1.5 实验评估

1.5.1 实验环境及参数设置

本章基于两种不同的场景模拟基于 MEC 的服务迁移架构。一种场景为100 ×100网格图，其中随机部署20台边缘服务器。在每个时隙中，用户随机向上、下、左、右移动一个单位网格。每台边缘服务器的无线网络覆盖半径设置为30个单位网格。另一种场景为城市边缘服务器部署，在杭州下城区收集300多辆汽车的轨迹，在每个路口部署边缘服务器，统计得到每分钟的平均车辆数量为0～48。

MU的传输功率pi =0.1 W,i∈。服务请求的数据大小区间设定为40～140 MB。通常，完成服务请求所需的CPU周期与数据大小成正相关，本实验设置CPU周期为6 000～10 000 Megacycles。边缘服务器的CPU频率为2.4 GHz，存储容量为500 MB，每个时隙设定为0.1 s。

系统性能指标如下。

① 平均系统效用。

② 在一定时间内完成的服务请求数。引入此性能指标来证明本章提出的Dynamic storAge-Stable Service placement（DASS）算法在服务效率和服务普及性（在单位时间内服务的用户数量）方面的优势。

③ 服务迁移数。为了在迁移服务鲁棒性和高效性之间达到合理的权衡，DASS算法旨在以最少的迁移次数为尽可能多的用户提供服务。

④ 算法执行时延。

实验对比策略如下。

① 短视最优响应（Myopic Best Response,MBR）算法[1],MBR算法基于瞬时环境（如用户与服务器之间的通信距离）做出服务部署决策，不考虑其他用户导致的资源竞争。

② EUAGame算法[2],EUAGame算法旨在最大化服务用户的数量，同时最小化网络运营商的成本。

③ 距离最小原则（Distance Minimum Principle,DMP）算法，DMP算法始终选择最近的边缘服务器来卸载服务数据。