胡慧中,边际核算搬迁研讨总述,灰原哀

频道:体育新闻 日期: 浏览:290

【摘 要】

边沿核算将网络边沿上的核算、存储等资源进行有机交融,构建成一致的用户服务渠道,按就近服务准则对网络边沿节点使命恳求及时呼应并有用处理。因为边沿节点才干、资源、带宽、动力等受限,核算搬家是边沿核算的一个要害问题。总述了移动边沿核算的原因、演进和开展趋势,以从散布式核算、普适核算、云核算到边沿核算的演进进程为主线,比照剖析了各阶段核算搬家的特色并对经典模型进行了评述;要点剖析了边沿核算的最新研讨开展及运用范畴,研讨并比照剖析了依据能耗优化办理的移动边沿核算模型。终究提出了一个面向LTE运用和依据时分多址(time division multiple access,TDMA)的多用户边沿移动终端核算搬家战略体系。

【要害词】: 边沿核算 ; 核算搬家 ; 物联网 ; 云核算 ; 移动终端

【Abstract】

Edge computing integrate the computing,storage and other resources o胡慧中,边沿核算搬家研讨总述,灰原哀n the edge of the network into a unified user service platform.According to the principle of nearest service,the network edge node task request is timely and correspondingly processed.Computational migration is a key issue in edge computing due to limited edge node capabilities,resources,bandwidth,and energy.The causes,evolution and development trends of mobile edge computing were reviewed from the distributed computing,pervasive computing,cloud computing to edge computing as the main line.The characteristics of computing migration at each stage were compared and analyzed,and the classical models were reviewed.The latest research progress and application fields o胡慧中,边沿核算搬家研讨总述,灰原哀f edge computing were focused on,mobile edge computing models based on energy optimization management were researched and compared.Finally,a time division multiple access based multi-user edge mobile terminal computing migration strategy system for LTE applications was proposed.

【Key words】edge computing ; computation offloading ; IoT ; cloud computing ; mobile terminal

1 导言

近年来,跟着移动网络技能的开展和智能终端的遍及,人们需求用移动终端运转杂乱的富运用程序,如核算机视觉、移动游戏、移动医疗和移动学习等。智能手机、平板电脑等移动设备正在成为学习、文娱、交际、新闻更新和商业沟通的重要东西。可是,因为移动终端的资源(核算资源、电量资源、存储资源)是有限的,有限的核算资源与不断扩大的核算需求之间的对立日益突出。

跟着互联网技能的开展,特别是智能移动终端的更新晋级,智能手机具有越来越强壮的功用。移动设备要变得更小、更轻,电池寿数变得更长,意味着核算才干会受到束缚。可是,用户对移动智能终端的希望越来越高,然后对核算和数据操作才干的要求也在进步,而完结这些功用则会损耗很多电池电量,怎样和谐这些对立是现在智能移动终端开展的技能瓶颈。

在云核算的开展热潮之后,许多云服务(如移动医疗、移动学习、移动游戏和移动办理等)都能够在移动设备上直接运用。移动边沿核算作为一种新技能出现,它在移动用户的近间隔规模内供给云和IT服务。在移动边沿核算中,边沿云服务器被布置于每个基站,网络运营商担任转发和过滤数据分组。

核算搬家技能的鼓起,为处理移动终端资源受限引进了新的办法。核算搬家在处理以下几种运用情况时作用尤为显着。

(1)将核算体搬家到其他资源丰厚的终端上运转

智能移动终端能够完结大部分桌面终端上的运用,因而用户开端将手机视为个人信息处理东西,希望手机能够像惯例信息处理设备(如作业站或笔记本电脑等)那样履行一切运用。可是,智能移动终端因为体积、输入操作等的束缚,核算资源、存储资源、电池容量和网络衔接才干一直有限,无法支撑一些大型运用的运转。此刻,能够将部分核算体搬家到资源丰厚的终端上运转,只需回来核算成果给移动终端就能够抵达预期的核算作用。

(2)跨移动终端使命同步

因为用户作业和日子的需求,要在多个不同的物理环境中运用不同的移动设备履行相同的使命,由此发作“一人多机”办法。可是,因为缺少跨终端的使命搬家支撑,使命搬家面对着连续性、异构性、通明性以及怎样康复使命的履行情况等应战。当用户从一个环境移动到新的环境中时,需求从头手动装备运转环境,这会糟蹋用户的很多与使命履行无关的留意力资源。而核算搬家能够将一个移动设备上的使命履行情况搬家到其他移动设备,完结跨移动终端的使命同步。

(3)移动设备资源同享的核算模型

新的物联网办法使资源受限的移动设备经过互联网彼此衔接。可是,这些终端设备处理才干和存储容量有限。核算搬家中,边沿设备将部分核算转移到长途云上履行,然后节约了移动设备的处理才干和能量。可是,将核算搬家到公共云需求公共云和边沿设备之间经过 Internet 进行数据交换,因为网络带宽束缚,数据交换进程或许会出现时延。为了战胜这一问题,边沿核算的搬家办法被提出,行将移动设备的核算搬家到设备邻近的其他移动设备上,它们之间经过 Wi-Fi衔接。这种在移动设备邻近供给资源的其他移动终端称胡慧中,边沿核算搬家研讨总述,灰原哀为cloudlet。

(4)云数据中心核算使命下沉到边沿节点

云数据中心将核算和存储才干等资源“下沉”到网络边沿节点,因间隔用户更近,用户恳求不再需求经过绵长的传输网络抵达中心网才干被处理,而由布置在本地的边沿服务器将一部分流量卸载,下降对传输网和中心网带宽的要求,直接处理并呼运用户,满意移动网络高速开展所需的高带宽、低时延的要求并减轻网络负荷,大大下降了通讯时延。

边沿核算为运用程序开发人员和供货商供给实时信息(如网络负载、用户方位),这些实刘海燕哈弗时网络信息用于为移动用户供给上下文感知服务,然后丰厚用户的运用体会,进步用户满意度。

