移动边缘计算技术现状与几个关键问题的研究综述
物联网中的移动云计算技术研究
物联网中的移动云计算技术研究近年来，随着物联网技术的快速发展，移动云计算技术逐渐成为物联网领域的热点研究方向。
移动云计算技术借助云计算的优势，能够为移动设备提供高性能的计算与存储能力，为物联网应用的开发与部署提供了新的解决方案。
本文将就物联网中的移动云计算技术进行深入研究，探讨其应用场景、关键技术以及面临的挑战和发展趋势。
一、移动云计算技术的应用场景随着智能手机、平板电脑等移动设备的普及，物联网应用场景变得多样化和复杂化。
移动云计算技术在物联网中可以发挥重要作用，以下是几个典型的应用场景：1. 智能家居：通过连接各种传感器和设备，实现家庭内部各种智能设备的协调工作。
在移动云计算环境下，用户可以通过手机或平板电脑远程控制家居设备，实现智能家居的各种功能。
2. 智慧健康：通过将传感器与移动云计算相结合，可以实时监测用户的生理参数，如心率、血压等。
同时，通过移动云计算技术进行数据分析，将用户的健康数据存储在云端，实现健康数据的长期存储和分析，为用户提供个性化的健康管理服务。
3. 智慧交通：移动云计算技术可以在交通系统中实现数据的实时处理和实时更新，为用户提供交通信息查询、路线规划和实时导航等服务。
同时，通过云端存储和处理大量的交通数据，可以提升交通管理的效率和精度。
二、移动云计算技术的关键技术移动云计算技术的核心在于将移动设备与云端服务器进行有效地集成，实现计算和数据的协同处理。
以下是移动云计算技术中的关键技术：1. 资源调度与管理：对于多个移动设备的资源调度和管理是移动云计算的重要问题。
通过合理分配云端服务器的计算和存储资源，可以提高移动设备的计算效率和能耗控制。
2. 数据传输与同步：在移动云计算环境下，移动设备需要频繁地与云端进行数据传输和同步。
在保证数据安全和实时性的前提下，需要寻找高效的数据传输和同步机制。
3. 安全与隐私保护：由于移动云计算涉及到用户的隐私信息，安全与隐私保护成为了一个重要的问题。
车载边缘计算研究综述_概述说明以及解释
车载边缘计算研究综述概述说明以及解释1. 引言1.1 概述车载边缘计算是指将计算资源和数据处理能力直接部署在车辆内部或附近的边缘设备上，以提供实时、高效的计算和数据处理服务。
随着智能交通系统的快速发展，车载边缘计算作为关键技术之一，正逐渐得到广泛应用。
1.2 文章结构本文将对车载边缘计算进行综述，并从不同方面分析其概念、应用领域、优势和挑战，研究进展，实际案例以及未来发展趋势等内容。
具体文章结构如下：引言：概述车载边缘计算的背景和意义。
2. 车载边缘计算概述：介绍什么是车载边缘计算，它在哪些领域有应用，以及其所具备的优势和所面临的挑战。
3. 车载边缘计算研究进展：探讨在硬件平台和架构、网络通信和数据传输、数据处理和分析等方面的研究进展。
4. 实际案例和应用场景分析：给出智能驾驶、交通管理和车联网等领域中的车载边缘计算应用案例，并进行分析。
5. 结论与展望：对车载边缘计算发展趋势进行总结和讨论，提出未来可能的研究方向，并强调车载边缘计算的重要性和价值。
1.3 目的本文旨在全面概述车载边缘计算的研究进展和应用场景，深入讨论其优势、挑战以及未来发展趋势。
通过对相关领域的实际案例分析，揭示车载边缘计算在智能交通系统中的重要作用。
最终目标是为研究人员和决策者提供参考，推动车载边缘计算技术的进一步发展和广泛应用。
2. 车载边缘计算概述2.1 什么是车载边缘计算车载边缘计算是指在车辆内部或附近进行数据处理和分析的一种计算架构。
它将计算资源和存储能力从云端转移到车辆本身或靠近车辆的边缘设备中，以实现实时、低延迟的数据处理。
通过在车载设备上进行数据分析和处理，可以大大减少与云端通信所带来的延迟，并提高系统的可靠性和安全性。
2.2 车载边缘计算的应用领域车载边缘计算在智能交通系统中有着广泛的应用。
其中包括以下几个方面：首先，智能驾驶是车载边缘计算的重要应用领域之一。
通过将传感器数据在本地进行实时处理，汽车可以更快地做出决策并自动驾驶。
5G移动通信网络关键技术综述
5G移动通信网络关键技术综述一、本文概述随着科技的飞速发展，5G移动通信网络已成为全球通信行业的热点话题。
作为下一代移动通信技术，5G以其高速率、低时延、大连接数等特性，为各行各业带来了前所未有的机遇和挑战。
本文旨在对5G移动通信网络的关键技术进行综述，以期为读者提供全面、深入的理解。
文章首先介绍了5G移动通信网络的发展历程和现状，分析了5G相较于4G的主要优势和创新点。
随后，文章重点探讨了5G网络中的关键技术，包括新型无线传输技术、网络架构优化、频谱共享与资源管理、边缘计算与云计算融合等方面。
通过对这些关键技术的深入剖析，本文旨在揭示5G移动通信网络的核心竞争力和未来发展潜力。
文章还将对5G技术在不同行业中的应用进行简要概述，分析其在智慧城市、工业互联网、自动驾驶等领域的应用前景。
文章总结了5G 移动通信网络的关键技术及其发展趋势，并对未来研究方向进行了展望。
通过本文的综述，读者可以更加全面地了解5G移动通信网络的关键技术及其在各行业中的应用前景，为相关领域的研究和实践提供有益的参考。
二、5G网络特点与优势5G移动通信网络，作为下一代移动通信技术，其在网络特点与优势上相较于前代技术有着显著的进步。
5G网络的最大特点便是其超高速度的数据传输能力。
理论上，5G网络的最大传输速度可以达到10Gbps，这比4G的1Gbps的速度有了极大的提升，为用户提供了更为流畅的网络体验。
5G网络具有极低的网络延迟。
在理想情况下，5G网络的延迟可以低于1毫秒，这对于需要实时反馈的应用，如自动驾驶、远程医疗等来说，是至关重要的。
5G网络还具有更大的网络容量和更高的连接密度。
随着物联网和智能家居的快速发展，大量的设备需要接入网络，5G网络的设计使得其能够支持每平方公里超过百万个设备的连接，满足了未来社会的需求。
