5G移動邊緣計算環境下的任務卸載方法研究

邱丹青，許宇輝

（廣東曼拓信息科技有限公司，廣東廣州 510635）

0 引言

當今，移動通信技術的快速發展和邊緣計算的興起使得5G 移動邊緣計算中任務卸載方法備受關注，任務卸載能夠有效優化移動設備的能耗，延長電池壽命，并提高計算任務的響應速度和性能。通過將部分或全部計算任務轉移到邊緣服務器上進行處理，可以減輕移動設備的計算負擔，降低能源消耗，并實現更快的響應時間，該研究能夠為用戶提供更智能、高效和便利的移動體驗，對于推動移動邊緣計算的應用和發展具有重要意義。

劉可欣等［1］提出了基于移動邊緣計算的車聯網任務卸載方法，建立了以關鍵值為基礎的工件調度策略。在時分多址系統中，每一個時隙的使用者都會把一部分的資料傳送給MEC伺服器，使其能夠根據使用者對信道的品質、本地功耗以及使用者間的公平程度決定其工作內容，結合調度策略實現任務卸載。張海波等［2］提出了一種基于軟件定義網絡與移動邊緣計算的任務卸載方法，通過引入軟件定義車載網絡實現了資源控制管理、設備信息采集以及任務信息分析。然后通過任務卸載優先級機制算法，實現任務優先級劃分，根據任務劃分結果采用乘子法進行模型求，得到任務卸載結果。上述方法雖然能夠實現任務卸載，但是在卸載效率方面仍然存在不足。因此，本文選擇5G移動邊緣計算技術進行任務卸載研究。

1 5G移動邊緣計算環境下的任務卸載方法

1.1 計算任務建模

在5G 移動邊緣計算環境下，以降低能耗和滿足移動計算所需的執行時限為目的，展開任務卸載方法研究。

為了保證任務計算效率，在一個時隙中，一個信道與運算資源最多只能被一個終端占用。此外，由于計算任務是不可分的，因此在一個時隙中，每個終端最多只能選擇一個通道或一個資源模塊。本文選用一個經典計算任務模型描述5G 移動邊緣計算任務，其表達式如下：

其中：t表示時隙；o表示終端；p表示信道；xo,k表示信道選擇約束；xo,p表示計算資源選擇約束。

為了降低任務卸載時延，需要考慮不同終端所承載業務的優先級，使整體卸載時延最小化，其表達公式如下：

其中：w表示網絡延遲；D表示移動設備與邊緣服務器之間的距離；n表示移動設備數量；εo表示邊緣服務器負載［3］。

5G 移動邊緣計算中，數據收集終端所攜帶的電量通常都是有限的，為了避免頻繁更換電池，需要在任務遷移的過程中加入長時間的能量約束，從而解決因頻繁更換電池而引起的服務中斷問題，則任務卸載能耗約束的表達公式如下：

其中：qo,max代表終端o任務卸載的最大能耗。

通過上述分析可知，任務建模、目標函數和約束條件在任務卸載方法的研究中起著關鍵的作用。通過這些研究工作，可為移動邊緣計算中任務卸載的應用和實現提供重要的理論基礎和方法支持［4］。

1.2 計算任務分配

在建立任務卸載目標函數和約束條件的基礎上，引入區塊鏈技術作為公平性保證機制，確保任務卸載決策的公正性和可信度。區塊鏈的去中心化特點能夠確保所有參與節點共同維護一個可信的賬本，防止單個實體控制資源分配，并確保獲得公開透明的任務分配結果。同時，區塊鏈的分布式共識機制保證了數據的一致性和完整性，提升了系統的可信度。所有交易和操作都被記錄在區塊鏈上，具有高度的透明性和可追溯性，同時增強了任務分配過程的審計能力。在加密算法的保障下，區塊鏈技術能夠確保數據不被篡改，實現公平的任務卸載和資源分配［5-7］。以下是區塊鏈技術應用在5G移動邊緣計算分配中的具體步驟。

（1）任務卸載驗證：區塊鏈可以記錄任務卸載的過程和結果，確保任務的可靠性和安全性。通過區塊鏈的不可篡改性，驗證任務在卸載過程中是否遵循了約定的規則和協議。

（2）資源分配和交易：區塊鏈可以實現移動設備與邊緣服務器之間的資源分配和交易。移動設備可以向區塊鏈網絡提交資源需求，而邊緣服務器則可以提供相應的計算、存儲和帶寬資源。借助區塊鏈的透明性和去中心化的特點，確保了資源分配的公平性和可追溯性。

（3）去中心化管理：區塊鏈可以實現邊緣計算資源的去中心化管理，讓每個節點都參與資源分配和任務協作。這樣可以提高計算資源的利用率，降低單個節點的負載，同時增加系統的可伸縮性和魯棒性。

（4）安全保障：區塊鏈的安全特性可以提升5G移動邊緣計算的安全性。通過區塊鏈的身份驗證和數據加密功能，可以有效防止惡意攻擊和數據泄漏，并能保護用戶的隱私和數據安全。

基于區塊鏈的5G 移動邊緣計算分配有望提供一種安全、公平和高效的資源管理機制，為移動邊緣計算的發展提供有力支持。

1.3 計算任務卸載

基于計算任務分配結果，展開計算任務卸載研究。首先根據任務的計算復雜度、數據依賴關系或實時性要求等將計算任務分解為多個子任務，其次根據計算任務的屬性選擇卸載類型，計算任務卸載示意圖如圖1所示。

