移动边缘计算中的网络切片技术研究

文章深入研究了网络切片技术,包括设计、实施和性能评估等。希望通过对技术的研究可以更好地满足未来智能、高效的移动网络架构的需求。网络切片技术将在不同领域的新兴应用中发挥关键作用。     

5G边缘计算和网络切片技术

由于能够以低成本提供5G无线网络中多样化的业务场景,网络切片和边缘计算一直以来深受学术界和工业界的提倡.网络切片通过将网络实体划分成多个逻辑独立网络,为不同业务场景提供所需服务,而边缘计算利用网络中用户和边缘网络设备的计算和存储功能,承载部分核心节点中的控制、管理、业务功能,能够提升传统移动宽带业务能力和应对新兴的机器类业务.将网络切片和边缘计算融合,提出了基于边缘计算的接入网络切片,能够满足5G中广泛的用例和商业模型,使得运营商能够根据第三方需求和网络状况以低成本为用户灵活提供个性化的网络服务.     

基于移动边缘计算的5G移动通信网络探究

由于现有的移动通信网络无法有效处理大数据问题,经常出现数据传输时延较大、能耗较高问题.针对上述问题,本文基于移动边缘计算对5G移动通信网络进行研究.通过移动边缘计算在通信网络边缘部署大量具有计算和存储功能的边缘服务器,将计算和存储资源迁移到网络边缘,以减轻核心服务器的压力,实现资源合理配置.结果表明,与现有的移动通信网...     

移动边缘计算的需求与部署分析

4G网络架构难以满足5G的大容量、大带宽、大连结、低延迟需求,于是ETSI(欧洲电信标准化协会)提出移动边缘计算的概念。首先分析移动边缘计算的概念以及应用后给网络带来的性能提升;其次解析移动边缘计算服务器部署的位置,以及不同的应用场景相应的最佳部署位置;列举其典型应用场合,包括移动视频、车联网、增强现实、监控视频等。     

5G边缘计算节点部署方法研究

随着5G商用的到来,基于5G三大应用场景的业务需求,现有核心网集中式部署不能满足新的需求,网络随业务流向边缘迁移是产业发展趋势。移动边缘计算靠近用户侧部署,能提供更短时延和保护隐私等功能。本文通过分析移动边缘计算面向的重点行业和重点领域等业务发展需求,协同构建客户的业务、无线和局房资源视图,匹配出移动边缘计算部署机房位置及资源储备。     

基于5G移动网络中边缘计算与计算迁移模型的研究

随着通信技术和移动互联网的高速发展,移动通信已进入了5G时代。但数据的蓬勃发展也让网络面临大带宽、低时延、广连接、高可靠度、高安全性等挑战。面对这些挑战,移动边缘计算(mobile edge computing,MEC)孕育而生了,MEC架构提供了分流、计算、业务感知、计算迁移的能力,并将相应能力下沉至网络边缘。文章首先介绍了边缘计算在5G网络中的基本架构和最新的研究成果。其次,基于MEC平台下的任务迁移是未来必然的发展趋势,分析了MEC环境下任务迁移的过程、算法、优势等。最后提出了目前边缘计算发展所面临的问题及挑战。     

移动边缘计算的资源管理技术分析

移动边缘计算技术可以有效减少延迟和移动能耗,解决5G的关键挑战。无线和计算资源的管理对于移动边缘计算系统实现节能和低时延有着关键的作用。文章对移动边缘计算系统中的资源管理技术进行了分类,并对各类型进行了详细分析。     

5G边缘计算和网络切片技术

本文通过对5G网络边缘计算技术的阐述,详细分析了边缘化计算的接入网络切片。5G边缘计算和网络切片技术是当前移动网络发展中的重要技术,该技术具有十分显著的优势,故而在5G技术的发展中值得被广泛应用。     

移动边缘计算发展与应用研究

对MEC的概念、体系架构、产业发展方向等内容进行了介绍,讨论了云边协同一些典型的应用场景,并对MEC技术发展存在的问题和未来的推进策略进行了阐述。     

5G网络边缘计算技术分析及应用展望

随着移动通信技术的发展和大数据时代的到来,5G网络技术得到了广泛推广并开始在各领域应用。但是,在其推广过程中虽然给用户带来了良好的使用体验的同时,但是同时对网络的覆盖、容量以及连接数量等有了更高的要求。而作为5G网络的关键技术,移动边缘计算对网络性能优化起着至关重要的作用,是性能的重要技术支撑。因此,本文将进行5G网络边缘计算技术研究,并对5G网络边缘计算技术的应用进行展望。     

Proactive content caching by exploiting transfer learning for mobile edge computing

