)的，這與其他文獻需要考慮每個任務(wù)的卸載決策是不同的，該算法通過深度優(yōu)先搜索和線性時間搜索方案在一系列調(diào)用中找到了最佳卸載和集成點。但是此算法只能卸載由一系列連續(xù)任務(wù)表示的應(yīng)用程序，沒有考慮卸載并發(fā)任務(wù)，因此其解決方案的意義是有限的。文獻[62]研究了在線任務(wù)卸載場景下最大程度地減少任務(wù)的完成時間問題，分別考慮了線拓?fù)淙蝿?wù)圖順序任務(wù)和一般拓?fù)淙蝿?wù)圖并發(fā)任務(wù)兩種情況，并沿用了文獻[61]的一些思想，在順序任務(wù)圖中要卸載的最佳任務(wù)集將始終是任務(wù)圖中連續(xù)任務(wù)的序列，本文的創(chuàng)新點在于，對于一般拓?fù)淙蝿?wù)圖在卸載決策時，對圖進行了剪枝，通過對比邊的權(quán)重進行剪枝，將圖轉(zhuǎn)為樹，減少了任務(wù)圖的規(guī)模。使用負(fù)載平衡啟發(fā)式方法將任務(wù)卸載到云中，很大程度地提高了移動設(shè)備和云之間的并行度，縮短了任務(wù)的完成時間，但也帶來了一些問題，會喪失一些信息。

文獻[53-62]通過更細(xì)粒度的任務(wù)之間的任務(wù)劃分，使得設(shè)備的性能得到了極大的提高，也更加貼近實際的應(yīng)用。

2.3.4 MEC與D2D技術(shù)協(xié)作卸載方式

D2D 通信技術(shù)作為5G 的關(guān)鍵技術(shù)之一，是指兩個設(shè)備不需要經(jīng)過基站和核心網(wǎng)絡(luò)就可以直接進行通信的技術(shù)。通過將D2D 技術(shù)與MEC 結(jié)合，用戶可以借助D2D 技術(shù)將計算任務(wù)卸載到鄰近的設(shè)備或者借助鄰近設(shè)備將計算任務(wù)卸載到MEC 服務(wù)器上進行計算，通過這種近距離的通信技術(shù)可以有效降低數(shù)據(jù)傳輸時延和能耗，降低網(wǎng)絡(luò)通信壓力。在MEC 環(huán)境中引入D2D 技術(shù)作為輔助手段，主要考慮兩種情況：一個是將支持D2D 技術(shù)的設(shè)備充當(dāng)小的MEC 服務(wù)器，利用其設(shè)備資源進行任務(wù)的計算，設(shè)備任務(wù)可以卸載到支持D2D 技術(shù)的設(shè)備上或卸載到MEC服務(wù)器上或者本地執(zhí)行。另一個是將支持D2D 技術(shù)的設(shè)備充當(dāng)中間器，當(dāng)設(shè)備與MEC通信鏈路有問題時，通過將任務(wù)卸載到D2D設(shè)備，借助此設(shè)備，再將任務(wù)卸載到MEC 服務(wù)器上執(zhí)行。文獻[63-71]考慮了在MEC 環(huán)境下引入D2D 技術(shù)進行協(xié)作，來考慮任務(wù)的卸載情況。

