王婷婷 甘臣權(quán) 張祖凡

(重慶郵電大學(xué)通信與信息工程學(xué)院 重慶 400065)

0 引 言

物聯(lián)網(wǎng)(Internet of Things,IoT)作為新一代信息技術(shù)，它通過在設(shè)備之間建立連接，實現(xiàn)對萬物的智能感知與實時狀態(tài)監(jiān)管[1-2]。根據(jù)2018年思科可視化網(wǎng)絡(luò)指數(shù)(VNI)報告，到2022年，機(jī)器設(shè)備連接數(shù)量將達(dá)到146億，占比將達(dá)到51%，超過全球連接設(shè)備的一半[3]。將非傳統(tǒng)對象連接到網(wǎng)絡(luò)將提高行業(yè)和社會的可持續(xù)性和安全性，并使物理世界與數(shù)字時間之間的有效交互成為可能。IoT被描述為一種顛覆性技術(shù)，用于解決當(dāng)今社會的大多數(shù)問題，如智慧城市、智能交通、污染監(jiān)測、智能醫(yī)療等。工業(yè)物聯(lián)網(wǎng)作為IoT的一個重要分支，是支撐智能生產(chǎn)和制造的一套關(guān)鍵使能技術(shù)體系。IIoT通過智能和遠(yuǎn)程管理提高生產(chǎn)率和效率，主要應(yīng)用于工業(yè)生產(chǎn)、電力、能源、農(nóng)業(yè)等關(guān)系到國計民生的關(guān)鍵性產(chǎn)業(yè)中[4]。由于IIoT服務(wù)的行業(yè)的特殊性和重要性要求IIoT能通過智能化手段對環(huán)境信息進(jìn)行感知、支持大量異構(gòu)設(shè)備接入、支持海量多源、多模態(tài)數(shù)據(jù)高速率傳輸、具備更強的安全性，從而為企業(yè)生產(chǎn)提供更好的服務(wù)[5]。

IIoT環(huán)境中產(chǎn)生的工業(yè)數(shù)據(jù)需要進(jìn)行存儲、處理和分析，傳統(tǒng)的工業(yè)數(shù)據(jù)處理方式是將數(shù)據(jù)傳輸?shù)郊惺皆品?wù)器計算，云服務(wù)器的計算能力強，能夠處理計算量較大的任務(wù)[6]。但是對大量數(shù)據(jù)的集中式處理可能會導(dǎo)致嚴(yán)重的網(wǎng)絡(luò)擁塞，同時，遠(yuǎn)距離的傳輸也將導(dǎo)致延遲問題，從而影響IIoT中各種應(yīng)用程序的整體服務(wù)質(zhì)量(Quality of Service,QoS)。為了應(yīng)對這些挑戰(zhàn)，提出了計算模式的轉(zhuǎn)變，通常被稱為MEC。MEC是將原本位于云數(shù)據(jù)中心的服務(wù)和功能“下沉”到移動網(wǎng)絡(luò)的邊緣，在移動網(wǎng)絡(luò)邊緣提供計算、存儲、網(wǎng)絡(luò)和通信資源[7]。與傳統(tǒng)位于核心網(wǎng)數(shù)據(jù)中心的云計算相比，MEC在更靠近數(shù)據(jù)源的位置對任務(wù)進(jìn)行處理，可以降低網(wǎng)絡(luò)傳輸帶來的延時，實現(xiàn)低延遲、高可靠通信。MEC應(yīng)該被看作是對云計算的補充，而不是競爭，云和邊緣設(shè)備之間的協(xié)作和相互作用可以幫助降低能耗，此外還可以為IIoT環(huán)境中的各種應(yīng)用維持QoS。

1 MEC概述

1.1 概念及架構(gòu)

歐洲電信標(biāo)準(zhǔn)化協(xié)會(European Telecommunications Standard Institute,ETSI)于2014年12月啟動對MEC標(biāo)準(zhǔn)化研究，其目的是制定在多供應(yīng)商環(huán)境中運行第三方應(yīng)用程序的統(tǒng)一規(guī)范，克服集中式云計算環(huán)境的延遲[8]。此時MEC中的“M”表示“mobile”，主要指移動通信網(wǎng)絡(luò)環(huán)境。隨著研究的不斷深入，自2016年9月起，ETSI ISG將“M”的含義擴(kuò)展為“multi-access”，以擴(kuò)大其在異構(gòu)網(wǎng)絡(luò)(如Wi-Fi和固定接入技術(shù))中的適用性，“移動邊緣計算”的術(shù)語也逐漸被延展為多接入邊緣計算(Multi-access Edge Computing,MEC)[9]。但是目前業(yè)界乃至ETSI等標(biāo)準(zhǔn)制定組織研究的重點仍然是移動網(wǎng)絡(luò)，因此現(xiàn)在業(yè)界仍多以“移動邊緣計算”稱之。

MEC是指在移動網(wǎng)絡(luò)邊緣、無線接入網(wǎng)(RAN)內(nèi)、靠近用戶的位置提供IT服務(wù)和云計算能力。其基本思想是把云平臺遷移到網(wǎng)絡(luò)邊緣，實現(xiàn)傳統(tǒng)電信網(wǎng)與互聯(lián)網(wǎng)業(yè)務(wù)深度融合，并借助無線網(wǎng)絡(luò)提供的信息服務(wù)、位置服務(wù)、標(biāo)識服務(wù)和寬帶管理服務(wù)能力，減少業(yè)務(wù)交付端到端時延，提升業(yè)務(wù)部署的靈活性和用戶體驗，從而給電信運營商的運營模式帶來全新變革，并建立新型的產(chǎn)業(yè)鏈及生態(tài)圈[10]。

在MEC技術(shù)介紹白皮書[11]中，ETSI MEC ISG為MEC服務(wù)器平臺定義了一個參考框架，該平臺由托管基礎(chǔ)設(shè)施和應(yīng)用程序平臺組成，如圖1所示。MEC托管基礎(chǔ)設(shè)施由硬件資源和虛擬化層組成，可以在集中式服務(wù)器中運行多種應(yīng)用程序。MEC應(yīng)用平臺包括MEC虛擬化管理器和MEC應(yīng)用平臺服務(wù)，MEC虛擬化管理器通過提供基礎(chǔ)設(shè)施即服務(wù)(Infrastructure as a Service，IaaS)設(shè)施，為應(yīng)用程序提供靈活、高效的多租戶、運行時和托管環(huán)境；MEC應(yīng)用平臺服務(wù)為托管在MEC服務(wù)器上的應(yīng)用程序提供服務(wù)注冊、通信服務(wù)、無線網(wǎng)絡(luò)信息服務(wù)和流量卸載功能。運營商通過MEC應(yīng)用平臺管理接口來對MEC應(yīng)用平臺以及托管在MEC平臺上的應(yīng)用程序和服務(wù)的生命周期進(jìn)行管理配置。

