陳 霄，劉 巍，陳 靜，程紹馳，夏淋淋

（軍事科學(xué)院，北京 100091）

0 引言

隨著物聯(lián)網(wǎng)技術(shù)和移動(dòng)通信技術(shù)的高速發(fā)展，智能化移動(dòng)終端（智能手機(jī)、平板電腦、智能家居設(shè)備等）已走進(jìn)千家萬戶，極大地便利了人們的生活。與此同時(shí)，移動(dòng)終端的大量增加，必然會(huì)帶來移動(dòng)流量的急劇增長，根據(jù)思科最新發(fā)布的預(yù)測(cè)報(bào)告統(tǒng)計(jì)，到2021 年底，全球移動(dòng)數(shù)據(jù)流量將達(dá)到49 Exa Byte/m，移動(dòng)端流量將占網(wǎng)絡(luò)中總流量的84%。各類信息服務(wù)和終端應(yīng)用的推陳出新，用戶對(duì)網(wǎng)絡(luò)服務(wù)質(zhì)量和網(wǎng)絡(luò)請(qǐng)求延時(shí)等的要求不斷嚴(yán)苛。目前，移動(dòng)設(shè)備的中央處理器信息處理能力已取得較大提升，但是面對(duì)時(shí)間延時(shí)要求高、數(shù)據(jù)量巨大的處理任務(wù)時(shí)仍顯力不從心。另外，電池容量和存儲(chǔ)空間有限，也是制約移動(dòng)設(shè)備處理計(jì)算密集型和時(shí)間敏感型應(yīng)用的重要因素。傳統(tǒng)的“云-端”信息服務(wù)架構(gòu)，通常將終端設(shè)備的數(shù)據(jù)上傳至云計(jì)算中心進(jìn)行集中處理，但是海量的數(shù)據(jù)傳輸勢(shì)必會(huì)造成網(wǎng)絡(luò)資源的大量占用，導(dǎo)致請(qǐng)求時(shí)延的增加，極大地影響了用戶體驗(yàn)。為解決以上不足，研究人員將計(jì)算卸載技術(shù)應(yīng)用到邊緣計(jì)算中。本文從邊緣計(jì)算卸載技術(shù)的概念出發(fā)，梳理了邊緣計(jì)算卸載的步驟和影響因素，之后聚焦邊緣計(jì)算卸載技術(shù)中的問題——邊緣計(jì)算卸載策略，詳細(xì)闡述了目前應(yīng)用最為廣泛的3 種邊緣計(jì)算卸載策略的原理、研究現(xiàn)狀及優(yōu)缺點(diǎn)，最后基于目前邊緣計(jì)算卸載技術(shù)的研究現(xiàn)狀和存在的問題，給出了邊緣計(jì)算卸載策略研究面臨的挑戰(zhàn)和未來的研究方向。

1 邊緣計(jì)算卸載技術(shù)及實(shí)現(xiàn)步驟

計(jì)算卸載技術(shù)最初是在移動(dòng)云計(jì)算中提出，移動(dòng)設(shè)備通過核心網(wǎng)將計(jì)算密集型的任務(wù)卸載到遠(yuǎn)端的云計(jì)算中心處理，彌補(bǔ)了移動(dòng)設(shè)備在計(jì)算能力、存儲(chǔ)、續(xù)航時(shí)間等方面的不足，同時(shí)突破了移動(dòng)設(shè)備終端異構(gòu)軟硬件的限制，但是該策略需要將大量的數(shù)據(jù)傳輸至距離移動(dòng)設(shè)備較遠(yuǎn)的云計(jì)算中心，導(dǎo)致網(wǎng)絡(luò)資源的極大占用且會(huì)帶來較高的請(qǐng)求時(shí)延。邊緣計(jì)算將云服務(wù)“下沉”到網(wǎng)絡(luò)邊緣，使得邊緣服務(wù)器距離移動(dòng)終端設(shè)備更近，能夠提供就近的計(jì)算和存儲(chǔ)資源，移動(dòng)終端設(shè)備可通過計(jì)算卸載技術(shù)，將計(jì)算密集型或時(shí)間敏感型的一部分或全部任務(wù)卸載到邊緣服務(wù)器上進(jìn)行處理，能夠有效降低網(wǎng)絡(luò)資源占用率和請(qǐng)求時(shí)延，最終提升服務(wù)質(zhì)量和用戶體驗(yàn)。

邊緣計(jì)算環(huán)境下的計(jì)算卸載是指移動(dòng)終端設(shè)備將本地的全部或一部分計(jì)算任務(wù)遷移到就近的邊緣服務(wù)器執(zhí)行，執(zhí)行結(jié)束后邊緣服務(wù)器再將計(jì)算結(jié)果返回到移動(dòng)終端設(shè)備。因此，遵循哪種卸載策略、如何權(quán)衡本地終端執(zhí)行成本和遷移到邊緣服務(wù)器所占用的通信資源成本，即對(duì)計(jì)算任務(wù)的最優(yōu)化分割和適時(shí)卸載是邊緣計(jì)算環(huán)境下計(jì)算卸載技術(shù)研究的核心問題。

按照不同的指標(biāo)劃分，計(jì)算卸載可分為全部卸載和部分卸載、靜態(tài)卸載和動(dòng)態(tài)卸載、單節(jié)點(diǎn)卸載和多節(jié)點(diǎn)卸載。但無論采取何種計(jì)算卸載策略，邊緣計(jì)算環(huán)境下的計(jì)算卸載基本都遵循以下步驟，如圖1 所示。

