[論文レビュー] A Market-Based Framework for Multi-Resource Allocation in Fog Computing

Duong Tung Nguyen, Long Bao Le+1 more|arXiv (Cornell University)|Jul 25, 2018

IoT and Edge/Fog Computing参考文献 48被引用数 4

ひとこと要約

本稿は、ファイブコンピューティングにおけるマルチリソース割り当てのための市場ベースのフレームワークを提案する。サービスを予算制約付きの買い手として、ファイブリソースを分割可能な財としてモデル化することで、公平かつ効率的な市場均衡（ME）を達成する。このフレームワークは、凸最適化の定式化と、正確性を損なわずに機密情報を保護する分散型アルゴリズムを用いることで、無駄のない、節約的で公平な割り当てを保証する。

ABSTRACT

Fog computing is transforming the network edge into an intelligent platform by bringing storage, computing, control, and networking functions closer to end-users, things, and sensors. How to allocate multiple resource types (e.g., CPU, memory, bandwidth) of capacity-limited heterogeneous fog nodes to competing services with diverse requirements and preferences in a fair and efficient manner is a challenging task. To this end, we propose a novel market-based resource allocation framework in which the services act as buyers and fog resources act as divisible goods in the market. The proposed framework aims to compute a market equilibrium (ME) solution at which every service obtains its favorite resource bundle under the budget constraint while the system achieves high resource utilization. This work extends the General Equilibrium literature by considering a practical case of satiated utility functions. Also, we introduce the notions of non-wastefulness and frugality for equilibrium selection, and rigorously demonstrate that all the non-wasteful and frugal ME are the optimal solutions to a convex program. Furthermore, the proposed equilibrium is shown to possess salient fairness properties including envy-freeness, sharing-incentive, and proportionality. Another major contribution of this work is to develop a privacy-preserving distributed algorithm, which is of independent interest, for computing an ME while allowing market participants to obfuscate their private information. Finally, extensive performance evaluation is conducted to verify our theoretical analyses.

研究の動機と目的

• 容量制限があり、分散型のファイブノードにまたがる、CPU、メモリ、帯域幅など、複数の異種リソースを、多様な好みと優先順位を持つ競合するサービスに割り当てる課題に対処すること。
• 高いシステム利用率を維持しながら、公平性と効率性を保証するリソース割り当てメカニズムを設計すること。福利厚生最大化や最大最小公平性の欠陥を回避すること。
• サービス固有の情報（例：効用関数や予算）を隠蔽できるプライバシー保護型分散アルゴリズムを開発すること。正確性を損なわず、実用的であることを目指す。
• 現実的な飽和効用関数を想定した条件下で、市場均衡に対する理論的保証（ envy-freeness、共有インセンティブ、比例性）を確立すること。
• 複数ノード、複数リソースタイプ、有限の需要制約を伴う実用的ファイブコンピューティング環境に、一般均衡理論を拡張すること。

提案手法

• サービスが固定予算を持つ買い手として、ファイブノードが複数のリソースタイプを供給する分割可能な財を有するフィッシャーマーケットとして、マルチリソース割り当て問題を定式化する。
• 最適解が無駄のないかつ節約的な市場均衡に正確に一致する凸最適化プログラムを導入し、公平性と効率性を保証する。
• 双対分解と部分勾配法に基づく分散型・並列アルゴリズムを採用し、参加者が個人情報を開示する必要なく均衡を計算可能にする。
• 反復計算中に個人情報（例：効用関数や予算）をぼかす非暗号的プライバシー保護メカニズムを設計する。
• 摂動付き勾配を用いた双対上昇法を用い、個人情報の推定を防ぎつつ、最適解への収束を維持する。
• 広範なシミュレーションを通じて理論的結果を検証し、多様なワークロード下で高いリソース利用率と公平性を示した。

実験結果

リサーチクエスチョン

• RQ1 異種で容量制限のあるファイブコンピューティング環境において、市場均衡モデルをマルチリソース割り当てに効果的に適用できるか？
• RQ2 有限のサービス需要を伴うマルチリソース・マルチノードのファイブコンピューティング環境で、公平性と効率性を同時に達成する方法は何か？
• RQ3 得られた市場均衡は、 envy-freeness、比例性、共有インセンティブの観点でどのような性質を有するか？
• RQ4 プライベートデータ（例：効用関数や予算）を保護しながら、市場均衡を分散アルゴリズムで計算できるか？
• RQ5 本フレームワークは、DRF やオークション、福利厚生最大化といった既存手法と比較して、公平性と利用率の面でどのように差をつけるか？

主な発見

• 提案された市場均衡は、無駄がなく節約的であり、リソースが無駄に残ることなく、各サービスが自身の需要を超えて割り当てられることはない。
• すべての無駄のないかつ節約的な市場均衡は、凸計画問題の最適解に正確に一致し、グローバル最適性と収束性を保証する。
• 均衡は強い公平性特性を有する： envy-free（どのサービスも他のサービスの割り当てを好むことはない）、共有インセンティブ（サービスは市場参加を好む）、比例性（各サービスは少なくともその公平な割合を受け取る）。
• 分散アルゴリズムは、参加者が個人情報を開示する必要なく最適市場均衡に収束するため、実世界への展開に実用的である。
• 性能評価により、多様なワークロード下で高いリソース利用率と公平性が確認され、バランスの取れた効率性と公平性を実現する従来手法（福利厚生最大化や最大最小公平性）を上回った。
• プライバシー保護メカニズムは非暗号的であり、計算的に効率的で、微分プライバシーの精度・プライバシーのトレードオフや、同型暗号化やガーブル回路の高コストを回避する。