移動邊緣計算是一項在近距離內為移動用戶提供云服務和IT服務的新興技術。傳統網絡運營商負責對傳輸流進行控制（比如轉發和包過濾等），但在移動邊緣計算中，云服務器也部署在每個基站上。因此，網絡運營商也承擔了為移動用戶提供服務的重要責任。移動邊緣計算平臺通過為邊緣網絡提供計算和存儲能力來減少網絡延遲。它也使應用程序開發人員和內容提供商能夠使用實時無線設備接收網絡信息從而提供上下文感知服務（如協同計算）。移動設備和物聯網設備，常利用移動邊緣計算服務為計算密集型應用程序執行計算卸載，例如圖像處理，移動游戲等。

在這篇論文中，討論了一些有前途的實時移動邊緣計算應用場景。隨后，論文展示了移動邊緣計算領域最先進的研究成果。論文中還介紹了移動邊緣計算的分類，描述了移動邊緣計算的關鍵屬性。最后，論文明確并討論了在移動邊緣計算成功部署前所需要面臨的挑戰。

1. 引言

最近，移動設備（如手機，智能手機，平板電腦等）逐漸成為學習，娛樂，參與社交網絡，了解新聞和處理商業事務的重要工具。但是，由于移動設備的資源限制（處理能力，電池壽命，存儲容量），移動用戶的用戶滿意度常不如桌面用戶。移動云計算發展后，許多云計算服務，如移動醫療，移動學習，移動游戲和移動管理燈都可以直接從移動設備訪問。因為需要在移動設備和云數據中心之間傳輸和接收數據，這也預示了更高的網絡負載，更高的網絡帶寬需求。據估計，每年的帶寬需求可能會成倍增長。

此外，新的物聯網（IoT）范例使資源受限的設備通過互聯網進行互連。但是，許多這些邊緣設備都通過嵌入式方式獲得了低處理性能以及存儲能力。為了克服上述在移動云計算或物聯網場景下所提到的諸如網絡負載/帶寬限制等問題，目前已經提出了一些新的技術，如普適訪問，計算卸載等，使邊緣設備可以卸載一些計算任務到遠程資源豐富的云平臺（如Amazon EC2 和Window Azure等），從而節省處理過程的能耗。然而，將計算任務卸載到公共云可能涉及到在公共云和邊緣設備之間通過互聯網進行數據交換時造成的長延遲。為了克服上述問題，提出了基于計算卸載的cloudlet的方法，移動設備將計算任務卸載到用戶鄰近可訪問的資源較少的服務器，通過Wi-Fi接入點接入訪問。

但是，與云計算相比，Cloudlet的計算效率較低。原因如下：首先，Cloudlet只能通過Wi-Fi訪問節點，物理上只能覆蓋很小的區域，因此，不能提供任意地方普遍存在的計算支持。其次，與云相比，Cloudlet資源更少，因此，它在服務和資源配置上不具備可擴展性。為了克服上述挑戰性的問題，最近提出了一種新的被稱為移動邊緣計算的規范。

圖1 移動邊緣計算架構

移動邊緣計算使移動用戶能夠在無線通信網絡（RAN）范圍內接受鄰近的IT和云計算提供的服務。移動邊緣計算的主要目標是減少因為從核心WAN引入計算和存儲能力到邊緣網絡而帶來的延遲。移動邊緣計算可以定義為“移動邊緣計算是面向商務的云計算平臺模型，為移動用戶提供通過無線接入附近網絡，以接受對延遲敏感，上下文感知應用的服務。”

移動邊緣計算為應用程序開發者和內容提供者提供實時RAN信息（如網絡負載，用戶的位置等）。這些實時網絡信息用于為移動用戶提供上下文感知服務，從而豐富了用戶的滿意度、提高了用戶體驗質量（QoE）。移動邊緣計算平臺為邊緣網絡增加了職責，允許邊緣網絡執行計算和服務的管理權限，以減少移動用戶的網絡延遲和帶寬消耗。網絡運營商可以允許無線通信網絡邊緣由第三方合作伙伴處理，對移動用戶和企業來說，這將允許快速部署新的應用程序和邊緣服務。