圖1 MEC服務(wù)器平臺基本架構(gòu)

1.2 MEC關(guān)鍵技術(shù)

實現(xiàn)MEC范式并使其可操作，主要依賴于軟件定義網(wǎng)絡(luò)(Software Define Network，SDN)、網(wǎng)絡(luò)功能虛擬化(Network Function Virtualization，NFV)和網(wǎng)絡(luò)切片(Network Slicing)[12]，本節(jié)主要對這三種實現(xiàn)MEC的關(guān)鍵技術(shù)進(jìn)行介紹。

1) 軟件定義網(wǎng)絡(luò)(SDN)。SDN的主要思想是允許商品和現(xiàn)成的硬件來創(chuàng)建可以編程且具有感知能力的智能網(wǎng)絡(luò)[13]。將管理網(wǎng)絡(luò)的控制平面與傳輸實際數(shù)據(jù)流的數(shù)據(jù)平面分開，兩個控制平面之間有明確的開放接口的定義，以確保各種設(shè)備制造商和供應(yīng)商之間的互操作性。邏輯上集中的SDN控制器有助于解決經(jīng)典的網(wǎng)絡(luò)問題，例如路由、隧道和IP地址轉(zhuǎn)換，以及未來5G應(yīng)用面臨的新挑戰(zhàn)(例如UE移動性、對服務(wù)降級的適應(yīng)性、針對應(yīng)用的安全性、集成保護(hù)物聯(lián)網(wǎng)系統(tǒng))。通過SDN，可以靈活地控制MEC之間的網(wǎng)絡(luò)流量，以便將MEC計算和緩存無縫集成到為移動應(yīng)用程序中提供網(wǎng)絡(luò)服務(wù)。

2) 網(wǎng)絡(luò)功能虛擬化(NFV)。NFV利用虛擬化技術(shù)來實現(xiàn)靈活的網(wǎng)絡(luò)功能設(shè)計、部署和管理，獨立于底層物理網(wǎng)絡(luò)設(shè)備[14]。這些網(wǎng)絡(luò)功能可能包括防火墻、深度數(shù)據(jù)包檢測、演進(jìn)數(shù)據(jù)包核心(EPC)的元素(即在LTE網(wǎng)絡(luò)上提供融合語音和數(shù)據(jù)的框架)的經(jīng)典功能，也包括網(wǎng)絡(luò)編碼、數(shù)據(jù)聚合或計算即服務(wù)等創(chuàng)新功能。NFV概念的直觀擴(kuò)展將單個虛擬網(wǎng)絡(luò)功能按順序組合在一起，以模塊化所謂的服務(wù)功能鏈(SFC)中的復(fù)雜功能[15]。例如通過添加另一個軟件實例或特定資源(例如CPU能力或內(nèi)存)，可以很容易地增加MEC平臺中流行應(yīng)用程序的資源。文獻(xiàn)[15]和文獻(xiàn)[16]分別研究了在動態(tài)邊緣網(wǎng)絡(luò)中為虛擬設(shè)備的高效實例化、放置和遷移而嵌入虛擬網(wǎng)絡(luò)的概念，而在文獻(xiàn)[17]中考慮了為提高NFV性能而設(shè)計的中間件平臺。

3) 網(wǎng)絡(luò)切片。網(wǎng)絡(luò)切片已成為一個關(guān)鍵的概念，它通過提供一個靈活的網(wǎng)絡(luò)平臺，以有效支持具有不同服務(wù)需求的業(yè)務(wù)。它可以將一個網(wǎng)絡(luò)分割成多個實例，每個實例都針對不同服務(wù)需求在同一基礎(chǔ)設(shè)施上構(gòu)建多個具有不同邏輯、個性化和安全性隔離的網(wǎng)絡(luò)，能在滿足服務(wù)需求的同時節(jié)約網(wǎng)絡(luò)建設(shè)成本[18-19]。網(wǎng)絡(luò)切片使虛擬移動網(wǎng)絡(luò)運營商、服務(wù)器和應(yīng)用程序之間的資源共享成為可能，如文獻(xiàn)[20]討論3GPP移動網(wǎng)絡(luò)中引入了網(wǎng)絡(luò)切片代理的概念，使其在原有基礎(chǔ)上增加了網(wǎng)絡(luò)共享管理和服務(wù)公開功能。同時為了滿足傳入請求的服務(wù)需求，網(wǎng)絡(luò)切片需要結(jié)合網(wǎng)絡(luò)和云資源，包括帶寬、網(wǎng)絡(luò)功能及處理、存儲和訪問大數(shù)據(jù)或運行分析等常見的MEC實用工具。

1.3 MEC典型應(yīng)用場景

1.3.1計算密集型應(yīng)用

計算密集型應(yīng)用是指設(shè)備在短時間產(chǎn)生大量數(shù)據(jù)，以計算速度為主要指標(biāo)，要求對數(shù)據(jù)進(jìn)行實時的分析和處理，因此對設(shè)備的性能有較高的要求。增強現(xiàn)實(AR)和虛擬現(xiàn)實(VR)都屬于計算密集型應(yīng)用，增強現(xiàn)實是通過電腦技術(shù)將虛擬物體以合適的姿態(tài)精確投射到真實場景中的特定位置，虛擬現(xiàn)實是創(chuàng)建和體驗虛擬世界的計算機(jī)仿真系統(tǒng)，利用計算機(jī)實現(xiàn)交互式三維動態(tài)視景，使用戶沉浸在該環(huán)境中。文獻(xiàn)[21]考慮到視頻清晰度和網(wǎng)絡(luò)環(huán)境的擁堵提出移動邊緣緩存策略，在基站(Base Station，BS)中引入深度學(xué)習(xí)，利用所收集的數(shù)據(jù)和強大的計算能力在邊緣節(jié)點利用長短期記憶網(wǎng)絡(luò)(LSTM)預(yù)測內(nèi)容流行度和網(wǎng)絡(luò)路由表的變化來實時自動學(xué)習(xí)緩存策略，決定保留哪些任務(wù)緩存在用戶附近的BS中，實現(xiàn)用戶對視頻的快速調(diào)用。