圖1 計(jì)算卸載流程圖

1）節(jié)點(diǎn)搜尋。將移動(dòng)終端設(shè)備上的密集型計(jì)算任務(wù)卸載到邊緣服務(wù)器執(zhí)行，首先就是要在邊緣計(jì)算環(huán)境中搜索可用的邊緣計(jì)算節(jié)點(diǎn)。根據(jù)計(jì)算任務(wù)卸載到邊緣服務(wù)器的個(gè)數(shù)可分為單節(jié)點(diǎn)卸載和多節(jié)點(diǎn)卸載。單節(jié)點(diǎn)卸載僅需將計(jì)算任務(wù)分割成兩部分，分別在移動(dòng)終端設(shè)備本地和邊緣服務(wù)器上執(zhí)行；多節(jié)點(diǎn)卸載需要考慮不同節(jié)點(diǎn)的負(fù)載情況、計(jì)算能力以及與該移動(dòng)終端設(shè)備的網(wǎng)絡(luò)通信狀態(tài)。

2）任務(wù)分割。任務(wù)分割就是采用合適的算法對(duì)需要進(jìn)行處理的任務(wù)進(jìn)行分割，劃分為本地執(zhí)行部分和需要卸載到邊緣服務(wù)器上執(zhí)行的部分。通常情況下，本地執(zhí)行部分一般是必須在本地執(zhí)行的程序代碼，例如用戶接口、處理外圍設(shè)備的程序代碼等。邊緣服務(wù)器上執(zhí)行的部分通常是一些與本地設(shè)備信息交互少且計(jì)算量較大的程序代碼。

3）卸載決策。卸載決策是計(jì)算卸載的核心環(huán)節(jié)，其決定了是否卸載程序，以及卸載哪部分程序到邊緣計(jì)算節(jié)點(diǎn)。

4）程序傳輸。將卸載的計(jì)算程序傳輸至邊緣計(jì)算節(jié)點(diǎn)，傳輸?shù)臅r(shí)效性依賴于通信網(wǎng)絡(luò)的帶寬條件。

5）執(zhí)行計(jì)算。邊緣計(jì)算節(jié)點(diǎn)對(duì)卸載到邊緣服務(wù)器的程序進(jìn)行計(jì)算。通常采用虛擬機(jī)方案，邊緣服務(wù)器會(huì)為該卸載的任務(wù)啟動(dòng)一個(gè)虛擬機(jī)，計(jì)算任務(wù)將駐留在該虛擬機(jī)中執(zhí)行，直至任務(wù)運(yùn)算結(jié)束。

6）運(yùn)算結(jié)果回傳。將執(zhí)行計(jì)算處理后的結(jié)果回傳至移動(dòng)設(shè)備終端，至此，卸載過程結(jié)束。

2 邊緣計(jì)算卸載決策分類

計(jì)算卸載決策研究的是移動(dòng)終端設(shè)備是否卸載、卸載哪些和卸載多少的問題，因此，移動(dòng)終端設(shè)備進(jìn)行卸載決策的結(jié)果分為3 種情況，即本地執(zhí)行、部分卸載和全部卸載，如圖2 所示。在卸載系統(tǒng)中，移動(dòng)終端設(shè)備通常包括代碼解析器、系統(tǒng)解析器和卸載決策引擎，其執(zhí)行計(jì)算卸載決策的步驟如下：1）代碼解析器負(fù)責(zé)確定哪些任務(wù)能夠卸載，這取決于任務(wù)的類型和代碼數(shù)據(jù)的分區(qū)情況；2）系統(tǒng)解析器對(duì)可用帶寬、要卸載的數(shù)據(jù)大小或執(zhí)行本地計(jì)算的耗能等進(jìn)行監(jiān)測(cè)；3）卸載決策引擎通過綜合分析最終對(duì)是否卸載做出決策。

圖2 3 種卸載決策

影響決策的因素大致分為以下幾種：一是用戶意愿，用戶意愿是影響計(jì)算卸載決策決定性因素，主要取決于計(jì)算卸載能達(dá)到的效果，如縮短請(qǐng)求時(shí)延、節(jié)約耗能等；二是移動(dòng)設(shè)備終端的運(yùn)算性能、續(xù)航時(shí)間和存儲(chǔ)容量；三是通信鏈路狀態(tài)，例如通信方式（3G/4G/5G、Wi-Fi）、傳輸帶寬、信道狀態(tài)等；四是計(jì)算任務(wù)（應(yīng)用程序）類型和可卸載性；五是邊緣服務(wù)器的計(jì)算性能、資源使用情況等。而在所有的因素中，最主要的考慮因素是請(qǐng)求時(shí)延和能量消耗，因此，下面從最小化請(qǐng)求時(shí)延卸載決策、最小化能量消耗卸載決策、基于時(shí)延和能耗權(quán)衡的卸載決策3 個(gè)角度，闡述研究人員對(duì)計(jì)算卸載決策所做的研究。

2.1 最小化請(qǐng)求時(shí)延的卸載決策

基于最小化請(qǐng)求時(shí)延卸載決策示意圖如圖3所示。假設(shè)本地執(zhí)行時(shí)延為T，卸載執(zhí)行時(shí)延為T，其中，T為任務(wù)卸載時(shí)間、邊緣服務(wù)器計(jì)算時(shí)間以及計(jì)算結(jié)果回傳到移動(dòng)終端設(shè)備的時(shí)間。如果T＜T，則選擇本地執(zhí)行；如果T＞T，則選擇卸載到邊緣服務(wù)器上進(jìn)行計(jì)算的卸載策略。