同时，5G网络的覆盖范围更广，无论是在城市还是乡村，5G网络都能提供稳定的服务。
5G网络的优势不仅体现在技术上，还体现在商业模式和产业链的创新上。
移动边缘计算卸载策略综述
移动边缘计算卸载策略综述一、本文概述随着移动互联网和物联网的飞速发展，数据量呈现爆炸性增长，对计算能力和处理效率提出了更高要求。
移动边缘计算（Mobile Edge Computing，MEC）作为一种新型的计算范式，通过将计算任务卸载到网络边缘，有效降低了传输延迟，提高了处理效率，适应了未来网络对低延迟、高带宽的需求。
本文旨在全面综述移动边缘计算卸载策略的研究现状与发展趋势，探讨其在实际应用中的挑战与前景。
本文首先介绍了移动边缘计算的基本概念、特点及其在网络架构中的位置，阐述了卸载策略在移动边缘计算中的重要性。
随后，文章对现有的卸载策略进行了分类和比较，包括基于计算的卸载策略、基于通信的卸载策略以及基于学习与优化的卸载策略等。
通过对各类策略的分析，本文揭示了它们在不同场景下的优缺点及适用条件。
在此基础上，文章进一步探讨了卸载策略在实际应用中所面临的挑战，如网络环境的动态变化、计算资源的合理分配、任务类型的多样性等。
针对这些挑战，本文提出了一些可能的解决方案和发展方向，如智能卸载策略、协同计算与通信、卸载决策优化等。
文章对移动边缘计算卸载策略的未来发展趋势进行了展望，认为随着5G、6G等新一代通信技术的普及，卸载策略将在实现更高效的计算卸载、提升系统性能、保障服务质量等方面发挥更加重要的作用。
本文旨在为相关领域的研究人员和实践者提供有益的参考和启示，推动移动边缘计算卸载策略的研究与应用不断向前发展。
二、移动边缘计算卸载策略基础移动边缘计算（Mobile Edge Computing, MEC）是一种分布式计算范式，它将云计算的能力推向网络的边缘，即移动网络的基站或接入点。
这种架构允许应用程序、服务和内容在用户的设备和网络边缘之间进行优化，以提高响应速度、降低网络带宽消耗并提升用户体验。
为了实现这些目标，卸载策略在移动边缘计算中扮演着至关重要的角色。
卸载策略是指决定哪些任务或数据应该在移动设备上处理，哪些应该被卸载到边缘服务器或远程云中心进行处理的规则和机制。
边缘计算的重要性及应用前景
边缘计算的重要性及应用前景边缘计算（Edge Computing）是一种分布式计算模式，它将计算资源和数据处理能力尽可能靠近数据源和最终用户，以减少网络延迟和提高服务质量。
在过去几年中，边缘计算迅速发展，并在各个领域展示出其重要性和广阔的应用前景。
一、边缘计算的重要性边缘计算的出现主要是为了解决传统云计算模式下的一些问题和挑战。
在传统的云计算模式中，大部分数据处理都集中在云端服务器中，导致数据在传输过程中出现延迟，增加了网络负载，而且对于实时性要求较高的应用（如物联网、自动驾驶等）来说，云计算的集中式处理方式无法满足需求。
边缘计算通过将计算资源分布到边缘节点上，使得数据的处理可以更加近距离地进行，减少了数据传输的时间和延迟，提高了实时性和响应速度。
同时，边缘计算还提供了更高的数据安全性，因为数据不需要经过长途传输，减少了数据在传输过程中被窃取或篡改的风险。
此外，边缘计算还能有效降低对网络带宽和云中心服务器的依赖性，减轻了云计算中心的负担。
在大规模物联网应用中，海量的传感器和设备产生的数据需要进行处理和分析，如果全部依靠云计算，将导致网络拥堵和高延迟。
而边缘计算可以将数据的处理和分析任务下放到边缘节点上，分散了计算负载，提高了整个系统的效率和稳定性。
二、边缘计算的应用前景1. 物联网（Internet of Things, IoT）：边缘计算是实现物联网智能化的关键技术之一。
在物联网中，大量的传感器和设备产生的数据需要进行实时处理和分析。
边缘计算可以将数据的处理任务下放到边缘节点上，减少数据在传输过程中的延迟，提高实时性和响应速度，从而推动物联网的发展。
2. 自动驾驶：自动驾驶技术需要实时获取和处理大量的传感器数据，并做出相应的决策。
边缘计算可以将数据的处理和分析任务下放到自动驾驶车辆或附近的边缘节点上，减少数据传输的延迟，提高自动驾驶系统的性能和安全性。
3. 工业控制系统：在工业控制系统中，许多对于实时性要求较高的任务需要进行数据处理和分析。
边缘计算技术的数据冗余与冗余消除技巧
边缘计算技术的数据冗余与冗余消除技巧边缘计算技术是一种将数据处理和分析能力移至接近数据源的网络架构，以减少数据传输延迟和网络拥塞。
然而，这种架构也带来了数据冗余的问题。
数据冗余是指在边缘计算环境中存在多个拥有相同数据的实例，造成存储资源浪费和数据管理困难。
在这篇文章中，我们将探讨边缘计算技术中的数据冗余问题，以及减少和消除冗余的技巧。
数据冗余是边缘计算环境中一个常见的挑战。
由于边缘设备数量庞大，数据通常会在多个设备之间复制。
这种复制导致了存储资源的浪费，同时也增加了数据管理的复杂性。
为了解决这个问题，我们可以采取以下几种技巧来减少边缘计算环境中的数据冗余。
首先，数据去重是减少数据冗余的一种有效方法。
在边缘计算环境中，许多传感器或设备会报告相同或类似的数据。
通过对这些数据进行去重，我们可以将相同的数据合并为一个实例，并且只保留一个副本。
这样可以有效减少存储空间的使用，同时简化数据管理。
去重可以采用哈希算法或其他去重算法来实现。
除了数据去重，数据压缩也是一种有效的减少数据冗余的方法。
边缘计算环境中的数据可能存在大量冗余信息，通过压缩这些数据，我们可以减小数据的存储空间和传输带宽。
常见的压缩算法包括Lempel-Ziv-Welch (LZW)算法和gzip等。
这些压缩算法可以根据数据的特点和需求选择合适的压缩比例，并在数据传输过程中进行解压缩，以提高数据的效率和传输速度。
此外，在边缘计算环境中，数据的冗余可能源于多个设备上的相似或相关信息。
通过数据分析和处理，我们可以识别和消除这些冗余信息。
