[論文レビュー] An Online Optimization Framework for Distributed Fog Network Formation with Minimal Latency

Gilsoo Lee, Walid Saad+1 more|arXiv (Cornell University)|Oct 14, 2017

IoT and Edge/Fog Computing被引用数 5

ひとこと要約

本稿では、エッジコンピューティング環境における動的フォッグネットワーク形成のためのオンライン最適化フレームワークを提案する。閾値ベースのアルゴリズムを用いて隣接フォッグノードを選択し、エンドツーエンドの遅延を最小化する。ターゲットの競合比を繰り返し更新し、フォッグノードとクラウド間のタスクオフロードを最適化することで、ベースラインのオンラインセクレタリー手法と比較して遅延を最大19.25%削減する。

ABSTRACT

Fog computing is emerging as a promising paradigm to perform distributed, low-latency computation by jointly exploiting the radio and computing resources of end-user devices and cloud servers. However, the dynamic and distributed formation of local fog networks is highly challenging due to the unpredictable arrival and departure of neighboring fog nodes. Therefore, a given fog node must properly select a set of neighboring nodes and intelligently offload its computational tasks to this set of neighboring fog nodes and the cloud in order to achieve low-latency transmission and computation. In this paper, the problem of fog network formation and task distribution is jointly investigated while considering a hybrid fog-cloud architecture. The goal is to minimize the maximum computational latency by enabling a given fog node to form a suitable fog network and optimize the task distribution, under uncertainty on the arrival process of neighboring fog nodes. To solve this problem, a novel online optimization framework is proposed in which the neighboring nodes are selected by using a threshold-based online algorithm that uses a target competitive ratio, defined as the ratio between the latency of the online algorithm and the offline optimal latency. The proposed framework repeatedly updates its target competitive ratio and optimizes the distribution of the fog node's computational tasks in order to minimize latency. Simulation results show that the proposed framework can successfully select a set of neighboring nodes while reducing latency by up to 19.25% compared to a baseline approach based on the well-known online secretary framework. The results also show how, using the proposed framework, the computational tasks can be properly offloaded between the fog network and a remote cloud server in different network settings.

研究の動機と目的

• 予期しないノードの到着および退出が発生する条件下での動的かつ分散型フォッグネットワーク形成の課題に対処すること。
• ネットワーク形成とタスク分配を統合最適化することで、フォッグクラウドコンピューティングにおける最大通信遅延および計算遅延を最小化すること。
• ノード利用可能性およびリソース状態の不確実性を前提としたスケーラブルでリアルタイムなソリューションを設計すること。
• ハイブリッドアーキテクチャにおけるローカルフォッグノードとリモートクラウドサーバー間の効率的タスクオフロードを可能にすること。
• オンライン環境において、保証された競合比を達成する低遅延パフォーマンスを実現すること。

提案手法

• ターゲットの競合比に基づいて、遅延と実行可能性のバランスを取る閾値ベースのオンラインアルゴリズムが、隣接フォッグノードを選択する。
• フレームワークは、時間経過に伴いネットワーク形成の成功確率を向上させるために、競合比を動的に更新する。
• 遅延は伝送遅延、処理遅延、キューイング遅延の合計としてモデル化され、データレート、処理速度、バッファサイズなどの主要変数を含む。
• アルゴリズムは、距離、処理レート、干渉の累積分布関数に基づくノード選択の確率的境界を用いる。
• 距離、処理レート、干渉項の独立事象を用いて、ネットワーク形成確率の下限を導出する。
• 選択されたフォッグノードとクラウド間のタスク分配を最適化することで、最大エンドツーエンド遅延を最小化する。

実験結果

リサーチクエスチョン

• RQ1 隣接ノードが予期せず到着する状況下で、フォッグノードはどのように動的かつ低遅延のネットワークを形成できるか？
• RQ2 不確実性下でのフォッグネットワーク形成において、保証された有界な競合比を達成できるオンラインアルゴリズムは何か？
• RQ3 提案されたフレームワークは、既存のオンラインセクレタリーに基づく手法と比較して、どのように遅延を改善するか？
• RQ4 適応的競合比更新がネットワーク形成成功確率および遅延低減に与える影響は何か？
• RQ5 ハイブリッドアーキテクチャにおいて、フォッグノードとクラウド間で計算タスクを最適にオフロードする方法は何か？

主な発見

• 提案されたフレームワークは、ベースラインのオンラインセクレタリーに基づく手法と比較して、エンドツーエンド遅延を最大19.25%削減する。
• フレームワークは、ノード距離、処理レート、干渉を含む導出式を用いた確率の下限で保証される、機能的なフォッグネットワークを正常に形成する。
• 適応的競合比更新は、ネットワーク形成成功確率および遅延最小化の両面で顕著な向上をもたらす。
• ローカルフォッグノードとリモートクラウド間のワークロードを知的に分散させることで、低遅延タスクオフロードを実現する。
• 理論的分析により、観察試行回数の増加およびよりきつい競合比バインドが、成功したネットワーク形成の確率を高めることを確認した。
• シミュレーション結果により、多様なネットワーク設定および動的ノード到着パターンにおいて、フレームワークの有効性が検証された。