什么是计算卸载

简言：为了应对终端设备处理能力不足、资源有限等问题，业界在移动边缘计算（MEC）中引入了计算卸载概念 。边缘计算卸载即用户终端（UE）将计算任务卸载到MEC网络中，主要解决设备在资源存储、计算性能以及能效等方面的不足。

01

背景

随着科技的快速发展，移动设备流量急剧增长。但是由于自身资源及计算性能有限，智能移动设备在处理计算密集型和时间敏感型应用时可能面临着能力不足的情况。为此，使用网络边缘节点来处理分析数据的边缘计算模式应运而生，并与传统云计算模式形成互补。然而，边缘设备往往具有轻量化的特点，如何合理利用边缘有限的计算资源便成为边缘计算亟需解决的重要问题。

边缘计算针对传统云计算能力不足，在移动用户附近的无线接入网络边缘提供云计算功能，满足快速交互响应的需求，提供普遍且灵活的计算服务。为使用边缘网络提供的服务，移动设备如何将所承担的任务卸载到边缘服务器，进行高效合理的卸载决策，已经成为目前边缘计算问题的主要研究方向。

计算卸载是边缘计算的一个关键技术，可以为资源受限设备运行计算密集型应用提供计算资源，加快计算速度，节省能源。更详细的说，边缘计算中的计算卸载是将移动终端的计算任务卸载到边缘云环境中，解决了设备在资源存储、计算性能以及能效等方面存在的不足。

02

MCC与MEC对比

计算卸载技术最初在移动云计算（Mobile Cloud Computing,MCC）中提出，移动云计算具有强大的计算能力，设备可以通过计算卸载，将计算任务传输到远端云服务器执行，从而达到缓解计算和存储限制、延长设备电池寿命的目的。在MCC中，用户设备（User Equipment，UE）可以通过核心网访问强大的远程集中式云（Central Cloud ,CC），利用其计算和存储资源，将计算任务卸载到云上。相比于移动终端将计算卸载到云服务器所使用的移动云计算技术可能导致的不可预测时延、传输距离远等问题，边缘计算能够更快速、高效地为移动终端提供计算服务，同时缓解核心网络的压力。表1 移动边缘计算和移动云计算的对比。

表1 移动边缘计算和移动云计算的对比

03

计算卸载步骤

计算卸载一般是指将计算量大的任务合理分配给计算资源充足的代理服务器进行处理，再把运算完成的计算结果从代理服务器取回。计算卸载过程（见图 ）大致分为以下 6 个步骤。

1)节点发现：寻找可用的 MEC 计算节点，用于后续对卸载程序进行计算。这些节点可以是位于远程云计算中心的高性能服务器，也可以是位于网络边缘侧的MEC服务器。

2)程序切割：将需要进行处理的任务程序进行分割，在分割过程中尽量保持分割后的各部分程序的功能完整性，便于后续进行卸载。

3)卸载决策：卸载决策是计算卸载中最为核心的一个环节。该环节主要解决两大问题：决定是否将程序进行卸载？以及卸载程序的哪些部分至 MEC 计算节点？

卸载策略可分为动态卸载及静态卸载两种：在执行卸载前决定好所需卸载的所有程序块的策略为静态卸载策略；在卸载过程中的实际影响因素来动态规划卸载程序的策略为动态卸载策略。

4)程序传输：当移动终端做出卸载决策以后就可以把划分好的计算程序交到云端执行。程序传输有多种方式，可以通过3G/4G/5G网络进行传输，也可以通过Wi-Fi进行传输。程序传输的目的是将卸载的计算程序传输至 MEC计算节点。

5)执行计算：执行主要采取的是虚拟机方案。移动终端把计算任务卸载传输到云端后，云端就为该任务启动一个虚拟机，然后该任务就驻留在虚拟机中执行，而用户端感觉不到任何变化。MEC 计算节点对卸载到服务器的程序进行计算。

