[論文レビュー] An Online Framework for Ephemeral Edge Computing in the Internet of Things

Gilsoo Lee, Walid Saad+1 more|arXiv (Cornell University)|Apr 18, 2020

IoT and Edge/Fog Computing被引用数 4

ひとこと要約

本稿は、将来のタスク到着が未知であるにもかかわらず、モバイルエッジノードがリアルタイムで隣接ノードにタスクを動的にオフロードする、エフェメラルエッジコンピューティングにおけるオンラインフレームワークを提案する。プライマルデュアルオンライングリーディアルゴリズムを用いることで、通信遅延と計算遅延を統合最適化し、競合比の保証と、オフライン最適解との差が7.1%未満の近似的最適なタスク割り当てを達成する。

ABSTRACT

In the Internet of Things (IoT) environment, edge computing can be initiated at anytime and anywhere. However, in an IoT, edge computing sessions are often ephemeral, i.e., they last for a short period of time and can often be discontinued once the current application usage is completed or the edge devices leave the system due to factors such as mobility. Therefore, in this paper, the problem of ephemeral edge computing in an IoT is studied by considering scenarios in which edge computing operates within a limited time period. To this end, a novel online framework is proposed in which a source edge node offloads its computing tasks from sensors within an area to neighboring edge nodes for distributed task computing, within the limited period of time of an ephemeral edge computing system. The online nature of the framework allows the edge nodes to optimize their task allocation and decide on which neighbors to use for task processing, even when the tasks are revealed to the source edge node in an online manner, and the information on future task arrivals is unknown. The proposed framework essentially maximizes the number of computed tasks by jointly considering the communication and computation latency. To solve the problem, an online greedy algorithm is proposed and solved by using the primal-dual approach. Since the primal problem provides an upper bound of the original dual problem, the competitive ratio of the online approach is analytically derived as a function of the task sizes and the data rates of the edge nodes. Simulation results show that the proposed online algorithm can achieve a near-optimal task allocation with an optimality gap that is no higher than 7.1% compared to the offline, optimal solution with complete knowledge of all tasks.

研究の動機と目的

• 将来のタスク到着が予測不可能であり、デバイスが頻繁にネットワークから離脱するモバイルIoT環境における一時的で短命なエッジコンピューティングセッションの課題に対処すること。
• 将来のタスク到着やシステム状態の事前知識なしに、リアルタイムで動作するオンラインタスク割り当てフレームワークを設計すること。
• 動的かつ変化するネットワーク条件に適応しながら、通信遅延と計算遅延を同時に最小化するため、最適な隣接エッジノードを選択してタスクオフロードを行うこと。
• プライマルデュアル法を用いて理論的性能保証を持つ競合的オンラインアルゴリズムを開発し、時間制約下でも近似的最適なタスク完了を保証すること。

提案手法

• フレームワークは、現在の知識のみに基づいて、リアルタイムでタスクを隣接エッジノードに割り当てるオンライン最適化問題としてタスクオフロードをモデル化する。
• 問題の構造に起因する競合比の上限を維持しながら、動的タスク割り当てを実現するためのプライマルデュアルオンラインアルゴリズムを設計する。
• タスクサイズ、データレート、計算能力に基づくデュアル変数の更新ルールを用い、変数 $ z_j $ を用いたリソース使用量のパrameter化された上限を導入する。
• 競合比は、タスクサイズとエッジノードのデータレートの関数として解析的に導出され、不確実性下でも性能の上限が保証される。
• 時間制約を考慮した目的関数を組み込み、エッジノード間でのタスク完了レートとリソース利用度のバランスを取る。
• 対数バリア関数とパrameter $ c = (1 + \delta)^{1/\delta} $ を用いて、各エッジノードの総タスク負荷に制約を課すことにより、妥当性を保証する。

実験結果

リサーチクエスチョン

• RQ1 将来のタスク到着が未知である状況下で、エッジノードはどのように効率的に一時的なコンピューティングタスクをリアルタイムに割り当てることができるか？
• RQ2 エフェメラルエッジコンピューティング環境におけるオンラインタスクオフローディングアルゴリズムの理論的性能限界は何か？
• RQ3 将来の知識なしに、動的かつモバイルなIoT環境で通信遅延と計算遅延を同時に最小化するにはどうすればよいか？
• RQ4 この環境下でのオンラインアルゴリズムの競合比は何か？また、タスクサイズやデータレートなどのシステムパrameterにどのように依存するか？
• RQ5 提案されたオンラインアルゴリズムは、すべてのタスクを事前に把握できるオフライン最適解と比較して、近似的最適な性能を達成できるか？

主な発見

• 提案されたオンライングリーディアルゴリズムは、オフライン最適解と比較して最適性ギャップが7.1%未満であることを示し、優れた実用的性能を示している。
• オンラインアルゴリズムの競合比は、タスクサイズとエッジノードのデータレートの関数として解析的に導出され、理論的性能保証が得られる。
• プライマルデュアルアプローチにより、アルゴリズムは動的変化するタスクの到着とネットワーク状態に適応しながら、妥当性を維持する。
• シミュレーション結果から、アルゴリズムがエッジノード間で負荷を効果的にバランスさせ、一時的な時間枠内に完了するタスク数を最大化できることを確認した。
• フレームワークは、リアルタイムかつ分散型のタスクオフロード意思決定を可能にすることで、モバイルIoT環境の動的特性を効果的に処理する。
• パrameter化されたデュアル変数の更新に $ c = (1 + \delta)^{1/\delta} $ を用いることで、リソース使用量の成長が有界となり、きめ細かな性能バウンドが実現される。