移动边缘计算中的基础理论和相关技术基础9000字

1.

101.

01.

21.

1.2MEC

51.

51.

71.

1.

381.

81.

1.

4101.

101.

111.

121.1移动边缘计算概述

1.

1.1移动边缘计算概念2014年，移动边缘计算MEC被欧洲电信标准协会ETSI成立的行业规范组ISG提出，许多有名的移动运营商和设备制造商参与到了MEC的标准化工作中，如意大利电信、DOCOMO＞沃尔沃、英特尔、华为、IBMo高效结合移动网络和云计算功能，也是因为ISG移动边缘计算工作小组想要提供更良好的服务环境供移动运营商、服务提供商、供应商、用户等与会者利用，以期获得更多经济利益移动边缘计算技术也被欧洲15G公私计划合作伙伴关系看好，被视为下一代5G的主要新式技术在MEC体系结构中，计算能力和存储资源通常以边缘服务器的形式部署在网络边缘,5G网络里，将边缘服务器与基站BS一起部署在无线接入网络RAN中［30］是一种流行的方法在这种情况下，可以首先由本地边缘服务器为从用户设备至每个BS的网络流量提供服务，从而避免长距离网络传输MEC的主要宗旨服务请求也能够实现快速的相应，而实现这些过程的前提便是在移动边缘网络存储节点所缓存的数据资源由于MEC的节点是不具备类似云计算拥有的强大存储能力的，所以需要采用合理的数据缓存策略使得移动边缘网络存储节点储存能够最大化价值的数据这也就意味着，MEC中的数据缓存工作是基于低成本、高收益、优质服务这些目的，来分析在有限存储空间的条件下应当缓存哪些数据资源，以及采用何等策略来实现目标在大多数现有的数据缓存工作中，缓存的内容是计算结果的一部分，可以由其他用户重用例如有研究人员们在MEC中调查了协作式多比特率视频缓存和处理情况［38］，其中游戏渲染的视频（例如游戏场景）可以被其他玩家重用不过，现有的许多数据缓存策略并没有考虑到用户对计算结果的要求方面差异，因此,如何设计出一个合理的数据缓存策略来减少移动设备的总延迟与能耗仍然是一个值得关注的重点

1.

3.2数据缓存的研究内容传统的缓存技术里，在Web上进行缓存的第一种方法是在Web浏览器中建立客户端本地磁盘，研究人员们很快意识到，可以将内存层次结构的概念扩展到将Web服务器视为另一种外部内存级别因为缓存的有效性取决于请求同一数据的次数，所以很明显，如果在多个用户之间共享缓存，则实现的收益将显着增加这些事实导致出现了现在在Web上使用的第二种缓存方法，即缓存代理的发展，代理即充当用户计算机与外界之间的中间件从用户的角度来看，代理就像Web服务器一样工作，每个请求都发送到代理并由代理回答从服务器的角度来看，代理的行为类似于客户端，能够将请求转递到原始Web服务器因此，代理是第二级缓存的理想位置，能够在多个用户之间共享，数据被多次访问的可能性也因此增加，具有在本地计算机与外界之间充当防火墙的显着优势而在传统的缓存技术之外，也存在着许多不同的缓存技术其中之一例如,推挽缓存技术，在进行任何进一步操作之前，需要在“推”和“拉”缓存之间进行区分拉缓存由客户端启动，而推缓存是由Web服务器启动的创建推式缓存是为了缓解Internet用户所面临的信息过载和低带宽等问题在基于推式的数据传递中，服务器会跟踪已请求对象的所有代理，如果网页已被修改，每个代理都将会被通知，并且当客户端请求文件时，将从代理的缓存中为其提供服务，而不是直接将请求提交到服务器借此可以提高网络利用率服务器和代理之间有指示对象已更改和发送对象新版本这两种通知，服务器必须选择的通知类型取决于修改发生的速率，而更新通知可用于频繁更改的对象，无效则可用于休息基于拉取的数据传递也称为需求数据传递在基于拉取的缓存方法中，当客户端请求文档时，代理会从服务器请求数据项这个过程里，代理可以代替客户端直接向服务器发送请求，可以为客户端对同一文件的后续请求提供服务在基于拉的方法中，代理完全负责保持一致性，通过在缓存的文档上设置TTL来保持数据的一致性，并且将一直提供到TTL过期为止数据缓存技术的最终用途是在网络上施加更少的开销并占用更少的资源，同时令更多数据可供用户使用因此，缓存系统的发展方向应当具有更多理想的功能，包括透明性、可伸缩性、高效率、稳定性和简单性

1.4李雅普诺夫优化理论

1.