To address the vast multimedia traffic volume and requirements of user quality of experience in the next‐generation mobile communication system (5G), it is imperative to develop efficient content caching strategy at mobile network edges, which is deemed as a key technique for 5G. Recent advances in edge/cloud computing and machine learning facilitate efficient content caching for 5G, where mobile edge computing can be exploited to reduce service latency by equipping computation and storage capacity at the edge network. In this paper, we propose a proactive caching mechanism named learning‐based cooperative caching (LECC) strategy based on mobile edge computing architecture to reduce transmission cost while improving user quality of experience for future mobile networks. In LECC, we exploit a transfer learning‐based approach for estimating content popularity and then formulate the proactive caching optimization model. As the optimization problem is NP‐hard, we resort to a greedy algorithm for solving the cache content placement problem. Performance evaluation reveals that LECC can apparently improve content cache hit rate and decrease content delivery latency and transmission cost in comparison with known existing caching strategies.     

基于云、网、边融合的边缘计算新方案:算力网络

边缘计算已经成为5G时代重要的创新型业务模式,尤其是其低时延特性,被认为是传统方案所不具备的,因此边缘计算能够提供更多的服务能力且具有更为广泛的应用场景。但边缘计算与处于中心位置的云计算之间的算力协同成为新的技术难题,即需要在边缘计算、云计算以及网络之间实现云网协同、云边协同,甚至边边协同,才能实现资源利用的最优化。在研究边缘计算算力分配和调度需求的基础上,提出了基于云、网、边深度融合的算力网络方案,并针对AI类应用给出了一个典型实施系统,该方案能够有效应对未来业务对计算、存储、网络甚至算法资源的多级部署以及在各级节点之间的灵活调度。     

面向工业互联网的5G边缘计算发展与应用

以5G为代表的现代通信网络技术,以及随之而来的移动边缘计算技术在工业互联网领域起到关键的连接作用,将生产要素紧密地结合在一起,发挥协同作业价值。通过描述5G边缘计算的基础发展现状和技术特点,阐释了面向工业互联网领域的应用方式以及与传统模式的对比,并且提出一种面向行业服务的可参考实现方案,总结了可预期的应用场景。     

一种面向边缘计算的可扩展网络I/O框架

作为当前的研究热点,边缘计算可以在网络边缘部署计算、存储和网络资源,为用户提供云化服务,以满足新兴应用的处理需求。但是,当前网络I/O模型的扩展性问题使得运行在边缘节点上的边缘应用难以有效地利用丰富的边缘物理资源处理海量用户的网络请求。针对边缘计算场景下网络I/O模型的数据竞争和负载不均衡问题,提出了一种新的可扩展网络I/O模型。通过试验可以看出,利用该模型的边缘应用具有良好的性能和可扩展性。     

大规模无线通信网络移动边缘计算和缓存研究

面向未来6G移动通信的大规模网络移动边缘计算与缓存技术,首先,介绍了大规模无线网络下移动边缘计算和缓存的架构与原理,并阐释了移动边缘计算和缓存技术在大规模无线网络中的必要性和普适性.接着,从计算卸载、边缘缓存、多维资源分配、用户关联和隐私保护这5个关键问题出发,综述和分析了移动边缘计算和缓存赋能大规模无线网络时会引入的...     

Service function chain embedding algorithm with wireless multicast in mobile edge computing network

To resolve the excessive system overhead and serious traffic congestion in user-oriented service function chain (SFC) embedding in mobile edge computing (MEC) networks,a content-oriented joint wireless multicast and SFC embedding algorithm was proposed for the multi-base station and multi-user edge networks with MEC servers.By involving four kinds of system overhead,including service flow,server function sustaining power,server function service power and wireless transmission power,an optimization model was proposed to jointly design SFC embedding with multicast beamforming.Firstly,with Lagrangian dual decomposition,the problem was decoupled into two independent subproblems,namely,SFC embedding and multicast beamforming.Secondly,with the L_p norm penalty term-based successive convex approximation algorithm,the integer programming-based SFC embedding problem was relaxed to an equivalent linear programming one.Finally,the non-convex beamforming optimization problem was transformed into a series of convex ones via the path following technique.Simulation results revealed that the proposed algorithm has good convergence,and is superior to both the optimal SFC embedding with unicasting and random SFC embedding with multicasting in terms of system overhead.     

一种车联网的边缘计算构建方法

文章基于移动边缘计算相关研究,参考现网主要架构,针对车联网中大数据量和低时延要求提出了移动边缘计算服务器在现网中的部署位置和具体架构、数据传输流程,通过流量分流网关进行流量分流,然后经解包后把车联网数据发送至平台处理,反馈信息也由相同链路传送回终端.