The explosive growth of mobile devices promotes the prosperity of novel mobile applications, which can be realized by service offloading with the assistance of edge computing servers. However, due to limited computation and storage capabilities of a single server, long service latency hinders the continuous development of service offloading in mobile networks. By supporting multi-server cooperation, Pervasive Edge Computing (PEC) is promising to enable service migration in highly dynamic mobile networks. With the objective of maximizing the system utility, we formulate the optimization problem by jointly considering the constraints of server storage capability and service execution latency. To enable dynamic service placement, we first utilize Lyapunov optimization method to decompose the long-term optimization problem into a series of instant optimization problems. Then, a sample average approximation-based stochastic algorithm is proposed to approximate the future expected system utility. Afterwards, a distributed Markov approximation algorithm is utilized to determine the service placement configurations. Through theoretical analysis, the time complexity of our proposed algorithm is linear to the number of users, and the backlog queue of PEC servers is stable. Performance evaluations are conducted based on both synthetic and real trace-driven scenarios, with numerical results demonstrating the effectiveness of our proposed algorithm from various aspects.

中文翻译：

---

普及边缘计算网络中的分布式和动态服务放置

移动设备的爆发式增长促进了新型移动应用的繁荣，这可以通过边缘计算服务器的辅助服务卸载来实现。然而，由于单个服务器的计算和存储能力有限，较长的业务时延阻碍了移动网络业务分流的持续发展。通过支持多服务器协作，普及边缘计算 (PEC) 有望在高度动态的移动网络中实现服务迁移。以最大化系统效用为目标，我们通过联合考虑服务器存储能力和服务执行延迟的约束来制定优化问题。要启用动态服务放置，我们首先利用Lyapunov优化方法将长期优化问题分解为一系列即时优化问题。然后，提出了一种基于样本平均逼近的随机算法来逼近未来预期的系统效用。然后，使用分布式马尔可夫近似算法来确定服务放置配置。通过理论分析，本文算法的时间复杂度与用户数呈线性关系，PEC服务器的积压队列是稳定的。性能评估是基于合成和真实的跟踪驱动场景进行的，数值结果从各个方面证明了我们提出的算法的有效性。提出了一种基于样本平均逼近的随机算法来逼近未来预期的系统效用。然后，使用分布式马尔可夫近似算法来确定服务放置配置。通过理论分析，本文算法的时间复杂度与用户数呈线性关系，PEC服务器的积压队列是稳定的。性能评估是基于合成和真实的跟踪驱动场景进行的，数值结果从各个方面证明了我们提出的算法的有效性。提出了一种基于样本平均逼近的随机算法来逼近未来预期的系统效用。然后，使用分布式马尔可夫近似算法来确定服务放置配置。通过理论分析，本文算法的时间复杂度与用户数呈线性关系，PEC服务器的积压队列是稳定的。性能评估是基于合成和真实的跟踪驱动场景进行的，数值结果从各个方面证明了我们提出的算法的有效性。并且PEC服务器的积压队列是稳定的。性能评估是基于合成和真实的跟踪驱动场景进行的，数值结果从各个方面证明了我们提出的算法的有效性。并且PEC服务器的积压队列是稳定的。性能评估是基于合成和真实的跟踪驱动场景进行的，数值结果从各个方面证明了我们提出的算法的有效性。