圖1顯示了移動邊緣計算的新穎架構。架構中有三個基本組件：1）包括所有類型的可連接到網絡的邊緣設備（移動網絡和物聯網均可）；2）邊緣云部署在每個基站上資源較少的云。邊緣云負責傳統的網絡流量控制（轉發和過濾等），以及管理各種移動邊緣應用（邊緣醫療，智能跟蹤等）；3）公共云是部署在互聯網上的基礎云架構。

移動邊緣計算的主要目標是：

1.通過在邊緣網絡部署計算密集型應用來優化移動資源如圖像處理，移動游戲等。

2.在發送到云之前對大數據進行優化。

3.使移動用戶享受鄰近的云服務。

4.在RAN的幫助下提供上下文感知服務。

本文的貢獻是：（a）關于移動邊緣計算領域的最先進的研究成果調查。（b）根據各種屬性設計分類，例如特征，實例，訪問技術，應用程序，目標，計算平臺和關鍵促成因素等。（c）列出實現移動邊緣計算所要面對的的各種開放性挑戰，突出的開放挑戰瓶頸將為領域內的研究人員提供方向。

本文的結構如下：

第2部分描述了一些現實生活中的應用場景，并對移動邊緣計算平臺的提出了潛在需求。第3部分介紹了關于移動邊緣計算領域的最新研究成果的調查。第4部分展示了移動邊緣計算的分類和分類定義中涉及的不同屬性。最后，在第5部分和第6部分中展示了移動邊緣計算的開放性研究挑戰，對論文和讀者的評價做出總結。

2. 動機

本節介紹了當前移動邊緣計算領域的應用場景，以對領域內的研究人員提供動力。移動邊緣計算平臺適用于以下應用場景，動態內容優化，物聯網中的計算卸載，移動大數據分析和智能交通等等。這些應用程序不適合在移動或便攜式設備中，因為這些應用程序常進行密集型計算的，并且需要巨大的存儲容量。

A.動態內容優化

內容優化在Web主機上執行，以滿足客戶的期望。以此目的，傳統內容優化使用用戶存儲在數據庫中的瀏覽記錄。有時內容優化也通過詢問用戶當前的地理位置來完成，并基于位置信息進行分析。內容優化可以動態的地根據用戶的上下文感知信息完成。借助移動邊緣計算，內容優化器可以部署在邊緣服務器上。在這個場景下，內容優化器獲取準確的單元格和RAN動態信息（網絡負載，網絡狀態等）并且基于該內容執行優化。邊緣網絡通過基于內容優化提高性能，提高用戶體驗質量并且提供新服務。

B.物聯網中的計算卸載

由于最近曝光了可穿戴和低加工電力物聯網設備，傳統的高計算密集型設備應用（如增強現實和監視系統）不能在設備本身中執行。問題可以通過將IoT應用程序分成小任務來解決，并且一些任務在云端執行（比如核心網絡）降低了延遲和提高了準確性。可以通過在邊緣服務器上卸載任務來優化上述場景，而不需要將任務轉移到核心網絡。因此，在邊緣服務器上卸載肯定會減少延遲。移動邊緣計算中的計算卸載有兩個挑戰：如何拆分物聯網應用？如何識別任務是否應該卸載？如何在用戶進入時同步應用程序？

C.移動大數據分析

近年來，手機成為上網的主要方式，也使移動設備成為公司理解和分析目標市場的最有效的方式。大數據是大量的結構化和非結構化數據，大數據分析即分析大數據以便做出更好戰略性業務舉措的過程。在傳統的大數據分析中，收集來自邊緣設備的數據，并將其轉移到核心網絡來進行大數據分析，這個過程對帶寬和延遲提出了很高的要求。為了不在帶寬方面浪費大量資源，可以利用移動邊緣計算平臺進行大數據分析。大數據分析可以在網絡的邊緣執行而后將結果送到核心網絡。因此，這種情景下會降低帶寬消耗并改善網絡延遲。

D.智能交通

智能交通目的是為了解決城市居民所面臨的交通不暢等相關關鍵問題，如交通網絡差，路況差，停車位置不足，公共交通能力不足，道路安全等。例如，可以通過在安裝在路邊的相機和傳感器設備等邊緣網絡收集的實時數據，而后自動進行交通控制。傳感器設備可以檢測接近的物體（如行人和車輛）并可以測量物體的距離和速度。基于收集的數據，可以通過適當的智能交通燈信號重新規劃車流量，以進行交通管制。同樣，智能停車系統可以利用邊緣網絡通過收集用戶上下文信息，建模并分析用戶設備附近的可用空間。

