第 1 章 绪论
1.1 研究背景与研究意义
1.1.1 移动边缘计算的兴起
随着智能手机、平板电脑、各类物联网设备等移动终端以及 4G、5G 等移动通信技术的快速发展，移动应用的种类也不断丰富，诸如人脸识别、增强现实、虚拟现实、网络直播等应用都需要在移动设备上运行。然而，由于体积等条件限制，很多移动设备的计算、存储、网络及电能等资源仍相对稀缺，无法满足应用需求。为此，学者们借鉴云计算的模式提出了移动云计算(Mobile cloud computing)的计算模式[1,2]，通过将任务迁移到云数据中心来扩展设备的物理资源，使其能够满足各类应用对资源的需求。然而，由于移动设备数量巨大且应用种类繁多，这种模式下访问过度集中，服务器连接数量异常庞大，将对服务器及网络[1]造成巨大压力，导致服务器宕机、网络延迟过高等问题，严重影响用户体验。鉴于上述问题，传统的集中化计算模式需要进一步优化和改进，向着扁平化、边缘化方向发展。根据 IDC 的统计数据显示，近些年全球数据中心的数量逐年下降，2015年达到 855 万座，2017 年下降到 840 万座，预计到 2021 年这个数字可能会变为720 万座，较 2015 年降低了 15%。
随着智能手机、平板电脑、各类物联网设备等移动终端以及 4G、5G 等移动通信技术的快速发展，移动应用的种类也不断丰富，诸如人脸识别、增强现实、虚拟现实、网络直播等应用都需要在移动设备上运行。然而，由于体积等条件限制，很多移动设备的计算、存储、网络及电能等资源仍相对稀缺，无法满足应用需求。为此，学者们借鉴云计算的模式提出了移动云计算(Mobile cloud computing)的计算模式[1,2]，通过将任务迁移到云数据中心来扩展设备的物理资源，使其能够满足各类应用对资源的需求。然而，由于移动设备数量巨大且应用种类繁多，这种模式下访问过度集中，服务器连接数量异常庞大，将对服务器及网络[1]造成巨大压力，导致服务器宕机、网络延迟过高等问题，严重影响用户体验。鉴于上述问题，传统的集中化计算模式需要进一步优化和改进，向着扁平化、边缘化方向发展。根据 IDC 的统计数据显示，近些年全球数据中心的数量逐年下降，2015年达到 855 万座，2017 年下降到 840 万座，预计到 2021 年这个数字可能会变为720 万座，较 2015 年降低了 15%。
移动边缘计算(Mobile Edge Computing)[3,4]正是顺应这种发展潮流的必然产物。它通过将服务器从集中化的数据中心迁移到分散的移动网络边缘，拉近了移动终端和服务器的物理距离，一方面能够减轻骨干网络压力，减少网络的传输延迟，另一方面还能够分担集中化服务器的过重负载，受到了工业界和学术界的广泛关注。而随着 5G、物联网、人工智能、大数据等技术的蓬勃发展，移动边缘计算的作用也愈发突显，有助于克服这些领域中的发展瓶颈，为其发展提供有力支持。
5G 技术以“大容量、大带宽、大连结、低延迟、低功耗”为诉求。根据联合国国际电信联盟(ITU)对 5G 的标准要求：“5G 标准包括增强型移动宽带(e MBB)、超高可靠低时延通信(URLLC)以及海量机器通信(mMTC)三大应用场景”，并定义了以下关键指标：“峰值吞吐率 10Gbps、时延 1ms、连接数 100 万、高速移动性 500km/h[5]”。目前的网络架构中，核心网通常被部署在比较高的位置，带来较高的传输时延，进而不能满足 5G 任务对超低时延的需求；另一方面，所有任务在云端执行既浪费网络带宽，还增加任务时延。因此，5G 对时延和连接数的要求决定了任务的执行点不能都放在后端的云平台中。而移动边缘计算的特点正好能够满足 5G 的需求。在缩短时延方面，移动边缘计算将服务器部署在网络边缘，任务在距离更近的边缘服务器中执行，大幅减少传输延迟；在提升连接数方面，移动边缘计算将计算能力下沉，将集中的核心网络分散化并提供更智能的流量管理与边缘缓存等技术，能够大幅增加连接数。