2 引发核算搬家的原因

核算搬家自身是一个杂乱的进程,而搬家是其最明显的特征之一,可是在不同的环境中引发朴映宣搬家的原因也是不同的,本文总结了几种不同的核算搬家的原因,具体如下。

(1)移动终端资源受限

在杂乱的Internet环境中,各种网络设备因为体积、质量等方面的千差万别,它们所承载的核算资源也有大有小,特别是如今智能手机遍及度越来越高,人们对智能移动终端的依靠也越来越高,但智能手机因为体积的束缚,不能像桌面核算机那样履行人们希望的一切运用。另一方面,移动终端的方位是依据人的需求随机改变的,不同的物理环境中,客户的网络质量不尽相同,这就发作了网络资源的动态改变[7],需求核算搬家补偿网络衔接差所带来的影响。

(2)均衡终端使命负载

当终端一次在本地履行的使命较多时,跟着终端被占用的各种资源添加,设备的负载急剧添加,这时使命被履行功率就会变得很低,核算搬家能够减轻资源占用较大的设备的负载,并搬家到其他资源丰厚的设备上。

(3)下降数据传输量

在核算使命履行的进程中,核算节点和本地客户端之间会发作很多需求传输的中心数据,这些数据的频频传输需求耗费很多的网络资源。而将使命搬家到核算节点履行,这些履行核算所需的数据能够直接在核算节点调用,核算节点只需求回来给客户端核算成果,传输的数据量大大减小。

(4)削减设备网络时延

当用户地点的物理环境网络不稳定、时延高时,将核算使命搬家到核算节点履行,客户端不用忧虑网络环境的改变,使命搬家之后用户不用坚持时刻在线。用户能够在使命搬家到核算节点后暂时断开网络衔接,待回来成果时衔接即可。

3 核算搬家的开展

Mahadev提出的Cyber Foraging思维是核算搬家的最早来源,他提出将资源受限的移动终端上的核算、存储等使命交给终端设备邻近的核算、存储才干更强的服务器履行,能够削减移动终端的核算量,进步终端的功用。依照核算搬家的搬家办法,搬家从有限资源环境下的嵌入式核算,开展到小规模的散布式核算,再到普适核算,2008 年以来进入云核算时代, 2016 年则鼓起依据终端邻近设备的边沿核算。张文丽等依照不同布景,将核算搬家分为散布式核算、普适核算和云核算 3 个阶段。本文依据参阅文献并依照时刻的先后顺序,将核算搬家的相关研讨作业区分为散布式核算阶段、普适核算阶段、云核算阶段和边沿核算阶段。表1 总结了这几个阶段核算搬家研讨的内容及完结办法。

3.1 散布式核算

在个人核算机和局域网取得飞速开展的布景下,单台设备的核算和存储才干不断加强,个人核算机很多资源大多数时刻闲暇,又因为局域网的开展,使得核算搬家成为或许。散布式核算应运而生。散布式核算的思维是将闲暇的资源以服务的办法供给给别人运用,运用互联网上的核算机的CPU的搁置处理才干,然后将不同空间的设备的核算才干结合起来,处理大型的核算问题。

可是,散布式核算的完结触及的景象是十分杂乱的,散布式核算对核算进程中的通讯、数据获取以及核算成果的回来都有严厉的要求。因而需求凭借散布式核算结构,对核算细节进行封装,然后确保散布式核算正常运转。

经过运用散布式核算结构,程序员能够很容易地享用散布式核算带来的高速核算的优点,而且还不用对散布式核算进程中的各种问题和核算反常进行操控。本文对当时的散布式核算结构进行了体系的回忆与总结,使命履行进程给予核算搬家启示。散布式结构的介绍及比照见表2。

散布式核算出现于便携式核算机刚开展的阶段,受网络技能开展水平的束缚,便携式计6n137中文材料算机面对的首要问题是电源的待机时刻短、续航才干较差,导致全体功用低。因而,在散布式核算阶段,核算搬家的研讨首要是评论将核算使命搬家到长途履行的可行性。

散布式核算阶段核算搬家研讨最首要的奉献有以下3点。

(1)依据负载同享的软件办法。电源办理是这一阶段核算搬家研讨的一个重要方向,Othwan等依据硬件办法,提出了一种依据负载同享概念的移动核算终端电源维护战略,用户使命从一个移动主机搬家到一个固定主机履行,能够延伸电池寿数,缩短作业呼应时刻,以削减CPU的功耗。而CPU的运用率对传输进程有重要影响,参阅文献用式(1)中CPUutilisation来标明CPU的运用率:

其间,Ji标明CPU履行使命i的时刻,T标明总的搬家周期。

(2)无线环境下的长途履行可行性验证。本地运转本钱高的使命,经过无线长途履行,这样能够经过固定终端衔接来节约电力和电池寿数。Rudenko 等比较了本地履行的进程和长途履行进程的功耗,权衡了通讯电源开支与本地处理的电力本钱,经过无线通讯在便携式核算机设备中的运用,评论了长途拜访和长途履行的可行性。

(3)使命主动区分理念。Hunt等提出了一个散布式运用程序主动分区体系Coign,Coign经过依据场景的剖析构建运用程序的组件间通讯的图形模型,Coign运用图形切开算法在网络上区分运用程序,并最大极限地削减网络通讯导致的履行时延。Coign的中心思维是将核算使命的区分交给体系自身来完结,图1标明Coign的运转时架构,运用Coign,即便终端用户无法拜访源代码,也能够将非散布式运用程序转换为优化的散布式运用程序,这样能够极大地减轻开发人员的作业担负。

图1 Coign结构

可是,散布式核算阶段关于核算搬家的研讨首要是提出理论想象,并未提出具体的理论结构,也未进行可行性和有用性的验证,因而散布式核算阶段关于核算搬家的研讨尚处于萌发的情况,并未有实质性的开展。