圖3 基于最小化請(qǐng)求時(shí)延的卸載決策示意圖

從目前國內(nèi)外關(guān)于邊緣計(jì)算卸載策略的研究情況來看，最小化請(qǐng)求時(shí)延卸載決策的研究領(lǐng)域應(yīng)用最為廣泛的計(jì)算卸載技術(shù)架構(gòu)如圖4 所示。

圖4 基于最小化請(qǐng)求時(shí)延的卸載決策流程圖

該技術(shù)架構(gòu)的核心原理是基于移動(dòng)終端設(shè)備側(cè)和邊緣服務(wù)器側(cè)緩存任務(wù)的隊(duì)列狀態(tài)、移動(dòng)終端設(shè)備側(cè)可提供的處理功率，以及兩者之間的通信信道特性來進(jìn)行卸載決策。具體流程如下：待計(jì)算的數(shù)據(jù)模塊在移動(dòng)終端設(shè)備本地進(jìn)行排隊(duì)，本地負(fù)責(zé)計(jì)算卸載策略的模塊通過綜合緩沖的隊(duì)列狀態(tài)、本地計(jì)算處理模塊和邊緣服務(wù)器相關(guān)模塊反饋的信息，以及通信信道的狀態(tài)信息（Channel State Information，CSI），對(duì)緩沖隊(duì)列中下一時(shí)刻待決策的數(shù)據(jù)模塊進(jìn)行卸載決策，決定其是本地計(jì)算還是傳輸?shù)竭吘壏?wù)器執(zhí)行。

文獻(xiàn)［24］根據(jù)移動(dòng)終端設(shè)備和邊緣服務(wù)器緩沖的隊(duì)列狀態(tài)、兩者的可用計(jì)算能力、兩者之間的信道基本特性3 方面因素，利用一維搜索算法決定是否將計(jì)算任務(wù)卸載到邊緣服務(wù)器上，以實(shí)現(xiàn)最小化請(qǐng)求延遲的目標(biāo)。仿真實(shí)驗(yàn)顯示，所提出的卸載策略與本地執(zhí)行策略相比可降低延遲達(dá)80%，與全部卸載到邊緣服務(wù)器執(zhí)行相比降低約44%的延遲，但文獻(xiàn)中提出的卸載策略中終端設(shè)備需要獲取邊緣服務(wù)器的反饋進(jìn)行決策結(jié)果，文獻(xiàn)中并未考慮獲取反饋的信令開銷。文獻(xiàn)［25］在實(shí)現(xiàn)最小化請(qǐng)求延遲目標(biāo)的基礎(chǔ)上，同時(shí)考慮降低卸載應(yīng)用程序時(shí)的故障率，設(shè)計(jì)了一種低復(fù)雜度的基于Lyapunov 優(yōu)化的動(dòng)態(tài)計(jì)算卸載（LODCO）算法。該算法以時(shí)隙進(jìn)行分隔，考慮了數(shù)據(jù)在信道中傳遞與CPU 上計(jì)算的各個(gè)因素，在每個(gè)時(shí)隙執(zhí)行卸載決策，決定是本地執(zhí)行還是計(jì)算卸載，即分配CPU 周期還是傳輸功率。仿真實(shí)驗(yàn)表明LODCO 算法能夠?qū)⒂?jì)算時(shí)間減少高達(dá)64%。文獻(xiàn)［26］中以優(yōu)化應(yīng)用程序計(jì)算卸載時(shí)延為目標(biāo)，提出了一種基于深度學(xué)習(xí)的計(jì)算卸載方法。其將應(yīng)用劃分為前后有關(guān)聯(lián)的鏈?zhǔn)阶尤蝿?wù)，結(jié)合本地執(zhí)行開銷、可用的通信資源和計(jì)算資源，設(shè)計(jì)了一個(gè)深度監(jiān)督學(xué)習(xí)模型，將連續(xù)卸載決策問題轉(zhuǎn)化為多標(biāo)簽分類問題。但是該方法需要針對(duì)特定的應(yīng)用進(jìn)行訓(xùn)練且沒有考慮復(fù)雜的任務(wù)拓?fù)浣Y(jié)構(gòu)。文獻(xiàn)［27］中提出了一種基于啟發(fā)式路徑搜索算法的計(jì)算卸載策略。算法以最小化用戶請(qǐng)求時(shí)延為優(yōu)化目標(biāo)，考慮關(guān)聯(lián)子任務(wù)之間的數(shù)據(jù)傳輸，利用有向無環(huán)狀圖將應(yīng)用劃分為不同的拓?fù)浣Y(jié)構(gòu)，首先采用部分隨機(jī)路徑方法確定線性拓?fù)?，之后利用貪婪策略確定每一跳任務(wù)之間的卸載決策。該策略有效地降低了搜索空間，但具有較大的隨機(jī)性。文獻(xiàn)［28］中綜合考慮內(nèi)容緩存、通信資源分配、卸載決策，以最大限度地減少端到端的平均延遲為優(yōu)化目標(biāo)，建立了基于動(dòng)作- 價(jià)值的強(qiáng)化學(xué)習(xí)模型，利用深度神經(jīng)網(wǎng)絡(luò)分別逼近動(dòng)作和價(jià)值估計(jì)函數(shù)，通過與環(huán)境的不斷交互迭代優(yōu)化最終確定計(jì)算卸載策略。文獻(xiàn)［29］中綜合考慮邊緣服務(wù)器的計(jì)算能力和計(jì)算卸載延遲，通過建立斯坦伯格博弈模型來模擬移動(dòng)終端設(shè)備和邊緣服務(wù)器之間的信息交互，以最優(yōu)化請(qǐng)求時(shí)延為目標(biāo)，設(shè)計(jì)了一種靈活的分布式定價(jià)算法，邊緣服務(wù)器能夠依據(jù)自身實(shí)時(shí)可提供的計(jì)算能力來設(shè)定價(jià)格，以達(dá)到減小計(jì)算卸載時(shí)間延遲的目的。

