付韬 孟庆宇

（中国电子科技集团公司第四十一研究所 山东省青岛市 266555）

1 概述

多接入边缘计算（Multi-Access Edge Computing，以下简称MEC）是一种在接入网边缘侧靠近用户、通过至少一种接入网络类型提供信息服务环境和云计算能力的系统[1]，是运营商提供边缘云服务的重要手段。ETSI 最早提出移动边缘计算的概念，后考虑到兼容多种接入网络改名多接入边缘计算，其核心思想是在移动端用户和云数据中心之间提供更加实时、更高带宽、灵活扩展的资源支撑。

鉴于该模式在交通、工业、智慧城市、智能家居等场景下的性能优势，MEC 在产业界的发展势头良好。围绕MEC 产品研发、标准制订、产业推广的工作都在顺利进行，MEC 内部网络一般采用SDN 技术进行集中式管控，从而实现计算、存储、网络资源的跨基站协调，克服移动端在动态运动过程中的各类需求。目前针对MEC 的研究工作主要集中于计算迁移（卸载）、基站资源分配、移动性管理、隐私保护、系统能耗等方面，仅针对部分资源及其指标进行讨论，很少从测试评估的角度给出整个MEC 服务评估指标体系和测试方法，给系统评估和选型带来困难。本文的工作集中于以下几个方面：

（1）被测系统架构特征是建立测试评估框架的基础，目前MEC 框架之下存在多种技术的融合，与5G、WIFI6、SDN、流式计算等技术均存在交集，需要结合各种技术在MEC 基站的应用模式设计相应的测试方法。本文提出一种以MEC 服务、SDN 网络、流式计算为核心的MEC 架构，围绕该架构设计通用效能评估指标，由于各厂商实现方式可能存在差别，替换部分模块不影响测评结果。

（2）测试输入特征是用于检测被测MEC 平台处理不同服务请求能力的仿真业务，需要从请求服务类型、请求服务内容、测试数据、SLA 协商等方面构造具有代表性的一系列请求，从而触发被测MEC 平台的各种事件，进而影响资源重分配和业务功能的执行。

（3）关键指标集合是针对MEC 各模块功能和性能给出具有重要影响的指标，根据对国内外工作的整理，目前包含MEC 模式、云边协同指标、计算指标、存储指标、SDN 网络指标、安全指标、能耗指标。

（4）监测分析手段是针对关键指标的监测和获取方法，采用网络数据流统计监测和软件探针相结合的方法，测量网络时延、流有效带宽、协同开销等。采用Sketch 统计方法针对不同的数据流进行统计，获得MEC 平台内部各模块、基站间的通信测量数据，进而结合计算存储开销进行分析。

2 基于MEC架构的测评方法分析

MEC 架构的创新必然催生原生技术的出现和应用，进而需要针对特殊的技术实现进行效能测评。图1 给出了MEC 架构视图、技术视图和测评视图在各层次上的对应关系。MEC 与5G、车联网、算力网络、虚拟现实等新技术息息相关，它重点实现用户移动终端泛在化后的计算服务动态开放。实时根据用户应用任务需求的服务参数调配各基站参与的网络带宽、计算单元、存储空间资源，在需要授权、管理、云端资源与服务等方面则需要与云平台协同。因此在架构视图中，MEC 平台位于运营商云平台和用户移动设备之间，平台由临近的一组基站组成服务集群，用户具有随机接入、移动性强，相互竞争资源的特点，需要针对不同用户提供差异化资源分配。在协商服务参数后，需要分配足够的无线通信带宽，读取边缘存储数据或针对一次性通过请求进行流式计算处理。在应用管理方面，平台则根据预存的若干种服务模型进行基于流的调度，鉴于目前国内安卓体系下存在大量各类应用，无法针对每一种进行服务模型设计，因此需要将应用使用到的资源进行分类抽象，再根据请求信息进行按需分配。MEC 的原则是在边缘侧解决用户的需求，但涉及到全局信息或者基站满载时，需要与运营商云数据中心协同处理各类服务。

