1.1 研究目的及意义

近年来，以自适应流媒体等为代表的新型移动多媒体业务和应用不断涌现，使得全球蜂窝网络数据流量呈指数增长，流媒体几乎已成为每个网络中的最大流量类别。随着智能终端的发展，超高分辨率屏幕将成为智能手机的标配，为超高清视频的普及奠定基础。可以预见，随着未来移动通信技术、智能终端技术的不断发展和进步，移动多媒体业务将有更加广阔的市场应用前景。

新型移动多媒体业务和应用在对数据传输速率有较高要求的同时，对于无线网络和终端的计算、存储能力也提出了新的要求。随着云计算技术的进步以及无线网络架构的不断革新，移动边缘缓存和计算技术应运而生。移动边缘缓存和计算技术是指在无线接入网侧部署小型数据中心或者服务器节点，为无线接入网赋予存储和计算能力，从而在无线网络的边缘处为移动用户就近地提供存储和计算服务，可以减少延迟，确保高效的网络操作和服务交付，并改进用户体验。移动边缘缓存和计算的概念已经得到了学术界和产业界的热烈响应， 3GPP已确认将移动边缘计算技术引入未来 5G 移动通信网络中，以辅助实现超高带宽、超低时延、超高可靠的目标，特别是改善计算密集型和时延敏感型移动应用的用户体验质量。

移动边缘缓存和计算技术使无线接入网融合了计算、存储和通信三大功能，为移动多媒体业务的传输优化和服务质量保障带来新的潜力和空间。 1）首先，无线接入网可以利用边缘缓存节点缓存流行度高的多媒体内容，当用户请求该内容时可实现就近的服务，从而降低传输时延，减轻无线网络回程链路负载； 2）其次，特定的视频内容的版本可以在移动边缘服务器直接进行转码，无需向远程视频服务器请求，降低核心网和回程链路的负担及其能耗开销，同时由于距离的缩短，还可以解决移动终端与远端云数据中心的信息交互存在的高传输时延的问题； 3）此外，移动边缘缓存和计算还可以实现对无线接入网的负载状况、链路状态、无线资源利用状态等信息的感知，不仅可以辅助优化现有的移动业务，而且还可推动新型移动应用和业务的开发。然而，边缘存储和计算节点大都是小型数据中心或者服务器，其具有的存储、计算能力都相对有限，大量移动终端和应用将对有限的存储和计算资源产生激励的竞争，这对无线网络通信、计算和存储资源的调度提出了挑战。

综上可知，虽然移动边缘缓存和计算使无线接入网实现了计算、存储和通信三大功能的融合，但是，其对资源的利用、对移动自适应流媒体业务的QoS保障等方面还存在很大的提升空间。因此，面向计算、存储和通信融合的无线网络场景，开展对移动自适应流媒体业务特征的分析和建模，以及对计算、存储和通信等多维异质资源协同高效利用的研究，具有十分重要的理论意义和应用价值。

1.2 国内外研究现状

自适应流媒体技术可以根据网络的状态以及用户终端的特性，自适应地向不同用户传输同一个视频的不同清晰度版本的内容，可以提高整体用户满意程度，现已成为异构无线网络上的视频流传输的有效方法。移动边缘缓存和计算能够利用网络边缘服务器的存储空间，在数据非高峰时段执行多媒体视频内容的储存和转码，从而平滑流量变化，减少用户拥塞和访问延迟。同时，随着用户群体在专业视频内容，显示设备和接入网络容量需求等方面异质性的不断增长，移动视频流的复杂性也越来越高，如何利用有限的存储和计算能力，设计合理的视频内容缓存、转码和传输的方案，是学术界研究的一个热点问题。

一些文献开始针对视频文件的移动边缘缓存来开展一些相应的研究。文献[1][2] 提出了一种新型的FemtoCaching架构，在小单元接入点处设置边缘缓存，通过移动边缘处的存储容量补偿回程链路的容量，可以有效地处理一些可预测的视频点播业务，在分布式边缘服务器上进行移动视频缓存配置，主要用于最小化用户的平均下载延迟。文献[3] 针对具有边缘服务器的异构蜂窝网络的置信传播开发了一种分布式缓存优化算法，以达到最小化总体下载延迟的目的。文献[4]联合路由选择和缓存问题进行建模，使得边缘服务器可以最大化响应本地视频内容的请求，并且考虑了边缘服务器存储容量、链路带宽和用户内容请求方式等因素。文献[5]考虑了缓存、路由选择和信道分配的联合问题，结合用户链路干扰，最大化视频文件传输的吞吐量。上述文献都是假设视频流行度为已知条件，文献[6][7] 提出了一种背景/趋势感知的缓存机制，根据用户的背景（例如个人特征、设备或外部因素等）来预测流行度信息，这种机制通过在线学习来了解视频内容受欢迎的程度，并且通过此方式来作出缓存替换的决定。然而，这些研究都只关注单一清晰度/码率的视频的缓存策略设计问题，并不适用于自适应流媒体的情况，在基于自适应流媒体的MEC系统中，不仅需要决策哪个视频应该被缓存，同时也需要决策选择该视频对应的哪个清晰度/码率的版本来缓存。。

近年来，一些文献开始针对自适应流媒体业务，开展同一视频多码率版本的缓存、转码以及传输策略的优化研究。文献[8]针对自适应流媒体，研究媒体云中的最佳转码和缓存分配方案，实现了自适应视频流传输的总运营成本的最小化。文献[9]考虑了缓存和转码之间的折中关系，基于用户的观看模式，提出了一种低成本的高效转码方案。文献[10]研究了针对多清晰度视频点播系统设计了基于视频片段的缓存策略，最小化存储和转码的成本。文献[11]考虑了视频内容服务器和边缘服务器之间带宽的限制，提出了一种可以自适应预取视频内容的在线预取算法。为了提高用户的体验质量，文献[12] 根据实证结果推导了一个对数QoE模型，并将缓存管理问题作为一个凸优化问题来进行建模。文献[13] 提出了一种基于信息中心网络的视频缓存策略，根据内容的流行分布在平均用户吞吐量方面来提高用户体验质量。文献[14]针对多小区无线网络场景，以最小化回程链路的开销为目标，设计了多基站协作缓存和实时转码方案。文献[15]提出了一种QoE驱动的DASH视频缓存和自适应算法，根据内容背景和网络情况进行缓存和替换决策。

2. 研究的基本内容与方案