3.移動邊緣網絡：最先進的研究成果

移動邊緣計算平臺是通過其鄰近的邊緣設備，加強無線通信網絡邊緣的IT和云服務。在本節，我們將描述移動邊緣計算領域最先進的研究成果。

A.FemtoClouds

哈巴克等人提出了FemtoClouds系統，它通過協調多個移動設備提供了一種動態地自配置的“多設備”的移動云系統，用于擴展Cloudlet的計算。FemtoClouds利用附近未使用的移動設備在網絡邊緣提供一種“compute as a service”服務，因此減少了將計算任務卸載到傳統云數據中心期間的網絡延遲。FemtoClouds中的設備可分為以下三類：cloudlet，可以創建Wi-Fi接入點以及充當控制設備；計算集群，是一組共享硬件和資源移動設備；移動設備，嘗試將計算作為一種服務以完成計算卸載。

最初，移動設備發送設備信息（移動設備的計算可用性，可用于共享的計算，可利用的歷史記錄）并通過Wi-Fi網絡加入計算簇，以達到與cloudlet共享策略的目的。基于設備的計算可用性和電池水平，Cloudlet可以拒絕將新設備包含在計算集群內。移動設備通過發送計算代碼，輸入和輸出數據大小到云端卸載計算密集型任務。輸入任務通過計算所需的計算時間進行優先級調度（如果可用，否則在可用的移動設備上使用Mantis系統）。FemtoClouds控件使用貪婪的啟發式方法在移動設備輸入任務時對調度的模型進行優化。

FemtoClouds系統通過盡量減少對企業結構化的依賴和擴展計算能力來提供基于社區的計算服務。系統中計算卸載的性能取決于計算集群中可用的移動設備數量和未使用設備的硬件資源總量。

B.REPLISOM

Abdelwahab等人提出了REPLISOM ，一種移動邊緣云架構，以減少多個IoT設備通過LTE環境將內存對象復制到邊緣云時的云響應次數。REPLISOM架構利用云計算增強演進的NodeB（eNB）為邊緣資源提供虛擬機，執行特定物聯網應用程序的存儲和網絡資源的復制。在REPLISON中，邊緣云將內存副本拉到新的特定的虛擬機副本，而不是推送更新的內存對象。REPLISOM中，基于LTE優化的內存復制協議利用內存中的稀疏性推斷出通信的數量。當多個物聯網設備（假設有多個設備，總共n個設備）嘗試更新內存對象，每個設備使用設備之間的通信技術發送更新的內存對象更新到鄰近設備，而不是將它們發送到邊緣云。接收設備（假設第j個）將接收內存副本壓縮成一個副本。邊緣云定期向相應的物聯網設備發送拉動請求（使用預先安排的上行鏈路授權）。當設備J收到來自邊緣云的拉取請求時，它推動壓縮副本到邊緣云作為響應。最后，邊緣云通過使用壓縮采樣構造算法來恢復內存對象，并存儲到相應的虛擬機中。

REPLISOM架構在多個物聯網設備卸載期間復制時，將對象更新到附近的邊緣云，以減少延遲和成本。

C.ME-VOLTE

貝克等人提出移動邊緣計算來實現LTE語音（ME-VoLTE）架構以減少移動設備視頻通話期間的電池消耗，并提供協商卸載策略的通信協議。在視頻通話過程中的視頻編碼過程在MEC邊緣服務器上卸載。VoLTE是基于IP多媒體系統，VoLTE架構中的組件主要有兩個1.代理/服務呼叫狀態控制功能或（P- / S-CSCF），其任務是發送移動設備（UE）和VoLTE網絡之間的信號。2.媒體資源功能（MRF）是VoLTE網絡的一部分，負責媒體混合，存儲媒體的播放，以及媒體轉碼。當移動設備嘗試制作視頻時調用，請求（以及編解碼器名稱集）通過使用代理（P / S-CSCF）被發送到MRF。MRF基于當前可用計算的編碼類型資源和上行鏈路強度談判。談判結束后，移動設備通過選擇其中一個編解碼器對視頻進行編碼（由P / S-CSCF發送）并將媒體發送給ME-MRF。VoLTE協議在視頻通話過程中，使用會話啟動過程。