图1：MEC 架构、技术与测评关联

在MEC 系统架构基础上，将针对MEC 基站模块的具体技术设计测评内容分类。按照终端获取边缘服务的流程，首先是在移动端本地进行迁移（卸载）决策，这个过程中需要评估本地处理的时延、存储开销，可以用若干典型测试例在测试系统（仪器）本地进行测量，获得测试例运行的实验数值。在MEC 基站端，则需要针对基站天线资源划分、软件定义网络控制进行相关测试，这部分采用终端和基站的节点间通信性能指标进行测量。流式计算、边缘存储等模块性能变化可以通过平台插件采集，云服务协商部分则主要测试服务时延，运营商云数据中心的其他指标超出MEC 测评的范围。

MEC 平台评估过程是采用测试仪构建测试例，测试例是能够测试MEC 平台的典型业务请求序列。评价某个特定平台时，针对多组测试例测评。评价某个模块的功能或算法时，可以在多个测试例基础上根据每个被测功能或算法测试一组结果，再比较不同负载下的分值分布。

请求MEC 平台服务的终端集合存在频繁handover 终端集合和稳定终端集合2 种情况。

（1）频繁handover 移动终端的MEC 场景具有接入设备随机性和移动性的特征，大量具有移动性的终端用户获取MEC 服务的模型符合非完全信息动态博弈的特征。存在动态变化的竞争者集合，在现有工作中的算法很难在用户集合不变的短暂时期寻找纳什均衡解，因此采用拍卖算法在有限时间内竞争出最优调度结果。采用预留资源的策略会导致大量资源浪费。

（2）稳定移动终端的MEC 场景如工厂场景、智能家居等具有设备工作在固定区域的特征，终端集合在升级或维护之外的时间基本稳定，获取MEC 服务的模型符合非完全信息静态博弈的特征。在资源充足的情况下MEC 平台的资源分配能够达到纳什均衡。

3 MEC业务请求类型及其仿真

MEC 业务请求是将部分任务提交给MEC 平台，从而借用各种资源和获取数据。可以从任务迁移（卸载）模式、业务请求类型、负载模型来进行分别分析，再将任意MEC 业务请求构建成一个由上述维度元素集合表述的实例。

3.1 迁移模式

Pavel Mach 等[2]将迁移（卸载）模式分为本地处理、完整迁移和部分迁移，该分类方法只考虑MEC 基站处理的情况。在考虑运营商云数据中心和临近基站参与处理部分请求后，MEC 迁移（卸载）模式存在本地处理、单基站完整迁移、单基站部分迁移、多基站完整迁移、多基站部分迁移、云边协同部分迁移、云边协同完整迁移的情况。本文认为只有在本地资源不足的情况下才会迁移任务，所以至少会使用部分终端资源，不考虑任务完整提交云数据中心的情况，各模式下服务提供者如表1所示。

表1：迁移模式与参与设备关系表

3.2 业务请求类型

本文将MEC 平台接受的业务请求类型分为三类：实第一类是与终端当前行为直接相关、处理截止时间有明确边界的即时请求，需要在本地基站上实现，由于响应超时会错过关键用户交互行为，需要重点保障相关资源；第二类是与终端保持订阅模式、对处理截止时间相对宽容的异步请求，只要最终在本地处理完毕的结果能够在失效前抵达终端即可；与前两种能够在本地基站处理的请求不同，第三种是需要MEC平台和运营商云数据中心共同分工处理的任务，在任务执行DAG图中最长链的执行时间就是整个任务的处理时延。

3.3 负载模型

一个针对MEC 平台的测试例主要通过请求业务和排序分布描述，采用测试仪提交多个MEC 请求，按照特定的顺序和分布发向被测MEC 平台。假设代表一个移动中断请求，则至少由以下几个参数构成MEC 业务请求参数如表2。