1.3.2視頻監(jiān)控

在過去，監(jiān)控攝像頭一般是將數(shù)據(jù)傳輸?shù)胶蠖朔?wù)器或上傳至云服務(wù)器，由于監(jiān)控攝像頭在我們生活中的廣泛應(yīng)用，將數(shù)據(jù)存儲在本地不利于數(shù)據(jù)的調(diào)用，而將大量的視頻數(shù)據(jù)上傳至云端進(jìn)行處理又會給網(wǎng)絡(luò)帶來巨大壓力。文獻(xiàn)[22]提出一種基于邊緣計算的實時故障檢測算法，在前端或靠近視頻源的位置對視頻內(nèi)容進(jìn)行分析，定位和識別發(fā)生故障的監(jiān)控設(shè)備，并且根據(jù)內(nèi)容動態(tài)調(diào)節(jié)視頻質(zhì)量，提高實際應(yīng)用中視頻的實時性。結(jié)合監(jiān)控視頻分析，文獻(xiàn)[23]提出一個以邊緣為中心的視頻監(jiān)控系統(tǒng)，該系統(tǒng)首先對事件進(jìn)行檢測，然后根據(jù)事件的重要程度自適應(yīng)調(diào)整視頻質(zhì)量和傳輸速率。文獻(xiàn)[24]中提出在邊緣環(huán)境中基于深度學(xué)習(xí)算法的分布式智能監(jiān)控系統(tǒng)來監(jiān)控道路車輛，作者提出一個多層邊緣計算結(jié)構(gòu)并根據(jù)結(jié)構(gòu)部署多個深度學(xué)習(xí)(DL)模型，同時考慮到監(jiān)控終端的數(shù)量不恒定且邊緣節(jié)點的計算能力不同，提出了動態(tài)數(shù)據(jù)遷移去平衡邊緣計算系統(tǒng)的工作負(fù)載。仿真結(jié)果表明監(jiān)控終端的執(zhí)行時間下降了71.01%，且任務(wù)規(guī)模的增加不會導(dǎo)致時間翻倍。

1.3.3移動大數(shù)據(jù)分析

無處不在的智能手機(jī)及其來自應(yīng)用程序和傳感器產(chǎn)生的大數(shù)據(jù)正在對網(wǎng)絡(luò)帶寬造成巨大壓力[25]。大數(shù)據(jù)是由大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)組成的數(shù)據(jù)集合，依托單一的設(shè)備很難對其進(jìn)行處理。大數(shù)據(jù)分析是指通過大量的原始數(shù)據(jù)進(jìn)行分析和處理，然后從中提取有意義的信息，以實現(xiàn)精準(zhǔn)營銷、定向廣告、商業(yè)智能、情景感知計算等功能。在終端設(shè)備附近部署MEC服務(wù)器來進(jìn)行大數(shù)據(jù)分析，可以降低傳輸網(wǎng)絡(luò)帶寬和時延。例如，利用附近的MEC服務(wù)器對大數(shù)據(jù)進(jìn)行收集和預(yù)處理，然后將處理后的結(jié)果傳輸至核心網(wǎng)進(jìn)一步分析，可以減輕網(wǎng)絡(luò)壓力[26]。

1.3.4工業(yè)物聯(lián)網(wǎng)

IIoT是機(jī)器、計算機(jī)和人員使用業(yè)務(wù)轉(zhuǎn)型所取得的先進(jìn)的數(shù)據(jù)分析成果來實現(xiàn)智能化的工業(yè)操作[27]。但是在IIoT領(lǐng)域的應(yīng)用實踐中，需要較高的實時控制和安全隱私要求，利用邊緣計算可以很好地實現(xiàn)低時延和數(shù)據(jù)的隔離，因此將邊緣計算應(yīng)用于IIoT成為了行業(yè)發(fā)展的方向。2017年中國電子技術(shù)標(biāo)準(zhǔn)化研究院發(fā)布的《工業(yè)物聯(lián)網(wǎng)白皮書》論述了在IIoT中應(yīng)用邊緣計算的意義，在邊緣側(cè)進(jìn)行實時的數(shù)據(jù)分析和智能化處理，具有安全、快捷、易于管理等優(yōu)勢，能更好地支撐本地業(yè)務(wù)的實時智能化處理和執(zhí)行，滿足網(wǎng)絡(luò)的實時需求，使計算資源更有效地得到利用[28]。

2 MEC在IIoT中的研究進(jìn)展

2.1 MEC在IIoT中的架構(gòu)

MEC被視為5G時代支持IIoT業(yè)務(wù)的有前途的技術(shù)。但是，現(xiàn)有的主流MEC框架在支持IIoT時暴露出許多問題，如開發(fā)復(fù)雜、開發(fā)復(fù)用率低、軟件可維護(hù)性和可移動性差、靈活性差等。因此，為了解決上述問題，文獻(xiàn)[29]提出一種專門針對IIoT的新型MEC服務(wù)器框架，如圖2所示。網(wǎng)絡(luò)層負(fù)責(zé)所有通信功能，充當(dāng)數(shù)據(jù)傳輸接口；資源虛擬化層包括設(shè)備功能虛擬化(DFV)和為資源塊(RBs)提供服務(wù)，將MEC服務(wù)器的計算和存儲資源分割成多個RBs，并可以對其進(jìn)行動態(tài)調(diào)整，提高應(yīng)用程序的可維護(hù)性和靈活性；資源管理層包括虛擬資源組(VRG)和資源管理兩個模塊，負(fù)責(zé)服務(wù)和虛擬資源之間的協(xié)調(diào)；應(yīng)用層負(fù)責(zé)IIoT應(yīng)用程序的開發(fā)、部署和操作。

圖2 針對IIoT的MEC服務(wù)器參考架構(gòu)

2.2 計算卸載

計算卸載是MEC的關(guān)鍵技術(shù)，通過將計算量過大或本地?zé)o法處理的任務(wù)合理分配給性能強大的服務(wù)器代為處理，然后把處理后的計算結(jié)果返回到本地設(shè)備[30]。計算卸載主要針對卸載方式、卸載粒度和卸載決策三個問題進(jìn)行處理，即是選擇部分卸載還是全部卸載？卸載多少？卸載到何處？同時在計算卸載過程中需要考慮不同因素的影響[31]，例如本地設(shè)備的性能、信道的通信質(zhì)量、MEC服務(wù)器的計算能力和資源分配情況等，因此根據(jù)周圍環(huán)境和任務(wù)要求制定合理的卸載算法具有關(guān)鍵意義。本節(jié)分別以延時、能耗、效用為優(yōu)化目標(biāo)對卸載問題進(jìn)行闡述，表1對基于不同優(yōu)化目標(biāo)的卸載策略的適用范圍進(jìn)行了比較。