第 3 章 多跳 C-RAN 网络下的联合路由和虚拟机选择算法 ............. 275G 技术以“大容量、大带宽、大连结、低延迟、低功耗”为诉求。根据联合国国际电信联盟(ITU)对 5G 的标准要求：“5G 标准包括增强型移动宽带(e MBB)、超高可靠低时延通信(URLLC)以及海量机器通信(mMTC)三大应用场景”，并定义了以下关键指标：“峰值吞吐率 10Gbps、时延 1ms、连接数 100 万、高速移动性 500km/h[5]”。目前的网络架构中，核心网通常被部署在比较高的位置，带来较高的传输时延，进而不能满足 5G 任务对超低时延的需求；另一方面，所有任务在云端执行既浪费网络带宽，还增加任务时延。因此，5G 对时延和连接数的要求决定了任务的执行点不能都放在后端的云平台中。而移动边缘计算的特点正好能够满足 5G 的需求。在缩短时延方面，移动边缘计算将服务器部署在网络边缘，任务在距离更近的边缘服务器中执行，大幅减少传输延迟；在提升连接数方面，移动边缘计算将计算能力下沉，将集中的核心网络分散化并提供更智能的流量管理与边缘缓存等技术，能够大幅增加连接数。
..............................
1.2 研究内容与主要贡献
通过前一节的介绍可以看出计算与通信协作的研究在移动边缘计算领域的重要性，因此大量相关工作已经展开，并且在降低能耗、减少延迟方面取得了很好的效果。然而，面对更多样化的移动应用所带来的更高需求，单纯的通过资源管理对于移动边缘计算的性能提升收效甚微，已经明显不能满足用户需求。因此，包括 Ad hoc、无线电能传输、边缘缓存等新技术都被应用到移动边缘计算领域中，通过与这些技术的结合，能够帮助移动边缘计算解决部分现有问题，进一步提升移动边缘计算性能。为此，本文结合 Ad hoc 构建多跳边缘计算系统，解决远距离设备带宽不足或无法直接连接基站的问题；结合无线电能传输技术，解决移动设备的能耗瓶颈问题；结合边缘缓存技术，解决重复数据传输带来的高延迟问题。并在结合上述技术的移动边缘计算架构下，结合实际场景，建模资源联合优化问题，以保证任务执行时延的前提下最小化能量开销为目的，并最终利用凸优化等先进的最优化算法求得最优分配结果。本文的具体贡献如下：
针对由于带宽和距离的原因，一些移动设备无法直接通过 RRH 接入 C-RAN的问题。提出了一种在 C-RAN 中结合多跳 Ad hoc 网络的边缘计算模式，将C-RAN 中的用户设备组织成自组织网络，以移动设备作为中继路由器接入C-RAN。在所提出的架构下，远离 RRH 的用户可以通过多跳 Ad hoc 网络访问C-RAN，而靠近 RRH 的用户则可以直接访问 C-RAN。此外，综合考虑到运营商和移动用户的利益，提出了一种在多跳 C-RAN 网络中的联合路由和虚拟机(VM)选择算法，同时选择进行任务数据传输的路由和用于计算的虚拟机，从而实现在满足任务响应时间要求的前提下最大限度地减少总能耗的目标。模拟实验结果表明，该算法在总能耗方面优于传统的分离路由和虚拟机选择算法。
..........................