例如，可以使用数据挖掘和机器学习算法来发现数据之间的关联性，并通过合并相关数据来减少冗余。
另外，利用数据的时间和空间关系，可以通过差异性数据分析和增量式数据处理来消除冗余，只保存有变化的部分。
这种差异性数据处理方式可以大大减少存储和传输的数据量。
在边缘计算环境中，数据冗余的消除不仅依赖于算法和技术手段，还需要考虑到实际应用场景和需求。
无人机边缘计算网络架构,关键技术与挑战
3 融合 MEC 的无人机网络架构
并有望解决上述问题。
无人机边缘计算网络基本架构如图 1 所示，主要由
2 无人机边缘计算网络
地面网络和无人机集群 2 个部分组成。每个无人机上搭载 MEC 服务器，能够为地面终端提供多层次、异构的计算
无人机是一种无人驾驶的飞机，它的飞行通常由操作
资源，特别针对地面网络负载较大或地面通信设施遭到破
DOI:10.3969/j.issn.1006-6403.2021.04.013
无人机边缘计算网络：架构，关键技术 与挑战
［莫鸿彬 李猛］
摘要
在无人机网络中引入移动边缘计算（MEC）有望提供低时延、超可靠、高鲁棒性 的网络服务，提高用户服务体验。首先，介绍了 MEC 技术的背景，并分析了将 MEC 引入到无人机网络的必要性；然后，提出了一种无人机移动边缘计算网络架构，并对 其主要功能、关键技术和潜在应用进行了分析和阐述；接着，以典型应用为例，研究 了联合地面终端、无人机和地面数据中心的协作卸载流程；最后，总结了无人机移动 边缘计算网络面临的一些挑战。
以协助地面网络通信、计算和存储。文献 [4] 总结了基于 3GPP-LTE 的 6 种 公 共 安 全（PS） 服 务， 并 提 出 了 一 种
图 1 无人机辅助的移动边缘计算网络基本架构
无人机支持的灾后恢复边缘计算结构。文献 [5] 提出了一 种基于无人机移动边缘计算的软件定义网络架构。以上工 作只关注无人机网络和移动边缘计算的基本结合，或只对 特定的技术进行了研究，但缺少对总体架构的详细设计， 也没有详细阐述任务卸载的基本过程。
的飞行移动终端。另一方面，无人机可以作为空中基站来
络，实现控制平面和数据平面的分离。通过一个 SDN 控
5G边缘计算商用部署和运维关键技术
『SA核心网”专题罷5G边缘计算商用部署和运维关键技术王卫斌，朱塑，何伟(中兴通讯股份有限公司，广东深圳518057)【摘要】由于部署地点和应用场景的差异，边缘计算系统存在一体化和云化两种部署模式，导致系统架构、关键技术要求以及运维方式也各不相同。
首先分析了两种模式下的应用场景、特征及对系统的需求，其次，从硬件、云化基础设施平台、边缘PaaS平台、安全以及运维等方面对两种模式做了深入分析，最后在上述分析基础上，从商用角度明确了边缘计算在两种部署模式下的系统架构、关键组件技术要求及规格。
【关键词】边缘计算；一体机；ECI;ECP;ECM;MEO;MEPMdoi:10.3969/j.issn.l006-1010.2021.01.011中图分类号：TN929.5文献标志码：A文章编号：1006-1010(2021)01-0058-08引用格式：王卫斌，朱埜，何伟.5G边缘计算商用部署和运维关键技术[J]•移动通信,2021,45(1):58-65.回障磁回OSID：Key Technologies for Commercial Deployment,Operation and Maintenance of5G Edge ComputingWANG Weibin,ZHU Kun,HE Wei(ZTE Corporation,Shenzhen518057,China)[Abstract]Due to the differences of deployment locations and application scenarios,edge computing system has two deployment modes:integration mode and cloud mode,resulting in different system architectures,key technical requirements,andoperation and maintenance methods.Firstly,the application scenarios,characteristics and system requirements areanalyzed for the two modes.Secondly,the two deployment modes are deeply analyzed in terms of the hardware andcloud infrastructure platform,edge PaaS platform,security,and operation and maintenance.Finally,based on the aboveanalysis,the system architecture and technical requirements of key components as well as the specifications of edgecomputing are clarified for the two deployment modes from a commercial perspective.[Keywords]Edge computing;all-in-one machine;operation and maintenance;ECI;ECP;ECM;MEO;MEPM1MEC架构和商用部署模式5G时代，移动通信从最初的人与人之间的通信开始转向人与物的通信，直至物与物之间的通信。
移动边缘计算的系统架构和关键技术分析
