Driven by the emergence of new compute-intensive applications and the vision of the Internet of Things (IoT), it is foreseen that the emerging 5G network will face an unprecedented increase in traffic volume and computation demands. However, end users mostly have limited storage capacities and finite processing capabilities, thus how to run compute-intensive applications on resource-constrained users has recently become a natural concern. Mobile edge computing (MEC), a key technology in the emerging fifth generation (5G) network, can optimize mobile resources by hosting compute-intensive applications, process large data before sending to the cloud, provide the cloud-computing capabilities within the radio access network (RAN) in close proximity to mobile users, and offer context-aware services with the help of RAN information. Therefore, MEC enables a wide variety of applications, where the real-time response is strictly required, e.g., driverless vehicles, augmented reality, robotics, and immerse media. Indeed, the paradigm shift from 4G to 5G could become a reality with the advent of new technological concepts. The successful realization of MEC in the 5G network is still in its infancy and demands for constant efforts from both academic and industry communities. In this survey, we first provide a holistic overview of MEC technology and its potential use cases and applications. Then, we outline up-to-date researches on the integration of MEC with the new technologies that will be deployed in 5G and beyond. We also summarize testbeds and experimental evaluations, and open source activities, for edge computing. We further summarize lessons learned from state-of-the-art research works as well as discuss challenges and potential future directions for MEC research.

In this work, we consider a typical scenario in a harsh urban propagation environment which is typical for a smart city scenario where multiple reconfigurable intelligent surfaces (RISs) are deployed in different hotspot areas to overcome signal blockage between the base station and users. Our goal is to ensure uninterrupted service availability to users in different hotspot areas regardless of their location. Consistent service availability can be achieved by guaranteeing that each RIS deployed in a hotspot area can support a certain number of users. This plays a critical role in smart city applications in the context of emergency communications and ubiquitous connectivity since the design ensures service availability to as many users as possible in all relevant locations. Taking into consideration the challenges in obtaining channel state information (CSI) given the passive nature of RIS and dynamic environments, we formulate a robust fairness problem to maximize the minimum expected number of served users in proximity to each RIS while considering the available transmit power and the worst-case quality of service (QoS) constraints within the bounded CSI error model framework. The resulting problem is a mixed integer non-convex program which is highly coupled and challenging to solve in polynomial time. Thus, we resort to binary variable relaxation, convex approximation techniques, and alternating optimization to tackle the problem. Additionally, we handle the semi-infinite uncertainty constraints by employing the S-procedure and general sign-definiteness. Simulation results demonstrate the effectiveness of the proposed design in obtaining consistent and reliable service in different hotspot areas compared to the relevant benchmark schemes. In addition, the proposed design shows flexibility in serving users with their target QoS given different channel uncertainty levels.