然而，由于最小化請(qǐng)求時(shí)延卸載決策沒有考慮到移動(dòng)終端設(shè)備側(cè)的能量消耗，顯然以較大的能量消耗來換取過剩的時(shí)延要求不利于移動(dòng)終端設(shè)備的可用性，因此，研究人員開展了在滿足用戶請(qǐng)求時(shí)延要去的同時(shí)，又能夠最小化耗能的計(jì)算卸載策略。

2.2 滿足請(qǐng)求時(shí)延約束下最小化耗能的卸載決策

在不進(jìn)行計(jì)算卸載時(shí)，耗能指的是在移動(dòng)終端設(shè)備處執(zhí)行本地任務(wù)的耗能。計(jì)算卸載時(shí)，能量消耗包括兩部分：一部分是將要卸載的數(shù)據(jù)傳輸?shù)竭吘壏?wù)器上需要消耗的能量；另一部分是接收邊緣服務(wù)器回傳運(yùn)算結(jié)果所需要消耗的能量。

圖5 給出了在滿足請(qǐng)求時(shí)延約束下最小化耗能的卸載決策的示意圖，其中，E為本地執(zhí)行消耗的能量，E為執(zhí)行計(jì)算卸載時(shí)消耗的能量，T為本地執(zhí)行時(shí)延，T為卸載執(zhí)行時(shí)延，T可允許的最大時(shí)延。移動(dòng)終端設(shè)備1 選擇本地執(zhí)行計(jì)算任務(wù)，是因?yàn)楸镜貓?zhí)行的耗能小于卸載到邊緣服務(wù)器上發(fā)送和回傳所需消耗的能量的總和；終端設(shè)備2 將計(jì)算任務(wù)卸載到邊緣服務(wù)器上執(zhí)行，是因?yàn)榘l(fā)送和回傳的耗能之和小于本地執(zhí)行計(jì)算的耗能?？梢钥闯?，盡管耗能小的方案對(duì)應(yīng)的請(qǐng)求時(shí)延較大，但均滿足業(yè)務(wù)對(duì)時(shí)延的要求，因此，選擇耗能較小的卸載策略。

圖5 滿足請(qǐng)求時(shí)延約束下最小化耗能的卸載決策示意圖

文獻(xiàn)［30］中提出一種滿足請(qǐng)求時(shí)延約束下最小化移動(dòng)終端設(shè)備耗能的計(jì)算卸載策略。文中將最小化能量消耗的模型轉(zhuǎn)化為有約束的Markov 決策過程，在此模型的基礎(chǔ)上，提出了兩種資源分配的策略。其中，第1 種是基于在線學(xué)習(xí)的實(shí)時(shí)策略，整個(gè)網(wǎng)絡(luò)會(huì)根據(jù)移動(dòng)終端設(shè)備所攜帶應(yīng)用的情況進(jìn)行實(shí)時(shí)動(dòng)態(tài)的調(diào)整；第2 種是基于先驗(yàn)知識(shí)的離線策略，先驗(yàn)知識(shí)包括應(yīng)用的信息、每個(gè)時(shí)隙的數(shù)據(jù)速率、通信信道條件等。仿真實(shí)驗(yàn)結(jié)果表明，所提出的離線策略在中低負(fù)載時(shí)，在性能上優(yōu)于在線策略約50%。同時(shí)，與僅在移動(dòng)終端設(shè)備端完成計(jì)算相比，節(jié)能達(dá)78%，與全部計(jì)算卸載到邊緣服務(wù)器上計(jì)算相比，節(jié)能達(dá)15%。文獻(xiàn)［31］中設(shè)計(jì)了一種高效節(jié)能計(jì)算卸載算法（EECO）。該算法分為3 個(gè)步驟，首先移動(dòng)設(shè)備終端根據(jù)任務(wù)的處理時(shí)間和能量消耗被分為3 類：第1 類是移動(dòng)設(shè)備終端自身無法滿足執(zhí)行時(shí)間的約束，需要卸載到邊緣服務(wù)器的；第2 類是耗能低于閾值，移動(dòng)設(shè)備終端能夠自行完成本地計(jì)算的；第3 類是移動(dòng)設(shè)備終端可以本地計(jì)算或者計(jì)算卸載的。之后根據(jù)通信信道狀態(tài)和應(yīng)用的計(jì)算需求確定第1 類和第3 類應(yīng)用的計(jì)算卸載優(yōu)先級(jí)。最后由邊緣服務(wù)節(jié)點(diǎn)根據(jù)給定的優(yōu)先級(jí)進(jìn)行無線電資源的分配。仿真實(shí)驗(yàn)顯示，EECO 算法比不進(jìn)行計(jì)算卸載的算法可以降低15%的能耗。文獻(xiàn)［32］中在考慮無線信道狀態(tài)和請(qǐng)求時(shí)延的約束的基礎(chǔ)上，將應(yīng)用程序劃分為可卸載和不可卸載的子任務(wù)，設(shè)計(jì)了一種基于組合優(yōu)化的計(jì)算卸載方法，但應(yīng)用程序的劃分過程中并未考慮子任務(wù)之間的聯(lián)系。文獻(xiàn)［33］中考慮多移動(dòng)終端設(shè)備的應(yīng)用場(chǎng)景，基于滿足請(qǐng)求時(shí)延的同時(shí)最小化移動(dòng)終端設(shè)備耗能的優(yōu)化目標(biāo)，提出了一種基于閾值的最優(yōu)計(jì)算卸載策略。采用時(shí)分多址技術(shù)，將時(shí)間劃分為持續(xù)秒的時(shí)隙，在每個(gè)時(shí)隙期間，不同的移動(dòng)終端設(shè)備能夠根據(jù)各自信道的質(zhì)量、本地執(zhí)行能耗和終端之間公平性將計(jì)算任務(wù)卸載到邊緣服務(wù)器。具體地，若移動(dòng)終端設(shè)備具有比既定閾值更高的優(yōu)先級(jí)，則計(jì)算任務(wù)全部卸載至邊緣服務(wù)器上執(zhí)行；若移動(dòng)終端設(shè)備具有比既定閾值更低的優(yōu)先級(jí)，則僅卸載部分計(jì)算任務(wù)至邊緣服務(wù)器以滿足請(qǐng)求時(shí)延；如果移動(dòng)終端設(shè)備選擇計(jì)算在本地執(zhí)行不能滿足延遲需求的情況下，這些移動(dòng)終端設(shè)備會(huì)被給予更高的優(yōu)先級(jí)，將在本地執(zhí)行。此外，由于聯(lián)合分配計(jì)算資源和通信資源復(fù)雜度較高，文獻(xiàn)［34］中提出了一種次優(yōu)分配算法，將計(jì)算資源分配和通信資源分配進(jìn)行解耦，設(shè)計(jì)了時(shí)分多址和正交頻分多址通信模型。實(shí)驗(yàn)結(jié)果表明，與時(shí)分多址方案相比，使用正交頻分多址技術(shù)方案可降低移動(dòng)終端設(shè)備90%的能量消耗。

