边缘计算:原理、技术与实践
上QQ阅读APP看书,第一时间看更新

3.3 可靠的数据传输

边缘计算需要终端节点将其任务卸载到边缘服务器进行分析处理。终端节点通过无线网络和边缘设备进行通信与数据传输。终端设备的边缘接入是完成计算卸载的基础之一,因此保证边缘接入的可靠性是边缘计算中最重要的研究问题之一。具体地,由于在边缘计算的架构下产生的一系列独特的性质与挑战,边缘接入中可靠的数据传输也需要考虑不同的场景、面对不同类型的问题。以下将从不同方面介绍边缘接入中可靠的数据传输面临的问题与相关技术。

3.3.1 考虑移动性的可靠数据传输

边缘计算场景中,许多前端设备都具有移动性的特点,如应用较广泛的手机、平板电脑与笔记本电脑等移动设备,又如在物联网应用中的各类低功耗传感器节点,也可能因应用场景而被部署到移动物体(例如动物、车辆)上,从而具备移动性。这些前端设备的移动性会对可靠的数据传输带来巨大的影响,从无线信号传输来说,信号可能会被移动性产生的多普勒频移以及多径效应所改变而难以解码,造成数据传输的失败,另一方面,设备的移动带来的接入点切换问题也会对数据传输造成影响。具体地,本节从不同的无线传输技术来分析移动性带来的影响以及现有技术的解决方案。

1. 蜂窝网络

对蜂窝网络而言,移动性如何影响基站的切换速率和停留时间是一个经典问题。切换率定义为单位时间的预期切换数,与网络通信的开销和可靠性直接相关。显然,对于大范围、低移动性的区域,切换速率会相对低一些,而对于较小的或是设备移动性高的区域,设备往往需要进行更为频繁的基站切换。基站切换过慢会导致终端设备难以与最可靠的基站进行通信,降低数据传输的可靠性。因此,通过增加频谱和空间复用来增加蜂窝网络的容量是提升可靠性的重要手段。

为了探索移动性在蜂窝网络中的作用,首先需要对移动性进行建模。研究工作[1]利用随机游走(Random Waypoint,RWP)移动性模型。在此模型中,移动用户在有限域A中移动。每个用户随机在A中选择目的地点,并按均匀分布选择移动速度。然后,用户沿直线(其长度称为过渡长度)移动,以特定的速度从当前地点移动到新选择的地点,并在每个地点都重复此过程。用户可以在移动到下一个地点之前具有随机的停留时间。在这种经典的RWP移动性模型中,固定的空间节点分布会集中在有限域A的中心附近,因此,如果实际情况下终端设备均匀地分布在网络中,可能会与模型计算结果不符[51]。另一个问题为经典RWP移动模型中的跃迁长度与有限域A的大小相同,在很多场景中这与实际明显不符[52]。为了解决上述问题,研究工作[1]提出了在整个平面上定义的RWP移动性模型。在该模型中,移动设备在每个地点选择不同的移动模式:

①随机选择移动方向,服从在[0,2π]的均匀分布。

②随机选择过渡长度,可选随机分布方式。

③随机选择移动速度,可选随机分布方式。然后,移动设备以选定的速度移动到下一个地点。

但是,人类运动具有非常复杂的时间和空间相关性,其性质尚未得到充分理解[53],因此现有的机动性模型很难做到与实际情况完全相符。

2. Wi-Fi

大量的移动通信对蜂窝网络容量造成极大的压力,影响无线数据传输的效率和可靠性。一个可行的解决方案是部署无处不在的Wi-Fi接入点进行持续通信,来缓解蜂窝网络的压力。在人口密集的城市地区,可能根本不需要Wi-Fi和蜂窝网络之间的漫游:因为Wi-Fi始终可用,而且提供了更高的带宽和更小的能耗[54]

针对设备的移动性,研究人员已经提出了许多解决方案来协调多个Wi-Fi接入点之间的切换[55],但是,Wi-Fi接入点的实际部署是由多个接入点共同覆盖一个区域,甚至这些接入点可能是由不同的运营商提供,因此在Wi-Fi中,接入点的切换更加频繁。Wi-Fi中考虑移动性的技术多基于快速的接入点切换的概念:当移动的终端设备离开一个接入点的覆盖区域时,它应该迅速地找到另一个接入点并进行关联,以此来保证数据传输的可靠性,如图3-16所示。关于优化快速切换的大量研究包括预先扫描、重新使用IP地址、通过背板协议同步AP等[56]

000

图3-16 Wi-Fi的基站切换

3. 无线传感器网络

由于无线传感器节点通常是小型便携式设备,可以轻松地耦合到诸如车辆或人员之类的移动实体,因此在不缩短网络寿命的前提下,许多应用程序更需要移动性支持。由于存在为高移动性环境明确设计的协议和功能,可以使用速度和移动模式的模型来优化方案选择[57]。因此,需要仔细分析和研究无线传感器网络中节点移动性模型的特征[58],但是,现实中的设备移动方式因功能而异。设备移动的周期性和随机性增加了建模的难度,必须在移动性模型的复杂性与其模式的实际方面之间进行权衡。最主要的移动性特征如图3-17所示,主要包括移动性检测、移动性模式、移动性类型和移动性模型。