移动边缘计算的系统架构和关键技术分析作者：董春利王莉来源：《无线互联科技》2019年第13期摘; ;要：随着移动互联网和物联网应用的快速发展，传统的集中式云计算遇到了严峻的挑战，例如高延迟、低频谱效率和非自适应机器类型的通信。
为了解决这些挑战，新技术正在推动将集中式云计算功能转移到网络边缘设备。
移动边缘计算被认为是物联网和任务关键型、垂直解决方案的关键推动因素，被公认为是一种关键的架构概念和技术之一。
文章讨论分析了移动边缘计算的系统架构和关键技术。
关键词：移动边缘计算;虚拟机;计算卸载;VM迁移移动边缘计算（Mobile Edge Computing，MEC）被欧洲电信标准化协会（European Telecommunications Standards Institute，ETSI）定义为一种新技术，在移动网络边缘、无线接入网络内以及移动用户附近，提供IT服务环境和云计算能力[1]。
ETSI发布了一份关于移动边缘计算的白皮书，移动边缘计算被认为是一种重要的新兴技术，成为下一代网络的重要组成部分。
由于具有低延迟、近距离和高带宽等先进特性，以及实时洞察无线网络信息和位置感知功能，移动边缘计算为多个行业（如消费者、企业）提供了大量新的应用和服务。
特别地，MEC被认为是智能城市中处理视频流服务有前景的解决方案。
来自监视设备的视频流在MEC服务器上进行本地处理和分析，从视频流中提取有意义的数据。
可以将有价值的数据传输到应用服务器，以减少核心网络流量。
增强现实（Augmented Reality，AR）移动应用在上行链路中的数据收集、边缘计算和下行链路中的数据传递方面，具有固有的协作属性。
增强现实数据需要低延迟和高速率的数据处理，以便根据用户的位置提供正确的信息。
数据处理可以在本地MEC服务器上执行，而不是在集中式服务器上执行，以提供良好的用户体验。
物联网在电信网络上生成额外的消息，要求网关聚合消息并确保低延迟和安全性。
边缘计算技术的优势与挑战
边缘计算技术的优势与挑战边缘计算（Edge Computing）是一种分布式计算模型，它将数据处理能力从传统的云计算中心移至接近数据源的边缘设备和网关中。
随着物联网和大数据的快速发展，边缘计算技术在各行各业的应用也日益广泛。
本文将探讨边缘计算技术的优势与挑战，并分析其未来发展的趋势。
边缘计算技术的优势主要体现在以下几个方面：首先，边缘计算提供了更低的延迟。
由于将数据处理能力推向边缘设备，边缘计算可以在接近数据源的位置进行实时的数据处理和分析，从而大大减少了数据传输和处理的延迟。
例如，当需要对大规模传感器数据进行实时监测和分析时，边缘计算可以大大提高响应速度，提供更快的决策支持。
其次，边缘计算具备更高的可靠性。
传统的云计算将所有的数据和计算任务都集中在中心化的数据中心，一旦数据中心出现故障，将会导致整个系统的瘫痪。
而边缘计算将计算能力分布在各个边缘设备和网关中，即使一个边缘设备出现故障，其他设备仍然可以继续工作，确保了系统的可靠性。
此外，边缘设备通常具备较强的自动化管理和维护能力，可以更快地检测和修复设备故障。
此外，边缘计算可以减少数据传输和存储成本。
在传统的云计算模型下，大量数据需要通过互联网传输到中心数据中心进行处理和存储，这不仅占用了大量的带宽资源，还增加了网络延迟和成本。
而边缘计算将数据处理和存储分布在边缘设备和网关中，仅将需要的结果传输到云端，大大减少了数据传输的量和成本。
尤其是在物联网应用中，边缘计算的优势更加明显，可以将数据处理和分析功能直接部署在设备上，减少了对云端的依赖。
然而，边缘计算技术也面临一些挑战：首先，边缘设备的资源有限。
边缘设备通常具备较低的处理能力、存储容量和电量等资源限制，这限制了边缘计算的数据处理和分析能力。
在处理复杂的和大规模的数据任务时，边缘设备可能无法胜任，需要依赖云计算中心进行辅助。
因此，如何有效利用有限的边缘设备资源和优化计算任务分配成为了一个重要的研究课题。
移动边缘计算中计算卸载方案研究综述
移动边缘计算中计算卸载方案研究综述一、本文概述随着移动互联网的快速发展和智能终端设备的广泛普及，数据流量呈爆炸性增长，传统的云计算模式面临着巨大的挑战。
移动边缘计算（Mobile Edge Computing，MEC）作为一种新型的计算模式，通过将计算任务卸载到网络边缘，有效地解决了云计算模式下的延迟和带宽瓶颈问题。
计算卸载方案作为移动边缘计算的核心技术之一，其研究对于提高移动应用的性能和用户体验具有重要意义。
本文旨在全面综述移动边缘计算中计算卸载方案的研究现状和发展趋势。
文章将介绍移动边缘计算的基本概念、特点和应用场景，阐述计算卸载方案在移动边缘计算中的重要性和作用。
然后，文章将重点分析现有的计算卸载方案，包括卸载决策算法、任务划分策略、资源分配机制等，并评估其性能优缺点。
接着，文章将探讨计算卸载方案面临的挑战和未来的研究方向，如卸载决策的动态性、任务的复杂性和多样性、边缘资源的有限性等。
文章将总结移动边缘计算中计算卸载方案的研究现状，展望未来的发展趋势和应用前景。
通过本文的综述，读者可以深入了解移动边缘计算中计算卸载方案的研究现状和发展趋势，为相关领域的研究和实践提供参考和借鉴。
二、移动边缘计算基础移动边缘计算（Mobile Edge Computing，MEC）是一种新型的计算范式，它将云计算的能力推向了网络的边缘，即移动网络的基站或接入点。
通过这种方式，MEC能够显著减少数据传输的延迟，提高服务质量，并支持实时应用。
移动边缘计算（MEC）是指在移动网络边缘提供IT服务环境和云计算能力的新型平台。
它使得应用程序、数据和服务能够位于网络边缘，从而为用户提供低延迟和高带宽的接入。
与传统云计算模型相比，MEC具有更低的延迟、更高的带宽和更好的位置感知能力。
MEC的架构通常包括三个主要部分：边缘云、核心云和用户设备。
边缘云部署在网络边缘，负责处理实时、低延迟的任务；核心云则提供非实时的、大规模的计算和存储服务；用户设备则通过无线接入网络连接到边缘云或核心云。
