[論文レビュー] Federated Orchestration for Network Slicing of Bandwidth and Computational Resource

Yingyu Li, Anqi Huang+4 more|arXiv (Cornell University)|Feb 6, 2020

Software-Defined Networks and 5G参考文献 34被引用数 13

ひとこと要約

本稿では、大規模なIoTネットワークにおける5Gネットワークスライシングの帯域幅および計算リソースにわたる分散型でプライバシーを守るリソース割り当てを可能にする、新規のFオーケストレータを用いたフェデレーテッドオーケストレーションフレームワークを提案する。同期最適化のためのDistADMM-PVSと非同期連携のためのAsynADMMを導入し、最小限の応答時間と無視できるほどの連携遅延でグローバル収束を達成した。実際のキャンパス交通データを用いた検証により、単一リソーススライシングと比較して顕著な性能向上が得られた。

ABSTRACT

Network slicing has been considered as one of the key enablers for 5G to support diversified IoT services and application scenarios. This paper studies the distributed network slicing for a massive scale IoT network supported by 5G with fog computing. Multiple services with various requirements need to be supported by both spectrum resource offered by 5G network and computational resourc of the fog computing network. We propose a novel distributed framework based on a new control plane entity, federated-orchestrator , which can coordinate the spectrum and computational resources without requiring any exchange of the local data and resource information from BSs. We propose a distributed resource allocation algorithm based on Alternating Direction Method of Multipliers with Partial Variable Splitting . We prove DistADMM-PVS minimizes the average service response time of the entire network with guaranteed worst-case performance for all supported types of services when the coordination between the F-orchestrator and BSs is perfectly synchronized. Motivated by the observation that coordination synchronization may result in high coordination delay that can be intolerable when the network is large in scale, we propose a novel asynchronized ADMM algorithm. We prove that AsynADMM can converge to the global optimal solution with improved scalability and negligible coordination delay. We evaluate the performance of our proposed framework using two-month of traffic data collected in a in-campus smart transportation system supported by a 5G network. Extensive simulation has been conducted for both pedestrian and vehicular-related services during peak and non-peak hours. Our results show that the proposed framework offers significant reduction on service response time for both supported services, especially compared to network slicing with only a single resource.

研究の動機と目的

• 大規模な5G対応IoTネットワークにおける、複数のサービスプロバイダーにまたがる異種のスペクトルおよび計算リソースを効果的に連携する課題に対処すること。
• 基地局（BSs）間でローカルデータやリソース情報の共有なしにプライバシーを守るリソース割り当てを可能にすること。
• 多様なIoTサービスにおける低応答時間および最悪ケース性能保証を満たすスケーラブルで分散型のフレームワークを設計すること。
• 同期連携のスケーラビリティ制限を克服するため、収束保証付きの非同期ADMMアルゴリズムを提案すること。
• 5G対応キャンパススマート輸送システムから得た実世界のトラフィックトレースを用いて、フレームワークを検証すること。

提案手法

• ローカルデータやリソース状態情報の交換なしに、BS間でのリソース割り当てを調整するための新規制御プレーンエントリ、フェデレーテッドオーケストレータ（F-オーケストレータ）を導入する。
• 同期連携のための分散最適化アルゴリズムであるDistADMM-PVSを提案。これは、部分変数分割を用いた交替方向乗数法（ADMM）に基づくものである。
• BSが独立して更新可能であり、連携遅延を低減しスケーラビリティを向上させる非同期ADMMの変種、AsynADMMを開発する。
• 計算時間分布にやや緩い仮定を置いたもとで、Lyapunovに基づく収束解析により、AsynADMMがグローバル最適解に収束することを証明する。
• 分散システムにおける現実的で変動する更新遅延をモデル化するため、指数分布に従う計算時間分布を持つ確率的サブ問題ソルバを採用する。
• レムマ1およびレムマ2を用いた再帰的期待値バウンディングにより、非同期アルゴリズムが最適解にほとんど確実に収束することを確立する。

実験結果

リサーチクエスチョン

• RQ1 フェデレーテッドオーケストレーションフレームワークは、機密性の高いローカルデータの共有なしに、複数のサービスプロバイダーにまたがるスペクトルおよび計算リソースを連携できるか？
• RQ2 提案されたDistADMM-PVSアルゴリズムは、完全な同期のもとでグローバル収束を達成し、平均応答時間を最小化できるか？
• RQ3 非同期ADMMの変種（AsynADMM）は、大規模ネットワークにおいて著しく連携遅延を低減しながらも、グローバル最適解への収束を維持できるか？
• RQ4 実世界のIoTシナリオにおける、提案フレームワークの性能は単一リソースネットワークスライシングと比べてどのように異なるか？
• RQ5 変動する計算遅延が、ネットワークスライシングにおける分散リソース割り当ての収束性およびスケーラビリティに与える影響は何か？

主な発見

• 提案されたAsynADMMアルゴリズムは、変動する非同期更新遅延が存在する状況でも、高い確率でグローバル最適解に収束する。
• AsynADMMは、同期型の対応手法と比較してスケーラビリティが向上し、無視できるほどの連携遅延を達成しており、大規模なIoT展開に適している。
• 本フレームワークは、帯域幅または計算リソースのいずれか1つのリソースに依存するネットワークスライシングと比較して、特にピーク時において応答時間を顕著に短縮する。
• キャンパススマート輸送システムから得た2か月分の実際のトラフィックデータを用いた広範なシミュレーションにより、歩行者および車両サービスの両方においてフレームワークの有効性が確認された。
• Coordinationが完全に同期されている場合、DistADMM-PVSアルゴリズムにより、すべてのサービスタイプの最悪ケース性能が保証される。
• 収束解析により、期待誤差が時間とともに減少することが証明され、上界は最適解と歴史的状態にのみ依存するため、耐障害性が保証される。