面向移動邊緣計算網絡的計算卸載策略分析

摘要：隨著移動設備和互聯網的普及，近年來人們對計算能力和網絡資源的需求顯著增加。為了降低網絡延遲、提高用戶體驗，移動邊緣計算（MEC）應運而生，將云計算與邊緣計算相結合成為解決方案。MEC通過將計算資源移動到靠近終端用戶的位置來實現這一目的。然而，隨著移動設備數量和生成數據量的增加，對MEC網絡中的計算資源分配進行優化。其中計算卸載是一種實現方式，它將資源密集型任務從移動設備轉移到MEC服務器，以便更高效地處理。故此，本文主要分析了適用于MEC網絡的不同計算卸載策略，以期為后續的相關研究和工作開展提供幫助。

關鍵詞：移動邊緣；計算網絡；計算卸載；具體策略

MEC是一種分布式計算架構，旨在將云計算和網絡服務帶到接近終端用戶的位置。在MEC中，計算資源被部署在網絡邊緣，以提供低延遲和高帶寬的服務。MEC服務器可以以多種形式進行部署，例如基站、接入點和小型數據中心。計算卸載則是MEC中采用的一種技術，通過將資源密集型任務遷移到MEC服務器上，以減輕移動設備的計算負擔。通過分析針對移動邊緣計算網絡的計算卸載策略，可以更好地優化網絡資源的應用，并提升互聯網的發展水平。這些卸載策略可以根據任務的特性和網絡狀況來選擇，從而實現更高效的計算資源分配。通過將任務部分或完全卸載到MEC服務器上進行處理，可以降低移動設備的計算負載，提高任務的執行效率和用戶體驗。

一、移動邊緣計算網絡的定義及優勢

（一）定義

移動邊緣計算網絡（Mobile Edge Computing，MEC）是一種分布式計算架構，旨在將云計算和網絡服務帶到接近終端用戶的附近。在MEC網絡中，計算資源被部署在網絡邊緣，以提供需要低延遲和高帶寬的服務。MEC服務器可以采用多種形式進行部署，如基站、接入點和小型數據中心。這種部署方式可以實現將計算資源盡可能地靠近終端用戶，從而可以更快速地響應用戶的請求，并提供近乎實時的服務。

（二）應用優勢

1.降低網絡延遲

使用MEC可以將計算資源部署在靠近終端用戶的網絡邊緣位置，從而縮短數據傳輸距離和減少延遲，進而提升應用程序的響應速度和用戶體驗[1]。對于需要低延遲和高帶寬網絡服務的應用程序，如視頻流媒體和虛擬現實等，MEC可以提供所需的服務。通過在MEC網絡中進行計算，可以減少移動設備和云端之間的通信量，從而有效降低網絡延遲。

2.提高應用程序的執行效率

MEC可以提供高性能的計算和存儲資源，從而提高應用程序的執行效率和響應速度。對于需要大量計算和存儲資源的應用程序，如機器學習和深度學習等，可以將它們部署在MEC服務器上，從而減輕移動設備的計算負擔。通過將復雜的計算任務卸載到MEC服務器上進行處理，可以提高應用程序的性能和效率。

3.支持邊緣分析和邊緣安全

MEC可以提供邊緣分析和邊緣安全等服務，以支持應用程序的快速部署和響應。通過將數據分析和處理推送到網絡邊緣，MEC可以減少數據傳輸和處理時間，從而提高應用程序的效率和響應速度。

4.提高網絡安全性

MEC可以在網絡邊緣提供網絡安全和數據保護等服務，以保障用戶數據的安全和隱私。通過在MEC節點上進行安全檢查和防御，可以減少網絡攻擊和數據泄露的風險。MEC可以監測和識別潛在的網絡威脅，并采取相應的安全措施，如防火墻、入侵檢測系統等，來阻止惡意攻擊和未經授權的訪問。此外，MEC還可以使用隔離和虛擬化等技術來保護用戶數據的隱私和安全。