4.1李雅普诺夫优化概念李雅普诺夫Lyapunov优化是指借助李雅普诺夫函数来实现动态系统在最佳下情况下被控制Lyapunov函数在控制理论中被频繁运用，来维护多种形式下的系统稳定性一般是利用多维矢量来规划表述系统在特定时间的状态，Ly叩unov函数则为此多维状态的非负标量度量在平时的情况中，当系统朝非希望状态的方向发展时将函数设定为变大，此时依靠令Lyapunov函数朝负方向漂移至零的控制动作，去帮助系统实现稳定Lyapunov漂移对排队网络中最优控制的相关研究来说至关重要，关键性目的就是实现所有网络队列的稳定，并兼具某些性能指标的优化，例如平均能量的最小化或是平均吞吐量的最大化最小化二次Lyapunov函数的漂移能够获得有关网络稳定的背压路由算法，也称为最大权重算法而在Lyapunov漂移中添加加权罚分项并最小化其总和，能够得到漂移加罚分算法，用于联合网络稳定性和罚分最小化mi,也可以用于计算凸程序和找到线性程序的解［他Lyapunov稳定性的概念在控制和系统理论中扮演重要角色，能够确保研究模型的稳定性基于Lyapunov函数的策略方法被广泛用于非线性系统的稳定性分析，Lyapunov理论的有效利用已经可以涉及到自适应滤波技术，例如有限冲激响应FIR和无限冲激响应IIR自适应滤波器通过显示Lyapunov函数的存在，可以保证Lyapunov稳定性，并且在其他条件下，可以保证轨迹收敛到平衡点，而无需计算非线性系统的轨迹

1.

4.2排队网络的李雅普诺夫漂移考虑一个排队网络，在离散时间中以标准化时隙/在｛0,1,2,…｝中演化假设网络中有N个队列，并通过以下方式定义在时间/处的队列积压向量=】力，2«,…,0N«

1.1主要进行如下三个要点的介绍1二次Lyapunov函数对于每个时隙t,将LQ定义为当前队列积压的平方和为方便起见，除以21N

1.2以上表述网络中总队列积压的标量，‘去队列状态里被称作二次Lyapunov函数将Lyapunov漂移表述为此函数从一个时间隙至另一个时间隙的变化A n=Lf+1-L

01.32边界Lyapunov漂移假设队列积压量根据以下等式随时间变化Q«+1=max[Qr+a.t-/,0]

1.4t其中q.⑺和2⑺分别是时隙/上队列i中的到达和服务机会则以下公式可用于计算任何时隙t的Lyapunov漂移的界«+12=max[Q«+

4.⑺一2⑺重新排列该不等式，对所有i求和，15然后除以2,得出如下公式N工A0B⑴+⑺《⑺-尔

1.6其中仇定义为，-，8=+2/2—24Q4Q]

1.7假设每个队列于随意时隙工.综合都是有界的，因此具备一个有限常数30,使得对于所有，和所有可能的队列向量⑺，以下属性均成立仇伏201B

1.8取公式

1.6的有条件期望，可以求得有条件预期Lyapunov漂移的界线公式如下:£[△“⑺厂3+工

2.⑺E[q⑺WC[0⑺]

1.93一个基本的Lyapunov漂移定理在许多情况下，可以通过对网络进行控制，以使每个队列的到达和服务之间的差异满足某些实数的以下属性£口⑺甘|⑺[WY

1.10如果说，以上对于所有队列i,所有时隙/和所有可能的向量0⑺都适用于相同的6,则公式

1.9可以被简化为以下Lyapunov漂移定理中使用的漂移条件下述的定理则可以看作是马尔可夫链的福斯特定理的变体，但是马尔可夫链结构在这其中并不必需假设存在常数320,60,使得对于所有，和所有可能的向量⑺，条件Lyapunov漂移都能够满足，则NaAea]B-6^a oLID然后，对于所有，〉0的时隙，网络中的时高平均队列大小满足空巧[3%詈L12I1r=0i=l W证明如下取漂移不平等双方的期望并使用迭代期望定律可得出N E[A0]B-d^E[2a]

1.13z总结7W{0,l,…,-1}以上情况中的表底A，并根据伸缩和定律得出t-\NE[Lt]-E[L0]4及—eZ£/2⑺]

1.14r=0Z=1利用L⑺为非负数的事实并重新排列上述表达式中的项，即可以证明结果

1.