表2：MEC 业务请求参数

4 MEC平台关键指标体系设计

4.1 关键指标分类

本文采用层次分析法理论来量化MEC 关键指标的相对权重，该方法采用树形结构确立关键指标模型，按照MEC 架构的模块分析各指标的计算方法。构建关键指标体系首先对基站要求进行分类，再给出各类中具体指标的构成，需要根据指标精简化、全局替代局部、关联性强优先的原则筛选出关键指标，评估更细粒度的对象时在该体系基础上将指标向下细分。

MEC 测试评估指标体系具体的指标体系如图2所示，本文只针对MEC 平台整体性能测评，如涉及具体模块或算法评估可以将指标针对各模块进行拆分。下面给出各类指标的含义：

图2：MEC 测试评估指标图

（1）功能正确性指标：MEC 平台具备的核心功能，测试是否存在相应能力，给出布尔型分值。

（2）关键性能指标：针对各部分可量化的性能指标进行测量，通过实测值和平台相应指标最大值求比值进行归一化处理，再根据正向指标和负向指标的特点进行调整。

（3）协议正确性指标：每一个协议参照协议设计文档划分多个协议要求，在百分制下按所有要求等分进行设置。采用测试脚本验证协议各要求是否正确实现并累加分值，协议分值与100 分比值作为该协议的分值。

（4）安全性指标：将MEC 平台具备的所有安全措施等分进行设置，通过网络渗透攻击验证。

（5）可靠性指标：构造基站或链路故障、关闭软件模块等验证MEC 平台是否存在故障恢复能力。

各指标在评估过程中的权重如表3所示，未来会随着产业和产品不断成熟，调整参数和权重。

表3：：MEC 测评指标权重表

4.2 指标分析

功能可以采用软件测试方法设计具体的测试例进行验证。在性能指标方面，国内外研究在综述、计算迁移、资源调度等工作中给出相关计算公式，下面结合架构视图给出涵盖端边云的指标分析。

（1）时延是从提交MEC 业务请求到终端收到服务结果的时间，在本文的架构中包含数据上传时延、MEC 基站处理时延、基站间迁移时延、云协同时延、回传时延等，在不考虑基站间迁移的情况下时延模型可以参考吴学文[2]等的时延公式。在考虑迁移的情况加需要额外加上迁移延迟；

（2）功耗各基站在计算任务时产生，一般与CPU 利用率正相关；

（3）时延抖动遵循RFC1889 中的定义是首先计算相邻任务时延的差值，再用加权累加方法获得整个系统的时延抖动；

（4）带宽占用是终端、MEC 系统、云数据中心之间实时流量按照端到端归一化后的结果的均值；

（5）CPU 占用率是实际占用所有基站CPU 处理能力的平均值；

（6）存储是实际占用存储空间在所有基站存储空间占比的平均值；

（7）基站间迁移次数是在一个测试例下所有业务请求发生基站间迁移的平均次数。

5 指标测试测量方法

（1）基于Sketch 的网络流统计。Sketch 是一种存储节约型统计数据结构，MEC 网关需要处理来自于大量移动设备的请求，需要统计和分析大量一次通过性数据，再加上边缘基站资源受限，将Sketch 应用于业务统计具有众多优点，需要统计不同的终端流量、服务流量、地址流量、特定操作流量。可采用UnivMon[4]中的并联Sketch 架构，每个Sketch 针对不同类型的5 元组数据进行统计，根据Sketch 基数统计、热点分析、性能测量的结果计算网络指标。

（2）资源占用情况监测。采用向MEC 基站安装资源监控插件的方式获取CPU、存储等资源的实时测量值。

（3）基于渗透测试例的安全验证。采用Metasploit 等工具验证安全性指标。

（4）基于时间戳的任务处理时间测量。测量时间相关的指标时，采用测试仪硬件发送带有时间戳的测试数据，待MEC 平台反馈结果后比较时间戳。

6 总结

本文针对MEC 平台提出关键指标体系和评估方法，由于被测对象有限，未来还需要针对成熟产品进行大量测评，依据测评结果调整指标体系和指标权重。