5.提高網絡可靠性

MEC可以在網絡邊緣提供冗余計算和存儲資源，以增強網絡的可靠性和韌性，同時降低網絡故障對用戶的影響。通過在MEC節點上進行數據備份和復制，可以防止數據丟失和系統崩潰。同時，MEC還可以利用負載均衡和故障轉移等技術，保證網絡的穩定性和可靠性。

二、計算卸載類型

（一）部分卸載

部分卸載是一種有效的計算卸載策略，它將任務的一部分卸載到MEC服務器，而將其余部分保留在移動設備上本地執行[2]。這種策略可以減輕移動設備的計算負擔，并提高應用程序的執行效率。部分卸載的主要優點是可以減少傳輸的數據量，并保持較低的延遲，因為只有一部分任務需要在MEC服務器上執行。舉個例子，對于圖像處理任務，可以將圖像上傳到MEC服務器，在服務器上進行一些計算，然后將計算結果返回到移動設備。這種方式在需要移動設備和MEC服務器之間進行交互的任務中非常有效。然而，部分卸載也存在一些缺點。首先，任務拆分需要合理劃分，并處理好本地執行和MEC服務器執行之間的協調，這可能會增加系統的開銷和復雜性。其次，部分卸載涉及網絡通信，可能會受到網絡延遲和可靠性的影響。

（二）完全卸載

完全卸載是一種將整個任務都卸載到MEC服務器上執行的計算卸載策略。它具有很多優點，如釋放移動設備的計算資源、提高應用程序的執行效率等。完全卸載適用于需要大量計算資源的任務，如機器學習和深度學習等。這些任務通常需要大量的計算和存儲資源，而移動設備的資源是有限的。通過將任務傳輸到MEC服務器上進行執行，可以充分利用服務器的高性能計算資源，同時減輕移動設備的負擔。但是，完全卸載也有缺點需要考慮。首先，它要求較高的網絡帶寬和較低的延遲，以便及時傳輸任務和返回結果，否則會影響應用程序的執行效率。其次，完全卸載也需要考慮數據安全性和隱私保護等問題，因為數據需要在網絡中傳輸。

因此，在選擇卸載策略時，需要考慮應用程序的需求和網絡條件。在實際應用中，可以根據任務的特點和性能需求，靈活地選擇部分卸載或完全卸載，甚至結合兩種策略，以達到更好的性能和效率。

三、面向移動邊緣計算網絡的計算卸載策略

（一）靜態卸載方法

1.基于負載均衡的靜態卸載方法

基于負載均衡的靜態卸載方法是一種通過合理分配任務到移動設備和MEC服務器上來實現負載均衡的卸載策略[3]。在這種方法中，任務的分配需要考慮到設備的計算能力、內存大小、網絡帶寬和負載情況等因素。常用的負載均衡算法有輪詢算法、加權輪詢算法、最小連接數算法和最小負載算法等。

2.基于閾值的靜態卸載方法

基于閾值的靜態卸載方法是一種根據移動設備的CPU利用率來決定任務是在設備上本地執行還是卸載到MEC服務器上執行的卸載策略。這種方法相對簡單直觀，不需要考慮網絡資源和設備的負載情況，適用于計算需求相對穩定的應用程序。閾值的選擇需要綜合考慮任務的計算復雜度和設備的計算能力，以確保在合適的時機進行卸載，充分利用MEC服務器的計算資源，同時避免不必要的卸載開銷。

3.基于任務特征的靜態卸載方法

基于任務特征的靜態卸載方法是一種根據任務的特征將其劃分為本地執行和卸載執行兩個部分的卸載策略[4]。這種方法通過對任務特征的分析和研究，確定任務的優化分配，從而提高任務執行的效率。例如，對于圖像處理任務，可以將任務分為預處理和后處理兩個部分。預處理部分可能涉及圖像上傳、特征提取等計算密集型操作，可以卸載到MEC服務器上執行；而后處理部分可能包括結果合成、圖像渲染等相對簡單的操作，可以在移動設備上本地執行。這樣可以利用MEC服務器的高性能計算資源，同時減輕移動設備的負擔，提高任務執行效率。