4.3排队网络的李雅普诺夫优化基于与上一节相同的排队网络，将定义为在时隙t上引起的网络损失将目标假设为最小化〃⑺的平均时间，并同时稳定排队网络在某些示例里，希望在时间平均功率最小化的情况下实现网络稳定，即又可以将P设定为网络在时隙，上产生的总功率，如果要解决最大化某些期望回报“的平均时间问题用1,即可以定义惩罚为P t

1.15二一一⑺这对于一些需要最大化网络吞吐量的实用程序来说非常有用而为了最小化惩罚P⑴的平均时间，并且同时实现稳定网络，可以对网络算法进行设计，来控制动作实现最小化每个时隙，上随后的漂移，并且规划出惩罚表达式的界限公式AZ+Vpt

1.16其中丫是根据需要选择的，用来影响性能折衷的非负权重这种方法的关键特征是通常不需要了解随机网络事件例如随机作业到达或通道实现的概率选择0可以减少每个时隙的漂移限制，对于多跳排队网络中的路由选择来说，可以减少到像Tassiulas和Ephremides开发的背压路由算法幽这种情况采用V0,并将p⑴定义为时隙/上的网络功耗就需要考虑到漂移加罚分算法，该算法可根据网络稳定性，使得平均功率实现最小若采用V〉0并将p⑴设为-1倍时，准入控制实用性度量就需要参考Neely、Modiano和Li等研究人员网】开发的用于联合流控制和网络路由的漂移加罚分算法在这种情况下，上一节里Lyapunov漂移定理的推论就非常重要简化来说，假设惩罚p⑴由某个实数可能为负p疝〃定义下限p0P,Vre{0,l,2,...}

1.17min例如，当p⑺总为非负时，上述满足.麻”=0令p*代表p⑴时间平均值的期望目标将V定为用于权衡达到目标重要性的参数以下定理表明，如果满足漂移加罚的条件，则时间平均惩罚最多比期望目标高〃刃，而平均队列大小为0V可以对丫o参数进行调整，以令时间平均惩罚尽可能贴近或低于目标,并进行相应的队列大小折衷李雅普诺夫优化定理如下所示假设存在常数820,60,V20,p*使得对于所有，和所有可能的向量⑺满足，以下漂移加罚条件成立NE[A0+Wl QmB+Vp

1.18然后对于所有，0,时间平均惩罚与平均队列大小分别满足/Y1V仇£0]