第 2 章 移动边缘计算及相关技术
2.1 移动边缘计算定义及参考架构
2.1.1 移动边缘计算定义
通过前一节的介绍可以看出计算与通信协作的研究在移动边缘计算领域的重要性，因此大量相关工作已经展开，并且在降低能耗、减少延迟方面取得了很好的效果。然而，面对更多样化的移动应用所带来的更高需求，单纯的通过资源管理对于移动边缘计算的性能提升收效甚微，已经明显不能满足用户需求。因此，包括 Ad hoc、无线电能传输、边缘缓存等新技术都被应用到移动边缘计算领域中，通过与这些技术的结合，能够帮助移动边缘计算解决部分现有问题，进一步提升移动边缘计算性能。为此，本文结合 Ad hoc 构建多跳边缘计算系统，解决远距离设备带宽不足或无法直接连接基站的问题；结合无线电能传输技术，解决移动设备的能耗瓶颈问题；结合边缘缓存技术，解决重复数据传输带来的高延迟问题。并在结合上述技术的移动边缘计算架构下，结合实际场景，建模资源联合优化问题，以保证任务执行时延的前提下最小化能量开销为目的，并最终利用凸优化等先进的最优化算法求得最优分配结果。本文的具体贡献如下：
针对由于带宽和距离的原因，一些移动设备无法直接通过 RRH 接入 C-RAN的问题。提出了一种在 C-RAN 中结合多跳 Ad hoc 网络的边缘计算模式，将C-RAN 中的用户设备组织成自组织网络，以移动设备作为中继路由器接入C-RAN。在所提出的架构下，远离 RRH 的用户可以通过多跳 Ad hoc 网络访问C-RAN，而靠近 RRH 的用户则可以直接访问 C-RAN。此外，综合考虑到运营商和移动用户的利益，提出了一种在多跳 C-RAN 网络中的联合路由和虚拟机(VM)选择算法，同时选择进行任务数据传输的路由和用于计算的虚拟机，从而实现在满足任务响应时间要求的前提下最大限度地减少总能耗的目标。模拟实验结果表明，该算法在总能耗方面优于传统的分离路由和虚拟机选择算法。
..........................
第 2 章 移动边缘计算及相关技术
2.1 移动边缘计算定义及参考架构
2.1.1 移动边缘计算定义
移动边缘计算的产生最早可追溯于 IBM 和 Nokia Siemns 在 2013 年共同推出的一款计算平台，该平台能够在无线基站内部运行应用程序，并向移动用户提供服务。在此之后，各大电信标准化组织开始推动移动边缘计算的标准化工作，各自提出了对移动边缘计算的定义和参考架构。事实上，Cloudlet、C-RAN、雾计算等更早期提出的计算模式以及由移动边缘计算扩展而来的边缘计算，在本质上与移动边缘计算描述的是相同的计算模型，细微差别仅在于部署架构及应用背景等。本文中所提到的移动边缘计算指的是广义的移动边缘计算模型。
欧洲电信标准协会(ETSI)作为移动边缘计算(MEC)概念的提出者，将移动边缘计算定义为“基于 5G 演进的架构，将移动接入网与互联网业务深度融合的一种技术”。它能够在移动网络边缘提供 IT 服务环境和云计算能力，创建一个具有高性能、低延迟和高带宽的服务环境，实现网络内容、服务和应用的快速分发和下载，最终提升网络的服务质量[27]。
华为领导成立的边缘计算产业联盟(ECC)对边缘计算的定义是“边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，以满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求”[28]。
雾计算提出的目的是满足物联网低延迟、移动支持、位置感知和地理分布等需求，其计算模式与移动边缘计算类似。根据开放雾联盟(OpenFog)的定义，雾计算是一种水平的，系统级的体系架构，沿着云到雾的统一体向用户分配就近的计算、存储、网络等功能服务。
雾计算提出的目的是满足物联网低延迟、移动支持、位置感知和地理分布等需求，其计算模式与移动边缘计算类似。根据开放雾联盟(OpenFog)的定义，雾计算是一种水平的，系统级的体系架构，沿着云到雾的统一体向用户分配就近的计算、存储、网络等功能服务。
................................
