论文部分内容阅读
近年来,随着移动通信的快速发展和智能移动设备日益普及,移动通信业务量急剧增加,而移动终端是资源受限设备,传统的云计算方式已经不能满足日益丰富的业务需求。为了提高用户的服务体验质量(Quality of Experience,QoE),移动边缘计算(Mobile Edge Computing,MEC)成为第五代移动通信(The Fifth Generation,5G)系统的关键技术之一,在减轻核心网压力和提升用户体验方面提供了一种有效的解决方案,因此受到了学术界和工业界的广泛关注。本学位论文围绕MEC中的资源分配展开研究,提出了基于定价机制的计算通信资源联合分配算法以及基于自适应比特流的视频缓存更新与分配策略。本学位论文的主要工作如下:(1)提出了MEC系统中基于定价机制的计算通信资源置换算法,该算法综合考虑了网络状况和用户体验,并且提供多条计算卸载路径,利用MEC服务器有限的计算和通信资源,建立了多小区场景下的资源分配模型,通过基于QoS保障的资源分配算法和有效的定价策略为用户提供可动态调整的流量业务,以及选择最优的计算卸载路径来为用户提供服务,使得宏基站和每个LTE小基站负载均衡并且MEC运营商的网络收益最大化。仿真结果表明,该算法与传统资源分配算法相比能够有效提高资源的利用率和用户体验。(2)提出了MEC系统中基于自适应比特流(Adaptive Bit Rate,ABR)的视频缓存更新算法。通过分布式存储技术来实现对海量数据进行有效管理,视频流分布在各个MEC服务器的HDFS存储节点上。通过从本地和相邻MEC缓存获取请求资源,利用MEC服务器高效的计算处理能力,根据从各个MEC服务器获取内容时不同的通信成本选择最优的存储节点,提出了基于自适应比特流的视频缓存更新算法,根据缓存情况和用户请求内容,在不同比特率之间进行转码并传输。仿真结果表明,与现有算法相比,该算法能够在保证缓存命中率的前提下降低访问时延和视频的回源率,提高了MEC存储资源的利用率。(3)搭建了MEC简单验证系统,该系统由视频服务器和移动终端构成,对MEC视频传输技术进行验证。测试结果表明,MEC系统与传统云平台相比大大降低了视频传输时延。