移动边缘计算的三级卸载机制心得体会与讲解（一）

98 阅读 0 评论 65 点赞

我是靠谱客的博主飘逸月饼，最近开发中收集的这篇文章主要介绍移动边缘计算的三级卸载机制心得体会与讲解（一），觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

破题：从哪些方面考虑能源效益：
（1）传到MEC的能量（考虑干扰）
（2）计算的能量（考虑他的计算能力）
什么是5G？
G：generation
2G：文本时代
3G：图片时代
4G：视频时代
5G：万物互联时代
第五代通信技术
我给大家介绍一下什么是异构网络
所谓异构是指两个或以上的无线通信系统采用了不同的接入技术，或者是采用相同的无线接入技术但属于不同的无线运营商。
什么是移动边缘计算？
移动边缘计算（Mobile Edge Computing, MEC）可利用无线接入网络就近提供电信用户IT所需服务和云端计算功能，而创造出一个具备高性能、低延迟与高带宽的电信级服务环境，加速网络中各项内容、服务及应用的快速下载，让消费者享有不间断的高质量网络体验。
网络边缘通常是指网络的接入层（汇接层）。就是靠近用户端，用于汇聚用户网络（LAN）的网络层面。
什么样的任务需要计算？
资源饥渴型应用||移动设备计算能力有限
（1）交互式游戏（1）电池有限
（2）虚拟化
（3）自然语言处理（2）计算能力有限
边缘计算和云计算有什么不同？
其实如果说云计算是集中式大数据处理，边缘计算则可以理解为边缘式大数据处理。但不同的是，只是这一次，数据不用再传到遥远的云端，在边缘侧就能解决。边缘计算更适合实时的数据分析和智能化处理，相较单纯的云计算也更加高效而且安全。边缘计算和云计算两者实际上都是处理大数据的计算运行的一种方式。边缘计算更准确的说应该是对云计算的一种补充和优化。(提交互性)
哪个边缘侧呢？更接近用户的部分
什么是能源效益卸载？就是我们平时说的APP软件卸载吗？
不是。流量卸载服务选择数据流路给接受数据的应用程序。
Go是啥？
任务可以被卸载到MEC服务器，也可以在本地执行任务
第二步：
移动设备之间的传输干扰，我们在无线资源分配过程中为设备设置了不同的优先级。对于GR设备，由于计算能力不足，需要将计算任务卸载到MEC服务器。GR的无线电资源分配应该具有最高的优先级。但是，对于属于GO的设备，它们的任务可以被卸载到MEC服务器，也可以在本地执行任务。因此，为了节省卸载系统能源消耗以及为了更有效地利用无线电资源，GO中的设备应该被分配不同的优先级。在介绍优先级确定算法之前，我们首先给出以下两个关键定义。
这一步用信噪比归纳。
第三步：
在第三阶段，根据确定的优先级将MBS和SBS的通道分配给设备。
为了保证这些设备之间的公平性，每个设备在一个阶段迭代中最多只能获得一个通道。
在分配过程中，如果设备还没有决定访问任何基站，则可以通过比较通过MBS和SBS卸载任务所节省的能源来做出决定。
（1）对于已经决定访问MBS的设备，它只能从属于MBS的信道中选择一个通道。给定设备i访问MBS，由于每个MBS信道的传输能力相同，设备i应该选择信噪比最高的信道。其原因是，较高的信噪比导致较短的传输时间和较少的传输能耗。新选择的信道随着该信道上传输能力的增加，提高了器件i的总传输速率。然而，提高传输速率会减少传输时间，从而降低总传输能量。因此，我们应该比较有新通道的情况和没有通道的情况下的能量成本。如果所选的信道带来了更高的能量成本，那么不应该将其分配给设备i。
（2）对于选择访问SBS的设备，信道分配的方式与此类似。我们在算法3中展示了完整的无线电资源分配过程
三级卸载机制详解：
第一阶段:移动设备分类。
移动设备根据时间和任务计算过程的能量成本特征。
阶段二:确定优先级。
我们确定优先级的设备，它们选择卸载自己的任务
MEC服务器。优先级用于无线电资源分配，并由无线通信决定状态和任务需求。
第三阶段:无线电资源分配。
在这个阶段，MBS和SBS的通道被分配给移动设备
根据第2阶段确定的优先级设置设备。
图片总结
在本文中，我们研究了5G异构网络中的MEC卸载机制。为了提高卸载系统的能量效率，我们提出了计算任务执行的能量消耗最小化和通信过程的能量消耗最小化的问题。为了更有效地解决这一问题，我们提出了一种EECO方案，该方案联合优化计算卸载决策和无线电资源分配策略，以最小化延迟约束下的系统能量成本。此外，我们进行了模拟研究，清楚地显示了我们提出的EECO方案的能效提升