ME-VoLTE是基于視頻的移動邊緣計算的電話系統，以減少視頻呼叫中的能源消耗。

D.多用戶計算卸載

陳等人提出了用于移動邊緣計算的分布式計算任務的卸載模型。這個模型利用競賽理論來獲得多用戶進行計算任務卸載時的納什均衡。當多個設備同一時刻使用相同的無線信道將計算任務卸載到電信云時，會首先計算時間，當使用計算卸載后時間縮短能源消耗降低時，任務才會被卸載到云端。作者規范了卸載決策問題，將多用戶參與的多頻道無線環境轉變為多用戶計算任務卸載競賽。在多用戶競賽中，卸載與否取決于所有云資源用戶的性能。這里，如果沒有違反納什均衡，設備就可以選擇卸載任務到云端。

上述模型的優點是模型可以解決多用戶計算任務卸載的NP-hard問題。

E.移動設備集群間的計算卸載

Gao等人提出了一種基于概率的計算任務卸載框架，應用于同一戰略等級下的移動設備集群之間的計算卸載。在戰區，一些應用如處理附近環境的現場感知數據，需要大量的計算。框架將部分應用程序卸載到附近移動節點減少計算時間和能耗。節點卸載與否取決于其計算能力，鄰近節點的能源、活躍水平以及他們之間可能的未來聯系。兩個節點可以通過移動節點之間的接觸時間（ICT）分布等應用屬性來預測其未來的連接。根據提出的框架，卸載之前，移動節點計算任務在新節點的計算時間，能耗及其未來聯系。如果時間和能量消耗降低，并且新節點確保可以任務期限內完成任務，新節點卸載任務。如果任務卸載有機會使用上述技術，任務遞歸地在附近的節點進行卸載。

所提出的模型遞歸地分配一個移動節點（在戰術邊緣）的工作任務到其鄰近節點。該模型降低了能耗并且提高了任務吞吐量。上述模型的性能取決于邊緣網絡中相鄰節點的數量。如果節點突然離開網絡，該模型不考慮其牽連影響。

F.用于計算任務卸載的連續凸逼近算法框架

Sardellitti等人提出了連續凸逼近算法框架（SCA）用于多單元移動邊緣計算場景下，計算任務卸載時無線通信和計算資源的優化。優化問題被定義為移動用戶無線通信和計算資源的聯合優化，通過在預算功率下，最小化移動設備能耗和延遲期間。在框架中，邊緣網絡有多個單元增強型節點B（SCeNB），鏈接到公共云服務器提供程序以達到卸載目的。同一單元內的移動用戶使用正交通道進行云通信，因此，這個框架也適用于密集計算單元，移動多用戶訪問不同的單元可能會相互干擾。考慮云服務器提供計算資源和設備的電池電量，移動用戶可以在遠程云中卸載計算任務或于本地執行。作者提出上述卸載環境適用于單個用戶，其中只有一個移動用戶正在訪問云資源。在單個用戶實例中，優化的問題是非凸的，但作者通過構造算法，將封閉形式的全局最優解問題變化到凸優化問題。當云資源在密集單元環境中由多用戶訪問，集中式和分布式的基于SCA的算法獲得了非凸優化問題的最優解。與非正交優化算法相比，該算法顯示出更好的結果，該框架僅需考慮用于執行資源優化的靜態值。

G.邊緣加速Web瀏覽（EAB）原型

Takahashi等人介紹了Edge Accelerated Web Browsing（EAB）移動邊緣計算原型，用于加速網絡應用執行。在EAB中，邊緣服務器在移動客戶端和鄰近服務器之間部署。當移動Web瀏覽器發送URL頁面請求時，服務器的響應首先在邊緣截獲。作為響應，邊緣服務器排除了一些內容。邊緣服務器的常見任務是獲取Web內容，評估Web內容，內容組件的布局，和任務渲染。EAB移動邊緣計算原型優于正常的網頁瀏覽。

