摘 要

智能设备的快速普及，需要网络为用户提供更高速、更低时延的服务，如今的网络架构并不能满足要求。移动边缘计算（Mobile Edge Computing，MEC）能为用户提供高效和低时延的计算服务。在MEC系统中，MEC服务器通常部署在离用户较近的地方，移动设备可以将应用卸载到MEC服务器执行，特别是计算密集型和时延敏感性应用。通过任务卸载，移动设备可以减少应用执行时延并延长待机时间。

任务卸载决策是判断移动设备上的应用是否卸载到MEC服务器执行，使得任务卸载对于移动设备有利。因此，本文分析了移动边缘计算的概念以及架构。针对MEC系统，建立任务卸载的模型，分析任务卸载的条件。在单用户场景下，介绍了一种任务卸载算法，给出该算法的数学模型。将单用户场景与车联网结合，设计了一种简单的时延优化算法，并且对该算法进行仿真；仿真结果表明，在用户使用此算法进行任务卸载时，任务执行时延降低。

关键词：移动边缘计算；移动设备；任务卸载；时延；能耗

Abstract

The rapid spread of smart devices requires the network to provide users with higher speed and lower latency services, Today's network architecture does not satisfy the requirement. Mobile Edge Computing (MEC) provides users with efficient and low-latency computing services. In the MEC system, the MEC server is usually deployed closer to the user, The mobile device can offload the application to the MEC server for execution, especially for computationally intensive and delay sensitive applications. By task offloading, the mobile device can reduce application execution delay and then extend the standby time.

The task offloading decision is to determine whether the application on the mobile device is offloaded to the MEC server for execution, making task offloading beneficial for mobile devices. Therefore, this paper analyzes the concept and architecture of mobile edge computing. For the MEC system, this paper establishes the model for task offloading and analyzes the conditions for task offloading. In the single-user scenario, a task offloading algorithm is introduced and the mathematical model of the algorithm is given. Combining the single-user scenario with vehicle networking, a simple delay optimization algorithm is designed and simulated. The simulation results show that when the user uses this algorithm to perform task offloading, the task execution delay is reduced.

Key words：mobile edge computing; mobile device; task offloading; time delay; energy consumption

目 录

第1章 绪论

1.1背景

1.1.1 移动网络发展历程

1.1.2 边缘计算的概念与研究现状

1.1.3 移动边缘计算介绍

1.2任务卸载决策简介

1.3研究内容与组织结构

1.3.1 论文的研究内容

1.3.2 论文的组织结构

第2章 移动边缘计算系统模型与任务卸载

2.1 移动边缘计算的架构

2.2 任务卸载模型

2.2.1计算任务模型

2.2.2通信模型

2.2.3移动设备计算模型

2.2.4MEC服务器计算模型

2.3任务卸载决策

2.3.1 最小化任务执行时延

2.3.2在任务期限约束下的最小化能耗

2.3.3 执行延迟与能量消耗的权衡

第3章 单用户场景下的卸载策略

3.1 系统模型

3.1.1任务队列模型

3.1.2本地计算模型

3.1.3任务传输与处理模型

3.2 任务状态分析

3.3 时延与能耗分析

3.3.2任务平均能耗分析

3.3.1任务的平均时延分析

3.4 卸载调度策略

第4章 车联网场景下的任务卸载策略

4.1车辆边缘计算解决方案

4.2 仿真结果分析

4.2.1 仿真场景和参数设置

4.2.2 仿真结果与分析

第5章 总结与展望

5.1 全文总结

5.2 展望

参考文献

致 谢

第1章 绪论

1.1背景

1.1.1 移动网络发展历程

随着科技的发展，特别是通信技术的发展，迈进了互联网时代。移动通信的发展极大地改变了我们的生活，在2G时代，大多数手机还是非智能机，只能打电话，发消息，高端一点的手机（如诺基亚5230等）可以进行网上冲浪，浏览简单的文字、图片信息。到了3G时代，用户可以用手机进行视频电话了，数据速率也由2G网络的10KB每秒上升到了几十上百KB每秒，一些即时聊天软件也由此风靡起来，如腾讯公司的QQ、中国电信公司的飞信、小米科技的米聊等，人们之间的信息交流通过网络从一个角落到达另外一个角落。到了4G时代，“面对面”交流已经是常态，通过智能手机，用户可以和家人、朋友、同学进行视频交流，而不仅仅是文字交流，可以通过屏幕看到对方的状态；通过4G移动网络，可以观看篮球比赛现场直播。下一个时代，是5G时代，5G时代开启的是一个物联网（IOT）时代，据Gartner报告，全球联网的物联网设别至2020年将高达208亿台。各种品牌的智能手环、智能音箱、智能家居等都是物联网设备，手机用户使用手机进行网上购物、看视频、玩游戏和视频聊天。手机的性能对于用户的日常使用已经足够，用户对于选购手机比较关心的另外一个问题就是电池容量问题。近来一项关于选购手机的因素调查，在分布于各个年龄阶段的7000名用户中，有百分之八十的受调查者认为良好的电池寿命是他们选购手机时主要的考虑因素。虽然如今各个手机厂商在宣传手机卖点时都会突出自家的手机快充技术，例如高通公司最新的Quick Charge4.0快充，使用这项技术的代表手机是小米9，充电功率可达27W，充满3300mAh的电池只需60分钟；华为Mate 20Pro上搭载的是40W有线快充，30分钟可以充到电池容量4200mAh的百分之七十，不到一个小时就可以充满。随着手机性能越来越强大，移动应用程序体积也越来越大，功能也越来越丰富，可以让用户体验到更方便、更人性化的服务。但是手机可能无法在短世间内处理大量复杂的应用程序，因为这会导致手机电量的快速消耗，而用户在外出的时候无法享受手机快充的加持，无法快速补充手机的电量，高电量消耗仍然是限制用户在手机上充分享受高要求应用程序的重大障碍。

延长移动用户设备（User Equipment）电池使用时间的一个解决方案是将需要大量复杂计算的应用程序卸载到传统的集中式云(Centralized Cloud)当中。这就产生了移动云计算（Mobile Cloud Computing）的概念^[1]，移动云计算结构如图1.1所示。