1.19%巧巧.叱”+%詈

1.201r=/=!W1证明取公式

1.18的期望并使用迭代期望的定律可得出NE[Ar]+VE[pr]B+Vp-^E[Q^]将上述结果汇总到前1个时隙中，并通过伸缩后定律得出

1.21t-\t-\N£[小]—£0]+丫2顼《]«3+%广22甩2⑺]r=0r=0/=

11.22由于L⑺和2⑺是非负量，囱此可以得出-E[LQ]+V^以〃《]B+Vptr=将上式除以W并重新排列项，证明时间平均惩罚的界限同样的,论据证

1.23明了时间平均队列大小的界限类似的便是应对MCC系统目前正面临的难题，而MEC这个新型架构也确实令最终用户体验到了快捷而强大的计算能力，以及包括良好的能效、存储容量、移动性、位置以及上下文感知支持M等一系列优点当然，这并不意味着在MEC场景中所有流量都可以在本地进行处理一方面，边缘服务器的功能实现确实是存在一定限制的，并且没有足够的能力去应对来自各种用户应用的所有流量从另一方面来说，应用的延迟要求各自有别，需要在满足延迟要求的情况下，某些流量才可以在区域边缘服务器中提供服务国因此，以分布式方式部署的边缘服务器通常不会独立运行，而是与其他服务器和云服务器协同工作［3引MEC具有以下特点1本地网络状态感知MEC被安设于边缘，并具有实时无线网络访问以及信道信息获知的能力2本地用户上下文感知用户上下文及位置能够在本地为应用程序所利用3分布式MEC资源、应用程序以及服务能够于地理层面分布在无线接入网络例如BS、AP、交换机、路由器、网关以及移动设备的不同位置和层次结构级别上4异构性相较于具备悉心筹划的设备与网络的专用数据中心，MEC节点异构，因此存在能够变动的处理和存储资源，以及变化的带宽和网络连接性5移动性和不可靠访问借助不可靠的无线访问，移动设备才能够实现对MEC服务的连接，另外与网络的连接点也会时常更换MEC服务实际上能够借助移动设备实现交付，机动性支持对于MEC来说十分关键6极低延迟MEC是有几率实现极低延迟的，类似一毫秒到几毫秒，来支持触觉Internet应用程序，例如虚拟和增强现实、机器人技术以及交互式实时工业控制系统这些对延迟非常敏感的应用程序，所要求得是以人类触觉响应时间为标准的端到端延迟7与中央云的相互作用MEC是对传统中央云的添补，而非替代MEC靠近移动设备，可以实现包含上下文感知与低延迟的本地化处理，至于传统云则是实现具有更优秀计算和存储能力的集中化全局很多应用程序或许在跨越移动终端设备和MEC网络节点后才能执行

1.

1.2移动边缘计算架构MEC提供的是一种分布式计算环境，能够将应用程序与服务部署在无线访问网络中，其关键元素MEC服务器，能提供计算资源与存储资源，并具有连接性及对无线电和网络信息的访问能力MEC服务器能够嵌入或是与无线网络元素（例如AP、BS、交换机、路由器、无线电网络控制器和小区聚合站点等）共置通常，最终用户移动设备或传感器也能够作为MEC服务器，并提供部分计算功能为运行在其上的应用程序所使用所以，MEC可以在这些网络与终端设备元素之上实现应用程序和服务的托管，也就是说在网络层之上，不但可以实现转发，而且还能够进行数据的网络内处理和缓存MEC是通用的，并且开放支持各种应用程序、软件服务以及平台和基础结构服务除了用户能够提出服务和卸载工作需求之外，网络还能够基于网络条件和上下文判断自动实现服务执行和数据处理，而第三方能够借助开放的管理界面租用资源并部署新服务这种具有智能计算能力的边缘网络的架构不只是对传统云架构的浅易扩充，因为其独特的特性与要求，例如异构性、实时无线电和网络信息的公开以及各种网络内服务，督促生成了一种新的MEC服务器和网络体系结构如图L1与

1.2,展示了MEC的分布情况与网络架构核心移动设备图的分布情况示意图LI MEC移动第三方边缘、移动边缘系统水平管理系统__________J水平图的网络架构情况示意图L2MEC移动边缘应用移动边缘平台移动移动边缘应用移动边缘水边缘主机平主机管理水平移动边缘虚拟化基础设施主机网络网络本地网络外部网络3Gpp水平MEC服务器具有基础结构管理界面，根据需求，外部管理系统能够依靠该界面在MEC服务器上创建和管理计算实例或虚拟机（VM）每一个虚拟机皆具备相应的系统资源容量，例如CPU速度、内核数、存储容量和内存大小创建虚拟机后，即可将其用于承载应用程序并通过应用程序平台执行程序在无线访问网络的不同位置和层次级别里，多个MEC服务器能够被分别部署，并且每个服务器可以承载多个虚拟应用程序实例，因此MEC可用于与传统IP网络体系结构和TCP/IP协议栈协作，来提供Web服务WS以及其他服务而关于MEC应用程序平台，其中包含了一个MEC虚拟化管理器以及一个基础架构即服务laaS控制器，并且能够提供多个MEC应用程序平台服务通过提供laaS设施，MEC虚拟化管理器实现环境支持托管，而laaS控制器则为MEC平台与应用程序保障了安全性并供应资源沙箱即虚拟环境MEC应用程序平台包含四项主要服务类别，即流量卸载功能TOF、无线电网络信息服务RNIS、服务注册表和通信服务运营商则借助MEC应用程序平台管理界面进行相应管理，实现应用程序配置并控制生命周期，以及进行VM操作管理在MEC应用程序平台之上，MEC应用程序在VM内部署和执行，由VM的相关应用程序管理系统执管，并且与MEC服务器/平台和其它MEC应用程序无关

1.

