Before service providers build up an mobile edge computing (MEC) platform, an important issue that needs to be considered is the configuration of computing resources on edge servers. Since the computing resources on an edge server are limited compared with a cloud server and the service provider's deployment budget is limited, it would be unrealistic to equip all edge servers with abundant computing resources. In addition, the edge servers have different computation demands due to their different geographies. Therefore, this article investigates the problem of server configuration optimization in an MEC environment based on a given computation demand statistics of the selected deployment locations. Our strategy is to treat each edge server as an M/M/m queueing model, and then establish the performance and cost models for the system. Two optimization problems, including cost constrained performance optimization, and performance constrained cost optimization are formulated based on our models and solved by a series of fast numerical algorithms. We also conduct extensive numerical simulation examples to show the effectiveness of the proposed algorithms. MEC service providers can use our strategy to get the appropriate type of processor and obtain the optimal processor number for each edge server to achieve two different goals: (1) deliver the highest-quality services with a given cost constraint; (2) minimize the investment cost with a service-quality guarantee. Our research is of great significance for service providers to control the tradeoff between investment cost and service quality.

中文翻译：

---

移动边缘计算中的服务器配置优化：性价比的权衡视角

在服务提供商搭建移动边缘计算（MEC）平台之前，需要考虑的一个重要问题是边缘服务器上计算资源的配置。由于与云服务器相比，边缘服务器上的计算资源有限，服务提供商的部署预算有限，因此为所有边缘服务器配备丰富的计算资源是不现实的。此外，边缘服务器因其地理位置不同而具有不同的计算需求。因此，本文基于选定部署位置的给定计算需求统计来研究MEC环境中的服务器配置优化问题。我们的策略是将每个边缘服务器视为一个 M/M/m 排队模型，然后为系统建立性能和成本模型。基于我们的模型制定了两个优化问题，包括成本约束性能优化和性能约束成本优化，并通过一系列快速数值算法解决。我们还进行了广泛的数值模拟示例，以证明所提出算法的有效性。MEC 服务提供商可以使用我们的策略来获取合适的处理器类型并为每个边缘服务器获取最佳处理器数量，以实现两个不同的目标：(1) 在给定的成本约束下提供最高质量的服务；(2) 在保证服务质量的前提下，最大限度地降低投资成本。我们的研究对于服务提供商控制投资成本和服务质量之间的权衡具有重要意义。和性能约束成本优化是基于我们的模型制定的，并通过一系列快速数值算法解决。我们还进行了广泛的数值模拟示例，以证明所提出算法的有效性。MEC 服务提供商可以使用我们的策略来获取合适的处理器类型并为每个边缘服务器获取最佳处理器数量，以实现两个不同的目标：(1) 在给定的成本约束下提供最高质量的服务；(2) 在保证服务质量的前提下，最大限度地降低投资成本。我们的研究对于服务提供商控制投资成本和服务质量之间的权衡具有重要意义。和性能约束成本优化是基于我们的模型制定的，并通过一系列快速数值算法解决。我们还进行了广泛的数值模拟示例，以证明所提出算法的有效性。MEC 服务提供商可以使用我们的策略来获取合适的处理器类型并为每个边缘服务器获取最佳处理器数量，以实现两个不同的目标：(1) 在给定的成本约束下提供最高质量的服务；(2) 在保证服务质量的前提下，最大限度地降低投资成本。我们的研究对于服务提供商控制投资成本和服务质量之间的权衡具有重要意义。我们还进行了广泛的数值模拟示例，以证明所提出算法的有效性。MEC 服务提供商可以使用我们的策略来获取合适的处理器类型并为每个边缘服务器获取最佳处理器数量，以实现两个不同的目标：(1) 在给定的成本约束下提供最高质量的服务；(2) 在保证服务质量的前提下，最大限度地降低投资成本。我们的研究对于服务提供商控制投资成本和服务质量之间的权衡具有重要意义。我们还进行了广泛的数值模拟示例，以证明所提出算法的有效性。MEC 服务提供商可以使用我们的策略来获取合适的处理器类型并为每个边缘服务器获取最佳处理器数量，以实现两个不同的目标：(1) 在给定的成本约束下提供最高质量的服务；(2) 在保证服务质量的前提下，最大限度地降低投资成本。我们的研究对于服务提供商控制投资成本和服务质量之间的权衡具有重要意义。(2) 在保证服务质量的前提下，最大限度地降低投资成本。我们的研究对于服务提供商控制投资成本和服务质量之间的权衡具有重要意义。(2) 在保证服务质量的前提下，最大限度地降低投资成本。我们的研究对于服务提供商控制投资成本和服务质量之间的权衡具有重要意义。