表1 3種基于不同優(yōu)化目標(biāo)的卸載策略比較

2.2.1基于時延的卸載策略

文獻(xiàn)[32]將卸載分為三種模式：完全本地計算、完全MEC卸載和部分計算卸載，將聯(lián)合計算、卸載和模式選擇問題描述為任務(wù)執(zhí)行延遲最小化問題，利用擴(kuò)展搜索算法和KM(Khun-Munkres)算法以獲得最優(yōu)解，數(shù)值結(jié)果表明，該方案優(yōu)于基準(zhǔn)方案。文獻(xiàn)[33]中作者致力于實現(xiàn)多層部分計算卸載，以減少MEC系統(tǒng)的時間延遲。將移動云計算(Mobile Cloud Computing,MCC)、MEC和本地結(jié)合起來進(jìn)行計算卸載，綜合考慮MCC計算資源豐富和MEC傳輸時延低的特點，以計算延時和傳輸延時最小化為約束目標(biāo)，(包括數(shù)據(jù)傳輸時間和處理時間)為優(yōu)化目標(biāo)。仿真實驗證明與基準(zhǔn)算法相比最多能減少30%的執(zhí)行延遲，且該算法具有普適性。文獻(xiàn)[34]研究了低功耗IoT系統(tǒng)的MEC卸載細(xì)粒度的任務(wù)卸載問題，首先針對單用戶MEC系統(tǒng)提出最早完成時間算法，而后將該算法擴(kuò)展到具有異構(gòu)服務(wù)器的多用戶系統(tǒng)，協(xié)調(diào)多個用戶之間通信和計算資源的競爭。同時設(shè)計了一種可以實現(xiàn)納什均衡的分布式計算卸載算法以提高卸載決策的效率。仿真表明，該算法可以減少86.1%的端到端任務(wù)執(zhí)行時間。

文獻(xiàn)[35]針對延時敏感型應(yīng)用提出一種基于MEC緩存機(jī)制的任務(wù)卸載策略。將卸載問題轉(zhuǎn)換為凸優(yōu)化問題，以滿足用戶延時需求的同時最小化設(shè)備總能耗為目標(biāo)對其進(jìn)行求解。文獻(xiàn)[36]考慮到超密集網(wǎng)絡(luò)中的低延時需求問題，根據(jù)SDN的思想，提出一種基于超密集網(wǎng)絡(luò)中的MEC卸載框架，然后將卸載問題轉(zhuǎn)化為一個混合整數(shù)非線性規(guī)劃，以電池容量有限的情況下最小化平均任務(wù)持續(xù)時間為目標(biāo)，提出了一種高效的軟件定義任務(wù)卸載策略。仿真結(jié)果表明，與傳統(tǒng)的隨機(jī)分布和均勻計算卸載方案相比，該方案減少20%的任務(wù)持續(xù)時間，具有更高的效率。文獻(xiàn)[37-38]考慮在混合環(huán)境中放置NFV實例的問題，提出了一種基于遺傳算法的元啟發(fā)式算法，以實現(xiàn)最小訪問時延和最大化服務(wù)可用性。

文獻(xiàn)[39]提出了一個移動感知的分層MEC框架，設(shè)計一個兩層MEC資源管理，其中MEC服務(wù)器由可再生能源驅(qū)動，與移動設(shè)備(Mobile Devices，MD)相比，這些服務(wù)器具有更高的能效。第一層資源由M個MEC服務(wù)器組成，這些MEC服務(wù)器分別安裝在M個BSs上；第二層由備份計算服務(wù)器構(gòu)成，當(dāng)MEC服務(wù)器的計算資源不足以滿足智能設(shè)備的需求時，計算服務(wù)器與MEC服務(wù)器給他處理計算任務(wù)。為降低智能設(shè)備的能源成本和任務(wù)執(zhí)行時間，繼而開發(fā)了一種基于激勵的最優(yōu)計算卸載方案，該方案在最大程度上提高了服務(wù)提供商的效用，同時降低了智能設(shè)備的能耗和任務(wù)執(zhí)行時間。文獻(xiàn)[40]針對兩層結(jié)構(gòu)之間的交互提出一種用于任務(wù)卸載的雙層編程模型，通過建立層級之間的信任機(jī)制以減少協(xié)作產(chǎn)生的卸載能耗和通信延時。

2.2.2基于能耗的卸載策略

在IIoT場景下的設(shè)備除了數(shù)量巨大之外，其種類也很繁雜，如傳感器、執(zhí)行器、智能終端等，許多設(shè)備由于尺寸的限制導(dǎo)致在其能量和計算能力方面受限。文獻(xiàn)[41]聯(lián)合考慮異構(gòu)計算資源、等待時間要求、終端設(shè)備功耗、信道狀態(tài)，提出了一種低復(fù)雜度的迭代算法，以最小化設(shè)備的能量消耗。文獻(xiàn)[42]針對異構(gòu)IIoT提出了一種基于機(jī)會成本的任務(wù)卸載算法，該算法提出一個兩層MEC-Cloud架構(gòu)，假定其中物聯(lián)網(wǎng)移動設(shè)備的任務(wù)是可分割的，并通過可靠的傳輸分別將任務(wù)卸載到MEC和云服務(wù)器。同時作者考慮了能源和任務(wù)優(yōu)先級之間的博弈，通過增加權(quán)重，將更多的計算資源放在關(guān)鍵任務(wù)上，以最小的能量消耗和卸載失敗率聯(lián)合優(yōu)化對任務(wù)卸載的通信和計算資源分配。仿真結(jié)果表明，該算法能較好地協(xié)調(diào)本地和遠(yuǎn)程資源，具有較低的能耗和任務(wù)阻塞概率，并可以通過調(diào)整任務(wù)的優(yōu)先級以保證QoS。

同樣考慮到IoT設(shè)備電池電量和計算能力的限制，文獻(xiàn)[43]提出一種強化學(xué)習(xí)的無模型計算卸載方案，利用Q學(xué)習(xí)算法根據(jù)當(dāng)前電量水平和當(dāng)前的數(shù)據(jù)傳輸速率去決定下一個任務(wù)卸載到MEC服務(wù)器的比例，旨在最大程度地減少IoT設(shè)備任務(wù)的執(zhí)行時間和能耗。但是這種方法的收斂速度慢導(dǎo)致性能下降，為進(jìn)一步提高學(xué)習(xí)速度，文獻(xiàn)[44]提出一個基于深度強化學(xué)習(xí)(Deep Reinforcement Learning，DRL)的卸載方案，該方案利用深度卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)壓縮狀態(tài)空間以加速Q(mào)學(xué)習(xí)算法的收斂速度。仿真結(jié)果表明，與基準(zhǔn)卸載相比該方案降低了能耗、計算延時和丟包率，從而提高了IoT設(shè)備在動態(tài)MEC環(huán)境中的效用。