文獻[63]根據(jù)D2D 通信在流量卸載中所承擔(dān)的任務(wù)，將流量卸載技術(shù)分為以D2D 通信為目標(biāo)和以D2D通信為中繼兩類，進行了詳細(xì)總結(jié)和介紹。文獻[64]考慮了在具有能量收集的MEC 系統(tǒng)環(huán)境下，設(shè)備到設(shè)備輔助計算卸載，當(dāng)終端設(shè)備與MEC 服務(wù)器之間的通信出現(xiàn)抖動導(dǎo)致延遲較高時，允許通過D2D 技術(shù)將任務(wù)卸載到附近設(shè)備，借助鄰近設(shè)備再將任務(wù)卸載到MEC服務(wù)器，這樣可以將更多的任務(wù)卸載到MEC服務(wù)器上，以增加任務(wù)卸載的概率，提出了一種基于Lyapunov 優(yōu)化的低復(fù)雜度的動態(tài)計算卸載在線算法，獲得了最優(yōu)的卸載策略。通過實驗表明任務(wù)執(zhí)行時間減少50%左右，任務(wù)失敗率降低10%左右。文獻[65]提出了一種支持D2D的移動邊緣計算蜂窩網(wǎng)絡(luò)的分析框架，任務(wù)可以卸載到D2D 設(shè)備或者MEC 服務(wù)器，用總的成功邊緣計算概率來評價該系統(tǒng)模型的性能，為了緩解上行鏈路和下行鏈路的層內(nèi)干擾，提出了一種優(yōu)先的信道接入策略，與沒有該策略的方案相比，該策略對移動設(shè)備的總邊緣計算成功概率有更大的貢獻。文獻[66]利用網(wǎng)絡(luò)中存在的空閑設(shè)備，通過將任務(wù)卸載至鄰近空閑設(shè)備，來提高資源的利用率，并基于Stackelberg博弈的方法解決價格資源確定問題，實現(xiàn)價格資源均衡，得到定價策略?；趫D的二分匹配方法解決D2D協(xié)作最優(yōu)任務(wù)分配問題來最大化計算利潤。文獻[67]考慮了包含多個忙碌智能設(shè)備和多個空閑智能設(shè)備的D2D 與MEC 協(xié)作系統(tǒng)，每個繁忙智能設(shè)備的計算密集型任務(wù)可以卸載到一個或多個空閑的智能設(shè)備，基于塊坐標(biāo)下降法和凸優(yōu)化技術(shù)的兩階段迭代算法解決卸載決策和資源分配的聯(lián)合優(yōu)化問題，獲得最佳卸載策略和資源分配策略，最小化了系統(tǒng)的總能耗。文獻[68]通過將D2D 通信集成到MEC 系統(tǒng)中來提高系統(tǒng)的計算能力，設(shè)備任務(wù)可以本地執(zhí)行，也可以卸載到D2D設(shè)備或MEC服務(wù)器，建立了一個具有通信資源和計算資源約束的混合整數(shù)非線性問題，開發(fā)了一種優(yōu)化算法來解決此問題，通過優(yōu)化資源分配和卸載策略，最大化了系統(tǒng)支持設(shè)備的數(shù)量。文獻[69]基于凸松弛的算法解決基于時分多址的任務(wù)分配和資源分配聯(lián)合優(yōu)化問題，獲得最佳計算卸載方案，最小化了總延遲，并設(shè)計了基于貪婪任務(wù)分配的聯(lián)合優(yōu)化算法，降低復(fù)雜度，期間利用動態(tài)電壓和頻率縮放技術(shù)控制計算頻率。文獻[70]提出了針對原始問題的多項式復(fù)雜度最優(yōu)算法，將邊緣計算資源和設(shè)備數(shù)量的優(yōu)化問題建模為混合整數(shù)非線性問題，通過求解此問題的兩個子問題的最優(yōu)解得出原問題的最優(yōu)解，提高了整個系統(tǒng)的性能。文獻[71]將任務(wù)分配和功率分配建模為合整數(shù)非線性規(guī)劃問題，通過基于遺傳算法的進化方案解決此問題，獲得了最佳卸載策略，并利用低復(fù)雜度啟發(fā)式方法進行優(yōu)化，最大程度地減少了總?cè)蝿?wù)執(zhí)行時延。

通過借助D2D技術(shù)將任務(wù)進行卸載不僅解決了獨立MEC 服務(wù)器的資源競爭問題，而且?guī)砹烁脱舆t和更高數(shù)據(jù)速率。

3 面臨的挑戰(zhàn)

通過以上對計算卸載技術(shù)現(xiàn)狀的總結(jié)分析可以看出，由于設(shè)備尺寸和電池技術(shù)等條件的限制，導(dǎo)致部署在終端設(shè)備上的新型應(yīng)用需求得不到滿足。移動邊緣計算卸載技術(shù)，可以有效解決這些問題。與在移動設(shè)備上執(zhí)行任務(wù)計算相比，將設(shè)備上的任務(wù)卸載至邊緣服務(wù)器不僅可以縮短任務(wù)的執(zhí)行時延，而且可以節(jié)省設(shè)備的能耗，延長設(shè)備的使用周期。其中卸載方式中的更細(xì)粒度的具有依賴關(guān)系的卸載方式，更加符合實際。MEC與D2D技術(shù)的協(xié)作使得設(shè)備性能更進一步的提升。然而，盡管目前的研究對于的設(shè)備性能有了很大的提升，但是計算卸載技術(shù)中關(guān)于不同設(shè)備任務(wù)相關(guān)性方面的研究涉及得很少，幾乎沒有。同時在移動性、安全性和干擾性方面也存在著許多問題和挑戰(zhàn)。下面詳細(xì)分析和介紹了以上幾個方面存在問題和解決辦法。并在表6中總結(jié)了該領(lǐng)域相關(guān)難點和研究趨勢。