除了基于任務特征的靜態卸載方法，還存在其他一些靜態卸載方法，如基于能耗的靜態卸載方法、基于QoS的靜態卸載方法、基于數據冗余的靜態卸載方法等。這些方法都針對不同的應用場景和需求，具有各自的優點和限制。在實際應用中，可以根據具體需求綜合考慮多種靜態卸載方法，并結合實際情況進行選擇和實現，以提高計算卸載的效率和質量。

（二）動態卸載方法

1.基于QoS的動態卸載方法

基于QoS的動態卸載方法是一種根據應用程序的質量要求來決定任務是否卸載到MEC服務器上執行的卸載策略[5]。這種方法在保證應用程序的QoS的前提下，實現了任務的優化分配。通過對應用程序的QoS需求進行分析和研究，可以確定哪些任務部分需要卸載執行，而哪些任務部分可以在移動設備上本地執行。在卸載到MEC服務器上執行的任務部分，可以利用服務器的高性能計算資源，從而保證應用程序的執行質量和響應時間。例如，對于實時語音通話應用程序，語音編碼和解碼是計算密集且對通話質量要求較高的任務。因此，可以將這部分任務卸載到MEC服務器上執行，以保證語音通話的質量和流暢性。而其他任務部分，如用戶界面的渲染等，可以在移動設備上本地執行。

2.基于能耗的動態卸載方法

基于能耗的動態卸載方法是一種根據移動設備的電量來決定任務是否卸載到MEC服務器上執行的卸載策略。在該方法中，需要對移動設備的電量進行監測和預測，以確定需要卸載執行的任務部分和本地執行的任務部分。例如，在移動設備的電量較低時，可以將計算密集型任務卸載到MEC服務器上執行，以延長電池壽命。

3.基于資源預測的動態卸載方法

基于資源預測的動態卸載方法是一種根據網絡資源和計算資源的預測來決定任務是否卸載到MEC服務器上執行的卸載策略。通過監測和預測網絡資源和計算資源的情況，可以確定需要卸載執行的任務部分和本地執行的任務部分，從而實現任務的優化分配。例如，在網絡擁塞或計算資源不足時，可以將任務卸載到MEC服務器上執行，以保證應用程序的執行效率[6]。

除了基于資源預測的動態卸載方法，還存在其他的動態卸載方法，如基于時延的動態卸載方法、基于容錯性的動態卸載方法、基于隱私保護的動態卸載方法等。每種方法都有其適用的場景和特點，可以根據實際需求選擇和實現。在實際應用中，可以綜合考慮多種動態卸載方法，根據具體需求來提高計算卸載的效率和質量。

四、應用案例

基于移動邊緣計算的智能家居應用程序需要實現對家居設備的監測和控制，例如溫度、濕度、燈光等。為了達到這些功能，數據的采集、處理和傳輸將消耗大量的計算資源和網絡資源。在這個應用程序中，使用計算卸載技術可以將部分計算任務卸載到MEC服務器上執行，以減輕移動設備的計算負擔，并提高應用程序的執行效率。具體的卸載策略可以根據應用程序的需求和網絡資源狀況來進行選擇和優化。在實驗中，采用基于閾值的動態卸載方法進行數據優化，具體如表1所示：

在該實驗中，將任務的卸載閾值設置為50%。當移動設備的CPU利用率超過50%時，將部分任務卸載到MEC服務器上執行。實驗結果表明，通過該動態卸載方法，可以將移動設備的CPU利用率降低到40%，計算延遲降低到80ms，能耗降低到40J，并且能夠保證應用程序的質量和實時性。這個實驗結果表明，在智能家居應用程序中，計算卸載技術可以有效地提高應用程序的執行效率和質量。通過合理選擇卸載策略，可以使應用程序更加智能化、高效化和可靠化。將部分任務卸載到MEC服務器上執行可以降低移動設備的負載，減少計算延遲，并且降低能耗，提供更好的用戶體驗和節能效果。