物联网中的移动边缘计算原理与分布式协同优化技术
物联网中的移动边缘计算原理与分布式协同优化技术移动边缘计算（Mobile Edge Computing，MEC）作为一种新兴的计算模式，已经在物联网（Internet of Things，IoT）中得到广泛应用。
它通过将计算和存储资源部署在距离终端设备较近的边缘节点上，使得数据处理更加快速和高效。
本文将探讨移动边缘计算的原理，并介绍分布式协同优化技术在物联网中的应用。
一、移动边缘计算原理移动边缘计算的核心思想是将计算资源尽可能地靠近终端设备，以减少延迟和网络拥塞，并提高响应速度。
它主要包括以下几个关键要素：1. 边缘节点：边缘节点是指位于网络边缘的计算和存储设备，如基站、路由器等。
这些设备一般运行在离终端设备较近的位置，可以提供低延迟和高带宽的服务。
2. 资源虚拟化：为了更好地管理和利用边缘节点的计算资源，移动边缘计算采用了资源虚拟化的技术。
通过将边缘节点的计算资源划分为多个虚拟机，可以实现资源的动态分配和灵活部署。
3. 数据处理卸载：移动边缘计算通过将终端设备的部分计算任务卸载到边缘节点上进行处理，减少了终端设备的计算负载和能耗。
同时，通过边缘节点的高性能计算能力，可以更快地完成任务并返回结果。
二、分布式协同优化技术在物联网中的应用在物联网中，分布式协同优化技术是应对大规模节点和复杂网络拓扑结构的一种解决方案。
它将边缘节点之间的计算和存储资源进行协同优化，实现更高效的数据处理和资源利用。
1. 数据分发与协同计算：由于物联网中的节点数量庞大，传统的集中式计算无法满足实时性和吞吐量的要求。
分布式协同优化技术可以将任务按照一定规则分发给边缘节点进行计算，并将计算结果进行整合。
通过节点之间的协同计算，可以提高计算效率和资源利用率。
2. 资源动态调整：物联网中的节点数量和工作负载经常发生变化，对资源的动态分配和调整要求很高。
分布式协同优化技术可以根据节点的负载情况和任务需求，实时调整资源的分配策略。
这样可以避免节点之间的不均衡和资源浪费，提高整个系统的性能和可靠性。
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。
物联网中的移动边缘计算与资源分配研究
物联网中的移动边缘计算与资源分配研究移动边缘计算技术是近年来物联网领域的一个热门研究方向。
移动边缘计算旨在通过将计算和存储功能放置在更接近物联网终端设备的边缘节点上，以减少数据传输延迟和网络拥塞，并提高系统的可靠性和安全性。
本文将从移动边缘计算的基本原理、面临的挑战以及资源分配策略等几个方面进行详细介绍。
第一章移动边缘计算的基本原理移动边缘计算是将计算能力靠近物联网终端设备，将计算任务在边缘节点上进行处理，以减少数据传输延迟和网络拥塞。
移动边缘计算架构包括终端设备、边缘节点和云端服务器三个层级。
终端设备通过边缘节点与云端服务器通信，边缘节点负责接收并处理终端设备上传的数据，然后将处理结果发送给云端服务器，以完成整个计算过程。
第二章移动边缘计算面临的挑战移动边缘计算技术在实际应用中面临着一些挑战。
首先，由于边缘节点计算能力和存储容量有限，如何有效地分配任务和资源成为一个关键问题。
其次，移动边缘计算环境中存在大量的终端设备和边缘节点，如何保证系统的可靠性和安全性也是一个亟待解决的问题。
此外，移动边缘计算需要与云计算相结合，如何实现边缘计算与云计算的协同工作也是一个需要深入研究的问题。
第三章资源分配策略的研究资源分配是移动边缘计算中的一个重要环节。
目前研究者提出了多种资源分配策略，包括静态资源分配和动态资源分配两种方式。
静态资源分配是在系统启动时进行资源分配，根据终端设备的特性和计算任务的需求预先分配资源。
动态资源分配是根据实际的计算任务需求和网络状况进行资源分配，可以根据实时的数据流量和延迟要求进行动态的调整。
第四章基于机器学习的资源分配算法随着机器学习技术的不断发展，基于机器学习的资源分配算法成为了一种新的研究方向。
这种方法通过对大量的历史数据进行分析和学习，可以实现更加准确和智能的资源分配决策。
例如，可以利用机器学习算法来预测终端设备的计算资源需求和网络负载情况，从而实现更加精确的资源分配。
第五章移动边缘计算的应用场景移动边缘计算技术在各个领域都有广泛的应用。
移动边缘计算环境下的任务卸载优化研究
移动边缘计算环境下的任务卸载优化研究移动边缘计算是一种将计算资源移动到离用户设备更近的边缘位置进行处理的技术。
由于移动边缘计算能够降低延迟、减少网络带宽压力和提高系统的可扩展性，它已经逐渐成为处理大规模数据和复杂任务的重要技术。
在移动边缘计算环境下，任务卸载是指将数据和计算任务从用户设备或云端服务器卸载到边缘节点上进行处理。
任务卸载的核心目标是实现任务的高效执行，通过合理分配任务到边缘节点，可以避免云端资源的过度占用，减少通信延迟，并提高用户体验。
为了优化任务卸载，在移动边缘计算环境中，需要考虑以下几个方面：1. 任务划分和调度：在移动边缘计算中，任务可以划分为本地计算、边缘计算和云计算三种方式，并通过任务调度算法来确定任务分配的位置。
合理的任务划分和调度策略可以降低通信开销，提高计算性能。
2. 任务卸载决策：任务卸载决策需要综合考虑任务的性能需求、边缘节点的资源状况和网络状态等因素。
根据任务的特性和边缘节点的性能指标，可以通过动态决策算法来实时选择合适的任务卸载方式。
3. 数据传输和交互：任务卸载需要将数据从用户设备或云端服务器传输到边缘节点，并在边缘节点上进行处理。
在移动边缘计算环境下，数据传输方法和协议的选择十分重要。
要考虑网络带宽、延迟和数据安全等因素，选择最适合的数据传输方式。
4. 负载均衡：在移动边缘计算环境中，可能存在多个边缘节点，任务的负载均衡是任务卸载优化的关键。
通过合理的负载均衡算法，可以减少某些节点的负载压力，并平衡资源利用率，提高整体系统性能。