圖1 計算任務卸載示意圖

由圖1 可知，在任務卸載中，部分卸載和完全卸載是使用兩種不同的方式將計算任務從移動設備轉移到邊緣服務器進行處理。其中，部分卸載（Partial Offloading）是指將任務的一部分計算任務卸載到邊緣服務器上進行處理，而另一部分任務仍然在移動設備上執行。通常情況下，部分卸載是基于任務的特性和需求策略進行的。例如，對實時性要求較高的任務（如輸入感知或用戶交互等），可以選擇將這些組件卸載到邊緣服務器上，以降低延遲和提高響應速度。部分卸載的優勢在于能夠平衡移動設備和邊緣服務器之間的負載，同時滿足任務的時效性需求。完全卸載（Complete Offloading）是指將整個計算任務完全卸載到邊緣服務器上進行處理，移動設備僅負責發送數據和接收結果。完全卸載適用于需要大量計算資源或存儲容量的任務，通過將任務在移動設備上運行的計算負荷完全轉移給邊緣服務器，可以減輕移動設備的計算負擔，提高設備響應速度，同時延長設備電池的壽命。

總體來看，部分卸載和完全卸載是在任務卸載過程中針對任務性質的不同選擇，用于優化計算資源、提高能效和響應速度。根據具體任務的特性和需求，可以選擇適當的卸載策略實現最佳的性能和效果［8-9］。

2 實驗測試與分析

為了驗證本文所提方法的有效性，將其運用到實驗測試場景中，對其卸載效果進行檢驗。將傳統基于移動邊緣計算的車聯網任務卸載方法（方法1）和基于軟件定義網絡與移動邊緣計算的任務卸載方法（方法2）作為對比方法，與本文所提方法進行對比分析。

2.1 實驗準備

在開始實驗測試之前，需要做一些準備工作，保證本次實驗的可信度。本文實驗場景主要面向某大型商場，具體的實驗準備環節如下。

（1）邊緣服務器：在商場內部設置5 臺邊緣服務器作為MEC 設備，設置多臺邊緣服務器為系統提供了良好的擴展性，隨著移動設備和任務數量的增加，可以通過增設邊緣服務器擴展系統的處理能力，滿足不斷增長的計算需求。實驗參數設置見表1。該服務器應具備足夠的計算資源和存儲空間，能夠支持邊緣計算任務的執行。

表1 實驗參數設置

（2）移動設備：選擇多個智能手機、平板電腦等移動設備作為任務源，模擬商場顧客使用移動應用的場景，這些設備具有不同的操作系統和處理能力。移動設備參數設置見表2。

表2 移動設備參數設置

在實驗中，移動設備通過用戶交互、傳感器數據等方式生成任務，并將任務發送給邊緣服務器進行處理。

（3）網絡連接：建立5G 網絡覆蓋商場，并確保MEC 服務器和移動設備之間有穩定、可靠的高速網絡連接，保證任務卸載和數據傳輸。圖2 為服務器網絡連接關系示意圖。

圖2 服務器網絡連接關系示意圖

（4）任務卸載實驗：在實驗中采用不同的任務卸載方法，通過對比實驗結果，分析各個方法在商場環境下的應用性能和效果。

為了保證實驗的可重復性和驗證性，進行多次實驗并記錄結果，以得出準確的結論。

2.2 實驗結果與分析

以卸載時間為實驗指標，對比3種方法的應用效果，卸載時間實驗結果見表3。

表3 卸載時間實驗結果

由3 表中的實驗結果可以清楚地看出，使用3 種方法進行任務卸載時，卸載任務量與卸載時間之間呈現出線性關系，具體表現在隨著卸載任務的增加，卸載時間也呈現出增加的趨勢。通過對比可知，本文所提方法的卸載時間遠遠少于其余兩種方法，說明本文方法的卸載效率更高，能夠在更短的時間內滿足任務卸載需求。

以任務卸載能耗作為實驗指標，繼續對比3種方法的應用效果，結果見表4。

表4 卸載能耗實驗結果

由表4 中的數據可知，隨著卸載任務的增加，3種方法的能耗均呈現出線性增長的趨勢，但是相比較之下，本文所提方法的能耗更低，說明其能夠有效降低任務卸載能耗，具有更高的應用價值。

進一步驗證在5G移動邊緣計算環境下不同的時隙對累計功耗和累計平均時延的影響，其結果見表5。

根據實驗結果可知，隨著時隙設置的增加，累計功耗也相應增大，表明在任務卸載中較長的時隙會引起更高的累計功耗。隨著時隙設置的增加，累計平均時延也會增加，這表明較長的時隙會引起較高的累計平均時延。

3 結語

為了降低移動設備的計算負擔、提高能效和響應速度，同時滿足任務的時效性需求，提出一種5G移動邊緣計算環境下的任務卸載方法。實驗結果表明，本文所提方法有效降低了任務卸載時間和能耗，能夠為用戶帶來更優質的移動體驗。但是，本文所提方法沒有充分考慮用戶需求的變化和網絡狀態的波動，因此未來將重點研究基于機器學習和人工智能技術的任務卸載決策優化方法，以實現更智能、自適應的任務卸載。