移动边缘计算（MEC）技术研究及在5G网络中的应用

移动边缘计算（ MEC ）技术研究及在 5G 网络中的应用

苏凯莉 周延松

北京电信规划设计院有限公司，北京 100048

摘要：移动边缘计算（MEC）技术将计算和存储的能力下沉至网络边缘，具有通信延迟低、实时性好、带宽利用率高等技术优势。随着5G技术的广泛应用，MEC通过关键技术与5G相融合的方式，为AR、车联网和物联网等多种应用场景提供了新的技术支撑，赋能革新业务场景，推动电信服务商及行业数字化和智能化转型。

关键词：5G；MEC；智能化

1 概述

移动边缘计算（MEC）的概念由欧洲电信标准协会（ETSI）及工业规范标准化组织共同提出，MEC技术是将云端服务器的部分或全部计算及存储能力下沉到网络边缘设备中，减轻网络带宽压力、缩短数据往返时间、充分利用网络资源，满足5G网络的高速度、低时延、海量数据等的业务要求，推动移动宽带网络向可编程世界的转变。随着万物互联时代的来临，MEC在推动行业数字化和智能化转型方面有着重大意义。

MEC技术具备通信延迟低、实时性好、带宽高等特点，有助于实时洞察和感知无线网络信息和位置，这些技术特点可为移动运营商带来极大的价值，同时也为云服务商、应用和内容提供商以及厂商创造新的机会，。

目前MEC的落地已经有诸多试点工作，但在5G网络中的应用需不断完善，本文将主要通过跟踪MEC最新关键技术研究及应用，梳理MEC的典型应用场景，为后续MEC业务的拓展提供支撑和参考。

2 MEC的关键技术

2.1 任务卸载

移动应用任务处理时延包括传输时延、计算时延和通信时延。在云计算时代，数据在链路中的往返时间较长，数据传输时延较大，这导致任务处理时延很难满足5G网络要求的超低时延的业务要求。MEC作为云计算的演进，将应用程序托管从集中式数据中心下沉到网络边缘，更加接近消费者和应用程序生成的数据，能够在更靠近移动用户的网络边缘提供计算能力，有效减少数据传输时延，从而满足5G特定场景下的实时性的要求。任务卸载模型需综合网络、通信以及计算算法模型。当前主要的任务卸载的模型包括二态任务卸载和部分任务卸载模型。

二态任务卸载模型用于描述不能被进一步分割的任务，此类任务完整度高，只能整体在本地端或MEC服务器端执行，类似“单线程”，无法同时利用本地和MEC服务器的资源，因此二态任务卸载适用于规模较小的应用任务。由于云计算处理时的传输时延较大，计算时延和通信时延没有收到太多的关注，而使用MEC技术进行任务处理时，传输时延降低，因此需要考虑任务处理效率的提升。部分任务卸载模型用于描述一些规模较大的任务，这类任务可以被分成几个独立的任务单元，每个任务单元可以被独立执行，因此可以将部分可迁移的任务单元由本地卸载到MEC服务器中执行，达到“多线程”并行执行的效果，提高任务处理效率。

2.2 资源分配

MEC服务器可处理由移动用户迁移的部分应用任务，能够有效提升任务处理效率，充分利用MEC服务器的计算资源。然而MEC服务器的资源毕竟有限，在处理多个任务时，尤其是多用户场景下处理多个用户迁移的任务时，如何进行合理的资源分配是关键问题。

资源分配问题可按照MEC的系统规模划分为三种不同的类型：单用户系统、多用户系统和异构服务器系统^[1]。单用户系统指的是一个边缘服务器与单个用户组成的计算系统，在单用户系统中，资源分配问题仅需考虑在服务器中执行与在本地执行的开销对比，不涉及更复杂的资源分配算法。多用户系统指的是一个边缘服务器与多个用户设备组成的计算系统，考虑服务器对多个用户的资源分配问题时，可由边缘服务器进行集中式的资源分配，也可由用户设备进行分布式的资源分配。异构服务器系统指的是多个边缘服务器与多个用户设备组成的计算系统，可利用排队论、博弈论模型等对用户资源竞争过程进行建模，通过有限步数达到纳什均衡。

2.3 MEC与NFV的融合

除就近计算满足低时延业务需求、通过任务卸载减轻带宽压力等，MEC的应用价值还体现在它能够将虚拟化的网络功能开放给MEC应用，从而促进5G业务的发展，提升网络价值，提高5G蜂窝网络的智能化水平。网络功能虚拟化（Network Function Vitualization,NFV）技术也是5G网络的关键技术之一，它将传统网络实体的软硬件进行分离解耦，对网络功能进行了软件化，实现了网络硬件资源的共享，从而促成了网络功能的快速部署及业务容量的按需灵活分配。随着网络功能向边缘不断下沉，如何实现网络边缘的MEC与NFV管理组件的交互与协同也愈发重要。

EISI定义了移动边缘计算基于网络功能虚拟化（NFV）的参考架构。ETSI共给出了两种NFV与MEC架构的耦合方案，二者的不同之处在于NFV与MEC架构的耦合程度，方案一以MEC架构为基础，MEC与NFV独立执行，二者耦合程度低

^[3]；方案二以NFV架构为基础，在其上承载MEC业务，二者耦合程度高^[4]。文献^[5]对以上两种方案进行了对比，并利用深度学习的方法对两种方案中MEC与NFV组件的融合及管理编排效率的提高给出了解决思路。