为了有效地进行任务卸载优化研究，可以使用仿真工具和实验环境来评估不同的任务卸载策略。
通过对比各种策略的性能指标，如延迟、资源利用率和能耗等，可以选择最合适的任务卸载方案。
同时，也可以借鉴现有的相关研究成果和算法。
例如，可以利用机器学习技术来建立预测模型，根据任务特性和网络状态预测最优的任务卸载决策。
还可以使用分布式算法来处理任务划分和调度问题，提高算法的效率和系统的稳定性。
《移动边缘计算中针对多种类任务的均衡卸载算法研究》范文
《移动边缘计算中针对多种类任务的均衡卸载算法研究》篇一一、引言随着移动互联网的快速发展和物联网设备的普及，移动边缘计算（MEC）作为一种新型计算模式，已经成为解决移动设备计算和存储资源不足的重要手段。
在移动边缘计算环境中，如何有效地卸载多种类任务，实现计算资源的均衡分配，是当前研究的热点问题。
本文针对这一问题，提出了一种均衡卸载算法，旨在提高计算资源的利用率和任务处理的效率。
二、背景及现状移动边缘计算通过在靠近用户的网络边缘部署计算资源，可以实现数据的就近处理和传输，从而降低时延、减轻网络拥堵和减轻核心网络的负担。
然而，在实际应用中，由于任务的多样性和复杂性，如何将任务合理地卸载到边缘服务器上，实现计算资源的均衡分配，成为了一个亟待解决的问题。
目前，针对移动边缘计算的卸载算法研究已经取得了一定的成果，但大多数研究主要集中在单一类型的任务上。
针对多种类任务的均衡卸载算法研究尚不充分。
因此，本文的研究具有重要的理论意义和实际应用价值。
三、问题描述在移动边缘计算环境中，存在着多种类型的任务，如计算密集型任务、存储密集型任务、IO密集型任务等。
这些任务的计算复杂度、数据大小和时延要求各不相同。
因此，如何根据任务的特性，将任务合理地卸载到边缘服务器上，实现计算资源的均衡分配，是一个具有挑战性的问题。
四、均衡卸载算法设计针对上述问题，本文提出了一种基于任务特性的均衡卸载算法。
该算法主要包括以下几个步骤：1. 任务分类：根据任务的计算复杂度、数据大小和时延要求，将任务分为不同的类型。
2. 资源评估：对边缘服务器的计算资源和网络资源进行评估，包括CPU、内存、带宽等。
3. 任务分配：根据任务的特性和边缘服务器的资源情况，采用贪心算法或启发式搜索算法，将任务分配到合适的边缘服务器上。
4. 动态调整：在任务执行过程中，根据任务的执行情况和边缘服务器的负载情况，动态调整任务的卸载策略和分配策略。
五、算法实现与性能分析本文通过仿真实验验证了所提均衡卸载算法的有效性。
边缘计算中的资源调度与优化技术研究现状综述
边缘计算中的资源调度与优化技术研究现状综述边缘计算是一种新兴的计算模型，它将计算、存储和网络功能放置在接近数据来源的边缘设备上，从而实现低延迟、高可用性和可伸缩性。
资源调度与优化是边缘计算中的关键问题之一，它涉及到有效地分配和管理边缘设备上的计算资源，以满足不同应用的需求。
在边缘计算环境中，资源调度与优化技术的主要目标是提供最佳的性能和资源利用率。
这需要考虑到边缘设备的物理限制、网络带宽、能耗等因素，并根据不同应用的需求进行有效的资源分配和任务调度。
目前，研究人员已经提出了多种资源调度与优化技术，以下是其中几种常见的技术。
首先，基于机器学习的资源调度与优化技术被广泛应用于边缘计算中。
这些技术通过分析历史数据和实时监测数据来预测边缘设备的负载和资源需求，并据此制定合理的资源分配策略。
例如，可以利用机器学习模型预测未来的负载并根据预测结果进行资源分配，以避免资源浪费和性能下降。
其次，基于博弈论的资源调度与优化技术也被广泛应用于边缘计算中。
博弈论是研究决策制定者之间相互关联的理论，它可以帮助解决资源分配过程中的冲突和矛盾。
在边缘计算环境中，不同的任务和边缘设备之间存在资源竞争和冲突，博弈论可以用来分析和建模这些竞争关系，并提供合适的资源分配策略。
此外，基于优化算法的资源调度与优化技术也是边缘计算中常见的方法。
优化算法可以通过数学模型和搜索算法来找到最优的资源分配方案。
例如，可以使用遗传算法来搜索最佳的资源分配方案，或者使用线性规划来解决资源分配中的约束问题。
在实际应用中，边缘计算中的资源调度与优化技术还面临一些挑战和问题。
其中一个主要挑战是如何处理不确定性和动态性。
边缘计算环境中，计算资源和网络状态都存在不确定性和变动性，这给资源调度和优化带来了困难。
因此，研究人员需要开发具有适应性和弹性的资源调度算法，以应对不确定性和动态性的挑战。
另一个挑战是如何实现资源利用的均衡。
在边缘计算环境中，资源分配应该遵循公平和效率原则，既要满足不同应用的需求，又要保证资源的平衡利用。
MEC的关键技术与组网思路研究
MEC的关键技术与组网思路研究随着5G时代的到来，无线通信技术迎来了新的发展机遇。
作为5G网络的重要组成部分，移动边缘计算(Mobile Edge Computing, MEC)技术为实现低时延、高可靠性、大带宽等5G关键性能指标提供了重要支撑。
本文将对MEC的关键技术和组网思路进行研究，探讨其在5G网络中的应用前景。
一、MEC的概念和特点MEC是一种将云计算和网络计算能力移植到网络边缘的技术，它充分利用移动通信系统中部署的边缘服务器资源，提供低时延、高可靠性的计算和存储服务，为移动用户和物联网设备提供更快速、更智能的应用服务。
与传统的云计算相比，MEC更加靠近用户、设备和数据源，可以实现更快速的数据处理和传输，满足移动通信系统对低时延和高带宽的需求。
MEC的特点主要包括以下几个方面：1、边缘计算：MEC技术将计算和存储资源部署在网络边缘的基站、小区等位置，充分利用边缘计算能力，实现低时延的数据处理和应用服务。
2、网络互联：MEC系统可以与传统的云计算系统、核心网络等进行互联，实现资源的共享和协同，提高计算和存储效率。
3、开放接口：MEC系统提供开放的接口标准，使得第三方开发人员可以更加方便地开发和部署应用程序，丰富网络的功能和价值。