H.協作上下文感知實時應用程序

Nunna等人提出了基于5G技術的協作上下文感知的現實場景應用的移動邊緣計算架構。關鍵時刻的協作應用由于無線通信的高等待時間是不利的。在上述架構中，MEC服務器在每個架構的eNodeB中部署。作者利用5G技術，接近服務和上下文感知計算的特性，來實現協作。MEC服務器中的中間件MEC協作平臺通過標準API收集重要信息，如用戶罰款，粒度位置，無線通信級別等（預計在5G）。上述架構將在道路事故情景和遠程機器人遠程手術情景中受益。

上述模型是低延遲（因為5G）并且適用于協作計算，如延遲和同步是協作計算模型性能中的重要因素。雖然，5G技術的概念仍處于發展狀態，上述模型是理論上的。

I.CloudAware

加布里埃爾等人提出CloudAware ，一個基于移動邊緣計算的編程模型，用于開發可拓展性的移動邊緣計算應用程序。CloudAware采用Jadex 中間件框架的屬性諸如分布式，并發執行和上下文感知計算等等。在CloudAware中，Discovery Service負責監控可用網絡，網絡強度，每個服務器可用代理計算資源的卸載和工作量。Context Manager收集用戶移動性狀態評估網絡的未來連接狀態。基于運行時的優化問題（即最小化計算時間）和網絡連接的狀態，該分區程序和解算器將應用程序劃分為不同的組件并且制定卸載策略。

CloudAware框架是一個抽象的，透明的，和采用上下文功能的編程模型。框架還沒有實現/模擬，無法知道模型的性能和可靠性。

4.分類

本節描述了移動邊緣計算的分類，并對每個組件進行了簡短描述。圖2顯示了移動邊緣計算的分類。該移動邊緣計算的分類基于以下參數：a）特征，b）演員，c）訪問技術d）應用，e）目標，f）計算平臺和g）關鍵促成因素。

A.特征

移動邊緣計算可按以下方式分類：

1）接近度：在移動邊緣計算中，邊緣網絡是由移動設備使用RAN訪問。移動或便攜式設備也可以通過設備之間的（D2D）通信訪問位于移動基站的邊緣服務器。因為邊緣服務器就在設備附近，它可以提取設備信息和分析用戶行為以改進服務。

2）密集的地理分布：移動邊緣計算將主機IT和云計算服務置于位于眾多地方的邊緣網絡。地理密集分散的基礎設施有很多優勢，基于用戶移動性，無需遍歷整個廣域網就可以提供服務。

3）低延遲：移動邊緣計算的目標之一是為了減少訪問核心云的延遲。在移動邊緣計算中，應用程序部署在位于邊緣網絡的移動邊緣服務器或邊緣網絡的云上。因為邊緣網絡與核心網絡相比，可用帶寬很高，降低了平均網絡延遲。

4）位置意識：因為移動設備在邊緣網絡的附近位置，基站收集用戶的移動模式并預測未來的網絡狀態。應用開發人員使用用戶位置對用戶提供上下文服務。

5）網絡環境信息：實時RAN信息（例如用戶位置，無線通信條件，網絡負載等）用于為移動用戶提供與上下文感知的服務。應用程序開發者和內容提供者使用RAN信息為服務提供者服務，從而提高用戶滿意度和質量體驗（QoE）。

B.行為者

移動邊緣計算環境包括許多個人和組織，每個個體都扮演不同的角色，搭建一個在RAN范圍內提供上下文感知，低延遲，按需提供云服務的平臺。移動邊緣計算的總體目標是為所有參與者帶來可持續發展的商業模式，并促進全球市場生長。行為者包括應用程序開發人員，內容提供商，移動用戶，移動邊緣服務提供商，軟件供應商和over-the-top內容（OTT）播放器。

C.應用程序

移動邊緣計算提供一系列潛力巨大的應用程序。近來，移動邊緣計算領域的應用程序可以歸類為計算卸載，協同計算，物聯網中的內存復制和內容交付。這些應用程序在邊緣網絡處利用高帶寬執行計算，從而改善網絡延遲。以上應用使用網絡上下文信息通過給處于移動狀態的用戶提供不同的服務以提高用戶滿意度。

1）計算卸載：許多移動應用程序都是計算密集型的，如人臉識別，語音處理程序，移動游戲等。但是，在資源受限設備中運行計算密集型的應用程序會占用大量資源和電量。將計算任務的一部分轉移到云數據平臺并且在成功完成任務后返回程序執行結果，而不是所有的都在移動主機中運行。因為，邊緣設備和核心云之間的通信需要很長時間，在移動邊緣計算中，將資源較少的服務器部署在網絡邊緣。從而，達到卸載計算密集型任務的目的。