2.4 MEC的切片实现

网络切片能够在单一硬件设备上部署多台虚拟机，从而切分出多个虚拟的端到端网络，实现网络的虚拟隔离，以满足不同类型的业务需求。网络切片可根据业务场景划分5G网络增强型移动带宽（enhanced mobile broadband，eMBB）切片、大规模机器通信（massive machine type communications，mMTC）切片以及超高可靠低时延通信（ultra-reliable and low latency communications，uRLLC）切片；还可根据相应切片资源可否被其他切片资源共享划分为独立切片和共享切片。文献^[6]给出了基于边缘计算的接入网络切片模型，针对eMBB类业务的大流量需求，基于MEC的eMBB切片可利用MEC的缓存能力，将被反复请求的内容存储在MEC服务器中，用户便能直接在本地网络中获取请求内容，避免了在核心网链路中多次传输重复数据，从而减轻带宽压力。mMTC与uRLLC对应的网络切片也更多地借助边缘计算来满足低功耗、低时延的要求。

3 移动边缘计算（MEC）在5G网络中的应用

3.1 增强现实（AR）/虚拟现实（VR）

增强现实（Augmented Reality，AR）/虚拟现实（Vitual Reality，VR）是通过本地智能设备（包括智能眼镜、智能摄像头、智能手机等）获取用户的位置及朝向等信息，结合本地数据进行综合处理，为用户提供超乎现实的体验，应用场景包括游戏、云上音乐会等。由于此类应用需要获取的用户位置及朝向信息是高度本地化的，与核心网服务器进行交互会导致较大的时延，无法保证业务的实时性，因此与AR/VR相关的业务需下沉到边缘服务器中执行，减少业务响应时间和处理时延。

3.2 智能视频加速

5G网络的一个典型应用场景是海量的视频传输，这会大大增加核心网数据传输的带宽压力，极易造成网络拥堵。MEC服务器具备一定的缓存和计算能力，可将部分请求视频先缓存在MEC服务器中，待用户发起视频请求时，先在本地网络的MEC服务器中查找，若能在本地MEC服务器中找到则直接提供服务，以来缓解核心网带宽传输压力。此外，MEC服务器还可利用其自身的计算能力，在网络发生拥堵时提供拥塞控制策略，保证高质量的数据流传输。

3.3 视频流分析

视频流分析主要针对的是监控摄像头获取的大量的监控视频场景。对这类视频的传统处理方式有两种，一种是在本地摄像头中处理，这种方式对摄像头要求较高，导致视频处理的成本高，第二种是将采集到的视频上传至云服务器中处理，但由于监控视频数据量一般十分庞大，且多是变化很少的冗余数据，价值量低，浪费带宽资源，也无法对视频信息进行实时分析并回传分析结果。因此，比较合适的处理方法是将监控视频先在边缘服务器中进行预处理，仅选取视频内容发生变化的有价值的部分上传至核心网服务器中，如此既能避免大量冗余视频数据上传造成的带宽资源的浪费，又能满足视频处理结果回传的实时性，且降低了设备的成本开销，对于智慧城市体系的建立、企业智慧园区的建设等都有深远的意义。

3.4 车联网

车联网利用MEC技术，就近选取靠近车辆的基站作为边缘设备，将车辆云的部分或全部功能转移到就近基站中，使得边缘服务器能够对路况信息进行实时分析，缩短数据往返服务器的时间，保证信息处理的低时延，确保汽车能够在很短的时间内对险情做出应对。边缘基站所需的车辆信息及路况信息可直接从车辆或本地路面服务器中获取，无需向核心网请求，减轻了带宽压力。车联网的具体应用也体现在智慧港口的建设中。

4 总结与讨论

本文重点分析了MEC的关键技术，以及其在5G网络场景下的应用，列举分析说明了MEC典型应用类型。5G技术支持大容量数据高速传输、低延迟、支持海量设备接入。MEC技术支持计算能力的下沉。5G技术与MEC结合，为客户带来了网络接入能力和计算能力的双重提升、支持实时计算处理，同时也催生出大量新的垂直行业应用和新的用户体验。

展望未来，5G和MEC是电信运营商推出创新产品的一个机会，也会促进使用该平台的电信服务提供商的2B领域的生态系统得以蓬勃发展。

参考文献：

[1]黄星, 殷锋, 袁平. MEC系统中的资源分配算法研究综述[J]. 现代计算机, 2020, No.683(11):22-24+30.

[2]Xiaoge HUANG, Yifan CUI, Dongyu ZHANG, Qianbin CHEN. Joint optimization scheme of task offloading and resource allocation based on MEC[J]. Systems Engineering and Electronics, 2020, 42(6): 1386-1394.

[3]ETSI GS MEC 003-2016.Multi-access edge computing(MEC)；framework and reference architecture[S].2016.

[4]ETSI GR MEC 017-2018.Mobile edge computing(MEC)；deployment of mobile edge computing in an NFV environment[S].2018.

[5]王旭亮，刘增义，胡雅婕，等. 基于NFV MANO的边缘计算多种智能化部署方案研究[J].电子技术应用，2019，45(10)：19-24，28。

[6] 项弘禹, 肖扬文, 张贤,等. 5G边缘计算和网络切片技术[J]. 电信科学, 2017(6).

2