3.2普适核算

20 世纪 70 时代中期,跟着个人核算机的遍及,人与核算机之间的间隔被极大地拉近了。虽然个人核算机并没有展示信息技能的全貌,但它迈出了让核算机遍及的第一步。普适核算仍是硬件技能、图形用户界面快速开展的一个重要推进力。例如手持和可穿戴设备、无线局域网以及方位传感器都是普适核算阶段推进开展起来的。清华大学徐光祐教授等对普适核算的界说是:“普适核算是信息空间与物理空间的交融,在这个交融的空间中人们能够随时随地、通明地取得数字化的服务”。普适核算着重让核算机自身从人们的视野中消失,让人们留意的中心回归到完结的使命自身。

普适核算办法下核算搬家相关研讨能够分为核算搬家架构、运用区分算法、资源猜测办法、运用开发环境和技能几个类别。普适核算的研讨体系如图2所示。

图2 普适核算的研讨体系

在核算搬家架构方面,Eduardo等提出了一个重要研讨成果 MAUI,这是一种能够将依据能量感知的移动终端代码搬家到基础设施中的体系,MAUI 体系架构如图3所示。其间解析器担任搜集终端的信息参数,供给给求解器,求解器依据参数的改变实时地求解线性规划问题。MAUI 运用保管代码的优势来减轻程序员处理程序分区的担负,一起最大极限地节约搬家代码发作的能耗。

Rajesh 等最早提出了依据战略的长途履行体系Chroma,该体系在保存特定运用程序的信息的一起,能够轻松地对这些运用程序进行分区以进行长途履行,能够在过度负荷的环境中主动运用额定的资源来进步运用程序功用。

图3 MAUI体系架构

长途履行是普适核算的一项重要功用,它将小型设备的移动性与大型核算服务器的处理才干相结合。Jason等提出了一种依据普适核算的终端长途履行体系Spectra,Spectra经过匹配资源供给和需求来帮忙运用程序完结长途履行,为运用程序的功用该怎样履行以及在何处履行供给主张。

Steven 等提出了一种用于运用程序通明搬家的体系Zap,Zap在操作体系之上供给了一个虚拟化层,引进pod,这些pod是一组进程。Zap能够在各个独立的核算机操作王洁曦体系之间将一组进程 pod 作为一个单元进行搬家,而不会在搬家后留下任何残留情况,无需对操作体系进行任何更改。

Eli 等提出了依据 Java 的运用程序主动程序分区体系 J-Orchestra,该体系经过运用字姜仁卿节码重写、署理直接引证方针等办法,将字节码格局的Java运用程序作为输入,并将它们转换为散布式的运用程序,在不同的 Java 虚拟机上运转。J-Orchestra 在散布式体系中的运用办法很简略,用户只需求指定各种硬件和软件资源的网络方位及其相应的运用程序,因而J-Orchestra具有明显的通用性、灵活性和主动化的优势。

Su等提出了名为Slingshot的架构,该架构经过仿制长途运用程序署理来缩短运用程序呼应时刻。每个运用程序有两类副本,第一类副本在终端用户衔接的长途服务器上履行,Slingshot 在邻近的署理上布置了第二类副本,署理将每个运用程序的恳求广播到一切副本,并回来它收到的第一个呼应,这样能够缩短运用程序呼应时刻。

普适核算关于核算搬家的另一研讨是动态分区运用程序,并将运用程序的一部分搬家到强壮的署理上履行,即运用区分算法研讨。Gu 等依据含糊操控模型提出了一个搬家推理引擎,以自习惯地挑选运用程序分区战略。

在资源猜测算法方面,Rich等经过猜测本地和长途体系之间的带宽胡慧中,边沿核算搬家研讨总述,灰原哀、信道条件等,并将搬家资源决议计划模型一致为一个核算决议计划问题,运用贝叶斯办法评价不同决议计划战略的作用,得出结论:在估量先验散布选用主动变点检测的贝叶斯办法功用最佳。

3.3 云核算

2007 年,IBM 和 Google 宣告在云核算范畴打开协作,云核算作为一种新式的核算服务办法被产业界和学术界广泛注重.云是一种并行和散布式体系,由一系列彼此衔接的虚拟核算机组成,它们依据服务供给商和顾客之间树立的服务等级协议,动态地为用户出现和供给一个或多个一致的核算资源。依据参阅文献总结了云核算的演进进程,见表3。

云资源与传统的核算资源比较,具有服务质量好、可用性高、资源的运用率和可扩展性强、数据段安全性和隐私性高的特色。可是云资源的拜访也存在一些应战,因为用户与服务商之间的交互进程经过广域网和无线网,云资源的运用存在以下3个问题:

因广域网而带来的颤动、过错和时延;

无线网带宽有限、衔接不稳定;

拜访云资源的经济本钱较高级。

在云核算阶段核算搬家按完结办法首要有3种,别离为依据 cloudlet 的核算搬家、依据 surrogate的核算搬家和依据云的核算搬家。

Tim 等提出云应该以 cloudlet 的办法向移动用户的物理方位挨近,主张运用一个更细粒度的cloudlet概念来办理组件等级的运用程序,而不是将一个胡慧中,边沿核算搬家研讨总述,灰原哀完好的虚拟机从云移动到cloudlet。而且cloudlet 不是固定在移动用户邻近的固定的基础设施,而是以动态的办法给LAN中的移动用户供给可用的资源。这种物理方位上的邻近能有用地处理因广域网而带来的颤动、过错、时延以及网络衔接不稳定等问题。

Ra等提出的Odessa是依据surrogate的核算搬家体系,Odessa 经过其在线剖析器和简略的履行时刻猜测器,能够自习惯地为移动用户的交互型运用程序供给核算搬家和并行处理决议计划,能够快日子麻辣烫陈小伟速习惯场景杂乱性、核算资源可用性和网络带宽的改变。

