This is according to the paper：Liu H, Eldarrat F, Alqahtani H, et al. Mobile Edge Cloud System: Architectures, Challenges, and Approaches[J]. IEEE Systems Journal, 2017, PP(99):1-14.

Background

• IT技術和通訊技術在不斷進步和融合，這對於提高使用者體驗並儘可能多涵蓋網路應用的創新性網路基礎設施是一個前所未有的機會。“雲”計算的快速應用就是這樣一個例子。然而，在海量新興的移動和物聯網裝置應用出現時，傳統依賴於集中式資料中心的雲端計算模型會遇到很多限制。首先，
  將所有計算資料移動到雲對於網路頻寬資源是一個極大的開銷，而且以及造成擁堵，比如都市區域的所有音視訊監控資料或者由IoT應用產生的海量資料，實用“雲”平臺來計算處理的時延不能保證實時性處理的需求。其次，對於其他的時延敏感型應用，“雲”計算負擔之大，時延之大，不能保證低時延需求，比如一些移動類的遊戲需要低於100ms的快速響應，一些互動式網際網路應用（比如實時語音翻譯）則需要更少的時延（低於10ms）。最後，對於需要適應本地網路狀態和本地使用者環境的場景，比如為一個移動使用者流式傳播一個直播視訊，這很難有效地適應交通（視訊編位元速率），需要用遠端資料中心來快速響應變化的可用無線頻寬。
• 為解決這幾個問題（降低開銷，降低時延，自適應響應
  ），需要一種新的網路資源模型。而為邊緣節點配置計算和儲存能力，讓其在更接近高數量增長的移動裝置的技術，就可以降低雲端的計算負載，降低服務延時，同時也可以降低整個網路的頻寬開銷。這個想法受到近年來學術界和工業界的極大關注，於是，一些和其原理相似的概念被提出來了。
  • “邊緣雲”或“MEC(Mobile Edge Clouds)移動邊緣雲”裝置可以允許協同邊緣網路節點（比如基站，接入點，交換機，路由器）進行計算和儲存能力的配置，從而可以實現分散式計算。
  • “Fog computating 霧計算”是一個虛擬平臺的概念，由Cisco和其他幾個工業夥伴提出，其典型特徵是在移動終端使用者和傳統資料中心之間的節點配置計算、儲存和網路的服務，和邊緣計算類似，也屬於搭建了一個分散式的平臺以承載虛擬服務。更通用的理解，“霧”平臺就相當於一個海量異構裝置進行通訊而且可以進行潛在相互間或與網路間的合作的場景，這個場景下的整個參與通訊的網路就可以實現虛擬化的儲存和處理任務，運用某些激勵機制的話（像區塊鏈那樣實行計算獎勵），就連移動使用者也可以出租自己的某部分計算或者儲存能力給服務主機。
  • “MEC(Mobile edge Computing)移動邊緣計算”作為另一個相似的概念，配置在無線接入網的邊緣側，可對移動使用者提供最近的IT和“邊緣雲”計算服務。MEC伺服器配置在邊緣側的基站、無線網路控制器以及大量多技術AP所在點。工業界最早是由ETSI（歐洲電信標準協會）對移動邊緣計算制定了標準。該標準主要在於管理聯合了通訊和IT雲世界的移動蜂窩網路，在RANS提供IT和雲（邊緣雲）計算能力。
• 這篇概述將對“MEC邊緣雲”進行研究，將MEC定義為一種可以實現按需彈性接入的模型，或說成是與再配置計算資源共享地進行互動的模型。計算資源即伺服器資源、儲存資源、對等裝置、應用資源、服務資源等等，MEC模型將這些計算資源再配置到更貼近使用者終端的無線網路的“邊緣”。區別於傳統的集中式“雲”計算，MEC融合了雲端計算、移動計算和無線網路的功能，從而可以讓“雲”實時性處理移動裝置的大量儲存和計算問題。
• 對於“MEC邊緣雲”的研究還未成熟，幾篇對於MEC的綜述型的文章也主要集中在MEC概念、應用場景、特點、一般問題和高層定位的方面。基於一些技術視野和已有的關鍵技術問題，本文將對MEC系統的架構和設計進行一個綜合型的研究調查。