2）協同計算：協同計算使許多個人和組織能夠在一個分布式系統中進行協作。協作應用在當前場景中，計算范圍從簡單的傳感器到機器人遠程手術。在這種類型的應用程序里，設備的位置和通信延遲成為溝通中的關鍵要素。在移動邊緣環境中增加實時協同應用，提供上下文感知協作系統。

3）物聯網中的內存復制：近年來，LTE成為設備的主流連接技術。物聯網設備的計算和存儲能力較差。這些設備從周圍和卸載的任務中收集數據，將它們作為可伸縮云基礎架構的內存對象進行進一步計算。因此，物聯網設備的數量不斷增長，同時由于復制內存對象的高延遲導致網絡瓶頸。移動邊緣計算中的邊緣網絡為每個設備創建多個復制云，使計算能力接近物聯網設備，減少了網絡延遲。

4）內容交付：內容交付技術在Web服務器上優化調整Web內容以提供高可用性，高性能和減少延遲的服務。傳統的Web內容交付無法在優化完成后根據用戶請求進行調整。移動邊緣計算可以提供基于網絡狀態和可用網絡負載的動態web內容的優化。因為設備距離很近，邊緣服務器可以利用用戶移動性和服務體驗來提供內容優化。

圖2 移動邊緣計算的分類

D.接入技術

在移動邊緣計算環境中，移動或便攜式設備與其他設備或與邊緣網絡通過使用無線網絡進行通信，比如蜂窩網絡（GPRS / CDMA / 3G / 4G / Wi-MAX）或Wi-Fi切入點。因為，網絡是密集部署的，用戶可以通過切換到任何一個可用的接入網絡連接到邊緣網絡。

E.目標

客觀屬性定義了移動邊緣計算的主要目標。移動邊緣計算中的每個組件諸如移動節點或網絡運營商都具有不同的目標。移動節點利用移動邊緣計算的計算和存儲能力的底層構造試圖最小化移動設備的計算延遲和能耗。網絡提供商的目標是為了最大限度地降低底層架構成本并提高吞吐量。

F.計算平臺

計算平臺屬性代表移動邊緣計算平臺中進行的類型的計算。在對等計算中，任務被卸載到鄰近的移動設備。任務可以卸載到邊緣網絡部署的附近云端。在移動邊緣計算中，移動邊緣服務被部署在每個基站上。

G.關鍵促成因素

在實際應用場景中的移動邊緣計算技術的實現得到了各種關鍵技術的支持。關鍵促成因素表示不同的技術為接入無線通信網絡的移動用戶提供上下文感知，低延遲，高帶寬的服務做出了貢獻。

1）云和虛擬化：虛擬化允許在相同的物理硬盤中創建不同的邏輯結構。網絡邊緣的云計算平臺使用虛擬技術創建不同的虛擬機提供不同的云服務包括Software-as-a-Service（SaaS），Platform-as-aService（PaaS）和Infrastructure-as-a-Service（IaaS）。

2）高容量服務器：傳統的高容量服務器或移動邊緣服務器部署在邊緣網絡的每個移動基站中。移動邊緣服務器執行傳統網絡流量轉發和過濾，也負責執行卸載任務。

3）網絡技術：多個小單元被部署在移動邊緣計算環境中。Wi-Fi和蜂窩網絡是將移動設備與邊緣服務器連接使用的主要網絡技術。

4）移動設備：邊緣網絡中的便攜式設備計算低密集型任務以及與硬件相關的不可卸載到邊緣網絡的任務。便攜式設備也可以通過邊緣網絡設備之間的通信進行對等計算。

5）軟件開發套件：軟件開發套件（SDK）與標準的應用程序編程接口（API）有助于調整現有服務，促進加快現有服務開發新的彈性邊緣應用。這些標準API可以輕松集成到應用程序開發過程中。