4、多样化应用：MEC系统支持多种应用场景，包括增强现实、虚拟现实、智能交通、工业自动化等，为不同领域提供定制化的边缘计算服务。
二、MEC的关键技术1、边缘计算资源管理技术在MEC系统中，如何有效管理边缘计算资源成为一个关键问题。
由于边缘服务器资源受到限制，需要对计算、存储、网络等资源进行统一管理和调度，以保证系统的性能和稳定性。
边缘计算资源管理技术需要考虑实时性、灵活性和智能化，可以采用虚拟化、容器化等技术手段，实现对资源的动态分配和调整。
2、边缘网络通信技术在MEC系统中，边缘计算节点之间需要进行数据传输和通信，以实现协同计算、数据共享等功能。
边缘网络通信技术需要考虑数据传输的时延、可靠性和安全性，可以采用SDN(软件定义网络)、NFV(网络功能虚拟化)等技术，实现对网络资源的灵活调配和管理。
移动边缘计算——体系架构、关键技术和发展应用
移动边缘计算——体系架构、关键技术和发展应用【摘要】随着5G和边缘计算技术的兴起和相互融合，移动边缘计算（MEC）逐渐成为一个新的研究热点。
MEC通过在移动网络边缘提供IT服务环境和云计算能力，以减少网络操作和服务交付的时延。
其技术特征主要包括“邻近性、低时延、高宽带和位置认知”，有广阔的应用前景，例如车联网、视频优化加速、监控视频分析等。
但是，现有的MEC研究没有充分发挥海量移动终端的群体智能，面对大规模复杂任务力不从心。
为此，本文拟探索紧密结合人工智能的移动边缘计算技术。
首先，对相关研究成果进行深入调研和归纳总结，然后，从基本概念、体系架构、关键技术、典型应用和问题挑战等层面对MEC相关机制展开较为系统的研究。
【关键词】移动边缘计算；云计算；智能家居；车联网1引言互联网时代的快速发展，导致网络边缘设备的数量广泛增加，以及数据量的无限制增增长，根据国际权威机构调查显示，2019年，全球数据量已高达41ZB，全球近九成的数据在最近几年产生，预计五年后，全球数据量将增加十倍，达到160ZB。
在此种情况下，以云计算为核心的集中式处理模型显得力所不及。
集中式处理模型是指把所有数据通过互联网或者其他方式传输到云计算中心,利用云计算中心强大的计算功能来集中化地解决数据的计算和存储等问题,这样就使得整个云服务系统能够为世界创造更多的经济效益。
然而,在当今万物互联的情况下,传统的云计算明显地表现出了许多缺陷,比如:①系统的实时性不足,云计算模型把大量的数据直接传输到了云计算的中心,再请求数据处理,增大了整个系统的工作延迟;②网络带宽不够,边缘设备会产生巨量数据,所有的数据都传送到云端后会加剧对网络带宽的干扰以及带来压力;③高耗能，随着用户数量的增大，大量的数据处理以及程序的运行消耗了极多的电能。
除此之外，云计算还存在安全性不足、隐私泄露等问题。
面对云计算的不足，大量的数据处理，需要一个更加可靠的、有竞争力、可扩展的且安全性能高的接入网的加入。
《移动边缘计算环境下基于深度强化学习的多目标任务卸载策略研究》范文
《移动边缘计算环境下基于深度强化学习的多目标任务卸载策略研究》篇一一、引言随着移动互联网的飞速发展，移动设备在计算、存储、数据传输等方面的需求日益增长。
然而，由于移动设备的资源有限，处理复杂任务时常常面临性能瓶颈。
移动边缘计算（Mobile Edge Computing, MEC）作为一种新兴的计算模式，通过在网络的边缘提供计算、存储和数据处理服务，有效缓解了这一问题。
在此背景下，多目标任务卸载策略成为提升移动设备性能的关键技术之一。
本文针对移动边缘计算环境下的多目标任务卸载策略进行研究，提出了一种基于深度强化学习的卸载策略。
二、研究背景与意义随着物联网、人工智能等技术的快速发展，移动设备需要处理的任务越来越复杂，对计算和存储资源的需求也不断提高。
传统的计算模式在处理大量复杂任务时往往面临计算能力不足、时延过高等问题。
移动边缘计算的引入，使得设备可以将部分任务卸载到边缘服务器上，从而充分利用边缘服务器的计算资源，提高任务的执行效率。
然而，如何合理地将任务卸载到边缘服务器上，成为了亟待解决的问题。
本文提出的基于深度强化学习的多目标任务卸载策略，可以有效地解决这一问题。
三、相关工作目前，针对移动边缘计算环境下的任务卸载策略，已有许多研究工作。
其中，基于传统优化算法的卸载策略和基于机器学习的卸载策略是两种主要的研究方向。
然而，传统优化算法在处理复杂任务时往往难以找到最优解，而基于机器学习的卸载策略则可以更好地适应任务的动态变化。
本文所提出的基于深度强化学习的多目标任务卸载策略，充分利用了深度强化学习的优势，可以在动态环境中自动学习和调整卸载策略。
四、方法与技术本文提出的基于深度强化学习的多目标任务卸载策略，主要包括以下步骤：1. 定义问题：将多目标任务卸载问题定义为一个多决策问题，考虑了任务的执行时间、时延、能量消耗等多个目标。
2. 构建模型：采用深度强化学习模型，通过神经网络来学习任务的卸载策略。
模型中包含了状态空间、动作空间和奖励机制等关键组件。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
近年来，随 着 物 联 网 技 术、移 动 通 讯 技 术、移 动设备及移 动 应 用 的 迅 速 发 展，用 户 可 以 在 移 动 终端上体验 各 种 应 用 程 序，如 虚 拟 现 实 （ＶＲ）、增 强现实（ＡＲ）和人工智能（ＡＩ）等．这些功能强大的 移动应用虽 然 给 用 户 带 来 了 焕 然 一 新 的 体 验，但 是也对移动终端设备的处理性能、存储能力、电池 续航等带来了新挑战［１－２］．近年来，虽然移动设备 的处理器取 得 了 飞 速 发 展，但 是 面 对 用 户 日 益 复 杂的业务需 要、严 苛 的 响 应 时 间 约 束 及 电 池 能 耗 要求，仍然没有统筹兼顾的解决方案．这不仅影响 了用户对复 杂 移 动 应 用 程 序 的 体 验 效 果，也 为 移 动设备的设 计 与 制 造 带 来 了 新 的 挑 战 与 难 题［３］． 为了解决上 述 问 题，业 界 提 出 了 移 动 应 用 程 序 卸 载技术，将复 杂 的 计 算 任 务 从 移 动 设 备 上 卸 载 到 云端进行执行，利用云端海量、可伸缩的计算资源 来加速本 地 应 用 程 序 执 行［４－６］，从 而 在 不 改 变 现 有资源的情况下，加速移动应用程序的执行，为终 端用户带来更好的体验．
