[論文レビュー] Five Driving Forces of Multi-Access Edge Computing

Madhusanka Liyanage, Pawani Porambage+1 more|arXiv (Cornell University)|Oct 1, 2018

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

ひとこと要約

本論文は、5Gネットワークにおけるマルチアクセスエッジコンピューティング（MEC）の採用と統合を促進する5つの主要技術—NFV、SDN、ICN、ネットワークスライシング、およびIoT—を特定し、分析する。また、オchestration、標準化の整合性、ハードウェア共同設計、セキュリティ・バイ・デザイン、およびAI駆動の自動化を、低遅延性、スケーラビリティ、セキュアなMEC展開を実現するための必須要因として強調する包括的統合フレームワークを提案する。

ABSTRACT

The emergence of Multi-Access Edge Computing (MEC) technology aims at extending cloud computing capabilities to the edge of the wireless access networks. MEC provides real-time, high-bandwidth, low-latency access to radio network resources, allowing operators to open their networks to a new ecosystem and value chain. Moreover, it will provide a new insight to the design of future 5th Generation (5G) wireless systems. This paper describes five key technologies, including Network Function Vitalization (NFV), Software Defined Networking (SDN), Network Slicing, Information Centric Networking (ICN) and Internet of Things (IoT), that intensify the widespread of MEC and its adoption. Our goal is to provide the associativity between MEC and these five driving technologies in 5G context while identifying the open challenges, future directions, and tangible integration paths.

研究の動機と目的

• 5GネットワークにおけるMECの採用を加速する5つのコア技術要因—NFV、SDN、ICN、ネットワークスライシング、およびIoT—を特定し、分析すること。
• これらの技術とMECとの包括的統合を検討し、アーキテクチャの整合性、コントロールプレーンのオchestration、および異種技術間の相互運用性に焦点を当てる。
• 標準化、ハードウェア依存性、セキュリティ、スケーラビリティの分野における未解決課題を特定し、MECの完全な展開を阻害する要因を明らかにすること。
• 制御レベルのオchestration、インターフェースの標準化、AI駆動の自動化を含む、実用的な統合パスを提案し、エンド・ツー・エンドのMECシステムの実現を支援すること。

提案手法

• 既存の標準およびシステムモデルを用いて、MECと各5つの駆動技術との間のアーキテクチャ的・機能的連携を分析する。
• 個別オchestrationエンティティ（例：SDNコントローラ、NFVオchestration、ネットワークスライシングマネージャ）を統合する制御レベルのオchestrationフレームワークを提案し、リソース最適化を共同で実現する。
• 技術間の相互運用性インターフェースを定義するため、ETSI、ONF、IETF、IEEEなどの組織間連携による標準化の必要性を同定する。
• ハードウェアの制限および依存関係を評価し、SDN、ICN、NFVの同時機能をサポートするためのマルチテクノロジー向けハードウェア標準化を提唱する。
• AIおよび機械学習が知的エッジオchestrationの実現要因であるとし、リアルタイム意思決定、セキュリティ、コスト効率の向上に寄与する。
• 図4に示す階層的統合モデルを提案し、制御プレーン、データプレーン、アプリケーションプレーンにおける技術統合をマッピングし、セキュリティ・バイ・デザインの原則を重視する。

実験結果

リサーチクエスチョン

• RQ1 NFV、SDN、ICN、ネットワークスライシング、およびIoTが5GネットワークにおけるMECのパフォーマンスおよびスケーラビリティをどのように統合的に向上させるか？
• RQ2 SDN、NFV、ネットワークスライシング、およびMECプラットフォーム間の独立したオchestrationエンティティおよび管理エンティティの統合における主な課題は何か？
• RQ3 標準化団体は、MEC、NFV、SDN、ICN、およびIoT技術間で相互運用性を有するインターフェースを定義するために、どのように連携できるか？
• RQ4 マルチテクノロジー・エッジシステムの展開を制限するハードウェアおよびソフトウェアの依存関係は何か。それらはどのように是正できるか？
• RQ5 AIおよび機械学習は、統合されたMEC環境におけるオchestration、セキュリティ、リソース管理をどのように改善できるか？

主な発見

• MECとNFVは共通の仮想化インフラを共有しており、VNFとMECアプリケーションを同じNFVインfra（NFVI）上に共同デプロイすることで、遅延低減とリソース利用効率の向上が可能になる。
• MECとSDNの統合により、データプレーンに近い場所にSDNコントローラを配置することで、集中管理と低遅延制御が実現され、リアルタイムサービスへの対応性が向上する。
• ネットワークスライシングによりエンド・ツー・エンドのサービス差別化とQoSの強制が可能となり、スライス固有のパフォーマンスを実現するための局所的コンピューティングおよび制御がMECによって提供される。
• IoTとMECの統合により、エッジデバイスおよびローカルネットワークデータに近接することで、リアルタイム分析、位置情報対応サービス、コンテキスト対応アプリケーションが可能になる。
• ICNは、効率的なコンテンツ指向データ配信を可能にすることで、MECを強化し、バックホール負荷の低減とモバイル環境におけるキャッシュおよび配信効率の向上を実現する。
• AI駆動のエッジオchestrationは、MECおよび関連技術全体にわたり、適応的かつリアルタイムの意思決定を可能にすることで、システム管理、セキュリティ、コスト効率の大幅な向上を実現する。