[论文解读] Resource Scheduling in Edge Computing: A Survey

Quyuan Luo, Shihong Hu+3 more|arXiv (Cornell University)|Aug 18, 2021

IoT and Edge/Fog Computing参考文献 281被引用 7

一句话总结

本综述对边缘计算中的资源调度进行了全面分析，提出了一种统一模型，用于计算卸载、资源分配与资源供应。它在关键性能指标上评估了集中式与分布式调度技术，识别出诸如移动性、隐私和工作负载动态等关键挑战，并为可扩展、现实世界的边缘系统指明了未来研究方向。

ABSTRACT

With the proliferation of the Internet of Things (IoT) and the wide penetration of wireless networks, the surging demand for data communications and computing calls for the emerging edge computing paradigm. By moving the services and functions located in the cloud to the proximity of users, edge computing can provide powerful communication, storage, networking, and communication capacity. The resource scheduling in edge computing, which is the key to the success of edge computing systems, has attracted increasing research interests. In this paper, we survey the state-of-the-art research findings to know the research progress in this field. Specifically, we present the architecture of edge computing, under which different collaborative manners for resource scheduling are discussed. Particularly, we introduce a unified model before summarizing the current works on resource scheduling from three research issues, including computation offloading, resource allocation, and resource provisioning. Based on two modes of operation, i.e., centralized and distributed modes, different techniques for resource scheduling are discussed and compared. Also, we summarize the main performance indicators based on the surveyed literature. To shed light on the significance of resource scheduling in real-world scenarios, we discuss several typical application scenarios involved in the research of resource scheduling in edge computing. Finally, we highlight some open research challenges yet to be addressed and outline several open issues as the future research direction.

研究动机与目标

• 系统性回顾边缘计算资源调度的最新进展，解决其在物联网和5G环境中的日益重要性。
• 在统一框架下识别并分析核心研究问题：计算卸载、资源分配与资源供应。
• 对比集中式与分布式调度技术，评估其在性能、可扩展性与适应性方面的权衡。
• 突出开放挑战，如用户移动性、隐私保护、工作负载动态性，以及通信-计算-存储（CCS）资源的联合调度。
• 通过指出关键瓶颈与有前景的研究方向，为未来研究提供指导，以实现真实世界部署与评估。

提出的方法

• 提出一种统一的卸载模型，以标准化边缘环境中计算卸载的表示方式。
• 将现有资源调度技术分类为集中式与分布式运行模式，分析其各自架构与机制。
• 基于三个核心问题对研究工作进行分类：计算卸载、资源分配与资源供应，并提供详细的技术分解。
• 利用仿真工具（如 iFogSim、EdgeCloudSim 和 MyiFogSim）评估调度算法，强调真实系统可行性与测试平台验证。
• 引入六个关键性能指标（如时延、能耗、服务质量 QoS、用户体验质量 QoE、可靠性与负载均衡），以统一不同研究间的评估标准。
• 整合应用特定场景（如智慧城市、自动驾驶车辆、VR/AR），以情境化呈现调度挑战与解决方案。

实验结果

研究问题

• RQ1 如何建立统一模型，以标准化并比较边缘计算中计算卸载策略？
• RQ2 集中式与分布式资源调度在边缘环境中存在哪些关键差异、优势与局限性？
• RQ3 用户移动性、工作负载动态性与隐私担忧如何影响资源调度算法的有效性与稳定性？
• RQ4 应采用哪些关键性能指标来评估和基准化边缘计算中的资源调度技术？
• RQ5 在通信、计算与存储（CCS）资源的联合调度中，存在哪些主要开放挑战，如何加以解决？

主要发现

• 大多数现有研究将任务处理时间视为本地处理、传输与卸载时间之和，忽略了缓存与队列延迟的影响。
• 仅有少数研究考虑通信、计算与存储资源的联合调度，表明在整体资源协调方面存在显著研究空白。
• 当前评估高度依赖 iFogSim 和 EdgeCloudSim 等仿真工具，真实边缘测试平台或原型的验证仍有限。
• 尽管用户移动性对卸载与缓存决策具有显著影响，但其在调度模型中常被忽略或过度简化。
• 隐私与信任机制发展不足，许多系统在传输与处理过程中易受数据泄露威胁。
• 工作负载预测与负载均衡对服务可靠性至关重要，但多数研究假设理想化、理论化的工作负载，未考虑高峰负载压力。