CloneCloud是依据云的典型的核算搬家体系,CloneCloud 选用静态剖析和动态剖析相结合的办法,以精密的粒度主动分区运用程序,一起优化移动终端在特定核算和通讯环境下的履行时刻和动力运用,能够在一些运用程序上完结高达 20 倍的履行速度,一起大大节约了移动设备的能耗。

表4对依据 cloudlet 的核算搬家、依据surrogate的核算搬家和依据CloneCloud的核算搬家这3种核算搬家体系进行了比较。

随同移动互联网与云核算技能不断交融,依据移动终端的云核算办法灵敏遍及。移动终端核算、存储资源受分量、巨细和散热等要素的束缚,日益杂乱的移动运用使得用户的体会质量下降。因而怎样打破移动终端核算、存储和电池等资源的受限瓶颈,为它们供给增强核算才干和下降核算时延是至关重要的使命。为向移动用户供给愈加丰厚的运用,将云核算引进移动环境,移动云核算(mobile cloud computing,MCC)作为一种新的运用办法应运而生,核算搬家运用于云环境中,成为移动云核算的重要支撑技能。

柳兴等针对运用搬家到云端引起很多数据传输导致的能耗问题,提出一种使命联合履行战略(task collaborative execution policy,TCEP),经过把云端与移动终端联合移动运用的优化问题建模为最小化移动终端能耗问题,并选用一次搬家最优特性来改善遗传算法进一步进步算法功用。仿真标明,TCEP 与现有的战略比较,可有用削减最优解的运算时刻,一起最小化移动终端能耗。

3.4 边沿核算

近年来,在物联网和5G通讯的驱动下,移动核算范畴出现了一个范式的改变,从会集式的云核算向散布式的边沿核算改变。为了处理云核算中的时延问题,云服务应该被转移到与用户物理方位邻近的当地—移动网络的边沿,也便是新出现的边沿核算范式。施巍松等对边沿核算的界说是在网络边沿履行核算的一种新式核算模型,而边沿是指从数据源到云核算中心途径之间的恣意核算和网络资源。

核算搬家能够概括为署理发现、环境感知、使命区分、使命调度和履行操控等进程。可是,不是一切核算搬家计划都包含核算搬家的悉数进程。具体搬家进程如图4所示。

图4 边沿核算搬家进程

边沿核算能够被理解为云核算的一种特殊情况,在传统的云核算中,用户经过Internet衔接拜访云服务,而在边沿核算中,核算和存储资源散布于用户的近间隔网络拓扑规模内。因而,与云核算比较,边沿核算能够显着地下降时延和颤动。云核算是以彻底会集的办法部冕怎样读署,服务器一般会集地放置在一个或几个方位,但边沿核算彻底以散布式的办法布置。边沿核算只能够供给有限的核算和存储资源,表5 中概述了云核算和边沿核算在要害技能方面的比较。

边沿核算首要完结将云端的核算、存储等资源优势,引进移动终端,使其打破终端资源束缚,进步运转运用程序的功用。它完结了将网格、核算、存储以及运用的交融,经过敞开网络才干来下降中心网络时延,使时延能够束缚在10 ms级以内,这对那些对时延要求高的运用含义深远,特别是无人驾驶等范畴。

边沿核算所触及的规模十分广,首要边沿核算与节点的信赖以及资源协同研讨是密不可分的,核算搬家技能是完结边沿核算的重要技能手段,边沿核算中的数据安全与隐私维护问题则关系到边沿核算在各个运用范畴的服务质量。笔者别离从技能体系、研讨难点和运用方向 3 个层面对边沿核算的研讨体系进行总结概括,图5为边沿核算研讨体系。

图5 边沿核算研讨体系

4 边沿核算

4.1 边沿核算的研讨开展

边沿核算渠道运转在与移动终端物理方位相邻近的方位,为移动终端供给IT和云服务。本节将描绘边沿核算bj40范畴的几个最新研讨成果。

4.1.1 Femtoclouds

美国卡内基 梅隆大学核算机学院的Habak等提出Femtoclouds体系。Femtoclouds是一个动态的、自装备的“多设备移动云体系”,经过和谐多个移动设备来扩展 cloudlet 的核算资源。Femtoclouds运用客户邻近闲暇的移动设备,为本地移动终端供给核算服务,因而削减了传统的将核算搬家到云数据中心进程中发作的网络时延。

Femtoclouds 体系架构如图6所示, Femtoclouds设备由3个部分组成:cloud唯原日生let能够创立一个 Wi-Fi 接入点,并充任操控设备;核算机集群是一组乐意同享硬件和资源的移动设备;操控设备与集群中的移动设备协作,为搬家供给核算服务。

图6 Femtoclouds体系架构

操控设备的功用由履行猜测模块、在线时刻猜测模块、使命区分和调度模块来完结。履行猜测模块担任预算每个核算使命所引进的履行负载,便于更有用地在不同的节点间分配使命。在线时刻猜测模块会搜集区域中特定的数据,依据用户的团体行为构建一个通用的用户装备文件,猜测Femtoclouds用户的在线时刻。使命区分和调度模块履行猜测模块和在线时刻猜测模块取得的信息,迭代地将使命区分给履行设备。

移动设备由用户界面模块、核算资源猜测模块、用户数据剖析模块组成。用户界面模块担任获取用户偏好、同享战略以及个人信息同享战略信息,将取得的信息发送给其他模块。核算资源猜测模块担任剖析移动设备的剩下核算才干,并将所获取的信息与操控设备同享。用户数据剖析模块担任剖析用户在不同场景中的行为以及偏好数据,构建一个用户数据概要文件,并只以用户能够承受的粒度与操控设备同享,以维护用户隐私。