文獻(xiàn)[45]針對許多工業(yè)應(yīng)用程序中，智能設(shè)備可能有一組任務(wù)需要并行處理，不同的任務(wù)具有不同的計算需求和不同的延遲限制。提出一種基于非正交多址(NOMA)的多任務(wù)多訪問計算卸載方案，以滿足時延要求為前提，最小能耗為目標(biāo)，利用NOMA去支持一個具有多個任務(wù)的智能終端同時將不同任務(wù)的計算工作量分配給不同的MEC服務(wù)器。同時為了實現(xiàn)NOMA傳輸，我們需要一個合適的調(diào)度方案來對不同的任務(wù)進(jìn)行分組，使部分任務(wù)可以通過NOMA傳輸同時卸載到MEC服務(wù)器。數(shù)值結(jié)果驗證了提出的算法在降低能耗方面的優(yōu)勢，特別是在任務(wù)的計算工作量要求高、延遲限制嚴(yán)格的情況下。文獻(xiàn)[46]進(jìn)一步研究了多智能終端的場景，將一組智能終端各自的工作負(fù)載卸載到一組MEC服務(wù)器，提出一個MEC服務(wù)器交換算法，確定服務(wù)于不同智能終端的MEC服務(wù)器的最佳分組，以最大程度降低智能終端的傳輸功耗和能耗。

2.2.3基于收益的卸載策略

時延和能耗都是IIoT設(shè)備需要重點考慮的對象，對于一些時間敏感的數(shù)據(jù)，在規(guī)定的時間內(nèi)未完成，該數(shù)據(jù)作廢。文獻(xiàn)[47]提出一種具有優(yōu)先級和公平性的協(xié)作傳輸優(yōu)化機(jī)制，始終對剩余處理時間最少的流進(jìn)行優(yōu)先排序，以最大限度地提高傳輸成功率并充分利用資源。并且考慮到部分IoT設(shè)備因為信道質(zhì)量差而無法直接將任務(wù)卸載到MEC服務(wù)器，選擇周圍的節(jié)點作為中繼節(jié)點，并根據(jù)截止時間分配帶寬。

文獻(xiàn)[48]研究了由多個智能移動設(shè)備向MEC服務(wù)器進(jìn)行的計算卸載，并且存在需要優(yōu)先考慮計算卸載服務(wù)的特定用戶。作者提出一個雙目標(biāo)優(yōu)化問題，即在無線電資源不足的情況下，在保持設(shè)備優(yōu)先級的同時，最大程度地降低總體能耗。每個任務(wù)都可以選擇在本地執(zhí)行或者卸載到MEC服務(wù)器，對于無線信道資源不足的情況，只能卸載有限的任務(wù)，因此根據(jù)優(yōu)先級分配有限的信道對任務(wù)進(jìn)行卸載，對于優(yōu)先級低的任務(wù)，即使超過延時，它也只能在本地進(jìn)行處理，根據(jù)此方案設(shè)置針對智能移動設(shè)備優(yōu)先級的懲罰函數(shù)。提出并評估一種啟發(fā)式方案，根據(jù)無線電資源的可用性來管理卸載決策，在滿足能量最小化的同時，最大化智能移動設(shè)備的滿意度。文獻(xiàn)[49]面對由于大規(guī)模設(shè)備而導(dǎo)致的卸載規(guī)模和QoS之間的權(quán)衡問題，提出一個輕量級請求和接納框架，即設(shè)備將延時要求封裝在卸載請求中，然后服務(wù)器返回需要等待的時間和消耗的能耗，設(shè)備根據(jù)服務(wù)器返回結(jié)果自我指定和自我拒絕進(jìn)行卸載來進(jìn)一步減少信令開銷。文獻(xiàn)[50]將最高和最低用戶優(yōu)先級的集群分別分配給邊緣和本地計算，利用深度Q學(xué)習(xí)算法去學(xué)習(xí)最佳分布式計算卸載策略，以最大限度地減少系統(tǒng)成本，并實現(xiàn)能耗和任務(wù)等待時間的均衡。

MEC服務(wù)器有限的計算資源和移動用戶需求使得將計算任務(wù)卸載到合適的MEC服務(wù)器成為一項挑戰(zhàn)，文獻(xiàn)[51]首先針對移動用戶發(fā)射功率分配問題，假設(shè)每個移動用戶都是自私的，都在努力最小化傳輸數(shù)據(jù)的能耗，利用擬凸技術(shù)，提出了一種基于次梯度的非合作博弈模型。然后通過構(gòu)造一個混合整數(shù)非線性規(guī)劃，以最小化請求的響應(yīng)延遲為目標(biāo)提出了移動用戶請求卸載和微基站計算資源調(diào)度的聯(lián)合優(yōu)化問題。將該問題分析為一個雙重決策問題，提出一個多目標(biāo)優(yōu)化算法。仿真結(jié)果表明，該算法網(wǎng)絡(luò)中可以保持良好的性能。文獻(xiàn)[52-54]通過在MEC系統(tǒng)中配置能量收割(Energy Harvesting，EH)設(shè)備為MD提供額外的能量，考慮當(dāng)前電池狀態(tài)和EH設(shè)備收集的能量提出一種在線動態(tài)李雅普諾夫優(yōu)化卸載算法，通過調(diào)整參數(shù)對能量消耗和延時最小化問題進(jìn)行權(quán)衡，決定是將產(chǎn)生的任務(wù)在本地執(zhí)行、MEC服務(wù)器執(zhí)行或者丟棄。仿真結(jié)果表明，該算法具有高能效和低延時。其中文獻(xiàn)[54]進(jìn)一步考慮了信道狀態(tài)和任務(wù)到達(dá)的隨機(jī)性，制定了一個隨機(jī)優(yōu)化問題。根據(jù)任務(wù)隊列穩(wěn)定性、峰值傳輸速率、能量因果關(guān)系來約束時延，實現(xiàn)對MEC系統(tǒng)中多用戶能源效率和延遲之間的權(quán)衡。

