5G及移动边缘计算（MEC）学习笔记（3）
原文链接：https://blog.csdn.net/gongxifacai_believe/article/details/80811247
1、移动边缘计算的部署
移动边缘计算改变了4G系统中网络和业务分离的状态，通过对传统无线网络增加MEC平台网元，将业务平台（包含内容、服务、应用）下沉到移动网络边缘，为移动用户提供计算和数据存储服务。MEC平台的具体部署方式主要分为两类，包括宏基站场景的部署以及小小区基站场景的部署。
（1）宏基站场景部署
一般来说，基站的服务范围较广，服务用户较多，且宏基站本身具备一定的计算和存储能力，故MEC在宏基站场景的部署主要为将MEC平台直接嵌入到宏基站的方式。拥有MEC功能的宏基站能够降低网络时延、获取业务的上下文信息并且能很好的支持室外的大区域范围的各类垂直行业应用，车联网、智慧城市等等。
（2）小小区基站场景部署
考虑到小小区基站的覆盖范围较小，服务用户数较少，且小小区基站的硬件大小也有限制的情况，MEC平台的部署主要以本地汇聚网关的方式出现。多个小小区基站共同连接到同一个MEC平台，通过在MEC平台上布置多个业务应用实现特定区域内的运营支撑，如企业、学校内部高效资源访问，商场等室内场所的物联网网关汇聚和数据分析等。
2、MEC框架设计
移动边缘计算的框架所涉及的实体如图2-1所示，这些实体可以分为外部相关层、MEC主层和MEC系统管理层。MEC的核心是MEC主层，它是包含MEC平台和虚拟化基础设施的实体，并且可以更具体的分为MEC虚拟基础设施层、MEC平台层、MEC应用层。
MEC虚拟化基础设施层基于通用服务器，采用计算、存储、网络功能虚拟化的方式为MEC平台层提供计算、存储和网络资源，并且规划应用程序、服务、DNS服务器、3GPP网络和本地网络之间的通信路径。
MEC平台层是一个在虚拟化基础设施架构上运行MEC应用程序的必要功能的集合，包括虚拟化管理和MEC平台功能组件。虚拟化管理利用基础设施作为服务（Infrastructure as a Service, IaaS）的思想，实现MEC虚拟化资源的组织和配置，应用层提供一个资源按需分配、多个应用独立运行且灵活高效的运行环境。MEC平台功能组件主要是为应用程序提供各项服务，通过开放的API向应用层的具体应用开放，这些功能包括无线网络信息服务、位置服务、数据平面分流规则服务、访问的持久性存储服务以及配置DNS代理服务等。
MEC应用是基于虚拟化基础设施架构，将MEC平台功能组件组合封装后，以虚拟机（virtual machine，VM）方式运行的应用程序，如本地内容快速交付、物联网数据处理、任务迁移等。MEC应用拥有确定数量的资源要求和执行规则，如所需的计算和存储资源、最大时延、必需的服务，这些资源要求和执行规则由MEC系统管理层统一管理和配置。MEC应用可以通过标准的接口开放给第三方业务运营商，促进创新型业务的研发，实现更好的用户体验。
由上述MEC的架构体系可以看出，移动网络基于移动边缘计算可以为用户提供诸如内容缓存、超高带宽内容交付、本地业务分流、任务迁移等应用。需要注意的是，任务迁移能够使得终端突破硬件限制，获得强大的计算和数据存取能力，在此基础上实现用户内容感知和资源的按需分配，极大的增强用户体验。任务迁移技术对移动设备的计算能力的强化和移动应用的计算模式的改变，必然会对未来移动应用和移动终端的设计产生深远的影响。
3、移动边缘计算环境下的任务迁移流程
移动应用任务处理时延包括传输时延、计算时延和通信时延。
4、单用户的任务迁移场景
考虑因素：任务迁移的通信开销小，考虑移动应用内部的任务特性，包括任务的拓扑结构、任务的划分、任务的计算强度及任务间的转移数据大小。
算法优劣权衡因素：任务处理的时延、移动设备的能耗。
任务拓扑模型——有向非循环图（DAG）：
解决算法：基于离散二进制粒子群算法的最优任务迁移算法
5、多用户的任务迁移算法
考虑因素：信道的干扰、服务器中虚拟机的可分配数量（任务排队等待的时延）。
算法优劣权衡因素：任务完成的时延、移动设备的能耗。
解决模型：博弈论模型，通过有限的行动步数达到纳什均衡。
——”基于移动边缘计算的任务迁移策略研究”（邓茂菲.北京邮电大学硕士毕业论文.2017.3）
6、任务迁移过程所用算法及模型
链状任务调用图、有向非循环图（DAG）、移动设备和服务器之间的负载均衡、整数规划、非线性0-1规划问题、基于部分关键路径的贪心算法、变量替换技术、连续凸逼近技术、李雅普诺夫优化技术、马尔可夫决策过程、决策窗口、模型预测控制理论、自适应、随机扰动、多目标的动态规划算法、社交关系、传播动力学、大数据预测、内容流行度的先验概率、接触概率、去耦理论、细粒度。
——”面向5G需求的移动边缘计算”（田辉（北京邮电大学）等. 北京邮电大学学报. 2017.4）