MEC Characteristics and Application

對於一個MEC（這個簡稱在這裡代表邊緣雲）系統，MEC伺服器將配置在無線接入網路側（網路邊緣），並提供計算和儲存資源，由此可以最小化終端裝置的服務時延、節省網路頻寬、減少交叉擁堵、實現更好的定位和文字識別抉擇，同時對於省掉雲端傳輸和處理來說，安全和私密的問題也減緩了很多。基於MEC網路的專一性，網路運營商也可以在MEC服務中提供額外的附加服務以提升終端的戶體驗。除此之外，基於MEC的硬體裝置平臺，網路運營商還可以允許第三方接入他們的基礎設施進行應用開發，成為應用服務提供商和內容提供商，由此可以貼近使用者開發文字認知服務等。由MEC應用開發平臺所建立的生態系統，可以促進不能被傳統的遠端“雲”或其他服務解決的創新性新應用的產生。以下將對MEC的特點和應用做進一步的總結。

• 特點：

  • 本地網路狀態認知
    • MEC配置在無線接入側的邊緣，需要能實時接入無線網路和通道資訊的功能。
  • 本地使用者場景認知
    • 可以定位並感知本地使用者場景。
  • 分散式
    • MEC的資源、應用和服務會分散式地部署在不同的位置，而且可能處於無線接入網的不同層（基站、接入點、交換機、路由器、閘道器、移動裝置）。
  • 異構性
    • 相對於專用的資料中心（計劃好的裝置的網路），因為處於多變的網路連線和頻寬，MEC節點處理和儲存資源一定是可變的，從而導致其異構性。
  • 移動性
    • 移動裝置通過不可靠的無線鏈路接入MEC伺服器，而且他們的網路附著點也會經常變動。而且MEC服務可能本身就託管在移動裝置上。因而，MEC的移動性支援很關鍵。
  • 超低時延
    • MEC應該需要實現極致的低時延，比如為了支援互動式網路應用（機器人，虛擬增強現實，實時互動的工業控制系統），時延應該被控制在幾毫秒之內。這些應該是高度時間敏感型的應用，端到端的響應時間需要控制在人類可忍受的範圍之內。
  • “中央雲”協作
    • MEC作為傳統集中式雲的補充，不能完全替代傳統雲。MEC貼近移動裝置而能提供本地場景感知的處理，並且時延很低。但是遠端的傳統雲可提供全域性的集中式控制，而且具有更有強的計算和儲存能力。因此，很多應用的執行需要從移動終端裝置、邊緣雲網絡節點和遠端雲進行兩端式處理。

由上面的MEC的特徵可知，得益於邊緣配置的計算能力可以保證很廣泛的應用。那麼有哪些類別的MEC應用呢，我們可以大體從以下幾點進行說明：

• 應用：

  • 時延敏感型應用：
    • 應用的執行可以在邊緣雲網絡而不需要再回傳至因特網（集中雲），因此時延得到降低，使用者對於時延敏感型應用（實時交通控制、網路遊戲等）的體驗就會提升。
  • 適應本地網路狀態的應用：
    • 無線通道狀態惡化或者網路交通負載增加時，類似聯網音視訊程式碼轉換的邊緣應用可以自適應改變音視訊的資料率來彌補減少的可用頻寬。另外，網路運營商可以用邊緣計算的能力來配置防火牆、VPN以及基於本地網路需求其他聯網服務。
  • 適應本地場景的應用：
    • 比如本地內容共享、廣告插播、本地擁塞等等應用，基於本地少量資料集來進行資料處理和計算也可以適度減少網路的整體開銷和時延，可以利用定位資訊、使用者場景和本地計算能力來提升效能。
  • 處理和聚合資料的應用：
    • 對於某些特定的應用（比如視訊監控，安全監控，大資料分析等），需要將大量的資料儲存在網路邊緣， MEC會先做一個處理分析和聚合，再傳送到集中雲上去。這樣會大大減少要送往集中雲的資料量，從而節省了網路頻寬和雲端儲存資源。