000

图3-17 无线传感器网络中的移动性分类

无线传感器网络场景下,移动性的MAC协议的最新研究进展已经全面地考虑移动性的网络行为,并给出了接近最佳性能的解决方案。这些协议根据其访问方法分为四类:

①基于时隙调度的协议。

动态拓扑中建立和维护时隙调度所需的流量和内存较高,因此需要细粒度的时间同步,以使其更加节能。因此,时隙化的调度协议不适用于大规模动态无线网络的实际解决方案。

②基于活动/休眠行为的协议。

与基于时隙的调度协议不同,它不会为各个节点预先分配信道,而是按需分配公共信道,在节点密度、拓扑或流量负载不断变化的情况下运行更为灵活。这些特性有助于处理移动性并增加移动节点在信道中传输数据包的机会。但是随着移动性的提高,竞争和重传的可能性越来越高,能耗非常大。

③混合调度协议。

它比基于活动/休眠行为的协议或基于时隙调度的协议更为节能,但是,在混合调度协议中,由于两种操作模式之间的转换,控制包的开销和等待时间很高。

④前同步码采样协议。

前同步码采样协议对于拓扑更改具有鲁棒性,因为它们不需要事先的拓扑信息和时间同步,发送方和接收方可以完全解耦,并且前同步码采样协议具有较低的复杂性和成本,消耗的能量更少。但是前同步采样的协议降低了信道可用性,从而增加了节点之间的竞争。

3.3.2 基于博弈的数据接入

随着终端设备数量的不断增加,越来越多的设备需要通过无线传输接入边缘网络,但无线带宽资源是有限的,因此大量的终端设备之间势必会产生对边缘资源的竞争。一方面,对终端设备自身而言,更倾向于采取对自己有利的无线资源分配与计算任务卸载策略;另一方面,由于边缘计算架构的分布式特性,终端设备之间不会相互通信,因此彼此之间并不了解其他设备的接入策略,从而导致终端设备“自私”地进行边缘接入,对整个终端网络中所有设备的无线数据传输产生影响,降低传输的可靠性,增加接入的时延。一种可行的方式是基于博弈论(Game theory)的方法对终端节点的接入进行合理的分配。博弈论描述了博弈中玩家的行为。在边缘接入过程中,可要求终端设备根据设备感知到的无线资源竞争情况来管理其网络行为模式,从而根据需要有效地完成多接入设备的任务。特别地针对低功耗的物联网设备,除了数据传输的可靠性,设备本身的能量消耗也是需要考虑的重要方面,同样可以通过博弈论的方法考虑节能的无线接入[61]

在博弈论中,将做出决定并执行动作的实体或个人称为玩家。根据博弈类型的不同,玩家对其他玩家所采取的行动有不同程度的了解。在边缘计算接入场景中,博弈中的各参与玩家通常无法拥有关于其他玩家的全部信息。博弈中的一组玩家通常用N = {1,2,…,i,…,n}表示。动作是玩家在特定博弈中采取的行动,在边缘接入中,动作可能是移动终端设备对无线资源进行的竞争行为,例如对无线信道、传输时隙等。这组动作通常用Ai表示。策略是对玩家如何进行博弈的描述,是整个博弈中完整的行动计划。策略分为混合策略和纯策略两种。混合策略指给定情境中参与者所有可能动作的概率分布,而在纯策略中,参与者在给定情境中采取确定的动作。每个玩家采取的一套策略被表示为Si。例如,对于任何玩家i,其策略表示为Si = {s1s2s3,…,sm}。博弈结束时玩家获得的收益也称为奖励,与博弈中其他玩家的动作有关,收益取决于个人的行动以及竞争对手的行动,可以是负数或正数。每个玩家选择的策略相对应的一组收益主要由M = {1,2,…}给出。博弈论中的另一个关键术语是纳什均衡(Nash Equilibrium,NE)。NE是博弈的解决方案,定义为每个理性玩家的最佳策略组合,这些策略可以最大化自己的收益,并提供其他玩家选择的策略[62]。在达到NE时,没有玩家会偏离所选策略,因为这样的动作会减少该玩家的收益。当参与者的最佳策略同时发生时,获得的NE称为纯纳什均衡(Pure Strategy Nash Equilibrium,PSNE)。此外,如果在玩家策略的可能范围内存在概率分布,则NE被称为混合策略纳什均衡(Mixed Strategy Nash Equilibrium,MSNE)。

目前基于博弈论的无线数据传输,主要考虑终端设备之间的资源竞争问题。例如频谱敏感的无线网络中的干扰问题,可以通过允许网络节点动态更改信道得到解决[63]。为了深入了解动态信道变更的策略,研究工作[46]在多阶段非合作博弈论模型中将网络建模为自主参与者,假定网络是高度干扰的,即当两个或更多传输存在于单个信道上时,它们将不能成功地传输数据。每个终端设备都在寻求最大限度地减少寻找空闲信道的时间。博弈论分析反映了彼此不信任的、独立的、理性的、自私的决策者的动机和选择。他们在不受信任的环境中分析了合适的博弈论解决方案,并将结果与最佳决策进行了比较,这些决策将使受信任环境中所有共存网络的预期收益最大化。