5.開放性挑戰

移動邊緣計算仍處于初期狀態。在這個領域需要克服許多挑戰。在這一節，我們確定了移動邊緣計算領域的一些開放研究挑戰。每個未解決的問題將給出一點解決問題的想法。

A.標準協議

標準化為研究人員和行業帶來開放式環境，使能在統一平臺上進行工作。移動邊緣計算是還沒有實現的最新技術。所以，需要為移動邊緣計算創建標準化開放環境，將允許移動邊緣計算平臺與傳統應用程序無縫和熟練的集成。標準平臺也將加速整個行業的移動邊緣應用程序的發展，并最終增加市場規模。標準協議需要實現移動邊緣計算的標準特性，例如上下文感知信息，卸載場景等。一旦標準協議可用，研究人員和專家可以在實施或在真實平臺中建模后改進協議。

B.模擬平臺

仿真平臺是對現實世界使用數學公式進行建模的過程，并且可以使用通用編程語言實現。該模型應該有能力重新配置和實驗不同場景。使用模擬的優勢在于它可以幫助我們了解整個系統和可行性（低成本）在沒有實際的實現模型的情況下。開發移動邊緣計算基礎設施和測試需要大量的努力和財務投資。為移動邊緣計算開發一個模擬平臺將鼓勵研究人員實驗移動邊緣計算的各種場景。

C.流動管理

在移動邊緣計算平臺中，移動性是設備與邊緣網絡之間的鏈接頻繁斷開連接的原因之一。當設備處于移動狀態時，應用程序的服務質量因網絡參數的變化而降低，如延遲，帶寬，抖動等。實現移動性管理技術是移動邊緣中的一個具有挑戰性的問題，用戶可以無需任何鏈接，訪問邊緣應用程序。移動管理技術應該同時關注水平和垂直移動性。

D.異質性

移動邊緣計算中的邊緣網絡是高度異構的，在無線網絡接口方面很有意義。邊緣設備可以通過不同的無線通信網絡接入訪問服務，比如Wi-Fi，3G，4G，WiMAX和5G等技術。由于無線網絡中信號干擾的概率很高，如何在不調整移動邊緣計算的基本屬性優先級的情況下（即低延遲，高帶寬和用戶位置感知），管理網絡切換是其中一個具有挑戰性的問題。

E.定價模型

在移動邊緣計算中，用戶移動性在網絡異構的地方很常見。如果用戶從漫游基站訪問邊緣服務，則應該建立適當的定價模型。定價模型應該是動態的，基于接入技術的網絡參數

例如延遲，會話重建延遲，抖動，帶寬，可用性和安全性等。

F.可擴展性

可伸縮性屬性可確保服務的可用性，無論邊緣網絡中的客戶端設備數量多少。在正常情況下，大多數設備不同時申請訪問邊緣。近年來，邊緣設備（如移動設備，物聯網設備等）數量增長，如果有大量設備同時訪問服務，這將牽連網絡瓶頸，并且最終服務可能會中斷。邊緣服務器應該通過對服務器集群應用負載平衡機制來確保服務的可擴展性。

G.安全

安全性是移動邊緣計算中的一個挑戰性問題，應用程序部署在邊緣網絡的計算平臺上。與傳統計算相比，由無線通信網絡制定規則使應用程序開發者在挑戰安全策略方面沒有任何作用。在應用程序部署在移動邊緣服務器之前，必須解決以下安全挑戰。部署在邊緣服務器上的應用程序應該驗證訪問應用程序資源的用戶是否它聲稱的那個。移動邊緣服務器必須保護應用程序和數據存儲在邊緣服務器上以免入侵。另一方面，移動設備需要驗證邊緣應用程序從邊緣服務器訪問。最后移動邊緣計算平臺必須保證數據完整性。

6.結論

移動邊緣計算通過接入無線通信網絡為傳統核心網絡帶來了計算和存儲的能力。在這個新的架構中，傳統的基站不僅可以進行流量控制，還可以將資源較少的邊緣服務器/云部署到鄰近的移動用戶上以提供上下文感知服務。移動邊緣計算的主要目標是提供更少延遲和最小帶寬的應用程序和服務。

本文研究了適用于移動邊緣計算平臺的實時應用場景。而后，對移動邊緣計算領域當前最先進的研究成果進行了詳細闡述。根據我們的調查，提出了移動邊緣計算的分類法，并清楚描述了每個屬性。最后，列出了成功部署移動邊緣計算所要面對的主要的開放性研究挑戰。