1.1 研究背景及意义

近年来，随着移动互联网技术的发展与应用，很多新型业务不断涌现出来，移动通信的流量呈现出爆炸似的增长。直接将边缘设备端的海量数据发送到云端，造成网络带宽负载和计算资源浪费[1]；传统云计算模型的隐私保护成为万物互联架构中的重要问题；大多数边缘设备节点能源有限而GSM，WIFI等无线传输模块的能耗较大；因此传统的云计算模型不能满足万物互联的需求。为了有效解决移动互联网和物联网快速发展带来的高带宽，低时延等需求，移动边缘计算模型被提出，引起学术界和产业界的关注[2]。

边缘计算是在靠近用户端执行计算，对数据处理包含下行的云服务和上行的万物互联服务。边缘是相对的概念，指从数据源到云计算中心之间的任意计算，网络和存储资源，边缘可以是这条路径上的一个或多个资源节点。边缘计算的架构是“端设备-边缘-云”三层模型，三层都可以为应用提供资源与服务，应用可以选择最优的配置方案[3]。边缘服务器一般与蜂窝基站相结合，可以与远程云数据中心进行通信，边缘服务器部署在移动用户周围，距离近且访问延迟小。但是，边缘服务器可能会出现基础设施故障，影响用户体验，亟待提供该场景下的可行解决方案。解决问题的一种方法是资源冗余。另一方面，考虑到基础设施提供商的收益，对每一台边缘服务器提供冗余节点显然是不可行的。因此，需要在考虑成本约束的前提下，选择若干关键服务器提供冗余支持。所以本研究致力于移动边缘计算(MEC)场景下的边缘服务器冗余节点的选择方法研究。

1.2 国内外研究现状

2014年，欧洲电信标准协会（ETSI）开始推进移动边缘计算相关标准化工。通过对移动边缘计算相关学术论文进行统计分析，发现学术界对移动边缘计算集中在四个方面，边缘服务器放置问题，计算卸载技术，服务迁移技术，群智协同技术[4-9]。

服务器冗余是系统可靠性领域的经典问题。在传统的云计算模型中，[10]介绍了一种冗余机制，应用差异灵敏度分析来识别系统的关键组件并对服务可用性进行排序，用于识别哪些组件应该由冗余支持，以便有意识地提高系统可靠性。为了在冗余中获得更高的性能并增强大规模副本传输之间的带宽分配公平性，[11]提出了一种公平旋转和比率感知的蚁群优化（FRRA-ACO）算法。文献[12]提出了一个敏捷冗余模型，它提供一个调整资源成本和可靠性之间权衡的模型。在分布式场景下，[13]为副本服务器放置问题提出了一种有效的贪心启发式方法。[14]使用K-means算法对网络进行聚类，对于每个聚类，应用贪婪算法找出该区域的近似位置来放置服务器副本。[15]捕获路径级别，节点级别和整体网络级别的结构依赖性效果，明确考虑由节点故障引起的网络碎片的影响，应用于网络中的关键节点识别。

在移动边缘计算提出后，鲜有考虑到边缘服务器冗余的问题。传统云计算中心服务器如果不做冗余，服务器发生故障之后应用程序根本无法运行，大量的数据会丢失，这严重影响用户体验。对云计算中心的每个服务器提供冗余支持是必需的，但是在移动边缘计算场景下，某一个边缘服务器发生故障之后，用户可以选择临近的边缘服务器或远端云数据中心进行计算处理。传统的服务器冗余方案不适合新的场景，需要对新的问题提出解决方案。[16]使用贪心算法和启发式算法选择一些关键边缘服务器节点，在边缘服务器群中选择几个服务器用来搭载应用，从而使用户的平均响应时间最小。但是它没有考虑服务器发生故障时如何保证用户体验。本研究从网络关键节点角度出发，讨论如何在边缘计算场景下选择边缘服务器节点做冗余支持，从而提高系统的鲁棒性和保障用户体验。

2. 研究的基本内容与方案

2.1 研究内容

1.前期知识储备

（1）了解边缘计算的基本概念；