作者简介:马佳文,硕士研究生,现就读于北京邮电大学人工智能学院人机交互认知工程实验室,研究方向为人机融合智能与深度态势感知。
*本文包含部分主观看法,其中对技术的阐述或许有失偏颇,请读者辩证地看待。另外本人理解与认知水平有限,目前也在不断学习,故保留自省的权利
当今的世界,互联网技术高度发达,以众多产业和互联网结合的“互联网+”的模式适应时代的发展趋势,得到了较快的发展。新面世的第五代移动通信技术(5G)成为了移动通信网络发展的关键,并且可以实现包括移动边缘计算(MEC)在内的服务延迟的严格计算。
1、什么是MEC(Mobile Edge Computing)
根据百度百科的定义,移动边缘计算(Mobile Edge Computing, MEC)可利用无线接入网络就近提供电信用户IT所需服务和云端计算功能,而创造出一个具备高性能、低延迟与高带宽的电信级服务环境,加速网络中各项内容、服务及应用的快速下载,让消费者享有不间断的高质量网络体验。简单的来说,就是电信用户走到哪里,都可以根据就近原则连接最近的MEC服务器,然后使用云计算等服务。
2、为什么使用MEC
事实上,随着移动互联网的快速发展,越来越多的人们更愿意通过移动设备使用移动网络中的应用,比如办公、刷小视频、看球赛等等,因为移动设备所带来的便捷是无可比拟的。目前各类应用的APP铺天盖地的发展,各类家庭智能设备也越来越多,这些应用与设备均会消耗大量的网络资源和带宽。而移动边缘计算MEC可以将移动接入网与互联网业务深度融合,既改善用户体验,节省带宽资源,又可以将计算能力下沉到移动边缘节点,提供第三方应用集成。基于5G的MEC服务,在物联网、视频、医疗、零售等行业内,可以充分的实现低延迟、高带宽的优势,并且还可以通过实时获取无线网络信息和更精准的位置信息来提供更加精准的服务。
3、如何部署MEC服务器
在5G网络下,MEC服务器通常有四种部署方式,如下所示:
- a.MEC和本地UPF(用户平面功能)与同一RAN(无线接入网络)位于同一位置
- b.MEC与传输节点(可能是本地UPF)位于同一位置
- c.MEC和本地UPF与网络聚合点位于同一位置
- d.MEC与核心网络功能并置
就5G的MEC服务需求来看,为了支持自动驾驶汽车这一类高可靠和低延迟通信(URLLC)服务,MEC与UPF应当和RAN部署在同一位置,这样MEC服务器就可以在服务请求区域的位置立即进行处理,如下图所示。
但是由于5G高频的特性,需要部署成千上万的RAN和MEC服务器,这种部署方式对电信运营商而言需要较大的管理和部署成本。考虑到资本性支出(CAPEX)和运营支出(OPEX),可以将MEC服务器适当地分布在RAN的周围,如下图所示。这种部署方法既可以保证同一聚类中所有RAN的通信延迟符合要求,又可以使MEC服务器的总工作量可以达到平衡。
若MEC服务器位于聚类中心,则MEC服务器与RAN之间的距离小于区域半径,满足了通信延迟的要求。若在同一聚类中RAN的总工作量小于MEC服务器的容量,则可以实现MEC服务器工作量的平衡。若在特定聚类中出现意外UE突发流量,则可以选择可以重新充当MEC网关的UPF,从而实现负载平衡。
4、部署MEC服务器过程中存在的问题
设想一下,在生活中为了满足人们的网络需求,MEC服务器肯定是越多好。但是这种部署的方式往往存在一个问题——经济性问题。上文其实已经提到了,对于电信服务商来说,无限制地部署MEC服务器,就意味着服务成本无限制地增加,这样对于电信服务商和用户两者来说,都会提高相应的花费。那么如何去有效合理地部署MEC服务器,就成了一个很重要的问题。来自韩国科学技术联合大学院大学的Lee等人在研究了MEC服务器的多种部署方式之后,提出一种叫做LowMEP的实用算法,这种算法可以确保用最少的MEC服务器达到一定的端对端服务延迟。
5、LowMEP
Lee等人首先将这个问题建模为能力有限的聚类问题,以此来找到覆盖所有元素的最小聚类数量和给定约束条件下每一个聚类与其元素之间的关联。在这个问题中,他们将MEC服务器当做聚类,将每一个RAN当做元素,其延迟预算与约束相对应。然后提出一种基于贪婪算法的方法,称为LowMEP。
从经济利益上看,电信运营商往往会在一定服务延迟下将其MEC服务器的部署量定的尽可能少。因此Lee等人根据运筹学的相关知识,提出了在所有MEC服务器的通行延迟和计算延迟均受约束的条件下,MEC服务器位置向量求最小值的数学问题。如下图所示:
该模型是一个典型的NP难题。在假设MEC服务器和RAN位于同一个地点的条件下,Lee等人提出了一种基于贪婪算法的方法来确定每个MEC服务器的位置及其与RAN的联系,从而最大程度减少MEC服务器的数量,并提供一定的MEC服务等待时间。如下所述。
在LowMEP算法中,R-m代表一组RAN的集合,该集合中的RAN不与任何M集合中的MEC服务器相关联。当在RAN的集合Rm中聚集出一个聚类时,集合中工作量最大的RAN被设置成聚类开始的点,然后以最接近起始点的顺序搜索集合中的RAN,满足两个约束(D,W)的RAN将会包含在聚类中。在重复对每一次剩余的尚未连接的RAN进行相同操作后,返回MEC服务器的位置(xM),关联向量(y)。
6、试验评估与结果
Lee等人在验证LowMEP算法的过程中使用了上海电信提供的真实数据集,其中包含720万个访问记录,有9481个移动设备连接到3233个RAN上。他们将RAN和MEC服务器之间的延迟预算设置为0.01ms和0.03ms,并将工作负载预算设置为每天150。然后将K-means算法和EM(期望最大化)算法、LowMEP算法分别应用于数据中然后相互比较,结果如下图:
不难看出,当延迟预算为0.03ms时,差异很小。因为此时MEC服务器与RAN之间的距离应该在9km之内。当延迟预算为0.01ms时,LowMEP与EM相比,MEC服务器的数量减少了20%,与K-means相比减少了11%。所以事实表明,LowMEP在延迟和工作负载预算一定的范围内确实需要较少的MEC服务器。
7、LowMEP的未来
在5G网络中,MEC服务器需要尽可能地靠近具有分布式UPF的UE,以用于对延迟敏感的服务。对电信运营商来说,在设置支持URLLC的条件下,找到具有成本效益的MEC服务器位置非常重要。Lee等人提出的LowMEP实用算法,为当前MEC服务器部署的经济问题提出了一个良好的解决方案。使用LowMEP算法来部署MEC服务器,既可以满足对于延迟敏感的服务,又可以使运营商降低大量的成本。一定程度上来说,也会降低服务使用者的花费,是一种非常具有经济性的部署方法,在未来很可能会被大量的电信运营商采用。
参考来源
1.S. Lee, S. Lee and M. Shin, “Low Cost MEC Server Placement and Association in 5G Networks,” 2019 International Conference on Information and Communication Technology Convergence (ICTC), Jeju Island, Korea (South), 2019, pp. 879-882, doi: 10.1109/ICTC46691.2019.8939566.
2.S. Kekki, W. Featherstone, Y. Fang, P. Kuure, A. Li, A. Ranjan, D. Purkayastha, F. Jiangping, D. Frydman, G. Verin et al., “MEC in 5G networks,” Sophia Antipolis, France, ETSI, White Paper, 2018.
3.S. Wang, Y. Zhao, L. Huang, J. Xu, and C.-H. Hsu, “Qos prediction for service recommendations in mobile edge computing,” Journal of Parallel and Distributed Computing, 2017.
4.N. Mohan, A. Zavodovski, P. Zhou, and J. Kangasharju, “Anveshak: Placing edge servers in the wild,” in Proceed- ings of the 2018 Workshop on Mobile Edge Communica-
tions. ACM, 2018, pp. 7–12.
5.3GPP TS 23.501, “System Architecture for the 5G Sys- tem,” 2017.
6.MEC技术原理以及典型应用场景分析,电子发烧友网