操控设备与集群中的移动设备协作,履行星启华娱在这两个设备中的本地衔接猜测模块、发现模块。本地衔接猜测模块担任核算肾脏操控设备和每个核算移动设备之间可用的带宽,笔者的办法是运用无线信号强度来获取带宽的初始估量。发现模块担任监测装置了 Femtoclouds 客户端的可用胡慧中,边沿核算搬家研讨总述,灰原哀移动设备,一旦移动设备参加集群,它就会向操控设备发送一个注册分组。这个注册分组包含该设备之前对 Femtoclouds 体系奉献的核算才干的信息以及用于确认用户在线时刻的装备文件信息。

Femtoclouds的作业原理是:移动设备发送设备信息(移动设备的可用核算资源、可同享的核算资源、运用前史)和同享战略给cloudlet,并经过Wi-Fi网络衔接到核算集群。cloudlet能够依据设备的核算资源可用性和电源情况,决议是否承受新设备接入核算集群中。移动终端经过发送核算代码、输入和输出数据到cloudlet上,搬家核算密布型使命。经过核算可用移动设备履行使命所需的时刻,将搬家过来的使命在核算集群中进行分配肝癌症状。

在移动设备的使命调度中,Femtoclouds运用贪婪启示式办法来优化模型。在操控器中运转的调度算法对体系的功用至关重要。调度胡慧中,边沿核算搬家研讨总述,灰原哀器有必要将使命区分给可用的设备,以最大化收益,一起办理设备的运转。先将问题作为一个优化问题,假定对设备才干(核算和带宽)和脱离时刻彻底了解,然后运用贪婪启示式办法来优化模型。关于每个使命,调度程序决议将使命分配给哪个设备,何时将使命发送给设备以及何时回来成果。使命履行调度器的总体方针是最大化整个集群的可用核算才干,标明为:

其间,C是总的核算才干,i是由第i个使命引进的核算负载。

体系的核算搬家功用取决于核算集群中可用的移动设备的数量以及设备的未运用资源量。

4.1.2 Replisom

Abdelwahab 等提出了 Replisom 体系, Replisom这个姓名的创意来源于DNA仿制,它是一个移动边沿云架构,当多个物联网设备想拜访云资源时,Replisom能够削减云的呼应时刻。

图7标明移动边沿核算端到端的内存仿制架构,Replisom将内存仿制到各自的克隆虚拟机中,而不是在边沿网络中添加新的设备。当多个物联网设备(假定第 i 个设备超越总量 n 个设备)有新的核算使命时,每个设备运用端到端的通讯技能将新的使命发送给相邻设备。接纳设备将接纳的核算体紧缩成一个副本。边沿云会守时给相应的物联网设备发送恳求(运用预先计划好的授权)。当设备j接纳来自边沿云的恳求时,作为呼应,它将紧缩的副本推送到边沿云。

终究,运用紧缩采样结构算法,将边沿云中的使命存储到相应的虚拟机中。当多个物联网设备将使命仿制到邻近的边沿云时,Replisom 体系结构下降了搬家期间的时延和本钱。

图7 移动边沿核算端到端的内存仿制架构

4.1.3 ME-VoLTE

Beck 等提出了 ME-VoLTE(mobile edge computing enabled voice over LTE),以削减视频通话中移动设备的电池耗费,并为搬家战略的挑选供给通讯协议。ME-VoLTE 是依据视频电话的移动边沿核算体系,能够在视频通话中削减终端动力耗费。

ME-VoLTE 体系将视频通话进程中的视频编码使命搬家到MEC边沿服务器上履行。图8标明ME-VoLTE 的体系架构,ME-VoLTE 体系结构中的两个首要组件为:服务调用操控模块(proxy/serving call state control function),其使命是在移动设备和VoLTE网络之间发送信号;媒体资源模块是VoLTE网络的一部分,负元宵节放假责视频的混辑、存储视频的回放和视频转码。当一个移动设备想要进行视频电话时,署理会将恳求(连同一组代码块)发送到服务调用操控模块。服务调用操控模块依据当时可用的核算资源和上行强度来决议编码类型。在决议编码类型之后,移动设备挑选一个编解码器对视频进行编码,这个编码器由边沿网络中的移动设备供给。

图8 ME-VoLTE体系架构

要完结将编码作业搬家到 MEC 服务器上的架构,需求满意 3 个方面的要求。从用户的视点看,新的MEC服务有必要通明地集成到现有的体系结构中。第一个要求是,搬家有必要在用户和MEC服务器之间进行洽谈,有两个原因:首要,MEC服务器的核算资源和上行线路带宽是多个用户同享的;因而,为了确保服务质量,MEC服务器依据可用的核算和上行带宽资源,来决议他们乐意供给多少资源。其次,网络运营商不向移动用户收取额定流量费用,这意味着在ME-VoLTE体系结构中,网络计费功用作为洽谈进程的一部分,有必要被集成到架构中。

第二个要害要求是习惯移动性。编码使命开始是被搬家到与用户十分挨近的MEC服务器,假如用户方位移动,ME-VoLTE 有必要能检测用户方位发作的改变,并验证编码参数是否需求调整以习惯新的环境。

第三个要求是体系有必要考虑网络接口的功耗。因为用户编码作业量削减,视频数据的紧缩率远低于传统的VoLTE体系。将这些仅微紧缩的媒体流发送到边沿基站和MEC服务器时,会导致用户的传输速率添加。因为ME-VoLTE旨在下降运用程序的功耗,所以这儿考虑的要害要素之一是对多媒体流的搬家才干。因而,ME-VoLTE 有必要确保卸载不会添加UE的功耗。

4.1.4 移动终端对等点之间的核算搬家

Gao提出了一个核算搬家架构,在网络边沿的移动设备之间搬家核算使命。在战区环境内,处理区域环境的监测数据的运用需求很多的核算资源。该架构将部分运用程序搬家到邻近的移动节点履行,以削减核算时刻和动力耗费。节点的搬家计划依靠于核算才干、相邻节点的能量等级以及节点之间未来或许发作的交互。经过剖析移动节点间触摸时刻散布特性,能够猜测两个节点之间的或许发作的交互。依据这个结构,在搬家发作之前,体系会主动核算新节点上使命的履行时刻、能量耗费和节点间未来的交互。假如在新节点上履行使命节约了时刻和能耗,而且新节点能确保在触摸周期内完结使命,则新节点将被确认为使命搬家节点。该结构具体做出的奉献如下。

