[論文レビュー] CUDA-Accelerated Application Scheduling in Vehicular Clouds Under Advanced Multichannel Operations in WAVE

Yassine Maalej, Elyes Balti|arXiv (Cornell University)|Dec 22, 2020

Vehicular Ad Hoc Networks (VANETs)参考文献 32被引用数 8

ひとこと要約

本稿では、IEEE 1609.4準拠のWAVEネットワークにおける制御チャネル（CCHI）とサービスチャネル（SCHI）間の動的切り替えを最適化することで、チャネル利用率を最大化するとともに、安全関連アプリケーションの低遅延を確保する、高度なアクティビティ対応（AAA）スケジューリング方式を提案する。CUDAアクセラレートされたマルコフ決定過程（MDP）最適化を活用することで、グリーディヒューリスティクスに比べて32%高速な収束を達成し、VMの利用率と報酬が優れている。これにより、非安全関連アプリケーションのスループットが著しく向上し、遅延が低減される。

ABSTRACT

This paper presents a novel Advanced Activity-Aware (AAA) scheme to optimize and improve Multi-Channel Operations based on the IEEE 1609.4 standard in wireless access vehicular environments (WAVE). The proposed scheme relies on the awareness of the vehicular safety load to dynamically find an optimal setup for switching between service channel intervals (SCHI) and control channel intervals (CCHI). SCHI are chosen for non-critical applications (e.g. infotainment), while CCHI are utilized for critical applications (e.g. safety-related). We maximize the channel utilization without sacrificing other application requirements such as latency and bandwidth. Our scheme is implemented and evaluated network simulator-3 (NS3). We guarantee the default Synchronization Interval (SI), like implemented by the standard in vehicular ad hoc networks (VANETs), when tested on real-time simulations of vehicular cloud (VC) load and VANET setups using NS3. We also evaluate a Markov Decision Process (MDP) based scheme and a fast greedy heuristic to optimize the problem of vehicular task placement with both IEEE 1609.4 and an opportunistic V2I version of the proposed AAA scheme. Our solution offers the reward of the VC by taking into account the overall utilization of the distributed virtualized VCs resources and vehicular bag-of-tasks (BOTs) placements both sequentially and in parallel. We present the simulation metrics proving that our proposed solution significantly improve the throughput and decreases the average delay of uploaded packets used for non-safety applications, while maintaining reliable communication (via CCHI) for safety-related applications similar to the IEEE 1609.4 standard.

研究の動機と目的

• IEEE 1609.4マルチチャネル運用下における車両クラウド（VCs）における非効率なチャネル利用率と最適でないタスクスケジューリングの課題に対処すること。
• CCHIを介した低遅延で信頼性の高い安全メッセージ配信を維持しつつ、非安全関連アプリケーションのV2I通信の信頼性とスループットを向上させること。
• リアルタイムのワークロードモニタリングに基づき、SCHIとCCHI間の動的でアクティビティ対応の切り替えメカニズムを構築すること。
• MDPを用いて分散型VCにおけるVM配置とタスクスケジューリングを最適化し、高速グリーディヒューリスティクスと比較すること。
• CUDA GPGPUを用いてMDPベースのスケジューリングを高速化し、高動的環境下での車両環境におけるリアルタイム意思決定を可能にすること。

提案手法

• 平均的なチャネルワークロードに基づき、安全アプリケーション向けのCCHI（制御チャネル）と非重要アプリケーション向けのSCHI（サービスチャネル）間を動的に切り替える高度なアクティビティ対応（AAA）方式を提案する。
• VM利用率とタスク配置コストを考慮し、長期的な報酬を最大化する目的で、車両タスクスケジューリングをマルコフ決定過程（MDP）としてモデル化する。
• 並列処理によりMDPを高速に解くために、CUDAアクセラレートされた価値反復アルゴリズムを実装し、計算時間を短縮し、リアルタイムスケジューリングを可能にする。
• NS3を用いて、実際の移動性、RSU/車両密度、ワークロードパターンを再現したVANETおよびVC環境をシミュレートする。
• 効率的なGPU実行を実現するため、1ブロックあたり124スレッド、1マルチプロセッサあたり64.5%の利用率を持つBSDI（バッチ同期反復）カーネルを導入する。
• 標準的なIEEE 1609.4と、AAA方式のオポチュニスティックV2Iバージョンの両方において、MDPとグリーディヒューリスティクスを評価する。

実験結果

リサーチクエスチョン

• RQ1 WAVEにおけるマルチチャネル運用をどのように最適化すれば、安全関連アプリケーションの遅延を損なわずにサービスチャネルの利用率を最大化できるか？
• RQ2 CUDAアクセラレートされたMDPベースのスケジューラーは、グリーディヒューリスティクスに比べて、VM利用率と報酬の面でどの程度優れているか？
• RQ3 ワークロード認識に基づくCCHIとSCHI間の動的切り替えは、全体のVCCスループットを向上させ、エンドツーエンド遅延を低減できるか？
• RQ4 リアルタイムの車両スケジューリング環境において、MDP価値反復をCUDA GPGPUで高速化することで、どの程度の性能向上が達成可能か？
• RQ5 MDPベースのスケジューラーは、グリーディアプローチと比較して、未利用VMの数とVC内でのタスクの分布にどの程度の差が生じるか？

主な発見

• MDPベースのスケジューラーは、大多数のVCで100%のVM利用率を達成した。グリーディヒューリスティクスは長期的計画が欠如しているため、多くのVMが未利用のままにされていた。
• CUDAアクセラレートされたMDP実装は、シーケンシャルバージョンに比べて32%の高速化を達成したが、同一の最適スケジューリングエポックを同定した。
• AAA方式では、特に高負荷条件下で、デフォルトのIEEE 1609.4基準に比べてVCスループットが最大30%向上した。
• MDPベースの方式は、グリーディアプローチに比べて、V2Iパケットの平均エンドツーエンド遅延を40%削減し、非安全関連アプリケーションのパフォーマンスが向上した。
• MDPスケジューリング（βvc=1、βtc=1.2、γvc=1）では、グリーディヒューリスティクスよりも全体のVCCにおける報酬が高かった。これは、より費用対効果の高いリソース利用を示している。
• MDPでは未利用VMの数が著しく削減され、利用可能なVMおよび支払い済みTCCリソースにわたるタスクの分布がよりバランスが取れたものとなった。