2.3 基于時(shí)延和能耗權(quán)衡的卸載決策

基于時(shí)延和能耗權(quán)衡的卸載決策本質(zhì)上是在滿足請(qǐng)求時(shí)延限制和耗能限制的前提下，通過權(quán)衡時(shí)延和能耗這兩個(gè)指標(biāo)對(duì)計(jì)算卸載總代價(jià)的影響，來尋找一個(gè)平衡點(diǎn)使得請(qǐng)求時(shí)延和能量消耗的更符合實(shí)際的應(yīng)用背景，最終達(dá)到最大化收益。

文獻(xiàn)［35］中考慮多用戶多信道場(chǎng)景，基于搜索論和博弈算法，提出了一種可實(shí)現(xiàn)Nash 均衡的分布式運(yùn)算卸載策略，該算法適用于將計(jì)算任務(wù)全部卸載的情況，通過設(shè)置權(quán)衡參數(shù)作為是否選擇卸載的評(píng)判標(biāo)準(zhǔn)。用戶可根據(jù)實(shí)際的應(yīng)用場(chǎng)景進(jìn)行參數(shù)的人為設(shè)定，以實(shí)現(xiàn)用戶收益的最大化。仿真實(shí)驗(yàn)結(jié)果表明，該算法可以減少約10%的移動(dòng)終端設(shè)備耗能。文獻(xiàn)［36］中基于緩沖區(qū)的穩(wěn)定性約束建立了最小化功耗的模型，以保證本移動(dòng)終端設(shè)備能夠以最優(yōu)CPU 工作頻率執(zhí)行本地計(jì)算任務(wù)，并將通信帶寬資源和傳輸功率分配給將任務(wù)卸載到邊緣服務(wù)器上用于計(jì)算的移動(dòng)終端設(shè)備，通過提前設(shè)定的優(yōu)先級(jí)控制能量消耗。仿真實(shí)驗(yàn)結(jié)果表明，該策略能夠使多移動(dòng)終端設(shè)備在部分卸載情況下降低98%的請(qǐng)求延遲和90%的耗能。文獻(xiàn)［37］設(shè)計(jì)了一種實(shí)時(shí)的在線優(yōu)化算法，核心是通過動(dòng)態(tài)規(guī)律性地優(yōu)化服務(wù)器緩存和計(jì)算卸載，并利用李雅普諾夫優(yōu)化算法克服了系統(tǒng)狀態(tài)未知、空間需求藕合和分散協(xié)調(diào)等問題，并通過仿真實(shí)驗(yàn)證明了算法的有效性。