1.3移动边缘计算应用场景基于MEC所具备属性，MEC的应用场景通常包括以下内容1延迟敏感的应用程序由于该过程可以在边缘执行，并且数据不必在最终设备和远程数据中心之间在网络上来回传输，因此可以减少延迟，对于延迟敏感的应用程序例如实时流量控制来说，其用户的网络服务需求能够受到有效的满足和保障2需要适应本地网络状态和要求的应用程序像是伴随着逐渐恶化的无线电信道条件和不断增加的网络流量负载，诸如网络内视频转码的边缘应用通过利用MEC技术来适应视频数据速率，以此去解决可用带宽减少的难题并且,根据本地的网络需求，运营商能够借助边缘计算功能来实施防火墙、VPN和其他网络内服务的部署3具有本地性质或本地上下文的应用程序本地应用程序例如本地信息共享、本地人群感知、本地广告插入等的性能是能够借助位置信息、本地计算功能以及用户上下文来提高的，原因是数据处理与计算是在本地以较小的数据集进行的，从而减少了开销由于移动用户的位置不会从无线访问网络中被发送出去，因此也增加了隐私程度

（4）需要处理和聚合数据的应用程序由于在网络边缘为某些应用（例如视频监控、大数据分析和安全监控等）搜聚到了大量数据，因此可以通过MEC来进行数据的处理、分析与汇总，然后把结果发送至中央云边缘的处理将大大减少原本需要通过Internet传送到中央云的数据量，并节省了带宽和云存储除此之外可以注意到，与跨域Internet链接相比，无线访问网络中的带宽可能要高得多，单个应用程序可能有多个任务的存在在这里，任务是要执行的计算工作或功能，分布在不同实体或虚拟机（VM）上的进程或线程可以实现这些任务的执行通过以最小的延迟将部分复杂的任务从移动设备卸载到拥有更丰富功能的边缘节点，某些时间要求紧迫和高带宽的应用程序将在MEC的帮助下变得可行，在这之前，这些应用程序是无法得到很好的服务的MEC可以说是一种非常创新的网络样例，可以应对日趋增长的计算需求带来的挑战并包容不断拔高的用户需求标准MEC旨在利用卸迁大量的计算与存储至网络边缘，在最终用户周边实现云计算功能与IT服务无线通信、移动设备与边缘服务器之间的直接交互，为支持具有极低等待时间要求的应用程序、延长设备电池寿命以及促进高效网络运行提供了可能性不过，由于诸如复杂的无线环境和MEC服务器固有的计算能力限制等原因，MEC也伴随着各种新的设计考虑因素和独特的挑战，例如网络整合技术、应用程序可移植性、安全性、满足法规和法律要求情况下的开发等多种方面的问题MEC想要更好的运用到当下，出现在更丰富更创新的应用空间中，还需要不断地研究与拓展

1.2MEC中计算任务卸载概述

1.

2.1计算卸载基本过程移动应用程序通常会运用到大量资源以及计算，并产生高能耗，而物理尺寸的既定存在限制了移动设备所能够拥有的计算资源和电池容量受限于计算和能量资源，如何确保移动应用程序的运行效率并改善用户体验是一项挑战任务卸载是一种有效的技术，可以通过将一些计算任务卸载到云来有效地减轻负载Ml,计算资源会被运送至资源相对受限的设备，使其能够进行计算密集型应用的运行针对具有顺序拓扑的应用，研究人员们提出了大多数现有的任务卸载方法，通常是使用了整数线性规划和贪婪算法来获得最佳的卸载策略口叫不过，在大多数情况下，许多应用程序都被建模为通用拓扑，可以通过在其中引入协作任务执行并且作为约束延迟的工作流调度问题［36］，以此让具有延迟约束的移动设备上的能耗能够在尽可能的范围内被有效降低计算卸载通常指的是将运算量多的任务恰当规划给代理服务器，再将运算结果由计算资源充足的服务器中拿回计算卸载的基本过程可以简略由下面这几个步骤构成，如图

