解析ETSI最新规范的七大MEC业务场景

MEC(Mobile Edge Computing,移动边缘计算)有着非常大的应用前景。ETSI(欧洲电信标准协会)于2016年4月18日发布了与MEC相关的重量级标准,对MEC的七大业务场景作了规范和详细描述,具有很大参考价值,下文进行介绍。

1、智能移动视频加速

网络拥塞是产生包丢失和高延迟的主要原因,进而降低蜂窝网络资源利用率、应用性能及用户体验。而这种低效性的根本原因在于TCP协议很难实时地适应快速变化的无线网络条件——比如,在蜂窝网络内,如果底层无线信道环境发生变化(如由用户终端的快速移动引起),或者如果系统负载增大,都将会导致移动终端的可用无线接入带宽在数秒之内下降一个数量级。

基于移动边缘计算的智能视频加速可以改善移动内容分发效率低下的情况:于无线接入网移动边缘计算服务器部署无线分析应用(Radio Analytics application),为视频服务器提供无线下行接口的实时吞吐量指标,以助力视频服务器作出更为科学的TCP(传输控制协议)拥塞控制决策,并确保应用层编码能与无线下行链路的预估容量相匹配。

智能移动视频加速的组网可如图1所示。于其中,TCP将可不再需要主动地探测可用的无线网络资源、不再需要根据相关探测结果来降低数据发送率。而是由移动视频服务器根据无线分析应用所提供的信息作出TCP拥塞控制决策,包括初始窗口大小的选择、对拥塞避免期间拥塞窗口值的设置、无线链路拥塞情况恶化时对拥塞窗口大小的调整等。

图1 移动边缘计算在智能移动视频加速中的应用

另外很值得一提的是,在移动边缘技术中,“无线分析”这项应用还将可进行跨设备商部署及跨网络部署,从而将可进一步提高网络资源利用效率,并将可提高绝大多数用户的业务体验质量。

2、监控视频流分析

目前的视频监控业务需要把视频流全部上传至服务器或者在摄像头出就地进行视频处理。这两种方式的成本开销都很大、效率都较低。

而如果运用移动边缘计算技术,就可以无需再在摄像头出作视频处理/分析,这样就可降低成本(尤其是当需要部署大量摄像头时)。对此,移动边缘计算服务器的做法是将视频分析“本地(即靠近移动通信基站的位置)化”,从而,在客户仅需要一小段视频信息时,就无需回传大量的监控视频至应用服务器(需流经移动核心网络)。

例如,在基于视频监控的车牌识别(处于安全目的)中,部署了移动边缘计算技术后,车牌识别信息就可被拍摄并上传至云监测系统。

图2 移动边缘计算在监控视频流分析中的应用

3、AR(增强现实)

AR将有着很广阔的应用场景(博物馆、美术馆、城市纪念馆、体育赛事现场、音乐会等),可极大程度地增强人们的体验。为此,AR就需要能有一个相关的应用(APP)来对摄像机输出的视频信息及所在的精确位置作综合分析,并需要实时地感知用户所在的具体位置及所面对的方向(采取定位技术或通过摄像头视角或综合运用),再依此给用户提供一些相关的额外信息——如果用户移动位置或改变面朝的方向,这种额外信息也要及时得到更新。

于是,在AR服务的提供中,应用移动边缘计算技术就有着很大的优势。这是由于AR信息(用户位置及摄像头视角)是高度本地化的,对这些信息的实时处理最好是在本地(移动边缘计算服务器)进行而不是在云端集中进行,以最大程度地减小AR延迟/时延、提高数据处理的精度。

图3 移动边缘计算在AR中的应用

4、密集计算辅助

在物联网中,终端设备或传感器要做到成本尽可能低、连续(不断电)工作时长尽可能大。有些物联网设备可能也需要把数据上传至云端进行分析并把决策指令回传(比如抢险机器人在前行时遇到障碍物,就需要以图像识别技术摄像并上传云端,由云端把清障方式回传。另外,网络游戏、环境传感器、某些安全应用等也需要此种服务)。

然而,如果要降低设备的成本,就需要“牺牲”掉其计算性能。因此,在部署了移动边缘计算技术之后,密集计算与决策就可被从终端设备或传感器卸载/分流至网络侧(具备高计算性能的移动边缘计算服务器,可在甚短时间内发出决策指令),从而可降低终端设备或传感器的计算能力需求,并提高其电池性能,还可提高整体性能(尤其是对于数据处理延迟有较大或很大需求的应用)。

