01/介绍说明

(资料图片仅供参考)

边缘计算是一种计算范式，它使得小型云或边缘云中的边缘服务器能够提升网络边缘的云能力，以执行计算密集型的任务，并在用户设备(UE)附近存储大量的数据。传统的云计算由于UE处理、计算、存储的能力有限，允许UE的计算和存储在数据中心，因此传统云计算是一种集中式的计算范式。边缘计算非常适合下一代应用的无线通信需求，例如增强现实和虚拟现实，它们本质上都是交互的。这些高度交互的应用计算密集，都服务质量要求很高，同时每个月能产生多达30.6EB的数据。终端有限的能力保证了边缘计算的需求，包括：接收和存储大量实时数据、处理计算和分析数据以及在本地的迷你云上做出并分发决策。因此，迷你云中的边缘服务器具有云的功能，但规模不同，它们位于本地，不是远程数据中心，后者可能远离终端。

本文的内容主要包括为：

① 5G和边缘计算的概况，并回答了大量关于5G中使用边缘计算的问题；

② 5G中边缘计算的分类；

③ 5G中最先进的边缘计算方案；

④ 有待解决的问题；

⑤ 本文的总结。

02/ 5G和边缘计算的概况

A.5G系统的要求

5G网络首先可以产生大量的数据供给消费者使用；其次，严格的QoS要求来满足高交互性的应用，并保证超低延迟和高吞吐量；最后必须支持异构环境，以此满足不同终端、QoS要求、网络类型等的互操作性。

5G主要由三种新兴的技术组成。首先毫米波通信使用高频段(30GHz-300GHz)来提供高带宽；其次小单元部署允许终端使用毫米波通信来减少干扰和传输距离；第三，多输入多输出即大规模MIMO允许了基站使用了大天线来实现定向传输，减少干扰，同时允许相邻节点同时通信。这些新兴的技术使得5G网络拥有更高的网络容量，来供给更多终端。

B.5G数据的主要特点

依据数据的时间特征，可以将数据分为三类：

· 硬实时数据具有严格的预定义延迟，例如游戏、医疗保健产生的数据；

· 软实时数据具有预定义延迟，但可以接受一些预定义的和有限的延迟，例如智能交通信号控制系统产生的数据；

· 非实时数据，可以接受延迟。

边缘计算被使用在边缘服务器上处理具有硬实时需求的应用程序和服务，由于靠近终端，可以显著减少延迟。对于由软实时需求或端到端延迟有限的有用和服务，如果终端与云之间的响应延迟高于需求，则由边缘服务器处理任务，否则卸载到云上。非实时需求的应用和服务可将任务卸载到云端，实现负载均衡。

C.边缘计算的意义

边缘计算采用去中心化模型，使云计算能力更接近终端，减少延迟。云计算和边缘计算的模型如图1所示，云服务器通常位于核心网络，边缘服务器位于网络边缘。边缘计算不仅可以作为单个计算平台运行，也可以作为与其他组件协作运行的平台。同时边缘计算弥补了云计算不适合计算量大、交互性强、QoS要求高应用的问题，减少了能源的消耗，也满足5G应用亚毫秒级要求。