2.4 3 種卸載決策的對(duì)比分析

通過對(duì)3 種不同卸載決策的研究和對(duì)比分析可以得到：1）最小化請(qǐng)求時(shí)延的卸載決策將降低任務(wù)處理的時(shí)間延遲這一性能指標(biāo)作為首要考慮的問題，以較大的能量消耗來換取較小的時(shí)間開銷，適用于實(shí)時(shí)性要求較強(qiáng)的任務(wù)處理程序以及應(yīng)用程序之間依賴關(guān)系較強(qiáng)的任務(wù)系統(tǒng)，這是因?yàn)楫?dāng)系統(tǒng)運(yùn)行時(shí)，可能會(huì)發(fā)生對(duì)當(dāng)前請(qǐng)求響應(yīng)不及時(shí)而導(dǎo)致與其具有依賴關(guān)系的應(yīng)用程序運(yùn)行終止，進(jìn)而降低系統(tǒng)整體運(yùn)行效率，所以最小化請(qǐng)求時(shí)延的卸載決策原則上來說能確保任務(wù)系統(tǒng)的運(yùn)行效率最高，但并未考慮系統(tǒng)的耗能問題。2）滿足請(qǐng)求時(shí)延約束下最小化耗能的卸載決策，以降低任務(wù)處理的能量消耗這一性能指標(biāo)作為首要考慮的問題，為使得卸載的程序不影響后續(xù)程序的運(yùn)行需要，在最小化能耗的同時(shí)滿足卸載程序的計(jì)算時(shí)延限制，通常以系統(tǒng)能容忍的最大時(shí)延作為其卸載的時(shí)延約束，以此來確保卸載過程中能量消耗最少，適用于能量消耗型的應(yīng)用程序和供能受限的任務(wù)系統(tǒng)。3）基于時(shí)延和能耗權(quán)衡的卸載決策以降低任務(wù)處理的總開銷最?。磿r(shí)延消耗與能量消耗的加權(quán)和最?。┻@一性能指標(biāo)作為首要考慮的問題，通過對(duì)時(shí)延和能耗這兩個(gè)性能指標(biāo)進(jìn)行加權(quán)求和，并使二者相加的數(shù)值最小來實(shí)現(xiàn)時(shí)延和能耗兩者之間的權(quán)衡，最終達(dá)到最大化收益，適用于對(duì)時(shí)延或能耗指標(biāo)無最小化要求的應(yīng)用程序和任務(wù)系統(tǒng)。

3 邊緣計(jì)算卸載系統(tǒng)

現(xiàn)有的邊緣計(jì)算卸載系統(tǒng)如MAUI、Cloudlet、Comet、CloneCloud、Misco和Tango等，依據(jù)計(jì)算任務(wù)劃分顆粒度的不同，分為兩類：基于應(yīng)用程序與虛擬機(jī)的粗顆粒度計(jì)算卸載和基于進(jìn)程或功能函數(shù)的細(xì)顆粒度計(jì)算卸載。

3.1 細(xì)顆粒度計(jì)算卸載

細(xì)顆粒度計(jì)算卸載即部分卸載，是指將應(yīng)用程序中計(jì)算密集的代碼或函數(shù)按照進(jìn)程的方式卸載到邊緣服務(wù)器上執(zhí)行，這種卸載方式依賴程序員對(duì)應(yīng)用程序事先進(jìn)行標(biāo)注和劃分，可分為靜態(tài)卸載和動(dòng)態(tài)卸載兩種方式。靜態(tài)卸載是指在開發(fā)過程中就已經(jīng)預(yù)先設(shè)置完成了任務(wù)的卸載策略。動(dòng)態(tài)卸載是指根據(jù)任務(wù)交付的實(shí)時(shí)情況，例如實(shí)時(shí)感知用戶、通信鏈路狀態(tài)、邊緣服務(wù)器狀態(tài)來動(dòng)態(tài)調(diào)整卸載策略。下面以MAUI 卸載系統(tǒng)為例，對(duì)細(xì)顆粒度計(jì)算卸載進(jìn)行詳細(xì)描述。

MAUI 卸載系統(tǒng)是以動(dòng)態(tài)方式執(zhí)行卸載任務(wù)遷移的邊緣計(jì)算卸載系統(tǒng)的典型代表，其以減小消耗能量和減小請(qǐng)求時(shí)延為目的，技術(shù)架構(gòu)如圖6 所示。終端設(shè)備包括Solver，Proxy 以及Profiler 3 個(gè)不同組件。其中，Solver 主要是提供卸載決策引擎接口；Proxy 負(fù)責(zé)計(jì)算卸載執(zhí)行進(jìn)程中相關(guān)數(shù)據(jù)的發(fā)送、回傳及適時(shí)控制；Profiler 負(fù)責(zé)收集應(yīng)用程序數(shù)據(jù)（如能量和傳輸要求等采集結(jié)果等）并對(duì)其進(jìn)行實(shí)時(shí)監(jiān)測(cè)。

圖6 MAUI 計(jì)算卸載系統(tǒng)

邊緣服務(wù)器端包含Solver、Proxy、Profiler 以及MAUI 控制器4 個(gè)組件。其中，Solver 和Proxy 與終端設(shè)備對(duì)應(yīng)組件所執(zhí)行的功能類似；Profiler 則負(fù)責(zé)對(duì)決策引擎進(jìn)行周期性地優(yōu)化；MAUI 控制器組件負(fù)責(zé)處理對(duì)傳入請(qǐng)求進(jìn)行身份驗(yàn)證，以及對(duì)計(jì)算資源進(jìn)行分配，此外還能夠?qū)v史信息進(jìn)行記錄和分析，便于對(duì)未來任務(wù)的卸載決策進(jìn)行預(yù)測(cè)。

MAUI 卸載系統(tǒng)提供了1 個(gè)可編程環(huán)境，程序員可對(duì)應(yīng)用程序進(jìn)行標(biāo)注和劃分，以確定哪些任務(wù)需要卸載到邊緣服務(wù)器，之后MAUI 通過其所包含功能組件的協(xié)作來計(jì)算卸載任務(wù)的代價(jià)，如卸載所需要的傳輸耗能，以及任務(wù)卸載后能夠帶來的優(yōu)勢(shì)等。另外，MAUI 卸載系統(tǒng)還會(huì)周期性地檢測(cè)網(wǎng)絡(luò)通信條件，監(jiān)測(cè)通信帶寬和時(shí)間延遲，通過綜合上述內(nèi)容決定哪些任務(wù)應(yīng)該卸載，哪些應(yīng)該繼續(xù)在移動(dòng)終端設(shè)備上進(jìn)行本地執(zhí)行。

