[論文レビュー] A Fuzzy Scheduling Strategy for Deadline-Based Workflow Applications in Uncertain Edge-Cloud Environments

Bing Lin, Chaowei Lin+4 more|arXiv (Cornell University)|Jul 3, 2021

IoT and Edge/Fog Computing被引用数 1

ひとこと要約

本稿では、不確実なエッジ・クラウド環境におけるワークフロー実行コストを最小化するために、遺伝的アルゴリズム（GA）の演算子を統合した適応的離散的粒子群最適化（ADPSO）アルゴリズムを用いたコスト駆動型のファジィスケジューリング戦略を提案する。タスク処理時間およびデータ転送時間を三角区間数（TFNs）でモデル化することで、所定のデッドラインを満たしつつコストを効果的に低減でき、実験においてベンチマーク手法を上回る性能を示した。

ABSTRACT

Workflow scheduling is critical to performing many practical workflow applications. Scheduling based on edge-cloud computing can help addressing the high complexity of workflow applications, while decreasing the data transmission delay. However, due to the nature of heterogeneous resources in edge-cloud environments and the complicated data dependencies between the tasks in such a workflow, significant challenges for workflow scheduling remain, including the selection of an optimal tasks-servers solution from the possible numerous combinations. Existing studies are mainly done subject to rigorous conditions without fluctuations, ignoring the fact that workflow scheduling is typically present in uncertain environments. In this study, we focus on reducing the execution cost of workflow applications mainly caused by task computation and data transmission, while satisfying the workflow deadline in uncertain edge-cloud environments. The Triangular Fuzzy Numbers (TFNs) are adopted to represent task processing time and data transferring time. A cost-driven fuzzy scheduling strategy based on an Adaptive Discrete Particle Swarm Optimization (ADPSO) algorithm is proposed, which is employed the operators of Genetic Algorithm (GA). This strategy introduces the randomly two-point crossover operator, neighborhood mutation operator, and adaptive multipoint mutation operator of GA to effectively avoid converging on local optima. The experimental results show that our strategy can effectively reduce the workflow execution cost in uncertain edge-cloud environments, compared with other benchmark solutions.

研究の動機と目的

• 不確実なエッジ・クラウド環境下におけるデッドライン制約付きのワークフローアプリケーションにおける高い実行コストの課題に対処すること。
• 従来のスケジューリング戦略が決定論的条件を仮定しており、リソースの非均一性やデータ依存関係を無視しているという限界を克服すること。
• 計算コストおよびデータ送信コストを最小化するとともに、ワークフローアプリケーションのデッドラインを満たすコスト駆動型のスケジューリング手法を開発すること。
• ファジィ論理を統合し、三角区間数（TFNs）を用いて不確実な処理時間および伝送時間をモデル化すること。
• ADPSOアルゴリズムにGAに由来する演算子を統合し、局所最適解に陥るのを回避するとともに、グローバルサーチ能力を向上させること。

提案手法

• エッジ・クラウド環境における不確実性を表現するため、タスク処理時間およびデータ転送時間を三角区間数（TFNs）を用いてモデル化する。
• 合計実行コスト（計算コストおよびデータ送信コストを含む）を評価するコスト駆動型のファジィスケジューリング戦略を設計する。
• 最適なタスクからサーバーへのマッピングを探索するため、適応的離散的粒子群最適化（ADPSO）アルゴリズムを実装する。
• GAの演算子（ランダムな2点クロスオーバー、近隣変異、適応的多点変異）をADPSOに統合する。
• 不確実性下でのスケジューリング解の適性を評価・比較するために、ファジィランク付けおよび非ファジィ化技術を用いる。
• 探索と開拓のバランスを保つために、ADPSOにおける変異および速度パラメータを動的に調整する適応的メカニズムを適用する。

実験結果

リサーチクエスチョン

• RQ1 エッジ・クラウド環境における不確実な処理時間および伝送時間下で、どのようにワークフロースケジューリングを最適化できるか？
• RQ2 ADPSOにGAの演算子を統合することで、ファジィスケジューリングにおける収束性および局所最適解の回避にどの程度寄与できるか？
• RQ3 三角区間数（TFNs）を用いることで、タスク実行およびデータ転送時間の不確実性モデリングにどのような影響を与えるか？
• RQ4 提案手法は、既存のベンチマークスケジューリングアルゴリズムと比較して、コスト低減およびデッドライン遵守の面でどの程度優れているか？
• RQ5 ハイブリッドADPSO-GAアプローチにおける適応的変異およびクロスオーバー機構は、不確実環境下での解の品質を向上させることができるか？

主な発見

• 提案されたファジィスケジューリング戦略は、不確実なエッジ・クラウド環境下で合計ワークフロー実行コストを効果的に低減した。
• 2点クロスオーバー、近隣変異、適応的多点変異といったGAの演算子の統合により、ADPSOアルゴリズムの局所最適解からの脱出能力が向上した。
• 三角区間数（TFNs）の使用により、不確実な処理時間およびデータ転送時間の正確なモデリングが可能になった。
• 特に高い不確実性下において、ベンチマーク手法と比較して優れたコスト効率を達成した。
• アルゴリズム内の適応的メカニズムにより、収束速度および解の品質が向上したが、頑健性は損なわれなかった。
• 実際の不確実環境下でも、合計コストを最小化しながらワークフローアプリケーションのデッドラインを確実に満たすことができ、実用的妥当性が裏付けられた。