5G时代下的移动边缘计算(MEC)探索系列之二
MEC的优势,就是可以把计算、存储资源分散在网络的各个部分,而应用可以从MEC中按需获取,而MEC的部署方式也是为了满足应用对低延迟的要求。
应用计算量重分配
那么什么应用需要到边缘云上进行计算?或者多少计算量和什么计算量需要到边缘云上计算。这个问题有三种选项:
1、本地处理,全部的计算都在终端进行处理;
2、所有流量都通过MEC处理;
3、一部分本地处理,一部分MEC处理;
而计算能力的重分配(offloading) 取决于很多因素。比如用户的喜好、回程链路的质量保证、终端设备的计算能力、MEC云的计算能力等。因此如何定义应用计算量offloading的策略也是学术界正在研究的方向。
目前来看,有研究价值的第三种,即应用的计算量一部分本地处理,一部分远端处理。由于一些部分应用数据不适合由远端处理(如相机处理图片、用户输入输出、位置数据),而且有些应用不能估计多少的数据量,也无法估计要传输多久(比如在线游戏)也不适合由MEC来进行处理。
比较适合由MEC处理的数据则是人脸识别、病毒扫描等,这些应用都是需要把数据传到后台庞大的数据库中,一般数据库由于其占有的存储资源比较大,因此适合部署在MEC中。
应用切片
由于应用有一个完整的生命周期,其中产生的需要被处理的数据需要按照一定的规则进行切片,比如一个应用中需要被处理的数据切片成1-10份,设置为Optional,那么这10份数据在一定的策略下可以由本地处理,也可以全部由MEC进行处理。如何进行计算处理是基于一定的Policy,比如当前的网络状况和MEC的负载生成的Policy规定4,5,7,8,10由MEC进行处理,那么剩余的则有终端在本地进行处理。另外适合本地处理的数据量会被设置成为Non-offloading,那么这些数据量则由终端本地处理。如下图所示:
数据依赖性
数据的依赖性在分布式系统中都是无法避免的问题,举个例子,在OpenStack的高可用部署的情况下,一般Stateless的组件都是三个active的状态(如RabbitMQ),在创建虚拟机时,都是需要先创建网络的,如果创建网络的消息被消息队列处理时,发生了网络延迟,而创建虚拟机的消息被另外的消息队列先处理了(网络延迟的情况下是可能发生的),要么在程序中就需要加锁,等待网络创建,要么就是在程序中直接报错,抛出虚拟机创建错误。
在边缘计算的场景下,由于边缘云和中心云以及终端程序的地域跨度更大,网络延迟更高,因此发生应用的数据依赖性的问题更加严重。因此从应用的角度出发,也需要应用来调整如何来满足边缘计算的新的基础设施架构。如下图所示,Offloadable part和Non-offloadable part的数据处理相互依赖,从而会引起了数据依赖性的问题。
目前学术界在定义一些组件,如何来满足应用计算量重分配(offloading)的困难:
1、 code profilter来确定哪些数据需要远端处理;
2、 system profilter来确定需要的带宽,字节数量,资源消耗等参数;
3、decision engine来确定哪些数据需要被远端处理;
计算是否远端处理的决定的算法需要满足减小终端计算资源的消耗和最小化延迟,并在这两个指标中达到平衡。在计算节点的选择上,如果计算量无法切片,那么只能到一个计算节点进行计算;一般处于延迟低的要求,会把offloadable的数据量放在就近的MEC中,如果就近的MEC资源不足,那么需要调度到远处去计算,需要同时满足耗电量小和延迟低。由于MEC可能有多个Cluster,那么如何充分利用每个Cluster的资源,也是需要被考虑进去的。
Vm migration
由于有些MEC上的虚拟机部署了合适它附近的终端进行数据的应用。如果终端在地理位置上进行转移,那么改MEC上的虚拟机也需要跟着迁移。需要考虑的是,即使虚拟机迁移只花费数秒钟的时间,也会使得实时的应用只能在终端处理,或者是到其他远处的虚拟机上进行处理。这其实也是需要权衡利弊的,因此将虚拟机迁移分成了可量化的三种变量:
1.VM migration cost(Cost M)迁移时间和迁移所需资源量;
2.VM migration gain(Gain M)延迟减少的时间,缩短路径所节约的资源;
3.目标服务器上本身的计算量;
根据上述这三种变量,需要研究一种算法,确定虚拟机是否需要迁移,另外,需要找到一个合适的MEC的节点进行迁移,满足到终端链路短,网络资源消耗少等需求。1如果终端设备到服务端的链路质量差,那么在本地计算。如果目标服务器本身计算量小,链路质量又好,应用又可以满足短暂的切换所带来的本地临时处理数据的情况,那么则可以迁移。
原文发布时间为:2018-09-18
本文作者:魔性小章鱼
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Hanlp自然语言处理工具的使用演练
Hanlp是由一系列模型与算法组成的工具包,目标是普及自然语言处理在生产环境中的应用。Hanlp具备功能完善、性能高效、架构清洗、语料时新、可自定义的特点;提供词法分析(中文分词、磁性标注、命名实体识别)、句法分析、文本分类和情感分析等功能。本篇将用户输入的语句根据词库进行分词、关键词提取、摘要提取、词库维护。 工具类名称:DKNLPBase 1、标准分词方法签名:List StandardTokenizer.segment(String txt);返回:分词列表。签名参数说明:txt:要分词的语句。范例:下例验证一段话第5个分词是阿法狗。程序清单1 public void testSegment() throws Exception { String text = "商品和服务"; List<Term> termList = DKNLPBase.segment(text); assertEquals("商品", termList.get(0).word); assertEquals("和", termList.get(1).word); assertEquals("服务"...
- 下一篇
盘点2018云栖大会的黑科技
9月19日至22日,2018杭州·云栖大会将在杭州云栖小镇举办。每一届云栖大会都是黑科技的竞技场,今年又会有哪些黑科技亮相? 阿里黑科技 科技感的第一步从入场开始。基于钉钉的智能会务,与会者在前期注册环节就扫过脸,在现场可以凭着自己这张脸“秒过”闸机。结合先进的人脸识别算法,系统将自动完成人员的身份核对校验,而这套系统背后的数据库可支持超过10万组人脸数据,在规模、多场景运用方面都是业内领先。 在集中展示阿里巴巴最新科技成果的C馆,左侧的沙盘恐怕会是今年最抢眼的设计了。这块沙盘由4万块乐高积木搭建而成,结合中央控制系统及AR等工具,你只需要用ipad瞄准相应的场景点击,就可以看到阿里巴巴在城市治理、农业、工业、服务业等领域的技术驱动能力展示。 比如,在屏幕上点击沙盘中的金融街二号楼,大楼就会“起火”。阿里云ET城市大脑就会
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS7,8上快速安装Gitea,搭建Git服务器
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- CentOS关闭SELinux安全模块
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程
- CentOS8编译安装MySQL8.0.19
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库
- CentOS8安装Docker,最新的服务器搭配容器使用
- CentOS7,CentOS8安装Elasticsearch6.8.6
- Red5直播服务器,属于Java语言的直播服务器