[論文レビュー] Enabling Community Health Care with Microservices

Richard Hill, Dharmendra Shadija+1 more|arXiv (Cornell University)|Sep 20, 2017

Software System Performance and Reliability参考文献 17被引用数 3

ひとこと要約

本論文は、エッジ処理とワークロード管理を活用して、データ送信量を57%削減し、計算時間を59%削減するマイクロサービスベースのIoTアーキテクチャを提案する。これにより、分散型のケアシステムにおけるスケーラビリティ、レジリエンス、プライバシーが向上する。この手法は、エージェント指向モデリングとLoraWANを活用し、ホームセンサーからヘルスクラウドへの効率的で安全なデータフローを実現する。

ABSTRACT

Microservice architectures (MA) are composed of loosely coupled, course-grained services that emphasise resilience and autonomy, enabling more scalable applications to be developed. Such architectures are more tolerant of changing demands from users and enterprises, in response to emerging technologies and their associated influences upon human interaction and behaviour. This article looks at microservices in the Internet of Things (IoT) through the lens of agency, and using an example in the community health care domain explores how a complex application scenario (both in terms of software and hardware interactions) might be modelled.

研究の動機と目的

• スケーラブルでレジリエントかつプライバシーに配慮したサービスコンポジションを可能にするために、コミュニティヘルスケアシステムの複雑化に対処すること。
• IoTベースの健康モニタリングにおけるネットワーク帯域幅と処理オーバーヘッドを低減するため、センサーのデータをエッジでフィルタリングおよび処理すること。
• マイクロサービスおよびエージェント指向モデリングが、動的でマルチステークホルダーのケア環境を支援する上で実現可能かどうかを検討すること。
• エッジコンピューティングユニットにおけるワークロード管理のパフォーランス向上を評価すること。
• 保健機関と地方自治体間での分散型データ処理および安全なデータ共有の機会を特定すること。

提案手法

• 各サービスが特定のケア機能（例：データフィルタリング、分析、レポート作成）をカプセル化するマイクロサービスベースのアーキテクチャを設計すること。
• エッジでの二段階処理パイプラインを実装する：最初にセンサーのデータをフィルタリングし、その後でパターン認識とトレンド分析を実行すること。
• ステークホルダー間での能動的かつ協調的な行動を可能にするために、マルチエージェントシステムとしてのシステムをモデル化するため、エージェント統合モデリング言語（AUML）を用いること。
• ホームモニタリングユニットからヘルスクラウドへの非重要データの低消費電力で長距離通信を実現するため、LoraWANを採用すること。
• 利用可能なリソースとデッドラインに基づいて、エッジコンponents間で処理を動的に分散するためのワークロード管理アルゴリズムを適用すること。
• Omnet++ 5.1をUbuntu 16.04で使用し、MIT AI Labの100MBのセンサー・データセットを用いて、さまざまな負荷下でのパフォーマンスを評価するためのシミュレーションを実施すること。

実験結果

リサーチクエスチョン

• RQ1 マイクロサービスとエッジ処理は、コミュニティヘルスケアIoTシステムにおけるデータ送信量をどのように削減し、効率を向上させることができるか？
• RQ2 ワークロード管理は、エッジベースの健康モニタリングユニットにおける処理遅延とリソース利用率にどのような影響を与えるか？
• RQ3 マイクロサービスアーキテクチャは、動的でマルチステークホルダーのケア環境において、システムのレジリエンスとモularityをどのように向上させるか？
• RQ4 制限されたLoraWANネットワークにおいて、分散型データ処理は帯域幅消費をどの程度削減できるか？
• RQ5 分散型マイクロサービス間で、データプライバシーとアクセス制御をどのように強制できるか？

主な発見

• エッジベースのフィルタリングとワークロードに配慮した処理により、シミュレートされたネットワーク全体でデータ送信量が57%削減された。
• 最適化されたワークロード分散のおかげで、センサーのデータ処理にかかる計算時間が18.3秒から7.3秒に59%削減された。
• 送信前に冗長なセンサーのデータをフィルタリングした結果、ネットワーク帯域幅消費が51%削減された。
• 動的ワークロード管理のおかげで、センサー負荷が増加してもシステムのレジリエンスと適応性が向上した。
• エッジアーキテクチャは、高密度のセンサー入力下でもパフォーマンスの安定性を維持し、ネットワークの変動に対して感受性が低くなった。
• ホームモニタリングユニットの計算能力は未利用に近い状態であったため、高度なデータ処理によりさらなる最適化の余地があることが示唆された。