经过剖析确保了移动节点之间核算的搬家,削减了能耗,答应递归核算搬家进一步进步了网络资源的运用功率。

还研讨了及时将核算成果回来给使命发起者,以确保在大型网络规模内及时完结作业。

一起还考虑核算和操作数据的方位,答应多个移动节点在核算履行期间彼此和谐,以进步网络资源运用率。

图9标明端到端的使命搬家结构,每个移动节点的核算才干都已给出,两个移动节点之间的连线标明两个节点之间的触摸办法。当节点A衔接的节点K的核算才干远高于A时,A将核算使命TA搬家到K,这样能以更短的时刻、更少的能量耗费来完结使命TA。这种核算能耗的节约超越了A和K之间的数据传输本钱,然后进步了网络资源运用的全体功率。然后,K作为使命TA的“子发起者”,递归地将 TA的作业量搬家到 E。而 K与D衔接时不会将TA搬家到D,即便CD>CK。首要原因是K和D之间的触摸频率较低,会下降TA的核算成果及时交付到A的或许性。

该模型的功用取决于边沿网络中相邻节点的数量。假如节点网络中止,模型则不会为其履行搬家使命。

图9 端到端使命搬家结构

4.1.5 边沿网页阅读加快模型

Takahashi等提出了EAB(edge accelerated Web browsing)的移动边沿核算原型,以加快Web运用程序的履行。图10比照了一般安卓阅读器(左)与EAB(右)的架构。在EAB中,边沿服务器被布置在移动客户端以及移动端邻近的服务器之间。当移动 Web 阅读用户向 URL 页面发送恳求时,服务器端的呼应首要在边沿服务器上被阻拦。作为呼应,边沿服务器会过滤一些内容,边沿服务器的使命一般是抓取 Web 内容、评价Web内容、Web的从头布局和出现。这个模型比一般的Web阅读模型具有更好的作用。

图10 一般安卓阅读器(左)与EAB(右)架构比照

4.1.6 上下文感知协同实时运用

Nunna 等提出了依据 5G 技能和移动边沿核算的上下文感知协同实时运用架构。因为无线网络的高时延,在某些特守时刻内的传统协同运用具有坏处。在笔者所提的架构中,边沿服务器布置于每个边沿节点上。作者运用了近间隔服务、上下文感知核算等5G技能的特性来完结协同。边沿服务器的中心件—边沿协作渠道经过标准化的API 搜集用户具体方位、无线网络情况等重要信息。该架构将运用于路途事端场景和机器人长途作业场景中。

5G网络与MEC集成在一起,将供给一个强壮的实时上下文感知协作渠道。5G网络的低传输时延,与 MEC 服务的低运用程序呼应时刻相结合,将使体系十分适合为实时场景服务。5G的近间隔服务、上下文感知核算这些特功用够经过安全 API 在基站布置到 MEC 服务器上,然后使上下文感知的暂时协作变得可行。

集成MEC与5G构建的协作渠道有望在功用上完结通用,渠道应该支撑不同职业范畴所对应的不同服务子体系。为了完结灵敏和牢靠的运用程序布置,有必要在这些服务子体系中供给安全拜访接口。

因为时延和同步是协同核算模型中功用的重要表现,而上述模型具有低时延特性,因而适合于协同核算。现在,上述模型依然仅仅一个理论概念,5G技能也还处于开展阶段。

4.1.7 CloudAware

Gabriel 等提出了 CloudAware 体系, CloudAware是一种移动边沿核算的编程模型,运用于开发弹性的和可弹性的移动边沿核算运用程序。CloudAware 不同于 MEC 范畴相关的其他办法,它的首要规划方针是支撑与邻近设备的暂时和短时刻交互,以及在没有可用的署理或许用移动设备作为回退机制的衔接终端时,供给一个继续可用的运用程序。

图11标明CloudAware的履行渠道和架构, CloudAware 选用 Jadex中心件结构来获取散布式、并发履行和上下文感知核算等特点。在CloudAware中,发现服务担任监控可用的网络、网络强度以及每个服务器所供给的署理核算资源。上下文办理器搜集用户的使命搬家情况,以估量所需的网络衔接。切割器和求解器将运用程序分为不同的组件,在运转时依据时刻优化(即最小化核算时刻)和网络衔接情况挑选最优的搬家战略。还包含一个供给同步的和谐器。CloudAware 的规划能够完结经过并行化加快核算、经过搬家核算节约能量或带宽而且支撑多种移动场景的搬家。

图11 CloudAware履行渠道和架构

表6对近年典型的边沿核算研讨成果进行了比较。边沿核算的运用场景触及互联网的方方面面,除了以上几个运用场景外,边沿核算在移动医疗、移动游戏、VR、AR、物联网传感数据反常实时检测、边沿存储以及物联网数据转发等范畴有广泛的运用。

学者们对边沿核算搬家体系架构的研讨,首要方针会集在增强移动终端核算才干、下降能耗、缩短时延、进步网络资源运用功率等方面,选用的首要办法是优化搬家战略、优化传输功率等,特别是搬家战略的优化,是当时边沿核算研讨的首要方向和要点范畴。

4.2 依据不同优化方针的边沿核算搬家研讨

边沿核算搬家的节能研讨需求移动边沿核算和无线通讯技能的联合规划,其间最首要的部分是核算搬家战略及算法的优化。经过将核算搬家问题建模为优化问题,首要针对能耗、时延、传输价值、节点负载等。