表6 相關(guān)難點和研究趨勢

（1）不同設(shè)備任務(wù)相關(guān)性方面。文中不管是粗粒度、細(xì)粒度的卸載方式，還是MEC與D2D技術(shù)協(xié)作下的卸載方式，現(xiàn)有的關(guān)于MEC 的研究都僅考慮了單個設(shè)備上任務(wù)的卸載情況。對于不同設(shè)備之間任務(wù)具有依賴性的研究非常少。實際上，在不同設(shè)備上執(zhí)行的任務(wù)通常也是具有相關(guān)依賴性的，一個設(shè)備上子任務(wù)的輸入，依賴于另一個設(shè)備上的子任務(wù)的輸出。像在智能家居環(huán)境中，溫度感應(yīng)器通過感應(yīng)室內(nèi)溫度獲得溫度值，根據(jù)這個溫度值實現(xiàn)對其他智能設(shè)備的控制，比如可以根據(jù)這個溫度值調(diào)節(jié)空調(diào)的溫度。基于不同設(shè)備之間任務(wù)也是具有依賴關(guān)系的，文獻[72]考慮了MEC系統(tǒng)環(huán)境下兩個不同設(shè)備之間的任務(wù)依賴性，一個設(shè)備上的任務(wù)輸入需要另一個設(shè)備上的最終任務(wù)輸出，將任務(wù)的依賴關(guān)系建模為順序圖，基于橢球法和單爬策略獲得最佳卸載策略，使設(shè)備總的時延和能耗加權(quán)和最小。文獻[73]在文獻[72]的基礎(chǔ)上，擴展到多個設(shè)備，提出了一種降低復(fù)雜度的Gibbs采樣算法來獲得最優(yōu)的卸載決策。但這兩個文獻都是將任務(wù)的依賴關(guān)系建模為順序圖，不夠一般化，可以考慮更細(xì)粒度的任務(wù)依賴關(guān)系，將任務(wù)之間的依賴關(guān)系建模為有向無環(huán)圖?？紤]不同設(shè)備上任務(wù)的依賴關(guān)系問題的復(fù)雜度要高于僅考慮單設(shè)備任務(wù)依賴關(guān)系。其中一個難點，需要考慮兩個設(shè)備上具有依賴關(guān)系任務(wù)的位置，位置不同對系統(tǒng)總體性能的影響是不同的。針對此難點，需要一一考慮不同設(shè)備具有依賴關(guān)系任務(wù)的每一個卸載位置關(guān)系。另一個難點，如果兩個設(shè)備的任務(wù)依賴關(guān)系都分別建模為有向無環(huán)圖，那么將會增加問題的復(fù)雜度。針對此問題可以在任務(wù)執(zhí)行卸載前考慮運用剪枝或聚類技術(shù)縮小圖的規(guī)模，來降低復(fù)雜度。

（2）移動性方面。當(dāng)移動設(shè)備在部署有MEC 服務(wù)器的基站覆蓋范圍內(nèi)移動時，不需要服務(wù)間的切換，但當(dāng)移動設(shè)備從一個MEC服務(wù)器覆蓋范圍內(nèi)移動到另一個MEC服務(wù)器覆蓋范圍內(nèi)時，會出現(xiàn)服務(wù)的不連續(xù)性，影響用戶的體驗。如何在不同MEC服務(wù)器覆蓋范圍之間進行服務(wù)相關(guān)業(yè)務(wù)的快速切換，保證MEC 服務(wù)的連續(xù)性，使服務(wù)質(zhì)量保持穩(wěn)定，是MEC計算卸載技術(shù)面臨的重要挑戰(zhàn)。目前針對此問題大多都是通過任務(wù)遷移技術(shù)進行解決，因為設(shè)備在不同服務(wù)范圍內(nèi)的移動，涉及到設(shè)備相關(guān)狀態(tài)信息和服務(wù)相關(guān)業(yè)務(wù)的切換，需要將狀態(tài)信息和服務(wù)業(yè)務(wù)進行快速遷移，以此來保證服務(wù)的連續(xù)性。如果能夠?qū)υO(shè)備移動的方向進行提前預(yù)測，做到預(yù)先任務(wù)遷移，快速在服務(wù)器之間進行切換，讓用戶察覺不到服務(wù)的中斷，這將更能提升用戶的體驗，但如何做到精準(zhǔn)預(yù)測，又是需要解決的一個難點?？梢酝ㄟ^與機器學(xué)習(xí)、深度學(xué)習(xí)相結(jié)合來解決設(shè)備行為預(yù)測問題。文獻[74]考慮了MEC與深度學(xué)習(xí)相結(jié)合，基于LSTM預(yù)測模型對用戶移動性進行預(yù)測。移動性管理是移動邊緣計算的重要挑戰(zhàn)，需要該領(lǐng)域的研究學(xué)者深入研究尋找相應(yīng)的解決策略。

