移动边缘计算中的“边缘”部署特性
本文为SIGCOMM 2018 Workshop (Mobile Edge Communications, MECOMM)论文。
本文翻译了论文的关键内容。
摘要
移动边缘计算的设想能力取决于具有容量，普遍性，稳健性和服务于全国用户群的能力的交付基础设施。 在本文中，我们提出了一个关于移动边缘基础设施关键方面的实证研究，目的是了解其当前特征并确定未来的部署。 我们首先分析美国超过400万个蜂窝塔位置的数据集。 我们评估部署的地理特征，并突出显示位置如何与主要大都市区和农村地区的人口密度相对应。 我们还展示了如何在美国各地的高速公路上安排部署。 我们的分析强调了有必要进行新部署的领域。 最后，我们分析了蜂窝塔部署如何与当前主要数据中心位置相对应，并评估如何部署微服务器以缩短响应时间并更好地为客户服务。
本文，我们报告了美国移动边缘基础设施的研究结果。我们的关注重点是来源于OpenCelliD[11]的人群来源数据库，包含超过4百万个蜂窝塔位置。尽管该数据不是明确的，我们认为该数据足够大，因而可以提供蜂窝塔部署方面的有用见解。除了蜂窝塔位置，我们同时考虑了来自人口普查局[1]的人口分布数据集和来自因特网Atlas[19]的数据中心位置。我们基于位置的分析使用地理信息系统（GIS）组合这些数据集，并解决类似如下的问题：美国不同地区的蜂窝塔分布是什么样的，每个蜂窝塔的平均居民或驾驶员数量是多少，蜂窝塔到数据中心的平均距离是多少，以及微服务器和蜂窝塔的共存部署的潜在影响是什么样的？
蜂窝塔位置的目视检查显示蜂窝塔在人口密集区域和主干道沿线普遍部署。这符合为最大用户数量确保服务的概念。通过将区域划分为Voronoi cells，我们评估了蜂窝塔在选定的大都市统计地区（MSAs）、农村地区和道路服务的人口数量。我们发现大城市地区的蜂窝塔部署密集，且它们服务的居民数量相对一致。相比之下，农村地区部署的蜂窝塔更加稀疏，而且更为不一致。类似地，高速公路沿线部署的蜂窝塔在城市中心附近相对密集，但是在农村附近的部署密度较小，尽管梯度和居住区不同。
我们对相对于最近数据中心的蜂窝塔部署的分析旨在强调如何将MEC基础设施的边缘移近用户以提高性能。我们的分析表明，蜂窝塔到数据中心的距离在当今大的MSA地区通常不到10英里，而距离在农村地区的数量增加了2倍。这个基线用作对微数据中心部署的分层分析的参考，这些微数据中心与蜂窝塔共存。 我们展示了如何通过首先关注与最大数量的居民相关的Voronoi cells，然后部署到低人口密度的cells，来显着减少蜂窝塔到数据中心的距离。
蜂窝塔部署。美国地区蜂窝塔的地理可视化如图1所示。图1突出了主要人口中心附近的蜂窝塔密度，以及与全国主要高速公路的密切关系。该图同时显示，东部地区蜂窝塔密度较高，而西部地区部署较为稀疏。
图1：美国蜂窝塔位置，来源于OpenCelliD[11]
表1显示了排名前10位的MSA（根据部署的蜂窝塔的数量）。从表中我们可以发现，蜂窝塔部署排名靠前的MSAs和人口密度排名靠前的MSAs密切相关。
图2描绘了蜂窝塔的位置（黑点），计算得到的Voronoi cell（红色多边形），和在纽约曼哈顿地区
城市（纽约市）的人口普查区块（蓝色多边形）。
图2：蜂窝塔（黑点）、Voronoi cell（红色多边形）和纽约曼哈顿地区人口普查区块（蓝色多边形）
图3（左）显示了我们对纽约（纽约州）MSA的分析产生的居民人口数量估计。纽约MSA中Voronoi cell的平均面积和中位数面积分别为38,213.86平方米和9,707平方米。 Voronoi cell的平均估计住宅的数量是25。由于接近MSA边界存在较大的Voronoi cell，这些分布是高度右倾斜的。类似地，图3（中）显示了洛杉矶（LA）MSA的每个蜂窝塔的估计居住人口。Voronoi cell的平均面积和中位数面积分别为46,009.28平方米和13,341.3平方米。Voronoi cell的平均估计住宅的数量是19。图3（右）显示了芝加哥MSA的类似分析。Voronoi cell的平均面积和中位数面积分别为74,159.80平方米和22,477.07平方米。Voronoi cell的平均估计住宅的数量是15。
总的来说，这些结果表明，在大型MSA中，蜂窝塔和人口密度之间的对应关系是一致的。 该分析还提供了根据所服务的住宅人口对蜂窝塔进行分类的能力，这构成了我们MEC部署模型的基础。
图3：针对纽约MSA（左）、LA MSA（中）和芝加哥MSA（右），每蜂窝塔人口估计。
图4显示了圣克莱尔县的分析结果。 圣克莱尔县中Voronoi cell的平均面积为1,144,799.37平方米，这比MSA大得多。 相应地，Voronoi cell的平均估计居住人口为52，这表明每个蜂窝塔服务的人口比MSA大得多。