6)计算结果回传：计算结果的返回是计算卸载流程中的最后一个环节。将 MEC 计算节点进行计算处理后的结果传回用户的移动设备终端。至此，计算卸载过程结束，移动终端与云端断开连接。

04

卸载决策

计算卸载的过程中会受到不同因素的影响，如用户的使用习惯、无线电信道的通信情况、回程连接的质量、移动设备的性能和云服务器的可用性等，因此计算卸载的关键在于指定适合的卸载决策。边缘计算社区按照需要进行计算卸载的任务的性能需求，对计算卸载策略进行了简单介绍。目前，计算卸载的性能通常以时间延迟和能量消耗作为衡量指标。时间延迟和能量消耗的计算具体分为以下两种情况。

1)在不进行计算卸载时，时间延迟是指在移动设备终端处执行本地计算所花费的时间；能量消耗是指在移动设备终端处执行本地计算所消耗的能量。

2)在进行计算卸载时，时间延迟是指卸载数据到 MEC 计算节点的传输时间、在 MEC 计算节点处的执行处理时间、接收来自 MEC 计算节点处理的数据结果的传输时间三者之和；能量消耗是指卸载数据到 MEC 计算节点的传输耗能、接收来自MEC 计算节点处理的数据结果的传输耗能两部分之和。

卸载决策即UE决定是否卸载及卸载多少。UE由代码解析器、系统解析器和决策引擎组成，执行卸载决策需要3个步骤：首先代码解析器根据应用程序类型和代码/数据分区确定那些任务可以协助；然后系统解析器负责监控各种参数，如可用带宽、要卸载的数据大小或执行本地应用程序所耗费的能量等；最后，决策引擎确定是否要卸载。一般来说，关于计算卸载的决策有以下三种方案。

1. 本地执行（local execution）：整个计算在UE本地完成；

2. 完全卸载( full offloading )：整个计算由MEC卸载和处理；

3. 部分卸载（partial offloading）：计算的一部分在本地处理，而另一部分则卸载到MEC服务器处理。

做出这3种决策的影响因素主要是UE能量消耗和完成计算任务延时。

卸载决策需要考虑计算时延因素，因为时延会影响用户的使用体验，并可能会导致耦合程序因为缺少该段计算结果而不能正常运行，因此所有的卸载决策至少都需要满足移动设备端程序所能接受的时间延迟限制。此外，还需考虑能量消耗问题，如果能量消耗过大，会导致移动设备终端的电池快速耗尽。最小化能耗即在满足时延条件的约束下，最小化能量消耗值。对于有些应用程序，若不需要最小化时延或能量的某一个指标，则可以根据程序的具体需要,赋予时延和能耗指标不同的加权值，使二者数值之和最小，即总花费最小，我们称之为最大化收益的卸载决策。

卸载决策开始以后，接下来就要进行合理的计算资源分配。与计算决策类似，服务器端计算执行地点的选择将受到应用程序是否可以分割进行并行计算的影响。如果应用程序不满足分割性和并行计算性，那么只能给本次计算分配一个物理节点。相反，如果应用程序具有可分割线并支持并行计算，那么卸载程序将可以分布式地在多个虚拟机节点进行计算。

05

总结

移动边缘计算中计算卸载技术将移动终端的计算任务卸载到边缘网络,解决了设备在资源存储、计算性能以及能效等方面存在的不足。同时相比于云计算中的计算卸载,MEC解决了网络资源的占用、高时延和额外网络负载等问题。计算卸载算是边缘计算核心技术之一，边缘计算又是5G关键技术之一，关注5G的可以关注一下计算卸载。

参考文献：

1.董思岐、李海龙、屈毓锛、张钊、胡磊；移动边缘计算中的计算卸载策略研究综述；火箭军工程大学作战保障学院；

2.廉晓飞、谢人超、黄韬；基于安全保障的边缘计算卸载方案；北京邮电大学未来网络理论与应用实验室；

3.孟杰；移动边缘计算环境中数据与计算卸载方法研究 ；北京邮电大学