[論文レビュー] ENGINE:Cost Effective Offloading in Mobile Edge Computing with Fog-Cloud Cooperation

Long Chen, Jigang Wu+2 more|arXiv (Cornell University)|Nov 6, 2017

IoT and Edge/Fog Computing参考文献 3被引用数 15

ひとこと要約

本稿では、モバイルデバイスの予算制約のもとでタスク完了時間を最小化するコスト効率の良いオフロード方式であるENGINEを提案する。タスク依存関係をモデル化し、貪欲アルゴリズムを用いることで、近似的に最適な性能を達成し、シミュレーテッドアニーリングよりも平均で28.13%優れたアプリケーション終了時間性能を実現。コストと遅延のトレードオフを考慮し、ローカル、フォッグ、クラウド実行のバランスを効率的に調整する。

ABSTRACT

Mobile Edge Computing (MEC) as an emerging paradigm utilizing cloudlet or fog nodes to extend remote cloud computing to the edge of the network, is foreseen as a key technology towards next generation wireless networks. By offloading computation intensive tasks from resource constrained mobile devices to fog nodes or the remote cloud, the energy of mobile devices can be saved and the computation capability can be enhanced. For fog nodes, they can rent the resource rich remote cloud to help them process incoming tasks from mobile devices. In this architecture, the benefit of short computation and computation delay of mobile devices can be fully exploited. However, existing studies mostly assume fog nodes possess unlimited computing capacity, which is not practical, especially when fog nodes are also energy constrained mobile devices. To provide incentive of fog nodes and reduce the computation cost of mobile devices, we provide a cost effective offloading scheme in mobile edge computing with the cooperation between fog nodes and the remote cloud with task dependency constraint. The mobile devices have limited budget and have to determine which task should be computed locally or sent to the fog. To address this issue, we first formulate the offloading problem as a task finish time inimization problem with given budgets of mobile devices, which is NP-hard. We then devise two more algorithms to study the network performance. Simulation results show that the proposed greedy algorithm can achieve the near optimal performance. On average, the Brute Force method and the greedy algorithm outperform the simulated annealing algorithm by about 28.13% on the application finish time.

研究の動機と目的

• モバイルデバイスがエネルギーおよび計算リソースに制限を受ける中で、モバイルエッジコンピューティングにおける計算オフロードの課題に対処すること。
• モバイルデバイスの予算制約を尊重しつつ、アプリケーションの終了時間を最小化するコスト効率の良いオフロード戦略を設計すること。
• タスク依存関係を考慮し、低遅延のフォッグ処理と高容量のクラウド実行の両立を図るために、フォッグノードとリモートクラウドの協調を実現すること。
• 金銭的補償とユーティリティベースのリソース割り当てを組み込むことで、フォッグノードがオフロードに参加するインcentiveを提供すること。
• 予算および依存関係制約のもとで、タスクがローカル、フォッグ、またはクラウドで実行されるべきかどうかを効率的に決定するアルゴリズムを開発・評価すること。

提案手法

• 与えられたモバイルデバイスの予算制約のもとでタスク終了時間最小化問題としてオフロード問題を定式化し、これはNP困難であることが示されている。
• 実世界のタスク依存関係を反映するため、先行順序制約を有する有向無閉路グラフ（DAG）としてアプリケーションワークロードをモデル化する。
• コストと遅延に基づき、フォッグノードへのオフロードを優先する貪欲アルゴリズムを導入し、フォッグの容量または予算が上限に達した場合には動的にタスクをクラウドに移行する。
• 小規模なシナリオにおける最適タスク割り当てをベンチマークとするために、ブルートフォース法を用いる。
• 提案された貪欲アプローチの性能を評価するために、シミュレーテッドアニーリングを比較的ヒューリスティックなアルゴリズムとして用いる。
• コスト制約下での実行可能性を保証するため、フォッグおよびクラウドノードの両方のユーティリティ関数を組み込む。

実験結果

リサーチクエスチョン

• RQ1 モバイルデバイスの予算が制限され、フォッグノードのリソースも制限されている状況下で、モバイルエッジコンピューティングにおける計算オフロードをどのように最適化できるか。
• RQ2 タスク依存関係およびコスト制約のもとで、ローカル実行、フォッグオフロード、クラウドオフロードの最適なトレードオフは何か。
• RQ3 フォッグノードに金銭的補償を導入することで、全体のシステム性能およびタスク完了時間にどのような影響を与えるか。
• RQ4 貪欲アルゴリズムは、アプリケーション終了時間およびコスト効率の観点から、最適解をどの程度近似できるか。
• RQ5 フォッグノードの価格およびユーザーの予算が変化する場合、ローカル、フォッグ、クラウド実行層へのタスク配分にどのような影響を与えるか。

主な発見

• 貪欲アルゴリズムはタスク完了時間において近似的に最適な性能を達成し、シミュレーテッドアニーリングよりも平均で28.13%優れた性能を示した。
• ブルートフォース法はデータサイズの増加に伴い実行時間の指数関数的増加を示したが、貪欲アルゴリズムおよびシミュレーテッドアニーリングは線形増加を示した。
• フォッグノードの価格が上昇するにつれ、フォッグへのオフロードタスク数が減少し、アルゴリズムがコストパrameterに感受することを示した。
• ユーザーの予算が増加すると、フォッグへのタスク割り当て数は当初増加するが、フォッグの容量上限に達すると飽和し、その後はタスクがクラウドにオフロードされるようになった。
• 貪欲アルゴリズムはコストとパフォーマンスを効果的にバランスさせ、計算コストが低く抑えられつつ、最適なブルートフォース解に非常に近い結果を達成した。
• すべてクラウド利用のシナリオでは、クラウドのユーティリティがワークロードに比例して線形に増加し、制限付きケースにおけるクラウドユーティリティの上限として機能した。