跟着移动设备的开展,终端设备寿数进步,下降能耗,进步用户体会质量。Zhang 等研讨了一个单用户MECO体系,经过比较本地核算(带有可变CPU周期)和优化后的搬家核算(可变传输速率)的能量耗费,得出最优搬家战略。Zhang等研讨了用户终端移动办法在不知道情况下的能耗优化,提出了依据卷积神经网络的深度Q网络的强化学习算法,从用户曩昔的数据情况中学习,完结能耗优化,缺陷是没有对核算时刻进行束缚。Lyu 等研讨了移动边沿核算搬家面对的可扩展性问题,提出了一个轻量级的恳求和准入结构来处理可弹性性问题,规划了挑选性搬家计划,以最小化设备的能量耗费。

移动终端增多的一起网络负载加剧,或许引起网络时延。为了处理这一问题,结合能耗优化方针,参阅文献针对不同类型的多用户体系研讨了MECO的资源区分。Stefania等研讨了一个多用户的MECO体系,为了削减在搬家时延束缚下的终端能量耗费,提出将无线和核算资源进行联合分配。Zhao等葱花饼研讨了在中心云和边沿云共存的情况下,搬家到不同云的最优用户调度问题,提出了一个依据使命负载的阈值搬家战略。Chen 等研讨了多用户 MECO 的散布式搬家,运用博弈论来完结能量和时延的最小化。Donghyeok 等提出了一种将部分视频流量卸载到 Wi-Fi 网络来缓解蜂窝网络拥塞的软件界说网络架构,经过有用且公平地同享有限的蜂窝网络资源来进步一切用户的视频质量,提出了寻求用户之间的大局体系功效和服务质量公平性的资源分配算法,该架构能够有用下降时延,可是关于终端能耗并没有有用的优化。Liu等提出了一种权衡搬家时延和牢靠性的结构,规划依据启示式查找、重构线性化技能和半定松懈 3 种算法来完结时延和牢靠性的权衡,缺陷是没有对能耗进行优化。

移动设备的增多使得网络带宽日益严峻。为处理这一问题,You 等和 Mao 等别离研讨了自习惯的核算搬家办法,并以无线能量传输和搜集为方针,规划了依据无缝集成移动云核算和微波功率传输(microwave power transmission, MPT)两种技能的处理计划。Xiang 等研讨了单用户的 MECO 体系,将动态搬家与自习惯的LTE/Wi-Fi链接挑选进行集成,并提出了一种可扩展的近似动态规划(approximate dynamic programming,ADP)算法。

搬家算法优化方面,学者也做出尽力。Chen等用 Lyapunov 技能开发了一种边沿基站之间的在线核算搬家结构,以最大化边沿核算体系的功用,但仅触及了边沿基站之间的协作核算,并没有优化终端的能耗。Zhang 等研讨了多流数据搬家的问题,一个终端有多个运用程序需求搬家,将多流数据搬家问题构建为限时空离散时刻马尔可夫决议计划进程,经过依据动态规划的算法树立最优战略,可是该战略核算杂乱度高,会在必定程度上危害功用。Muhammad等提出了一种依据鼓励的博弈论数据下载结构,完结了纳什均衡,可是该结构过火注重移动网络运营商的服务质量,而忽视了终端用户的能耗考虑。

Reza等评论了搬家核算中的用户隐私安全问题,主张运用我和女智能分区或动态搬家,应默许选用“本地优先”办法,在处理敏感数据时防止运用网络,可是缺少对富运用程序杂乱性的考虑。表7对相关的核算搬家战略的优缺陷进行了总结。

综上所述,学者们关于边沿核算搬家战略的研讨首要会集在算法规划上,大多数都是仅考虑了核算时延或终端能耗,一些研讨的核算杂乱度偏高,没有抵达大局最优,并不能有用处理移动终端资源受限的问题,特别是能耗问题,因而当时研讨中资源区分能耗优化的问题就凸显出来。

4.3 边沿核算典型运用

边沿核算可运用于网页动态优化、物联网核算搬家、移动大数据剖析、智能交通等场景。可是这些运用并不能在移动设备或便携式设备上有用地运转,这些运用是核算密布型的,对移动设备的处理才干和存储容量的要求很高。以下扼要介绍边沿核算的几个运用场景。

4.3.1 网页动态优化

传统的网页优化为了满意客户的希望,一般在Web站点上履行,并参阅存储在数据库中的用户Web阅读前史。网页优化也能够经过获取用户当时的地理方位并剖析用户方位信息,依据用户的上下文感知来动态地完结。而在移动边沿核算中,网页优化器能够保管在边沿服务器上,这样网页内容优化器能够动态地获取精确的方位和运转信息(网络负载、网络情况等),并依据获取的信息进行内容优化,如图12所示。依据边沿核算的内容优化进步了网络的功用,进步了体会的质量,并添加了新的服务。

图12 网页动态优化模型

4.3.2 智能移动设备核算搬家

近年,可穿戴物联网设备流行起来,可是这些设备的处理才干十分低,传统的核算密布型运用(如AR和监督体系)无法在这些设备上履行。这个cz673问题能够经过将运用程序拆诺亚奥特曼分为小使命来处理,而且在云设备上履行拆分后的部分使命,可是这一起会引进网络时延和影响履行的精确性。上述场景能够经过将使命搬家至边沿服务器上而非中心网络来优化,搬家至边沿服务器能够必定程度上减小时延。移动边沿核算中的核算搬家面对着几个应战:怎样切割一个运用程序,如判别使命是否应该被搬家以及怎样在用户地理方位发作改变时同步运用程序。

4.3.3 边沿核算在大数据剖析中的运用

大数据是很多数据的调集,对数据进行结构化和非结构化的剖析,能够更好地做出商业决议计划和战略事务活动。近年来,手机上网成为干流,因而搜集智能手机数据,并进行剖析,是了解和剖析商场的最有用途径,这个进程需求高带宽而且会引进时延。而移动边沿核算渠道不再需求糟蹋很多带宽,就能够履行大数据剖析,数据剖析能够在网络边沿设备上进行,剖析后,只需将成果回来服务器。因而,该场景将削减带宽耗费,进步网络时延。