最大化收益的卸載策略是聯(lián)合考慮時間約束和能量消耗，因為不同任務(wù)對時延和能耗的重視程度不同，需要在執(zhí)行卸載過程中通過對時延和能耗兩個指標(biāo)進(jìn)行權(quán)衡，在兩者之間找到一個平衡點使總花費達(dá)到最小，實現(xiàn)最大化收益[55]。

2.3 資源分配

將計算和資源受限的IIoT設(shè)備的任務(wù)卸載到邊緣節(jié)點，極大減輕了設(shè)備的工作量。而由于MEC服務(wù)器中的資源和網(wǎng)絡(luò)資源也是有限的，必須進(jìn)行有效的資源管理。表2對MEC在IIoT中的資源分配的研究進(jìn)行總結(jié)。

表2 MEC在IIoT中的資源分配研究總結(jié)

文獻(xiàn)[56]考慮在5G環(huán)境中多移動用戶的MEC系統(tǒng)，多個MD請求將計算密集型任務(wù)卸載到MEC服務(wù)器，以擴(kuò)展MD的計算能力并節(jié)省其能耗，同時聯(lián)合考慮無線電資源和計算資源分配，設(shè)計一種基于基尼系數(shù)的貪婪啟發(fā)式算法，將基于能耗最小化的非線性規(guī)劃問題降級為凸優(yōu)化問題，不僅可以獲取最佳結(jié)果，而且可以通過可調(diào)的求解精度來計算特定的次優(yōu)結(jié)果。文獻(xiàn)[57]考慮單個邊緣節(jié)點資源有限的問題，提出一種任務(wù)平衡算法，改善邊緣節(jié)點之間的工作負(fù)載均衡，解決了邊緣節(jié)點內(nèi)部計算資源分配問題。文獻(xiàn)[58]針對設(shè)備對信道資源的競爭，提出在移動端部署本地處理器和無線發(fā)射器，將信道傳輸速度、分流比、每個子信道的傳輸功率問題轉(zhuǎn)化為混合整數(shù)優(yōu)化問題。作者通過應(yīng)用拉格朗日對偶分解技術(shù)，提出了一種次優(yōu)收斂算法，仿真結(jié)果表示該算法在保證QoS的情況下最大程度減少了設(shè)備任務(wù)計算過程中的能耗。

為防止任務(wù)卸載到邊緣節(jié)點時該邊緣節(jié)點沒有足夠的可用資源來執(zhí)行卸載任務(wù)，出現(xiàn)循環(huán)等待導(dǎo)致停機(jī)。文獻(xiàn)[59]考慮到MEC節(jié)點被占用或資源不足的情況，提出一個避免死鎖的銀行家資源請求算法。利用SDN控制器與云進(jìn)行通信，并對MEC節(jié)點進(jìn)行通信和管理，其中每個MEC節(jié)點都包含一個監(jiān)視工具，該工具可計算該節(jié)點的資源利用率(CPU、RAM和內(nèi)存)，并將這些信息作為元數(shù)據(jù)在邊緣節(jié)點之間共享。作者提出在IIoT應(yīng)用程序開發(fā)期間，工作人員可以率先指定需要卸載到最近的邊緣節(jié)點的任務(wù)，攜帶完成該任務(wù)需要的CPU、內(nèi)存、網(wǎng)絡(luò)狀況和數(shù)據(jù)量信息。然后當(dāng)MEC節(jié)點接收到卸載任務(wù)時，該MEC節(jié)點根據(jù)SDN網(wǎng)絡(luò)的共享信息和任務(wù)信息，利用基于銀行家資源請求算法決定是將任務(wù)處理在該邊緣節(jié)點或者是遷移到另一個邊緣節(jié)點，以避免MEC平臺出現(xiàn)死鎖。實驗結(jié)果表明，該算法有效地避免了死鎖并實現(xiàn)了IIoT設(shè)備與MEC平臺之間更可靠的網(wǎng)絡(luò)交互。

同樣，文獻(xiàn)[60-61]認(rèn)為雖然MEC服務(wù)器的計算和存儲能力大大高于設(shè)備，設(shè)備生成的任務(wù)對MEC服務(wù)器具有不同需求的請求，MEC服務(wù)器負(fù)責(zé)虛擬化資源以部署各種必需的應(yīng)用程序，但在一個MEC服務(wù)器上只能部署有限數(shù)量的應(yīng)用程序。因此存在MEC服務(wù)器之間的任務(wù)遷移，尤其是當(dāng)所選網(wǎng)絡(luò)鏈路和MEC服務(wù)器的過載可能會造成較長的路由延遲和處理延遲，為了克服這個問題，作者提出一種基于DRL的智能資源分配算法，以最小化分布在不同區(qū)域的MD產(chǎn)生的所有請求的平均服務(wù)時間為優(yōu)化目標(biāo)對網(wǎng)絡(luò)資源(路由選擇)和計算資源進(jìn)行分配?；谀芨玫剡m應(yīng)變化的邊緣網(wǎng)絡(luò)條件，基于DRL強大的自適應(yīng)能力，該算法能更好地適應(yīng)變化的邊緣網(wǎng)絡(luò)環(huán)境。

文獻(xiàn)[62]為了最大化系統(tǒng)效率，提出將資源分配和網(wǎng)絡(luò)經(jīng)濟(jì)學(xué)結(jié)合起來的雙向拍賣機(jī)制。IIoT設(shè)備要求被提供具有所標(biāo)價的計算服務(wù)，MEC服務(wù)器以要價賣出其計算服務(wù)，提出基于盈虧平衡的雙向拍賣(BDA)，盈虧平衡(閾值)指數(shù)是杠桿化的，基于該指數(shù)，滿足條件的買家和賣家都被選中執(zhí)行計算，這種拍賣具有良好的經(jīng)濟(jì)性能。為了進(jìn)一步提高M(jìn)EC的系統(tǒng)效率，使更多IIoT設(shè)備上的任務(wù)被完成，繼而提出基于動態(tài)定價的雙向拍賣(DPDA)，其基本思想是保持盡可能多的可行配對，實現(xiàn)較高的系統(tǒng)效率。