3.2 粗顆粒度計(jì)算卸載

粗顆粒度計(jì)算卸載即全卸載，即將應(yīng)用程序甚至整個(gè)程序封裝到虛擬機(jī)實(shí)例后遷移到邊緣服務(wù)器上，這類卸載系統(tǒng)不需要事先對(duì)代碼進(jìn)行標(biāo)注修改，減輕了程序員的負(fù)擔(dān)，同時(shí)也能夠避免細(xì)顆粒度計(jì)算卸載決策額外增加能耗的缺點(diǎn)，但該卸載系統(tǒng)不適用于需要與用戶進(jìn)行頻繁交互的應(yīng)用。下面以Cloudlet 卸載系統(tǒng)為例，對(duì)粗顆粒度計(jì)算卸載進(jìn)行詳細(xì)描述。

Cloudlet 是由卡耐基梅隆大學(xué)提出的一種基于動(dòng)態(tài)虛擬機(jī)合成技術(shù)的計(jì)算卸載系統(tǒng)，其主要實(shí)現(xiàn)過程如圖7 所示。首先，移動(dòng)終端設(shè)備發(fā)現(xiàn)并準(zhǔn)備啟用Cloudlet，發(fā)送1 個(gè)overlay（launch 虛擬機(jī)和base 虛擬機(jī)產(chǎn)生的二進(jìn)制差異）到有base 虛擬機(jī)的Cloudlet 上，然后基于base 虛擬機(jī)和overlay 創(chuàng)建launch 虛擬機(jī)，配置虛擬機(jī)實(shí)例提供計(jì)算服務(wù)。當(dāng)計(jì)算結(jié)束后，將計(jì)算結(jié)果回傳給移動(dòng)終端設(shè)備，并且釋放虛擬機(jī)。

圖7 Cloudlet 計(jì)算卸載系統(tǒng)

可以看出，Cloudlet 卸載系統(tǒng)實(shí)現(xiàn)了虛擬機(jī)的快速靈活配置、邊緣計(jì)算節(jié)點(diǎn)發(fā)現(xiàn)和虛擬機(jī)遷移等邊緣計(jì)算的核心功能。由于終端設(shè)備具有移動(dòng)性，Cloudlet 與終端設(shè)備之間的連接是高度動(dòng)態(tài)的，終端設(shè)備的隨遇接入會(huì)導(dǎo)致對(duì)Cloudlet 所能提供功能需求的變化，因此，Cloudlet 必須實(shí)現(xiàn)靈活的快速配置。在Cloudlet 進(jìn)行配置前，終端設(shè)備需要搜尋能夠連接的邊緣服務(wù)器，然后依據(jù)一定的規(guī)則，如位置臨近或帶寬資源等，來選擇合適的邊緣服務(wù)器。虛擬機(jī)遷移指的是為了維持服務(wù)的正常提供和網(wǎng)絡(luò)通聯(lián)，Cloudlet 需要解決移動(dòng)終端設(shè)備在不同邊緣服務(wù)器之間切換時(shí)，服務(wù)的不間斷性問題。終端設(shè)備位置的變化，會(huì)脫離原邊緣服務(wù)器的覆蓋范圍而進(jìn)入其他邊緣服務(wù)器的覆蓋范圍，可能會(huì)造成上層應(yīng)用的中斷。因此，Cloudlet 必須在移動(dòng)終端設(shè)備切換邊緣服務(wù)器的過程中無縫完成服務(wù)的遷移。

4 面臨挑戰(zhàn)及未來研究方向

4.1 面臨的挑戰(zhàn)

通過將移動(dòng)終端設(shè)備上的計(jì)算任務(wù)依據(jù)合適的策略卸載到邊緣服務(wù)器上完成計(jì)算，不僅能夠降低移動(dòng)終端設(shè)備的計(jì)算壓力和能量消耗，而且還能降低請(qǐng)求時(shí)延，能夠極大地提升用戶體驗(yàn)。但是在實(shí)際環(huán)境應(yīng)用中，也面臨著眾多挑戰(zhàn)。

1）移動(dòng)性管理的高效性。邊緣計(jì)算卸載環(huán)境下，由于終端用戶的移動(dòng)性，通常在邊緣服務(wù)器完成計(jì)算任務(wù)的之前，終端用戶就已經(jīng)離開原來基站的覆蓋范圍，傳統(tǒng)的解決措施是通過虛擬機(jī)遷移或功率控制來保證服務(wù)的連續(xù)性。但是對(duì)于終端用戶移動(dòng)性較強(qiáng)的應(yīng)用場(chǎng)景，頻繁的虛擬機(jī)遷移必然會(huì)導(dǎo)致通信鏈路和資源的極大浪費(fèi)，同時(shí)帶來較大的時(shí)間延遲。因此，如何保證邊緣計(jì)算卸載環(huán)境下移動(dòng)性較強(qiáng)用戶終端的服務(wù)連續(xù)性，是邊緣計(jì)算卸載決策面臨的重大挑戰(zhàn)之一。

2）卸載決策算法的適用性。目前現(xiàn)有的卸載決策算法在時(shí)延、能耗和效用等性能方面基本能滿足應(yīng)用需求。但是，隨著邊緣計(jì)算應(yīng)用場(chǎng)景的不斷豐富必然會(huì)使計(jì)算卸載的環(huán)境日益復(fù)雜，并且由于邊緣計(jì)算分布式的技術(shù)架構(gòu)使得計(jì)算節(jié)點(diǎn)所處的環(huán)境可能各不相同，如何使卸載決策算法能夠根據(jù)環(huán)境的變化對(duì)策略進(jìn)行適應(yīng)性調(diào)整以實(shí)現(xiàn)最大效能，是邊緣計(jì)算環(huán)境下卸載決策面臨的重大挑戰(zhàn)之一。