图1 云计算和边缘计算模型

D.5G中部署边缘计算的关键要求

5G中部署边缘计算的关键要求包括以下几点：

·实现实时交互并降低延迟；

·在边缘服务器上进行本地数据处理和用户请求处理，减少小区与核心网之间的流量传输；

·将边缘服务器嵌入到基站中，实现方便的访问云端，并利用毫米波频段实现高速率的数据传输；

·保证边缘云服务的高可用性，以确保在边缘提供的服务能够持续、稳定地提供给用户。

E.边缘计算在5G环境下的应用

5G中的许多应用都依靠边缘计算来实现实时交互、本地处理、高数据速率和高可用性，包括：

医疗保健，例如远程手术和对病情的诊断；

· 智能交通系统，无人车可感知环境信息，并自主的做出实时反应；驾驶员可通过共享或收集交通中心的信息实施避开危险路段，减少事故的发生。

03/ 边缘计算的分类

边缘计算按照目标、计算平台、属性、5G功能的使用、性能度量和在5G中边缘计算的角色的分类如图2所示：

图2 5G中边缘计算的分类

A.目标

5G中边缘计算要实现的目标主要包括以下五种：

1. 改善数据管理，本地实时处理终端产生的大量延迟敏感数据；

2. 改进QoS提升用户体验，有助于实现高交互的应用和按需服务；

3. 预测网络需求，有助于决定在边缘本地还是云端处理，提供最优资源分配；

4. 管理位置感知使得边缘服务器可以判断自身位置并跟踪终端的位置，实现基于位置的服务，使得基于位置服务的提供商能够将服务和数据外包到云；

5. 由于边缘云中可用资源有限，因此要改进资源管理，优化对网络资源的利用率，提高网络性能；

B.计算平台

不同的计算平台具有不同的算力和特性（如可用性、网络基础设施复杂性），以便处理不同类型的数据。根据具体需求和网络场景，这些平台可以单独或组合使用。例如，对于具有严格QoS要求的应用和服务，可以使用边缘服务器来处理实时数据，这是单独使用的一种情况；而对于同时包含实时和非实时数据的医疗保健应用和服务，可以使用边缘服务器处理实时轻量级数据，再使用云来处理重量级数据，这是计算平台组合使用的一种情况。5G当中的计算平台主要包括以下三个：

1. 云计算：远离终端不适合实时服务；

2. 边缘计算：靠近终端，在本地收集、处理、存储数据，提供低延迟和延时分析；表1给出了两中边缘计算平台的对比情况。

2.1 雾计算Fog computing：部署本地雾节点(本地硬件设备)提供本地计算。其是一个系统级的水平体系结构，将计算、存储、控制和网络的资源和服务分布在从云到物之间的任何地方；但存储容量较低。

2.2 多接入边缘计算MEC：在网络边缘提供存储和计算能力，例如BSs，提高上下文感知和减少延迟。MEC通常连接多台主机，通过收集主机的信息来监视主机。

表1 雾计算与MEC的比较

3. 云计算和边缘计算协同使用，分别进行非实时和实时决策，综合两者优势，可大大减少延迟，但是混合平台更加复杂。

C.属性

边缘计算主要有三个属性：

1. 低延迟和近距离：终端距离服务器很近，端到端延迟和响应延迟小。

2. 位置感知：边缘服务器收集临近源的数据，而不发送到云端。

3. 感知网络上下文：实时进行调整，优化资源利用率。

D.边缘计算有关的5G功能

5G中边缘计算的五大实现因素为：

1. 软件定义网络SDN：将网络分为控制和数据平面，简化了网络管理和部署新服务。

2. 网络功能虚拟化NFV：虚拟机中执行网络功能，网络需求在云端或边缘处理。

3. 大规模MIMO：增加天线阵列，增加网络容量和能源效率；同时多个UE可以同时将任务卸载到边缘服务器，减小延迟和能耗。

4. 动态接入的无线接入技术：允许接入各种设备，提高了网络的拓展性。

5. D2D通信：相邻UE可直接通信；边缘计算赋予了UE计算能力，确保了D2D的成功。

E.边缘计算在5G中的作用

1. 本地存储：数据从UE卸载到边缘云，针对不同类型的数据提供不同存储策略。

2. 本地计算：边缘云以独立自主的方式提供类似终端的本地计算和数据处理能力。

3. 本地数据分析：直接在本地进行数据分析，然后分析的结果用于决策。

4. 本地决策：边缘计算帮助实体做出决策，例如如何进行控制。

5. 本地操作：边缘计算可实现远程和监控，尤其是关键设备。

6. 本地安全性增强：由于边缘计算非常近，可快速检测和隔离恶意实体，并发起响应。

F.绩效指标

边缘计算的绩效都是其实现本地的各项功能带来的：

1. 降低成本：通过本地的功能(R.1)-(R.5),不用再发送到云端，减少了对于网络资源的消耗。

2. 更高的QoS：通过本地的功能提高了QoS，减少了延迟。

3. 能源效率：通过本地功能降低了能耗即将任务和数据卸载到云端所需能量，提高了能源效率。

04/ 目前的技术

A.基于雾的解决方案

①跨层资源管理方案：采用混合计算平台，边缘云执行实时任务，云服务器执行高计算和资源密集型任务。不同应用的服务在三层(即云、雾和UE层)中执行。高度计算和资源密集型的业务在集中的云层执行，实施业务卸载到雾层；终端层在终端本地执行功能。该方案具有低时延以及临近性特点，且提供了较低的端到端时延(Qos)。

②基于吞吐量和能耗的能源效率模型：利用雾计算来分析雾计算及其相较于云计算的能耗；使用终端动态接入rat等5G功能。该方案具有低时延和临近性特点，且不同rat(3G、4G、5G)可给多个不同终端提供服务。