2.4 安 全

由于MEC的多源異構(gòu)性、跨信任域、終端資源有限等特點可能會產(chǎn)生新的安全與隱私問題，因此傳統(tǒng)云計算環(huán)境下的數(shù)據(jù)安全和隱私保護(hù)機(jī)制已不再適用。表3中對MEC在IIoT中安全問題的研究進(jìn)行了總結(jié)。文獻(xiàn)[63]提出一種用于MEC輔助IoT應(yīng)用的隱私保護(hù)聚合方案，該方案模型中包括終端設(shè)備、MEC服務(wù)器和公共云中心。首先，終端設(shè)備使用密鑰加密收集的數(shù)據(jù)并生成相應(yīng)的簽名，并將密文和簽名發(fā)送到MEC服務(wù)器；然后，MEC服務(wù)器使用終端設(shè)備的公鑰來驗證這些消息的有效性，聚合這些密文并生成相應(yīng)的簽名然后提交到公共云服務(wù)器；最后公共云服務(wù)器對MEC的密文的有效性進(jìn)行檢查，并使用密鑰進(jìn)行解密。該方案可以保護(hù)用戶隱私，提供源認(rèn)證和完整性，與傳統(tǒng)方法相比，節(jié)省了近一半的通信成本。

表3 MEC在IIoT中安全方面研究總結(jié)

為建立和維護(hù)一個統(tǒng)一可信的IIoT環(huán)境，文獻(xiàn)[64]提出了一種基于邊緣計算的細(xì)粒度服務(wù)選擇信任評估機(jī)制。邊緣計算平臺通過信任評估機(jī)制過濾服務(wù)請求來抵御惡意攻擊，該平臺作為可信的第三方，是一個有效的服務(wù)訪問點，為服務(wù)選擇提供了一種信任評估和服務(wù)選擇機(jī)制，具有大量的存儲和計算資源。實時更新設(shè)備相關(guān)參數(shù)的信任值記錄，當(dāng)出現(xiàn)異常時，邊緣平臺可以根據(jù)記錄解釋原因。實驗結(jié)果表明，基于記錄準(zhǔn)則的選擇機(jī)制具有全局性、穩(wěn)定性高、容錯能力強且易于管理等優(yōu)點。文獻(xiàn)[65]提出基于DL的多用戶物理層身份驗證方案，該方案利用機(jī)器學(xué)習(xí)的方法改進(jìn)物理層認(rèn)證機(jī)制，極大地提高了IoT中MEC系統(tǒng)發(fā)安全性，考慮到機(jī)器學(xué)習(xí)的訓(xùn)練需要大量的訓(xùn)練樣本，使得訓(xùn)練過程耗時、計算資源密集。采用梯度下降方法來加速深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，降低計算開銷和能耗。文獻(xiàn)[66]提出了一種數(shù)據(jù)增強的多用戶物理層認(rèn)證方案，通過一定的組合操作從已有的數(shù)據(jù)集中重新生成數(shù)據(jù)集，實現(xiàn)了利用機(jī)器學(xué)習(xí)算法建立準(zhǔn)確的認(rèn)證模型。仿真結(jié)果表明，該方法提高了認(rèn)證率，加快了訓(xùn)練熟練，降低了訓(xùn)練成本。

文獻(xiàn)[67]為確保具有無線傳輸功能的系統(tǒng)安全運行，提出對不經(jīng)過服務(wù)器的入侵進(jìn)行檢測，在建筑中安裝射頻(Radio Frequency,RF)監(jiān)測站，以監(jiān)視RF頻譜并收集建筑物內(nèi)及其周圍的所有RF跡線。對收集的RF跡線訓(xùn)練CNN，然后對RF的跡線提取特征，減少特征尺寸，實現(xiàn)監(jiān)督自舉。文獻(xiàn)[68]研究了MEC中數(shù)據(jù)聚合和數(shù)據(jù)挖掘有關(guān)的隱私問題，首先概述了用于異構(gòu)IoT的MEC架構(gòu)，而后提出一種具有差異性隱私的機(jī)器學(xué)習(xí)策略，實驗結(jié)果表明，該方法可以在保證數(shù)據(jù)實用性和數(shù)據(jù)訓(xùn)練準(zhǔn)確性的同時，保證數(shù)據(jù)隱私。文獻(xiàn)[69]考慮到邊緣節(jié)點會面臨安全問題，面對未知的攻擊，提出一種基于無監(jiān)督學(xué)習(xí)模型來實現(xiàn)安全攻擊特征學(xué)習(xí)的主動過程，該模型使用深度信任網(wǎng)絡(luò)來主動獲取攻擊特征。評估結(jié)果表明，相比于其他機(jī)器學(xué)習(xí)算法，該方法能實現(xiàn)更高的準(zhǔn)確性。

3 問題和挑戰(zhàn)

MEC在IIoT環(huán)境中展示了巨大的研究前景，但針對IIoT環(huán)境的MEC研究工作目前仍在起步階段。在IIoT中大規(guī)模應(yīng)用MEC還需要在以下幾個方面進(jìn)一步研究發(fā)展。

3.1 計算卸載和資源分配

通過將延遲敏感或計算密集型任務(wù)卸載到邊緣服務(wù)器，現(xiàn)場設(shè)備可以節(jié)省能源消耗并延長電池壽命。但是，MEC服務(wù)器中有限的資源限制了卸載的可伸縮性。因此，需要優(yōu)化計算分流和資源分配。

計算卸載有應(yīng)用程序和虛擬MEC服務(wù)器支持。在IIoT環(huán)境中，需要大量的傳感設(shè)備對周圍數(shù)據(jù)進(jìn)行采集，由于傳感器的尺寸和部署位置，導(dǎo)致其更換電池困難，且檢修成本過高。所以，對于出現(xiàn)故障的傳感器大多是直接更換。對于網(wǎng)絡(luò)邊緣的無線設(shè)備來說，電池資源是非常珍貴的，將端點層上的部分任務(wù)卸載到邊緣服務(wù)器可以節(jié)約電池消耗。然而目前大量研究都是考慮IIoT設(shè)備的電池消耗和傳輸過程的能量消耗，很少有研究對MEC服務(wù)器的能量消耗進(jìn)行考慮。根據(jù)華為預(yù)測：到2025年，通信行業(yè)將消耗全球20%的電力，占運營商總運營成本的15%[70]。因此，在制定卸載決策的過程中還應(yīng)該考慮MEC服務(wù)器的能量消耗。同時，以深度學(xué)習(xí)和強化學(xué)習(xí)為代表的人工智能(AI)技術(shù)發(fā)展非常迅猛，將AI技術(shù)引入到MEC，利用AI技術(shù)從大量的歷史數(shù)據(jù)中學(xué)習(xí)，可以有效地應(yīng)對動態(tài)環(huán)境。