無線接入網擁有比骨幹網際網路連線更高的頻寬。一般，一個應用程式的執行由多個任務組成，其中每個任務都是一個計算工作或者是要執行的功能。那麼這些任務可以由執行緒或程序分發到不同的物理裝置或虛擬機器上被執行。一些複雜的任務可以從移動終端解除安裝到計算力更強且時延最低的邊緣節點上。由此MEC可以實現以前不能提供的時序強並且高頻寬的應用。值得注意的是，有些應用過程會滿足以上多個MEC的特徵。另外，MEC應用還可以按傳統 應用和新興IoT應用分類。對於IoT應用，MEC需要實現IoT中物物通訊或物人通訊的感知、事件偵測、激勵控制功能。很多IoT應用不僅會產生海量資料，還容易引發邊緣網路堵塞，還會容易出現感知-處理-激勵控制環。

傳統應用更多的是處理客戶-服務機的互動，實現的更多是點對點的通路。因而，IoT應用的需求是驅動MEC的主要原因之一。為什麼呢？第一：成千上萬的物聯裝置會在網路邊緣消耗併產生資料，這導致了網路邊緣資料處理和聚合的需求，只有聚合之後的資料釋出在網路上才能緩解網路頻寬的壓力。第二：實時的M2M監控、分析和控制環需要用MEC來降低時延。第三：資源（電源、計算、儲存）受限的物聯終端需要將儲存和計算任務分發在更強的裝置上。

根據使用者-MEC互動的方式，MEC功能還可以分為計算分載、協作計算和聯網處理幾類。

計算分載的功能可以解決資源受限的終端實現計算密集型任務的問題。比如計算資源和電池容量受限的移動裝置和物聯網終端裝置，具體的應用有AR、面部識別、語音處理等應用過程可以分解成多個任務處理，一部分任務可以用MEC來完成。移動終端通過MEC來實現計算分載的話，還可以降低自身的能耗。雖然移動終端也可以將計算任務分載到“雲”端，但如果在都可以進行計算任務的前提下，MEC更貼近終端的邊緣優勢可極大地降低計算時延並節省了骨幹網的傳輸頻寬，還可以提供更好的私密性和安全性。

協作計算即MEC網路的多個裝置可以相互協作來完成一個任務。協作計算可以實現邊緣網路的實時環境認知分散式計算系統。比如，智慧交通控制場景中，裝在道路周圍用來偵測交通工具和行人的攝像和感知裝置將採集的資料傳到MEC節點上配置的交通控制器上，然後通過MEC協作計算實現速度測量、距離測量和數量測量等功能，從而實現對多個交通訊號燈的控制。類似地，對於交通工具識別和跟蹤應用，交通監控攝像機可以幫助實現尋找跟蹤識別的警務任務。智慧相機可實現偵測固定區域內的行為活動功能，再將實時錄影傳輸到MEC節點上執行計算機視覺演算法來定位可疑目標，並控制相機進行旋轉變焦以獲取更視野來追蹤目標。聯網資料處理的應用。

基於動態的本地網路狀態資訊和使用者環境（資料從移動終端發到網路資料中心、從資料中心發到移動終端、從移動終端到移動終端），MEC節點實現聯網資料處理、聚合和儲存以獲取效能優化和使用者體驗提升。

關於IoT的例子，一些IoT感知裝置手機了很多相關資料並將它們發往MEC節點進行進一步處理、聚合和快取。

關於使用者生成的自媒體視訊或影象，可以先通過MEC節點進行壓縮處理再發往網際網路的資料中心，這可以有效減少網路擁塞和儲存需求，從而提高了資料中心的可擴充套件性。

關於傳輸多路視訊流到移動端時的擁塞應用，MEC可在傳送這些多路視訊流訊號之前對其進行低位元速率的轉換從而優化全域性使用者體驗。

關於本地網路政策的應用，MEC可以對要發往本地網路的資料進行安全性檢測、還可以根據使用者終端的能力對媒體檔案進行格式轉換、甚至還可以根據使用者環境在傳送資料時插入本地內容。

MEC還可以在轉發使用者請求到遠端應用伺服器前插入一些網路資訊（比如本地可用頻寬等），這樣應用服務可利用網路資訊更好的服務使用者。