4.3.4 才智城市

现代化城市人口密布,城市日子面对着许多问题,才智城市日子圈如图13所示。以交通为例,城市存在交通拥堵拥堵、路途情况不佳、泊车位缺少、公共交通才干缺少、路途安全等问题,智能交通是处理城市居民所面对的交通问题的有用途径。例如,在路旁边装置摄像头和传感器设备搜集实时数据,能够经过边沿网络完结交通操控。传感器设备能够检测挨近设备的物体(如行人和车辆),并能丈量物体的间隔和速度,依据搜集的数据,以合理的办法转换为智能红绿灯信号操控车流,然后完结交通管制。类似地,智能泊车体系能够经过智能终端搜集用户的方位信息,经过边沿网络上的设备查询邻近的可用车库,用这些数据来建模,辅导用户合理运用泊车位。

图13 才智城市日子圈

4.3.5 才智海洋边沿核算

21世纪以来,跟着我国对海洋空间资源的注重程度越来越高,对海洋空间的开发日渐频频,可是海洋通讯的相对落后严峻限制了我国海洋战略的施行。传统的海上通讯网络如海上无线通讯、海洋卫星通讯以及依据陆地蜂窝网络的岸基移动通讯,存在通讯制式互不兼容、通讯带宽凹凸纷歧、掩盖规模存在盲区和缺少高效一致的办理机制等缺陷。新式才智海洋通讯体系在海上无线通讯和卫星通讯的基础上,以 5G 通讯技能为中心,选用边沿移动通讯,以岛礁等作为中继节点树立新的高速通讯链路。海洋边沿核算结构如图14所示。

图14 海洋边沿核算结构

5 TDMA多用户边沿移动终端核算搬家战略体系

依据移动终端资源受限问题的评论与研讨,笔者将进一步测验提出边沿移动终端核算搬家的资源区分及搬家战略模型。

针对上文提出的当时边沿核算搬家战略研讨中存在的如下几个问题:

大多数搬家战略都只考虑了核算时延或终端能耗;

部分研讨的核算杂乱度偏高;

没有抵达核算时刻和终端能耗的大局最优化。

针对以上问题,本文测验提出一个面向 LTE运用的、依据时分多址(time division multiple access,TDMA)的多用户边沿移动终端核算搬家战略体系,该体系评论了多个用户将使命搬家到一个边沿云基站的使命搬家模型,体系模型如图15和图16所示。

图15 体系模型

图16 多用户边沿核算搬家体系

其间,dk比特被搬家,(Dk-dk)比特留在本地核算。用 H 标明信道增益(无线信道对传输间隔归一化后的式微度),是复高斯白噪声的方差,pk标明移动终端k的传输功率,体系信道带宽为B。依据香农定理,构建终端k可抵达的速率模型rk为:

将分配给终端 k 用于搬家的时隙长度标明为tk,tk≥0,其间tk =0对应于没有搬家的情况, ak为搬家决议计划时刻束缚变量。用Ck标明在第k个终端核算1比特输入数据所需的CPU周期数, ek 标明用户本地核算的每个 CPU 周期的能量耗费。那么乘积 Ckek便是每比特的核算所需能量。模型的具体介绍请参阅参阅文献。资源区分模型能够构建为:

本文测验将移动终端核算搬家的资源区分问题建模为一个凸优化问题,选用拉格朗日乘子法进行求解。树立一个面向LTE运用的、依据TDMA的多用户边沿核算搬家体系,研讨了多个用户将使命搬家到一个边沿云基站的使命搬家模型。在体系的多用户核算搬家能耗凸优化问题中,以核算时刻最优为束缚条件、以最小化终端本地能耗为方针来规划搬家计划,终究确认一个最优的终端资源区分战略。本文提出的体系及其实验成果数据,详情请参阅参阅文献。

与已有的核算搬家战略比较,本文提出的参阅模型具有以下优势:

模型归纳考虑网络带宽和通讯质量的问题,能够依据实时网络情况挑选搬家战略;

归纳权衡核算时延和终端能耗,确保了边沿搬家的核算质量;

拉格朗日办法求解凸优化问题,能够明显削减迭代次数,下降核算杂乱度;

在模型的多用户核算搬家能耗凸优化问题中,以核算时刻最优为束缚条件、以最小化终端本地能耗为方针来规划搬家计划,能够完结核算时刻和能耗的平衡,抵达体系最优。

6 结束语

在云核算开展的热潮之后,许多云服务(如移动医疗、移动学习、移动游戏和移动办理等)都能够在移动设备上直接运用。移动边沿核算是一种新式的技能,它在移动用户的近间隔范爱爱撸围供给云和IT服务。将用户的核算使命搬家到邻近其他闲暇的移动终端上,抵达节约终端能耗、削减网络传输费用等意图。

移动边沿核算渠道经过在边沿网络上完结核算和存储来下降网络时延。它还答应运用程序开发人员经过运用实时无线拜访网络信息,供给上下文服务(比方协作核算)。移动和物联网设备为核算密布型运用程序履行核算搬家,如核算机视觉、移动游戏等,运用移动边沿核算服务。本文介绍了边沿核算,评论了一些引发核算搬家的原因,对核算搬家从散布式核算到边沿核算的开展概略进行了整理,介绍了几个移动边沿核算的运用场景。在此基础上,测验提出新的核算搬家战略模型以及未来的研讨方向。

[作者简介]

朱友康(1992— ),男,江西理工大学理学院硕士生,首要研讨方向为边沿核算和核算搬家。

乐光学(1963— ),男,嘉兴学院教授,首要研讨方向为多云交融与协同服务、无线mesh网络与移动云核算、混成与嵌入式体系。

杨晓慧(1996— ),女,江西理工大学理学院硕士刘洪元生,首要研讨方向移动云核算。

刘建生(1959— ),男,江西理工大学理学院副教授,首要研讨方向为深度学习。

热门
最新
推荐
标签