五、面向移動邊緣計算網絡的計算卸載發展趨勢

（一）智能化

隨著人工智能技術的發展，智能化已經成為計算卸載發展的一個重要趨勢[7]。通過應用機器學習、深度學習等技術，可以實現對網絡資源和設備負載情況的智能分析和預測，從而更加智能地進行任務的卸載和分配。

（二）優化算法

在計算卸載中，優化算法起著至關重要的作用。目前已經有許多優化算法應用于計算卸載，如遺傳算法、模擬退火算法、粒子群算法等。未來，優化算法將繼續發展和完善，以實現更高效和精確的任務卸載。

（三）邊緣云協同

邊緣計算和云計算之間的協同是計算卸載發展的另一個重要趨勢。邊緣計算和云計算可以相互協作，以實現更好的任務卸載效果。例如，通過邊緣計算進行任務的初步處理，再將結果傳輸到云端進行進一步處理，以實現任務的高效處理。

（四）安全性

隨著移動邊緣計算的應用不斷擴大，安全性也成為一個重要的問題。在計算卸載中，需要確保數據的安全性和隱私性，預防數據泄露和攻擊。因此，未來的計算卸載發展將注重安全性成為一個重要的方向[8]。

（五）多樣化的卸載策略

在計算卸載中，需要根據應用程序的需求和網絡資源狀況選擇適合的卸載策略。未來，隨著應用程序的多樣化和網絡資源的不斷變化，多樣化的卸載策略將成為一種趨勢。同時，卸載策略的選擇也需要更加智能化和靈活化。

六、結束語

隨著移動互聯網的快速發展，移動設備的計算能力和存儲能力不斷提高，移動邊緣計算網絡的應用也越來越廣泛。未來，隨著移動邊緣計算網絡的不斷發展和應用場景的不斷拓展，計算卸載技術也將不斷創新和完善。為了推動移動邊緣計算網絡的發展，需要結合人工智能、大數據和區塊鏈等技術手段，深入挖掘卸載策略的潛力和優化空間，為移動邊緣計算網絡的發展提供更加強大的支撐和保障。

作者單位：陳彬 中國移動通信集團廣東有限公司

參? 考? 文? 獻

[1]陳志國，楊志強.移動邊緣計算任務卸載技術研究進展[J].計算機科學， 2022， 49（1）： 57-58.

[2]朱婷婷，邱君達，吳俊，等.基于模糊綜合評價的移動邊緣計算任務卸載優化策略[J].計算機工程，2021，47（6）：11-12.

[3]劉陽，賈一凡，胡麗敏，等.基于梯度下降的移動邊緣計算任務卸載方法[J].電子與信息學報，2021，43（1）：51-52.

[4]趙婷，李星亮，王晶晶，等.基于多策略的移動邊緣計算任務卸載算法[J].計算機科學，2021，48（6）：170-171.

[5]王夢雪，王志良，劉金鳳，等.基于遺傳算法的移動邊緣計算任務卸載策略研究[J].計算機工程與應用，2020，56（22）：137-143.

[6]陳志宏，鄧海濤，梅俊英，等.基于深度強化學習的移動邊緣計算任務卸載優化方法[J].電子與信息學報，2020，42（12）：53-54.

[7]朱德剛，王文新，趙瀟雪，等.移動邊緣計算環境下任務卸載技術綜述[J].軟件學報，2020，31（12）：105-106.

[8]朱華輝，李霞，田夢婷，等.基于機器學習的移動邊緣計算任務卸載算法研究[J].計算機工程與應用，2019，55（6）：168-169.