論文題目：Towards Mobility-Aware Dynamic Service Migration in Mobile Edge Computing

錄用時間：2020年7月20日

會議名稱：CollaborateCom 2020（CCF C）

作者列表：

（1）劉芳正，中國石油大學（北京），信息科學與工程學院，2019級博士

（2）呂博楓，中國石油大學（北京），信息科學與工程學院，2020級碩士

（3）黃霽崴，中國石油大學（北京），信息科學與工程學院，教授

（4）Sikandar Ali，中國石油大學（北京），信息科學與工程學院，博士后

摘要：

在移動邊緣計算中，用戶移動性可能會導致服務質量降低或服務中斷，為了解決這一問題，本篇論文提出了一種基于移動感知的動態服務遷移方案。通過一種新的用戶移動性建模方法預測用戶的移動行為，并建立了一般的遷移成本模型，最終將服務遷移問題定義為馬爾可夫決策過程，采用策略迭代的方式求解。得到的最優服務遷移策略能有效地權衡延遲與遷移成本之間的關系，同時兼顧服務遷移開銷等指標，提高服務質量?；诒本┏鲎廛噷嶋H移動軌跡的實驗數據評估表明，該解決方案性能優越。

背景與動機：

在大多數移動邊緣計算場景中，邊緣站點上的設備和用戶只能訪問邊緣基站(或邊緣服務器)信號覆蓋范圍內的服務。如圖1所示，當它們移出時，它們必須重新連接到另一個邊緣服務器或云服務器，從而導致服務質量降低或服務中斷。這時，需考慮是否進行服務遷移,以保證滿意的服務質量。一方面，系統可以選擇繼續讓服務在原邊緣節點進行處理，由于過長的網絡傳輸距離，這會導致較大的傳輸時延。另一方面，系統可以選擇服務遷移，以此減小端到端的時延，但也會帶來服務遷移導致的額外開銷。因此，針對用戶移動性導致的狀態變化，以及對網絡延遲、遷移開銷等指標的復雜權衡，服務遷移技術成為了服務計算領域的重要研究內容。

圖1 移動邊緣計算中的服務遷移

現有的服務遷移技術一般采用隨機移動模型預測用戶的移動性，并且沒有綜合考慮網絡延遲、遷移開銷等服務遷移指標。因此，很難得到最優的服務遷移決策并應用到實際中。為克服上述問題，本篇論文提出了一種基于移動感知的動態服務遷移方法。

設計與實現：

我們以蜂窩網絡為例，如圖2所示。通常我們用一個六邊形來表示為一個邊緣基站(或邊緣服務器)的覆蓋區域，多個六邊形組成一個蜂窩網絡。我們認為當移動用戶進入目標區域（TA），即靠近六邊形邊界時，更有可能發生服務遷移，開始尋找最優服務遷移策略。

圖2 蜂窩網絡

尋找最優服務遷移策略的步驟主要為，針對用戶移動的隨機性，根據移動用戶當前時隙的移動狀態，預測下一時間間隙，移動用戶從當前邊緣服務器的覆蓋范圍移動到臨近的其他邊緣服務器覆蓋范圍的概率；根據用戶與服務的通信成本，以及遷移服務所需的遷移成本，計算得到遷移服務需消耗的總成本；并將尋找最優策略的過程定義為馬爾科夫決策過程，根據狀態轉移概率以及總成本構建貝爾曼方程，貝爾曼方程的求解方法有很多種，本文選擇策略迭代求解優化問題，最終得到面向移動邊緣計算的動態服務遷移策略。

實驗結果：

本篇論文采用真實的出租車軌跡數據集進行模擬仿真實驗，實驗結果如圖3所示，結果表明，與其他服務遷移策略相比（即不遷移（NM），總遷移（AM），以隨機游走建模用戶移動性的遷移策略（RWM）），本篇論文提出的服務遷移方法(MODEM)有很好的性能。

圖3 與其他算法的性能比較

綜上，本文提供的動態服務遷移方法，能夠從用戶移動的隨機特性角度考慮服務遷移問題，解決了用戶移動的不確定性造成的服務質量降低或服務中斷，同時兼顧了服務遷移開銷等指標。

作者簡介

黃霽崴博士，教授，博士生導師，石油數據挖掘北京市重點實驗室主任，中國石油大學（北京）計算機科學與技術系主任。2015年度北京市優秀人才，2018年度中國石油大學（北京）優秀青年學者，2020年度北京市科技新星。分別在2009年和2014年于清華大學計算機科學與技術系獲得工學學士和工學博士學位，2012-2013年國家公派赴美國佐治亞理工學院聯合培養。研究方向包括：系統性能評價和優化、隨機模型理論和應用、服務質量測量與保障技術、服務計算和物聯網等。擔任中國計算機學會（CCF）服務計算專委會委員，CCF高級會員，IEEE、ACM會員。已主持國家自然科學基金、北京市自然科學基金等科研項目13項，在國內外著名期刊和會議發表論文五十余篇，出版學術專著1部，獲得國家發明專利5項、軟件著作權3項，擔任多個國際頂級期刊和知名會議審稿人。聯系郵箱：huangjw@cup.edu.cn。

99亚洲综合精品