5、在企业专网之中的应用

在企业办公方面,随着桌面电脑正被智能手机、平板电脑、笔记本电脑等便携式移动终端取代,企业业务也正转向由云平台提供,以方便员工进行移动(云)办公,以自有设备接入企业专用网络。另外,移动通信基础网络运营商还面临这样一个巨大的市场机遇:在企业园区部署小基站/小小区,向移动企业客户提供统一通信及服务。

而如果把IP-PBX(IP电话交换机)同移动边缘计算平台集成起来,就可在上述移动运营商小基站和企业WLAN(无线局域网)之间提供“无缝”的服务,不再需要进行固网通信(如固话和五类线局域网)。这就需要企业IT部门与移动通信基础网络运营商在业务分发策略方面密切协作。

这种基于移动边缘计算的企业移动网络组网范式中,需对在网用户进行负载均衡(在运营商小基站网络与企业内部WLAN网络之间进行智能选择),并对企业的各级员工和客户进行接入控制(为不同等级的用户提供差异化的服务)、对员工BYD(自带设备)进行高效管理、对新业务/新员工的接入作高效配置等。

图4 移动边缘计算在企业移动网络中的应用

6、车联网

当下,基于DSRC(专用短距通信)及LTE长距离连接的联网汽车数量越来越大。车联网可为用户提供道路故障通知服务、减小交通拥堵、感知其他车辆行为/动作等,还可提供诸如汽车找回、泊车点找寻、车内信息娱乐(如移动视频分发)等各种增值服务,从而提高交通系统的安全性、效率及便捷度。

车联网的数据传送量将会不断增加,其对于延迟/时延的需求也越来越大。将移动边缘计算技术应用于车联网之后,可以把车联网云“下沉”至高度分布式部署的移动通信基站。部署于基站、小基站甚至汇聚站点的MEC服务器,通过运行移动边缘计算应用(APP)提供各种车联网功能。MEC还可使得数据及应用就近存储于离车辆较近的位置(从而可减小延迟/时延),并使能出一个来自于移动核心网络及互联网所提供的应用的抽象层。

移动边缘计算平台可提供一系列全新的车联网应用,数据及应用就部署于车辆(位置在不断发生变化,且与其他联网设备或传感器通信)及道路传感器的临近位置。MEC为车联网应用提供托管服务,使能应用的低延迟/时延及跨互联网运行的托管服务的抽象层。

如图5所示,移动边缘计算应用直接从车载应用(APP)及道路传感器实时接收本地化的数据,然后进行分析,并将结论(危害报警信息)以极低延迟传送给临近区域内的其他联网车辆,整个过程可在毫秒级别时间内完成,使驾驶员可以及时做出决策。

图5 移动边缘计算在车联网中的应用

7、IoT(物联网)网关服务

当下,基于GSM、3G、LTE、Wi-Fi等无线技术的蜂窝/无线物联网设备越来越多。总体上,物联网数据基本都是采用不同协议的加密的小包。而这些由“海”量物联网设备所产生的“海”量数据需要很大的处理及存储容量,从而就需要有一个低延迟/时延的汇聚节点来管理不同的协议、消息的分发、分析的处理/计算等。

如果采取移动边缘计算技术,上述的汇聚节点就将被部署于接近物联网终端设备的位置,提供传感数据分析及低延迟响应。其中,移动边缘计算服务器的计算能力和存储能力可为以下5个方面提供服务:业务的汇聚及分发;设备消息的分析;基于上述分析结果的决策逻辑;数据库登录;对于终端设备的远程控制和接入控制。

图6 移动边缘计算在IoT网关中的应用

参考文献:

[1] Sophia Antipolis. ETSI Mobile Edge Computing publishes foundation specifications[EB/OL].
http://www.etsi.org/index.php/news-events/news/1078-2016-04-etsi-mobile-edge-computing-publishes-foundation-specifications, 2016-04-18.

[2] ETSI. Mobile Edge Computing (MEC) Service Scenarios[EB/OL].
http://www.etsi.org/deliver/etsi_gs/MEC-IEG/001_099/004/01.01.01_60/gs_MEC-IEG004v010101p.pdf, 2016-04-18.


  • 本站原创文章仅代表作者观点,不代表SDNLAB立场。所有原创内容版权均属SDNLAB,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用,转载须注明来自 SDNLAB并附上本文链接。 本站中所有编译类文章仅用于学习和交流目的,编译工作遵照 CC 协议,如果有侵犯到您权益的地方,请及时联系我们。
  • 本文链接https://www.sdnlab.com/17659.html
分享到:
相关文章
条评论

登录后才可以评论

SDNLAB君 发表于16-08-22
0