3）計(jì)算卸載進(jìn)程中數(shù)據(jù)的安全性。與集中式的云計(jì)算不同，邊緣計(jì)算分布式的技術(shù)架構(gòu)增加了攻擊維度的數(shù)量，且在邊緣計(jì)算環(huán)境下，主要靠無線通信網(wǎng)絡(luò)進(jìn)行計(jì)算任務(wù)的卸載和運(yùn)算結(jié)果的回傳，易于受到干擾和惡意攻擊。如何確保用戶的數(shù)據(jù)在上傳、邊緣服務(wù)器側(cè)計(jì)算、運(yùn)算結(jié)果回傳過程中的隱私性和安全性，是邊緣計(jì)算環(huán)境下卸載決策面臨的重大挑戰(zhàn)之一。

4.2 未來研究的方向

針對(duì)當(dāng)前邊緣計(jì)算卸載策略研究面臨的眾多挑戰(zhàn)，總結(jié)出以下3 個(gè)未來研究的方向。

1）基于用戶移動(dòng)性預(yù)測(cè)的計(jì)算遷移和運(yùn)算結(jié)果回傳。針對(duì)該問題，傳統(tǒng)的方案是通過虛擬機(jī)遷移或功率控制來確保服務(wù)的不間斷，但對(duì)于終端用戶移動(dòng)速度較快的場(chǎng)景，例如車聯(lián)網(wǎng)場(chǎng)景，短時(shí)間內(nèi)需要切換的基站較多，虛擬機(jī)頻繁地進(jìn)行遷移會(huì)造成通信資源的極大浪費(fèi)。針對(duì)該問題，有效的技術(shù)途徑是在邊緣服務(wù)器為移動(dòng)設(shè)備終端提供計(jì)算存儲(chǔ)等服務(wù)的過程中，利用機(jī)器學(xué)習(xí)和智能預(yù)測(cè)等技術(shù)不斷對(duì)用戶軌跡數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，較為準(zhǔn)確地預(yù)測(cè)其將要到達(dá)的邊緣服務(wù)器覆蓋區(qū)域，并將數(shù)據(jù)提前傳送到新的邊緣服務(wù)器。但是預(yù)測(cè)出的下一個(gè)邊緣服務(wù)器并不一定準(zhǔn)確，這需要對(duì)用戶的行為等信息進(jìn)行長時(shí)間的積累和學(xué)習(xí)。

2）基于業(yè)務(wù)的計(jì)算卸載決策。針對(duì)用戶密集的區(qū)域，經(jīng)常會(huì)出現(xiàn)大量用戶同時(shí)發(fā)起計(jì)算卸載請(qǐng)求的情況，極有可能造成通信信道的擁塞和邊緣服務(wù)器計(jì)算資源的不足，最終影響用戶體驗(yàn)。然而在局部區(qū)域內(nèi)大量用戶的業(yè)務(wù)需求通常具有強(qiáng)相關(guān)性或重復(fù)性，當(dāng)用戶發(fā)起計(jì)算卸載請(qǐng)求時(shí)，如果基站能夠根據(jù)其業(yè)務(wù)向邊緣服務(wù)器提出檢索請(qǐng)求，邊緣服務(wù)器在正在處理或近期處理的任務(wù)中檢索是否有同樣或相關(guān)的業(yè)務(wù)，若有，則可通過一定的算法對(duì)本次計(jì)算任務(wù)進(jìn)行適當(dāng)?shù)暮喕瑥亩軌蝻@著降低計(jì)算卸載過程中的開銷。

3）計(jì)算卸載進(jìn)程中數(shù)據(jù)的安全性。數(shù)據(jù)加密技術(shù)為保證各類計(jì)算模式中的數(shù)據(jù)安全提供了有效的技術(shù)途徑。針對(duì)邊緣計(jì)算卸載環(huán)境下的數(shù)據(jù)安全問題，研究探索將傳統(tǒng)的加密方案與邊緣計(jì)算分布式的技術(shù)架構(gòu)、終端資源受限、高度動(dòng)態(tài)環(huán)境等特性進(jìn)行有機(jī)結(jié)合，從而最終實(shí)現(xiàn)輕量級(jí)、分布式的數(shù)據(jù)安全防護(hù)體系是未來研究的重點(diǎn)方向之一。

5 結(jié)論

計(jì)算卸載是邊緣計(jì)算的關(guān)鍵技術(shù)之一，主要解決移動(dòng)終端設(shè)備在計(jì)算性能、資源存儲(chǔ)和能效等方面存在的不足。作為計(jì)算卸載技術(shù)研究的核心問題——計(jì)算卸載決策，主要關(guān)注在請(qǐng)求時(shí)延和能耗要求下，計(jì)算卸載對(duì)用戶的可行性和有益性。從邊緣計(jì)算卸載技術(shù)的概念出發(fā)，梳理了邊緣計(jì)算卸載的步驟和影響因素，之后詳細(xì)闡述了目前應(yīng)用最為廣泛的3 種邊緣計(jì)算卸載策略的原理、研究現(xiàn)狀及優(yōu)缺點(diǎn)，最后基于目前邊緣計(jì)算卸載技術(shù)的研究現(xiàn)狀和存在的問題，給出了邊緣計(jì)算卸載策略研究面臨的挑戰(zhàn)和未來的研究方向，為相關(guān)技術(shù)領(lǐng)域的科學(xué)研究人員提供借鑒和參考。