[論文レビュー] Challenges and Opportunities in Edge Computing

Blesson Varghese, Nan Wang+3 more|arXiv (Cornell University)|Sep 7, 2016

IoT and Edge/Fog Computing参考文献 30被引用数 56

ひとこと要約

本稿は、基地局やルーターなどのネットワークエッジノードにおける未利用の計算リソースを活用することで、レイテンシの低減、クラウドワークロードの軽減、エネルギー効率の向上を実現するエッジコンピューティングを解決策として提案する。5つの主要な課題（異種ハードウェア、リアルタイムデータ処理、エネルギー効率、スケーラブルなフレームワーク、展開の複雑さ）を特定し、軽量アルゴリズム、マイクロカーネル、産学連携といった5つの機会を提示することで、大規模な分散コンピューティングにおける効率的で低レイテンシかつ持続可能な実装を可能にする。

ABSTRACT

Many cloud-based applications employ a data centre as a central server to process data that is generated by edge devices, such as smartphones, tablets and wearables. This model places ever increasing demands on communication and computational infrastructure with inevitable adverse effect on Quality-of-Service and Experience. The concept of Edge Computing is predicated on moving some of this computational load towards the edge of the network to harness computational capabilities that are currently untapped in edge nodes, such as base stations, routers and switches. This position paper considers the challenges and opportunities that arise out of this new direction in the computing landscape.

研究の動機と目的

• 集中型クラウドコンピューティングからエッジコンピューティングへの移行を駆り立てる主な動機を特定すること。具体的には、低レイテンシ要件とモバイルデバイスのリソース制約を含む。
• ネットワークエッジにおける汎用コンピューティングの展開における課題を分析すること。具体的には、ハードウェアの異種性、リソース制限、標準化されたフレームワークの欠如を含む。
• 軽量アルゴリズム、マイクロカーネル、仮想化、産学連携の機会を検討し、エッジ分析およびアプリケーション展開の効率化を可能にする。
• 従来の科学的データ分析とは異なるエッジ固有のワークロードに特化した、新しいプログラミングモデルとツールキットの必要性を強調すること。
• 学術的イノベーションと実世界の展開の間のギャップを埋めるために、協働研究エコシステムを提唱すること。

提案手法

• ラウンドトリップレイテンシとネットワーク混雑状態の低減を目的に、集中型クラウド処理から分散型エッジノード（例：基地局、ルーター）への移行を提唱する。
• ウェアラブルビジョンシステムの例（25–50msの応答時間）を含むリアルタイムアプリケーションの要件を分析し、クラウドベースの処理が許容可能なレイテンシ（例：キャンベラとバークリー間で175ms）を上回ることを示す。
• エッジノードがデータフィルタリングおよび軽量分析を実行できることを特定し、生データをクラウドに送信するのと比較して、データ送信量とエネルギー消費を削減できることを示す。
• Apache Quarks や TensorFlow といった既存のツールのエッジ互換性を評価し、軽量でメモリ効率の良い実装の必要性を強調する。
• コンテナ化（例：Docker）およびマイクロカーネルを、制限されたエッジハードウェア上で効率的で隔離され、高速なアプリケーション展開を可能にするメカニズムとして提案する。
• 実世界の制約とスケーラビリティのニーズを反映した標準、フレームワーク、展開モデルを共同開発するため、オープンな産学連携コンsortiumの推奨を提言する。

実験結果

リサーチクエスチョン

• RQ1 エッジコンピューティングは、集中型クラウド処理と比較して、リアルタイムモバイルおよびウェアラブルアプリケーションにおけるレイテンシをどのように低減できるか？
• RQ2 異種でリソース制限のあるエッジノードに汎用コンピューティングを実装するにあたり、主な技術的およびアーキテクチャ的課題は何か？
• RQ3 CPU、メモリ、電力が限られたエッジデバイス上で機械学習およびデータ分析を支援するため、どのように軽量なアルゴリズムとライブラリを設計できるか？
• RQ4 仮想化およびマイクロカーネルは、エッジインfraストラクチャ上で展開効率、起動時間、リソース隔離をどのように向上させることができるか？
• RQ5 学術界と産業界は、スケーラブルで現実的で生産環境対応の可能なエッジコンピューティングシステムを開発するために、どのように効果的に連携できるか？

主な発見

• エッジコンピューティングにより、エンドユーザー端末から1ホップ離れた場所でデータ処理が行われることで、レイテンシが175ms（例：キャンベラとバークリー間）から50ms未塔にまで低減できる。
• オンデマンドゲーム、リアルタイム動画ストリーミング、ウェアラブルビジョンシステムといったレイテンシに敏感なアプリケーションでは、現在のクラウドベースのモデルが持続不可能である。これは、高いラウンドトリップ遅延が原因である。
• 基地局やルーターなどのエッジノードには、未利用の計算容量が存在し、データ送信の前にフィルタリングや分析を実行することで、ネットワーク負荷とエネルギー消費を削減できる。
• Apache Spark などの既存の大規模データフレームワークは、CPUおよびメモリ要件が高いため、エッジ展開には不適切である。これに代わる軽量な代替手段（例：Apache Quarks）の導入が不可欠である。
• Docker などのコンテナ技術は、エッジノード上で効率的でポータブルかつ隔離されたアプリケーション展開の可能性を示しているが、最適な統合のためにはさらなる研究が必要である。
• 学術機関が生産規模のインfraストラクチャにアクセスできないことが多いため、学術的イノベーションと実世界の展開のギャップを埋めるために、産学連携が不可欠である。