图4：圣克莱尔县中每蜂窝塔人口估计。
图5显示了威斯康星州麦迪逊市与威斯康星州密尔沃基市之间的I-94 70英里路段的分析结果。 结果显示更接近人口中心的蜂窝塔密度更高，因此每个Voronoi cell的驾驶员更少。 它还反映出两者之间的区域有更高的需求，而且可能不会为司机以外的人群提供服务。
图5：威斯康星州I-94公路每蜂窝塔驾驶员估计。
接下来，我们考虑确定部署MEC微数据中心的地理位置的问题。 我们提出了一种方法，该方法考虑将微数据中心逐步部署到我们上面的人口密度分析中确定的不同类型的蜂窝塔。
增量部署模型。 对于我们上面分析中考虑的前3个MSA和农村地区（圣克莱尔县）中的每一个，我们将延迟建模为蜂窝塔与最近数据中心的距离。我们基于上面确定的人口估计类别等级提出了MEC微数据中心的增量部署模型，以显示每个蜂窝塔延迟的减少。具体而言，我们的分析考虑以下因素：（1）基本案例：来自Internet Atlas数据集的现有数据中心。（2）第1层案例：部署与蜂窝塔（分类为红色类别）共存的MEC微数据中心。 这些是对应于最高人口估计的塔。 （3）第2层案例：部署MEC微型数据中心与橙类级别蜂窝塔共处。 （4）第3层案例：部署微型数据中心与黄色类别蜂窝塔共处。 （5）第4层案例：部署MEC微型数据中心，与浅绿色级别的蜂窝塔共处。 我们的分析假设给定的塔/人口将由地理上最接近的数据中心或MEC微数据中心服务（即，微数据中心充当聚合站点）。
对于每个部署案例，图6显示了前3个MSA和农村地区的距离估计（以英里为单位）的盒须图。 图中突出显示了到最近的数据中心/MEC微数据中心的距离缩短。 图7显示了每个MSA和农村地区每个数据中心或MEC微数据中心服务的平均蜂窝塔数的直方图。 结果显示每个数据中心服务的蜂窝塔数量减少，因为我们考虑增量部署的渐进层。 例如，在纽约MSA中，在第1层部署案例中增加了580个MEC微型数据中心，平均距离从5.8英里（基本案例）减少到1.8英里（第1层案例）。 它还将每个数据中心服务的蜂窝塔数量从5,552.07（基本案例）减少到488.86（第1层案例）。
图6： 每个蜂窝塔到最近的数据中心/MEC微数据中心的距离（英里）的盒须图。
图7：每个数据中心/MEC微数据中心服务的蜂窝塔平均数量。
图8显示了每个MSA和农村地区基本案例中数据中心数量的直方图。 在MSA的情况下，这些数据中心位于MSA的区域内。 另一方面，在农村地区（圣克莱尔县）的情况下，2个数据中心位于县的边界之外（但最接近县内的蜂窝塔）。 该图还显示了第1层至第4层案例的MEC微数据中心的数量。
图8：基本案例数据中心数量和其它案例的微数据中心数量。
为了分析我们的部署模型取得的距离减少（到最近的数据中心或MEC微数据中心），我们考虑了前10个MSA。 对于MSA中的每个蜂窝塔，我们计算到Internet Atlas数据集[19]中最近的数据中心的距离。 我们将此计算的距离视为基准距离。 然后，对于所有部署层，我们计算到最近的数据中心的距离，该数据中心可以是部署的MEC微数据中心或现有的数据中心。 最后，对于每个蜂窝塔，我们计算基本距离和当前层距离之间的差值。
图9（左）显示了第1层部署案例的距离减少（以英里为单位）的CDF。 在芝加哥MSA中，对只部署28个MEC微型数据中心的方案，至少10％的蜂窝塔（约17,000个蜂窝塔）的距离减少了大约14英里。 平均而言，所有10个MSA中，大约10％的蜂窝塔的距离减少了约12英里。 在排名前十的MSA中，亚特兰大MSA显示了最佳距离减少，10％的蜂窝塔距离减少近26英里。
图9：对于前10MSAs，每个蜂窝塔到数据中心/MEC微数据中心的距离减少（对第1层案例（左）和第二层案例（右））。
图9（右）显示了第二层部署情形下的距离减少（以英里为单位）的CDF。 基于我们的部署模型设计，从第1层到第2层，到最近的数据中心或MEC微数据中心的距离减少。 因此，我们观察到第1层和第2层之间距离减少的改善。 第2层部署对休斯顿、芝加哥和旧金山等MSA产生了更大的影响。 但是，第3层和第4层部署所获得的距离减少是最小的，并且由于空间限制，我们没有显示这些结果。
总结。我们的研究考虑了美国的蜂窝塔和数据中心位置以及人口分布。 使用基于Voronoi cell的分析，我们发现在大城市地区和靠近这些地区的高速公路上，蜂窝塔的部署相对一致，但农村地区的部署更加稀疏和不一致。 我们还发现，在大城市地区，蜂窝塔通常距离数据中心不到10英里，但农村地区的距离可能更远。 最后，我们将展示如何在蜂窝塔上部署微数据中心以减少距离。