（3）安全性方面。由于MEC 服務(wù)器在移動邊緣網(wǎng)絡(luò)環(huán)境中是分布式部署的，導(dǎo)致MEC 服務(wù)器的安全防御是很薄弱的，很容易被攻擊。并且隨著聯(lián)網(wǎng)設(shè)備的增多，大量的數(shù)據(jù)被卸載到邊緣服務(wù)器，有些數(shù)據(jù)是非常重要的，如何保障這些數(shù)據(jù)的安全，防止這些隱私數(shù)據(jù)被泄露竊取，是需要解決的重要問題。針對此問題可以對訪問服務(wù)器的設(shè)備進行身份的驗證，防止非法設(shè)備攻擊服務(wù)器上的應(yīng)用程序和數(shù)據(jù)，造成隱私的泄露。另一方面也需要對服務(wù)器上的應(yīng)用程序進行驗證，防止設(shè)備被惡意攻擊。設(shè)備任務(wù)被卸載到邊緣服務(wù)器，需要通過通信鏈路在復(fù)雜的網(wǎng)絡(luò)環(huán)境中傳輸，面對如此復(fù)雜的網(wǎng)絡(luò)環(huán)境，以往針對云計算的許多安全防范措施，可能不適用于移動邊緣網(wǎng)絡(luò)環(huán)境，因此如何在這復(fù)雜多變的邊緣網(wǎng)絡(luò)環(huán)境中保障通信鏈路的安全，也是MEC 計算卸載技術(shù)所要面臨的重要挑戰(zhàn)。針對此問題可以考慮將以往的一些安全措施和MEC 技術(shù)相結(jié)合，針對邊緣網(wǎng)絡(luò)環(huán)境來部署安全措施，以此來保證移動邊緣網(wǎng)絡(luò)環(huán)境的安全。在如今信息化時代，數(shù)據(jù)的安全是非常重要的，因此需要相關(guān)研究者進行更深入的研究，解決移動邊緣網(wǎng)絡(luò)環(huán)境中的數(shù)據(jù)安全性管理方面的問題。

（4）干擾性方面。當(dāng)MEC 服務(wù)器同時接收到多個不同設(shè)備上的卸載任務(wù)時，任務(wù)與任務(wù)之間將會存在網(wǎng)絡(luò)、計算和存儲資源的競爭問題，競爭導(dǎo)致的資源的分配不均是產(chǎn)生干擾的根本原因。由于不同設(shè)備卸載的任務(wù)大小是不一樣的，所需的網(wǎng)絡(luò)、計算和存儲資源也是不同的，如何在這些任務(wù)之間進行資源的合理分配，通過何種有效資源分配策略使得設(shè)備之間的干擾降到最低，是需要解決的一個難點，也是計算卸載技術(shù)面臨的重要挑戰(zhàn)。目前針對此問題的一個重要解決手段是通過考慮尋找一種合理有效的資源分配策略，充分地利用網(wǎng)絡(luò)、計算和存儲資源，來減少設(shè)備之間的競爭，解決不同任務(wù)之間的干擾問題。文獻[75]共同考慮了計算決策和干擾管理，通過聯(lián)合優(yōu)化計算卸載決策、物理資源塊分配和MEC計算資源分配問題獲取最佳卸載決策來提高移動邊緣計算網(wǎng)絡(luò)的性能。文獻[76]考慮了非正交多址訪問系統(tǒng)下節(jié)能資源分配問題，通過優(yōu)化子信道分配和功率分配來最大化非正交多址訪問系統(tǒng)的能效性能。

4 結(jié)束語

通過對移動邊緣計算的相關(guān)概念、參考架構(gòu)、部署方案和應(yīng)用場景的介紹，以及分別從卸載目標(biāo)、粗粒度、細(xì)粒度卸載方式和MEC與D2D技術(shù)協(xié)卸載方式幾個方面對計算卸載技術(shù)研究現(xiàn)狀的分析和總結(jié)可以看出，計算卸載技術(shù)作為MEC 的關(guān)鍵技術(shù)，能有效解決終端設(shè)備計算、存儲和能耗等方面的不足。但仍然存在一些問題需要去解決，比如不同設(shè)備之間相關(guān)依賴性的研究，尤其是更細(xì)粒度的具有依賴關(guān)系多個設(shè)備相關(guān)性的研究，很值得探究。并且隨著5G 的不斷發(fā)展，MEC 作為5G的關(guān)鍵技術(shù)之一，在未來的應(yīng)用場景會不斷擴大，尤其是D2D 技術(shù)的出現(xiàn)，D2D 技術(shù)與MEC 技術(shù)進行協(xié)作，對于計算卸載領(lǐng)域有更多值得探究的方向。