2.2 相关技术及文中应用介绍
2.2.1 无线自组织网络
Ad hoc 网络是一种通过设备彼此间互联构成的网络，能够保持移动设备在网内移动时的通信效果。该网络通常不需要路由器等中心接入点，通过设备间的交互完成数据的分组转发，但受到设备的发射功率和无线网络覆盖范围的限制，距离较远的设备之间需要借助中间节点完成数据的转发。因此，Ad hoc 网络具有自发性和临时性的特点，在军事、自然灾害等场景下有广泛应用。
2.2.1 无线自组织网络
Ad hoc 网络是一种通过设备彼此间互联构成的网络，能够保持移动设备在网内移动时的通信效果。该网络通常不需要路由器等中心接入点，通过设备间的交互完成数据的分组转发，但受到设备的发射功率和无线网络覆盖范围的限制，距离较远的设备之间需要借助中间节点完成数据的转发。因此，Ad hoc 网络具有自发性和临时性的特点，在军事、自然灾害等场景下有广泛应用。
由于设备的通信覆盖范围有限，Ad hoc 网络中的多节点需要通过多跳进行数据转发，因此需要研究路由协议。与传统网络中的路由协议不同，Ad hoc 路由协议的设计需要考虑到网络拓扑的动态变化、通信资源受限等条件。目前，已经提出了 DSR(动态路由)、AODV(按需距离矢量路由)、OLSR(优化链路状态)、DSDV(序列距离矢量路由)等一系列路由协议。这些协议考虑到 Ad hoc 网络中的不同特性，制定了不同路由机制的路由协议。
随着移动设备的不断加入，设备间的通信流量会造成网络负载不断增加，而自组织网络中无线带宽资源有限。为此，D2D(Device-to-Device)通信为终端设备建立 Ad hoc 网络提供了解决方案。作为 5G 中的关键技术，它允许用户设备在近距离使用直接链路进行通信，这一通信模式解决了高网络负载带来的低传输速率和高延迟问题，将极大地降低 Ad hoc 网络负载，降低传输能耗和数据传输成本。
在本文的第三章中，结合D2D与Ad hoc自组织网络的特点，将其融入C-RAN架构下，解决远距离移动设备带宽不足甚至不能直接连接到 RRH 的弊端。与传统的 Ad hoc 路由协议不同，本文更偏重于应用，提出选择最稳定且传输与计算总能耗之和最小的路径，对于底层技术的考虑则超出本文的研究范畴。
...............................
...............................
3.1 引言 .................................. 27
3.2 相关工作............................ 28
3.3 系统模型................................ 29
第 4 章 结合无线电能传输的移动边缘计算系统中的资源联合优化................45
4.1 引言 .............................. 45
4.2 相关工作............................ 46
4.3 系统模型............................. 47
第 5 章 缓存增强型移动边缘计算系统中的资源联合优化 ................ 67
5.1 引言 ................................ 67
5.2 相关工作............................... 68
5.3 系统模型...................................... 70
第 5 章 缓存增强型移动边缘计算系统中的资源联合优化
5.1 引言
移动边缘计算不仅解决了移动设备计算、存储、电能等资源不足的问题，还改善了传统移动云计算的高延迟、服务器负载压力大等不足。但任务卸载作为移动边缘计算的基础和必备过程，却带来了额外的时间和电能开销。此外，面对不断增加的任务数据量，卸载过程也将给无线接入网络带来巨大的挑战。为了进一步完善边缘计算框架，减少任务卸载开销，减轻接入网压力，研究人员提出边缘缓存的概念[91,92]，通过边缘缓存在边缘服务器中存储常用内容或任务以避免不必要的重复传输，从而达到降低传输延迟和能耗、减轻无线网络压力的目的。
然而，目前对于边缘缓存的研究主要集中在内容缓存，主要关注提高命中率的最佳缓存策略[93,94]，但却忽略了可能具有更广泛应用场景的任务缓存。任务缓存相对内容缓存而言是一个更复杂的问题，它不仅取决于任务的流行程度，还取决于任务的数据量大小和任务的复杂程度等，较难找到一种能够兼顾以上所有方面的缓存方法。此外，在结合边缘缓存的移动边缘计算架构下，缓存策略与计算和通信资源的分配将会相互影响，为了实现资源的最优分配，一方的改变将会需要另一方的相应调整。因此，联合优化缓存策略和资源分配策略对提高缓存增强型移动边缘计算系统的能效至关重要。
.............................
第 6 章 总结与展望
参考文献（略）