B.基于MEC的解决方案

①执行能量感知卸载的架构：每个移动终端决定是否执行或将计算任务卸载到MEC服务器，以减少MEC的能量消耗。

该体系结构通过本地计算和本地决策，优化了数据管理以及Qos；通过边缘计算执行能量感知功能；同时也使用了对rat动态访问的5G功能。该方案的三个主要步骤为：首先根据移动终端的能耗以及与MEC之间的传输时延进行分类（1型终端使用MEC服务器计算，2型终端本身进行计算，3型终端可选择使用MEC服务器或本身计算）。其次，根据能耗、可用渠道等对终端进行优先排序（类型1终端优先级更高，满足时延约束）。最后，对终端进行不同优先级的渠道分配。

②预测和主动缓存：通过本地存储和本地计算，实现改进数据管理和预测网络需求的目标。使用边缘计算在网络边缘或终端执行主动缓存，同时使用包括D2D通信在内的5G功能。

该方案具有网络上下文感知的特性，可获得网络信息和流量分布。在非高峰时段，被请求频率高的内容被缓存到边缘服务器、BSs或UE中。当BS请求特定内容时，有两种可能：a)该内容过去被有影响力的UE处理或拥有过，因此通过D2D从UE发送到BS；b)改内容在任何有影响力的终端上不可用，因此从核心网发送到BS。该方案可以降低运作成本。

C.混合解决方案

①为了增强MEC，引入了基于D2D的移动边缘和雾计算体系结构，以支持协同计算，在多个计算平台或范式中执行任务。该架构具有低延迟和接近性的属性。在该架构中，每个终端发起一个请求，并发送到最近的中继网关，中继网关与核心网或云项链，其服务处理程序拥有有关可用服务的信息，它决定请求的服务在本地执行还是转发到可以执行该服务的另一中继网关。决策是基于服务在中继网关及其临近网关的可用性。

②提出一个实时的、上下文感知的、服务组合和协作体系结构来实现快速结合服务，这是由不同硬件和具有不同功能的软件的协作支持的多个服务的合并。提出的架构使用混合计算，来支持云、MEC和终端之间的协作。在该架构中频繁访问的块是由文件分解的小单元，存储或缓存在MEC服务器中。多个服务器请求的块会根据文件类型和内容复制并缓存到其它MEC服务器中。这有助于减少访问云所引起的端到端延迟。

05/ 未解决的问题

A.改善服务QoE

QoE是衡量客户对服务提供商的整体满意度水平的指标。其与QoS相关，但又不同，QoS既体现了硬件特性(如存储器数量)又体现了软件特性(如接口开发)。当前存在的问题是如何实现以下两者之间的平衡：a)应用程序更高的可用性或无缝链接，这可在终端离开边缘服务器附近时由云提供；b)终端在边缘服务器附近时，边缘云可提供更高的应用程序QoE，以减少延迟和抖动。

B.协议标准化

协议标准化要求5G环境中的边缘计算要有一套被人普遍接受的规则。由于边缘云太灵活且不同供应商不同的规则定制，导致很难就一个标准达成一致，同时大量的异构终端与边缘云通信时采用不同的接口，这些都是协议标准化过程中存在的挑战。

C.异构性问题

5G环境下边缘计算中通信、计算等技术的异质性，例如不同公司数据传输范围、传输速率存在较大差异，难以开发跨不同环境的便携解决方案，这就是异构型问题。

D.安全性和隐私性

边缘计算中数据不能跨网络传输，在一定程度上增强了安全性和隐私性，但是在网络边缘仍存在隐患。首先，动态环境会导致不同网络实体的数据和网络需求迅速变化；其次，相互通信设备数量的增加，需要一个可伸缩的解决方案。为了增强网络的健壮性，这些问题必须得到解决，但可能提高复杂性和成本。

06/ 总结

本文综述了5G通信中边缘计算的最新发展，包括基于雾、MEC和混合方案，并介绍了针对不同特征分类的边缘计算方法及其特征。边缘计算的关键要求包括实时交互、本地处理、高速率和高可用性。文章指出了5G部署边缘计算所面临的问题，如服务增强、标准化、异构和安全漏洞，并简要介绍了技术发展方向。5G中部署边缘计算带来了许多好处，但也带来了一些新问题，需要科研人员和社会共同努力解决。

参考文献

[1]N. Hassan, K. -L. A. Yau and C. Wu, "Edge Computing in 5G: A Review," inIEEE Access, vol. 7, pp. 127276-127289, 2019, doi: 10.1109/ACCESS.2019.2938534.

[2]1. W. Z. Khan E. Ahmed S. Hakak I. Yaqoob and A. Ahmed "Edge computing: A survey" Future Gener. Comput. Syst. vol. 97 pp. 219-235 Aug. 2019.

[3]K. Cao, Y. Liu, G. Meng and Q. Sun, "An Overview on Edge Computing Research," in IEEE Access, vol. 8, pp. 85714-85728, 2020, doi: 10.1109/ACCESS.2020.2991734.