1.3所示Q移动终端J）图

1.3计算卸载流程示意图

（1）发现节点查找能够用于后续卸载程序计算的MEC计算节点，这些节点可以处于网络边缘的MEC服务器，也可以位于云中心的高性能服务器

（2）程序切割分割正在等待办理的任务程序，尽可能保证在这个过程里被划分的程序功能是完善无缺的，为后续卸载做好准备3卸载决策作为计算卸载中的关键步骤，主要讨论能否开始程序卸载、卸载至MEC计算节点的是程序的什么模块等问题而卸载策略包含了动态卸载与静态卸载两种情况，动态卸载策略意为参照卸载过程中的具体情况实现对卸载程序进行动态筹划的策略，而静态卸载策略指在卸载进行前已经规划好需要卸载的全部程序块的策略4程序传输将移动设备卸载的划分计算程序通过4G/5G网络或Wi-Fi送到移动边缘网络计算节点执行5执行计算移动边缘网络计算节点对卸载到服务器的程序进行计算，过程利用到云端为任务启动的虚拟机，使得任务能够在VM中执行而不对用户端产生影响6计算结果回传作为计算卸载流程中的最终片段，把移动边缘网络计算节点运算加工完成后的结果迁回用户的移动设备终端总流程到此结束，移动终端与云端连接中断

1.

2.2计算卸载决策计算卸载过程中存在无线信道通信状态、用户习惯、移动设备性能、回程连接质量和云服务器可用性等多种因素的影响，所以如何挑选出一个恰当的卸载决策是计算卸载的重点据此，边缘计算社区对计算卸载任务的性能需求展开了分析，并围绕计算卸载策略研究做了一个浅易的阐述当前情况下，一般会用时延与能耗来衡量计算卸载的性能，而计算时延和能耗的手段存在这样两种情形在没有进行计算卸载时，时间延迟等同于处理本地计算时移动设备终端所需消耗的时间，而能量消耗等同于处理本地计算时移动设备终端需要耗损的能量而在计算卸载中，将数据卸载至MEC计算节点的传输时间、MEC计算节点处的处理执行时间以及从MEC计算节点接收数据处理结果的传输时间，这三种时间总和称为时间延迟，而能耗包含了从卸载数据传输到MEC计算节点的能耗，以及从MEC计算节点接收数据处理结果的传输能耗卸载决策UE决定了能否进行卸载以及卸载多少的情况UE分为代码解析器、决策引擎和系统解析器这几个构成部分，卸载决策的实现存在三个流程起初，由代码解析器查看应用程序类型以及代码/数据分区，以明确能够协同帮助执行的任务其次，所需的参数，例如可用的带宽、需要卸载的数据多少或是运转本地应用程序造成的能耗等，由系统解析器进行看管最终，决策引擎会判定能否开展卸载工作通常，计算卸载决策包含这三种情况1本地执行local execution整个计算任务都在移动设备端本地处理2完全卸载fulloffloading整个计算都迁至边缘服务器进行处理3部分卸载partialoffloading在本地完成个别的计算加工，卸载其余计算到MEC服务器实现处理

1.

2.3影响计算卸载决策的因素影响不同决策方案的因素主要是UE的能耗和完成计算任务的延时做出卸载决策时应当兼顾计算延迟，合理的计算延迟才能够保障用户的体验,而相对的，过大的计算延迟有几率致使耦合程序由于无法得到足用的计算结果而出现异常运作的情况所以，不论是怎样的卸载决策都起码应当遵循在移动设备程序许可的时间延迟限制范围内同时，能耗问题也需要予以关注，过高的能耗会加速移动设备终端的电池消耗，而能耗的最小化就意味着最大程度地在时延条件的限制范围内降低能量消耗值针对部分应用程序来说，如果没有将某个指标的延迟或能量降到最低的需求，就可以依照程序应用的详细需求来给出延迟和能耗指标各自的加权值，令两个值的总和最小，也就等同于拥有最低的总成本，使用这种卸载决策来最大限度地增加收益卸载决策选定后，需要开展计算资源的合理支分规划类似于计算决策，应用是否可以划分进行并计算会影响服务端计算执行地点的选择应用程序若是不具备分割性和并行计算性，就仅有一个物理节点能提供至本次计算反之，如若应用程序是具备可分割性且能够实现并行计算的，则卸载程序将能够在不同虚拟机节点实现分布式计算

1.3数据缓存概述

1.

3.1数据缓存基本概念数据缓存是一种将移动设备应用程序所需必不可少的数据复制到边缘服务器缓存的技术⑺,而MEC数据缓存的关键就在于权衡数据库和有限的存储容量MEC所拥有的特点使得移动设备可以更容易获得所需的数据资源，对设备端的。