收稿日期：２０１９－０４－１７； 修回日期：２０１９－０４－２２ 作者简介：夏云霓（１９８０—），男，教授．Ｅｍａｉｌ：ｘｉａｙｕｎｎｉ＠ｈｏｔｍａｉｌ．ｃｏｍ
１８
广
技术之间的异同，总 结 其 面 临 的 机 遇 和 挑 战，对 于 该 方 向 未 来 的 研 究 和 发 展 具 有 重 要 意 义 ．本 文 就移动 边 缘 环 境 下 的 计 算 卸 载 问 题，从 卸 载 决 策、资源分配、卸载系统等三个 方 面 对 目 前 的 研 究 进 行 分 析 和 比 较 ，并 给 出 该 技 术 目 前 面 临 的 问 题和挑战．
与云计算 模 式 不 同，移 动 边 缘 计 算 强 调 用 户 设备（ＵＥ，ＵｓｅｒＥｑｕｉｐｍｅｎｔ）产 生 的 数 据 和 请 求 在 网络的边缘被分析、处理［１］，从而极大降低处理时 延，节约通讯 开 销．对 任 务 卸 载 而 言，移 动 边 缘 计 算平台是理想的资源池［７］．与卸载至远程云相比， 将移动任务卸载至边缘服务器上，既能减少时延， 又能充分利 用 用 户 周 边 存 在 的 空 闲 资 源，取 得 性 能与资源利用率的双赢．第五代通讯技术（５Ｇ）已
将边缘计算纳入相关标准［８］，作为移动边缘计算 的 核 心 技 术 之 一 ．移 动 任 务 卸 载 技 术 是 国 内 外 科 研 人 员 和 业 界 厂 商 的 研 究 热 点 ．计 算 任 务 卸 载 是 指将 ＵＥ的 计 算 任 务 通 过 点 对 点 （Ｄ２Ｄ）通 信 或 者软件定义网络（ＳＤＮ）技术上载至边 缘 服 务 器 上执行，以弥补移动设备处理 能 力 不 足、存 储 空 间不够、传感器件缺乏等劣势．该 技 术 主 要 包 括 卸载调度决策、边缘资源分配、卸 载 系 统 等 三 个 方面．
这些工作从不同角度对移动边缘计算模式及 其应用做出 了 比 较 与 总 结，但 大 部 分 的 着 重 点 都 在于边缘计算架构、网络和应用上，缺乏针对移动 边缘计算卸 载 技 术 的 分 析 与 比 较，没 有 总 结 与 分 析移动 边 缘 计 算 卸 载 技 术 目 前 面 临 的 问 题 与 挑 战．因此，分析移动边缘计算环境下不同计算卸载
移动市场体量的增长推动了边缘计算相关技 术的发展，尤 其 是 以 移 动 边 缘 计 算 卸 载 为 代 表 的 新兴技术，受到国内外研究机构、应用厂商的着重 关注，成为移动 计 算 领 域 热 门 话 题 之 一．文 献 ［１］ 从应用场景、兴起缘由、技术积累及发展历程对边 缘计算进行了介绍．文献［２］对现有的边缘计算方 案从底层架 构、数 据 缓 存 和 通 讯 方 式 等 角 度 进 行 剖析．文献 ［３］从网络结构与服务质量 （ＱｏＳ，ｔｈｅ ｑｕａｌｉｔｙｏｆｓｅｒｖｉｃｅ）出发，分析并比较了现有边缘计 算方案．文献［９］详细总结了移动边缘计算模式面 临的不足与挑战，并给出了未来的发展愿景．
ＭＥＣ通常遵循云计算规则，加强终端设备的性能． 三层服务模型的结构见图 １．
１ ＭＥＣ基本架构与部署方案
随着研究 的 不 断 发 展，欧 洲 电 信 标 准 化 协 会 （ＥＴＳＩ，ＥｕｒｏｐｅａｎＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓＳｔａｎｄａｒｄｓＩｎ ｓｔｉｔｕｔｅ）将 ＭＥＣ定义为“多接入边缘计算”（ＭＥＣ， ｍｕｌｔｉａｃｃｅｓｓｅｄｇｅｃｏｍｐｕｔｉｎｇ）［１０］．但目前对 ＭＥＣ的 研究依然聚 焦 在 移 动 网 络 环 境 上，因 此 现 在 大 都 以“移动边缘计算”来表示 ＭＥＣ．ＭＥＣ是运行在靠 近用户端的 云 计 算 平 台，用 户 通 过 移 动 网 络 将 请 求提交到就 近 的 边 缘 服 务 器 上，由 边 缘 服 务 器 处 理完成后 返 回 数 据．与 原 来 的 中 心 云 架 构 不 同， ＭＥＣ将其提 供 的 服 务 和 功 能 “下 移 ”到 边 缘 移 动 网络的处理 能 力 与 资 源 有 限 的 服 务 器 上，极 大 地 提高了移动用户的体验效果．本节将对 ＭＥＣ的基 本架构以及部署方案进行详细的介绍． １．１ ＭＥＣ基本架构
第 １８卷 第 ２期
２０１９年 ４月
广州大学学报（自然科学版）
ＪｏｕｒｎａｌｏｆＧｕａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
文章编号：１６７１４２２９（２０１９）０２００１７１３
Ｖｏｌ．１８ Ｎｏ．２ Ａｐｒ． ２０１９
移动边缘计算技术现状与几个关键问题的研究综述
夏云霓，马癱银，肖 璇，刘 航
（重庆大学 计算机学院，重庆 ４０００３０）
摘 要：任务计算卸载技术是为了解决本地计算资源不足而产生的，长期以来主要在云端、移动端等场景中出 现．随着边缘计算时代的到来，移动边缘计算端（ＭＥＣ）的任务卸载技术也受到广泛的关注和研究．文章从三个 方面进行了论述：①介绍了 ＭＥＣ的网络架构及其部署方案，并对不同的部署方案做了分析和对比；②从移动计 算卸载决策、资源分配和卸载系统这几个角度进行研究；③总结归纳了目前 ＭＥＣ的任务计算卸载技术所面临 的移动性管理、安全管理以及服务管理等方面的挑战． 关键词：任务计算卸载；ＭＥＣ；卸载决策；卸载系统；问题与挑战 中图分类号：ＴＰ３９１；ＴＰ３９３ 文献标志码：Ａ