目前有很多關(guān)于計算資源分配算法的相關(guān)研究，但它們大多認(rèn)為MEC服務(wù)器的計算能力固定且位置分布均勻。而面對IIoT環(huán)境中現(xiàn)場設(shè)備的異構(gòu)性、網(wǎng)絡(luò)環(huán)境的變化、任務(wù)不同的優(yōu)先級、公平性、MEC服務(wù)器受限的資源，需要將計算和通信資源異構(gòu)地分布在網(wǎng)絡(luò)中，以更好地實現(xiàn)負(fù)載均衡，提高QoS。同時，面對網(wǎng)絡(luò)環(huán)境的變化，對資源進(jìn)行動態(tài)分配是未來的一個研究重點。

3.2 可擴(kuò)展性和服務(wù)質(zhì)量

在大規(guī)模IIoT設(shè)計中，可伸縮性是另一個需要考慮的重要特性，面向基于MEC的IIoT網(wǎng)絡(luò)的變化，當(dāng)前的可擴(kuò)展性方案還存在大量的改進(jìn)空間。典型工業(yè)設(shè)備的壽命較長，一般不會隨意更換，但對工業(yè)化生產(chǎn)的需求卻時常會發(fā)生改變，使用最新技術(shù)需要進(jìn)行昂貴的翻新或更換，造成資源的浪費。同時，隨著現(xiàn)場設(shè)備的不斷增加，如果大量設(shè)備同時訪問MEC服務(wù)器，會造成網(wǎng)絡(luò)擁堵，導(dǎo)致服務(wù)中斷。使用MEC系統(tǒng)可以激發(fā)進(jìn)一步的研究，開發(fā)新的服務(wù)和應(yīng)用程序，以確保網(wǎng)絡(luò)效率并提高QoS。MEC可用于維護(hù)緊急情況應(yīng)用程序的網(wǎng)絡(luò)或應(yīng)用需求，并通過保持關(guān)鍵參數(shù)的狀態(tài)提供備份功能來實現(xiàn)可擴(kuò)展性。因此，實現(xiàn)對MEC服務(wù)器的靈活管理是一個重要的研究方向。

MEC可以通過結(jié)合用戶上下文信息、大數(shù)據(jù)和應(yīng)用程序，以增強本地QoS，使邊緣服務(wù)更加智能和個性化。從資源優(yōu)化的角度來看，網(wǎng)絡(luò)功能的組成和分配問題是值得探討的。同時網(wǎng)絡(luò)的狀態(tài)信息是不可預(yù)測的，面對復(fù)雜多變的網(wǎng)絡(luò)環(huán)境、現(xiàn)場設(shè)備電池電量的有限性和設(shè)備的移動性，如何獲取未來的位置信息是非常重要的，機(jī)器學(xué)習(xí)最近成為通過自動從環(huán)境和過去的經(jīng)驗中學(xué)習(xí)來分析和預(yù)測未知行為的重要技術(shù)。

3.3 安全和隱私

除了能源效率和實時性能的要求外，安全也是IIoT的一個重點研究對象。MEC使得大量的實時交互計算在邊緣節(jié)點上完成，極大地提高了處理效率，減少了云計算的工作量。然而，目前MEC的網(wǎng)絡(luò)安全面臨著新的問題，傳統(tǒng)基于云計算的網(wǎng)絡(luò)安全防護(hù)技術(shù)已經(jīng)無法完全適應(yīng)MEC的防護(hù)要求。盡管目前針對MEC的安全隱私進(jìn)行了廣泛的研究，但是將這些方法應(yīng)用于IIoT環(huán)境中仍然存在一些挑戰(zhàn)。

首先，從網(wǎng)絡(luò)的角度，由于IIoT環(huán)境中網(wǎng)絡(luò)的異構(gòu)性，在很多設(shè)置中很難獲取理想的信道狀態(tài)信息，同時，在設(shè)計的同時還需考慮在不完善或未知信道狀態(tài)信息的情況下機(jī)密信息傳輸?shù)陌踩?、可靠性和魯棒性?/p>

其次，從數(shù)據(jù)的角度，傳感器產(chǎn)生大量的數(shù)據(jù)，異常檢測機(jī)制是通過監(jiān)視發(fā)送的數(shù)據(jù)是否存在任何篡改或異常值來檢測故障傳感器。使用簡單的基于閾值的機(jī)制很容易被攻擊者繞開，目前大多采用基于機(jī)器學(xué)習(xí)的機(jī)制，但聰明的攻擊者仍可以通過對傳感器數(shù)據(jù)進(jìn)行一些調(diào)整，去誘導(dǎo)機(jī)器學(xué)習(xí)模型錯誤地分類或錯誤地預(yù)測了結(jié)果，這種攻擊被稱為對抗性機(jī)器學(xué)習(xí)攻擊。因此，目前基于人工智能的安全監(jiān)測仍然是一個開放的研究挑戰(zhàn)。

最后，從資源的角度，由于綠色通信和計算的需要，尤其是在能源有限的環(huán)境中，因此，構(gòu)建一個異構(gòu)、高能效、輕量級、分布式的安全保護(hù)技術(shù)和部署方案將是未來的一個重要研究課題。

3.4 MEC服務(wù)盈利

除了技術(shù)上的挑戰(zhàn)，MEC還帶來了新的業(yè)務(wù)相關(guān)的機(jī)會，允許移動運營商將云和網(wǎng)絡(luò)資源以及特定的服務(wù)結(jié)合起來，并將其貨幣化。在這些類型的網(wǎng)絡(luò)環(huán)境中，資源代理解決方案是需要進(jìn)一步研究的一種方法。服務(wù)使用的資費規(guī)劃，例如無線電分析或視頻優(yōu)化，是一個取決于特定需求的開放問題。此外，還需要更動態(tài)的定價模型、先進(jìn)的會計和監(jiān)測手段。充分注意提供MEC解決方案的經(jīng)濟(jì)激勵措施及其結(jié)構(gòu)，以確保為各種參與者提供可持續(xù)的競爭環(huán)境。同時，為了保證MEC系統(tǒng)的順利運行，還應(yīng)考慮解決不同地區(qū)間潛在經(jīng)濟(jì)沖突的方法。

4 結(jié) 語

將MEC引入到IIoT環(huán)境中有望為資源受限的現(xiàn)場設(shè)備提供低時延、高帶寬和高可靠性的服務(wù)。本文對MEC的概念、框架、支撐技術(shù)和應(yīng)用場景做了基本的介紹，討論了MEC技術(shù)在IIoT中的研究現(xiàn)狀，討論了IIoT環(huán)境的MEC面臨的相關(guān)問題，并對其進(jìn)一步的研究進(jìn)行了論述和展望?？傊Ｍ疚膶γ嫦騃IoT環(huán)境MEC的系統(tǒng)梳理，可以為開展該領(lǐng)域的研究提供參考。