[論文レビュー] Age of Processing: Age-driven Status Sampling and Processing Offloading for Edge Computing-enabled Real-time IoT Applications

Rui Li, Qian Ma+3 more|arXiv (Cornell University)|Mar 24, 2020

Age of Information Optimization参考文献 46被引用数 8

ひとこと要約

本稿では、処理遅延がタイムリーネスに影響を及ぼすエッジコンピューティングを活用したリアルタイムIoTアプリケーションにおけるステータス新鮮度を定量化する新しい指標である処理経過時間（AoP）を提案する。処理遅延を考慮した状況下で、ステータスのサンプリング周波数と処理のオフロードを共同最適化する問題を、平均報酬基準を用いた無限時間ホライズンの制約付きマルコフ意思決定過程（CMDP）として定式化し、ラグランジュ緩和と摂動に基づく最適化手法を用いて解き、シミュレーションでベンチマーク比最大30％のAoP低減を実証した。

ABSTRACT

The freshness of status information is of great importance for time-critical Internet of Things (IoT) applications. A metric measuring status freshness is the age-of-information (AoI), which captures the time elapsed from the status being generated at the source node (e.g., a sensor) to the latest status update.However, in intelligent IoT applications such as video surveillance, the status information is revealed after some computation intensive and time-consuming data processing operations, which would affect the status freshness. In this paper, we propose a novel metric, age-of-processing (AoP), to quantify such status freshness, which captures the time elapsed of the newest received processed status data since it is generated. Compared with AoI, AoP further takes the data processing time into account. Since an IoT device has limited computation and energy resource, the device can choose to offload the data processing to the nearby edge server under constrained status sampling frequency.We aim to minimize the average AoP in a long-term process by jointly optimizing the status sampling frequency and processing offloading policy. We formulate this online problem as an infinite-horizon constrained Markov decision process (CMDP) with average reward criterion. We then transform the CMDP problem into an unconstrained Markov decision process (MDP) by leveraging a Lagrangian method, and propose a Lagrangian transformation framework for the original CMDP problem. Furthermore, we integrate the framework with perturbation based refinement for achieving the optimal policy of the CMDP problem. Extensive numerical evaluations show that the proposed algorithm outperforms the benchmarks, with an average AoP reduction up to 30%.

研究の動機と目的

• 処理遅延がタイムリーネスを低下させる計算集約型IoTアプリケーションにおいて、最新のステータス更新を維持する課題に対処すること。
• データ生成から処理結果の配信までの一連の新鮮度を捉える新しい指標、処理経過時間（AoP）を提案すること。
• リソース制約および時間制約下で、ステータスのサンプリング周波数と処理のオフロード意思決定を共同最適化すること。
• 動的変化する無線チャネル状態と変動する計算要求を伴うエッジコンピューティング環境において、長期平均AoPを最小化すること。

提案手法

• 最適化問題を、平均報酬基準を用いた無限時間ホライズンの制約付きマルコフ意思決定過程（CMDP）として定式化する。
• 制約付きCMDPを非制約MDPに変換するために、ラグランジュ緩和技術を適用する。
• 動的プログラミングの原則を用いて、緩和されたMDP問題の最適方策を導出する。
• ラグランジュ乗数を調整するための摂動に基づく最適化手法を導入し、元のCMDP問題の最適方策を回復する。
• 変動するチャネル状態、計算要求、サンプリング制約下での性能を評価するために、シミュレーションフレームワークを採用する。
• 伝送時間および処理時間に影響を与える時間変動する無線チャネル状態を、3状態のマルコフ連鎖でモデル化する。

実験結果

リサーチクエスチョン

• RQ1 ステータス更新に処理遅延を含めることで、リアルタイムIoTシステムにおけるエンドツーエンドの新鮮度にどのような影響を与えるか？
• RQ2 動的変化するチャネル状態下で、ローカル処理とエッジオフロードの最適なトレードオフは何か？
• RQ3 サンプリング周波数と処理オフロードの相互作用が、処理経過時間（AoP）にどのように影響を与えるか？
• RQ4 長期平均AoP最小化の下で、サンプリングとオフロードの共同最適化を効果的に解くために、ラグランジュ緩和手法を用いることは可能か？
• RQ5 計算要求の変動が、AoPの観点からオフロード戦略の性能に与える影響は何か？

主な発見

• 提案アルゴリズムは、常にオフロードする方策（AEZW）に対して最大30％、AECWに対して最大20％の平均AoP低減を達成し、特にチャネル状態が悪い状況で顕著な改善を示した。
• 最適方策は平均AoP約1460 msを達成し、ALCW（1600 ms）およびベンチマーク方策を上回る性能を示した。
• 伝送時間が700 msを超えると、提案アルゴリズムのAoP上昇率は常にオフロードする方策よりも遅くなる。これは、劣悪なチャネル状態ではオフロードを回避するためである。
• 高い計算要求（例：2.0ギガサイクル）では、処理時間がAoPに支配的になるため、提案アルゴリズムは常にオフロード方策（AEZW）に収束する。
• ALCW方策は、計算要求が増加するにつれて、ローカル処理能力の制限により高いAoPを示すが、エッジサーバーの高い処理能力のおかげで、常にオフロード方策は安定性を保つ。
• 伝送時間が短い場合、AEZW方策は最小サンプリング間隔制約（T_min = 1200 ms）に違反しており、サンプリング周波数が非最適であることが示された。