论文题目：Towards Mobility-Aware Dynamic Service Migration in Mobile Edge Computing

录用时间：2020年7月20日

会议名称：CollaborateCom 2020（CCF C）

作者列表：

（1）刘芳正，中国石油大学（北京），信息科学与工程学院，2019级博士

（2）吕博枫，中国石油大学（北京），信息科学与工程学院，2020级硕士

（3）黄霁崴，中国石油大学（北京），信息科学与工程学院，教授

（4）Sikandar Ali，中国石油大学（北京），信息科学与工程学院，博士后

摘要：

在移动边缘计算中，用户移动性可能会导致服务质量降低或服务中断，为了解决这一问题，本篇论文提出了一种基于移动感知的动态服务迁移方案。通过一种新的用户移动性建模方法预测用户的移动行为，并建立了一般的迁移成本模型，最终将服务迁移问题定义为马尔可夫决策过程，采用策略迭代的方式求解。得到的最优服务迁移策略能有效地权衡延迟与迁移成本之间的关系，同时兼顾服务迁移开销等指标，提高服务质量。基于北京出租车实际移动轨迹的实验数据评估表明，该解决方案性能优越。

背景与动机：

在大多数移动边缘计算场景中，边缘站点上的设备和用户只能访问边缘基站(或边缘服务器)信号覆盖范围内的服务。如图1所示，当它们移出时，它们必须重新连接到另一个边缘服务器或云服务器，从而导致服务质量降低或服务中断。这时，需考虑是否进行服务迁移,以保证满意的服务质量。一方面，系统可以选择继续让服务在原边缘节点进行处理，由于过长的网络传输距离，这会导致较大的传输时延。另一方面，系统可以选择服务迁移，以此减小端到端的时延，但也会带来服务迁移导致的额外开销。因此，针对用户移动性导致的状态变化，以及对网络延迟、迁移开销等指标的复杂权衡，服务迁移技术成为了服务计算领域的重要研究内容。

图1 移动边缘计算中的服务迁移

现有的服务迁移技术一般采用随机移动模型预测用户的移动性，并且没有综合考虑网络延迟、迁移开销等服务迁移指标。因此，很难得到最优的服务迁移决策并应用到实际中。为克服上述问题，本篇论文提出了一种基于移动感知的动态服务迁移方法。

设计与实现：

我们以蜂窝网络为例，如图2所示。通常我们用一个六边形来表示为一个边缘基站(或边缘服务器)的覆盖区域，多个六边形组成一个蜂窝网络。我们认为当移动用户进入目标区域（TA），即靠近六边形边界时，更有可能发生服务迁移，开始寻找最优服务迁移策略。

图2 蜂窝网络

寻找最优服务迁移策略的步骤主要为，针对用户移动的随机性，根据移动用户当前时隙的移动状态，预测下一时间间隙，移动用户从当前边缘服务器的覆盖范围移动到临近的其他边缘服务器覆盖范围的概率；根据用户与服务的通信成本，以及迁移服务所需的迁移成本，计算得到迁移服务需消耗的总成本；并将寻找最优策略的过程定义为马尔科夫决策过程，根据状态转移概率以及总成本构建贝尔曼方程，贝尔曼方程的求解方法有很多种，本文选择策略迭代求解优化问题，最终得到面向移动边缘计算的动态服务迁移策略。

实验结果：

本篇论文采用真实的出租车轨迹数据集进行模拟仿真实验，实验结果如图3所示，结果表明，与其他服务迁移策略相比（即不迁移（NM），总迁移（AM），以随机游走建模用户移动性的迁移策略（RWM）），本篇论文提出的服务迁移方法(MODEM)有很好的性能。

图3 与其他算法的性能比较

综上，本文提供的动态服务迁移方法，能够从用户移动的随机特性角度考虑服务迁移问题，解决了用户移动的不确定性造成的服务质量降低或服务中断，同时兼顾了服务迁移开销等指标。

作者简介

黄霁崴博士，教授，博士生导师，石油数据挖掘北京市重点实验室主任，中国石油大学（北京）计算机科学与技术系主任。2015年度北京市优秀人才，2018年度中国石油大学（北京）优秀青年学者，2020年度北京市科技新星。分别在2009年和2014年于清华大学计算机科学与技术系获得工学学士和工学博士学位，2012-2013年国家公派赴美国佐治亚理工学院联合培养。研究方向包括：系统性能评价和优化、随机模型理论和应用、服务质量测量与保障技术、服务计算和物联网等。担任中国计算机学会（CCF）服务计算专委会委员，CCF高级会员，IEEE、ACM会员。已主持国家自然科学基金、北京市自然科学基金等科研项目13项，在国内外著名期刊和会议发表论文五十余篇，出版学术专著1部，获得国家发明专利5项、软件著作权3项，担任多个国际顶级期刊和知名会议审稿人。联系邮箱：huangjw@cup.edu.cn。