[論文レビュー] Joint Information Freshness and Completion Time Optimization for Vehicular Networks

Abubakr O. Al-Abbasi, Vaneet Aggarwal|arXiv (Cornell University)|Nov 30, 2018

Age of Information Optimization被引用数 12

ひとこと要約

本稿は、IoTデバイスがクラウド計算を要請する車両型ネットワークにおいて、情報の新鮮さ（AoI）と完了時間の両者を共同最適化するフレームワークを提案する。計算とネットワーク処理の各段階をキューとしてモデル化し、スケジューリングパラメータ上で凸最適化問題を定式化することで、AoIと完了時間の重み付き和を最小化する。オフラインおよびオンラインのPPSアルゴリズムにより最適性能を達成し、ベースライン手法に比べ顕著な性能向上を実現する。

ABSTRACT

The demand for real-time cloud applications has seen an unprecedented growth over the past decade. These applications require rapidly data transfer and fast computations. This paper considers a scenario where multiple IoT devices update information on the cloud, and request a computation from the cloud at certain times. The time required to complete the request for computation includes the time to wait for computation to start on busy virtual machines, performing the computation, waiting and service in the networking stage for delivering the output to the end user. In this context, the freshness of the information is an important concern and is different from the completion time. This paper proposes novel scheduling strategies for both computation and networking stages. Based on these strategies, the age-of-information (AoI) metric and the completion time are characterized. A convex combination of the two metrics is optimized over the scheduling parameters. The problem is shown to be convex and thus can be solved optimally. Moreover, based on the offline policy, an online algorithm for job scheduling is developed. Numerical results demonstrate significant improvement as compared to the considered baselines.

研究の動機と目的

• リアルタイムの車両型クラウドアプリケーションにおける情報の新鮮さ（AoIで測定）とジョブ完了時間のトレードオフを解消すること。
• クラウドコンピューティングにおけるエンドツーエンド遅延を、計算キューイング、処理、ネットワーキングの各段階から成るものとしてモデル化すること。
• 車両型ネットワークにおけるIoTデバイスのAoIと完了時間を共同で最適化するスケジューリング戦略を開発すること。
• AoIと完了時間の重み付き和を最小化する凸最適化問題を定式化すること。
• システムの動的変化に適応可能なオンラインPPSアルゴリズムを、オフライン最適ポリシーに基づいて設計すること。

提案手法

• システムをマルチステージキューイングネットワークとしてモデル化：仮想マシン上の計算キューの後続に、出力配信のためのネットワーキングキューを配置。
• 情報の新鮮さを目的地中心の指標として年齢指標（AoI）を用い、最後の更新生成時からの経過時間を定義する。
• キューイング理論およびスケジューリングポリシーに基づき、平均AoIと平均完了時間の閉形式表現を導出する。
• AoIと完了時間の両者をバランスさせるために、スケジューリング確率と優先順位割り当てを最適化する優先順位スケジューリング（PPS）ポリシーを提案する。
• 共同最適化問題をスケジューリングパラメータ上で凸問題に再定式化し、グローバル最適解の導出を可能にする。
• リアルタイムフィードバックを用いてシステムの動的変化に適応するオンライン版PPSを設計し、オフライン最適性能に密接に追従する。

実験結果

リサーチクエスチョン

• RQ1 車両型クラウドネットワークにおけるスケジューリング戦略をどのように設計すれば、情報の新鮮さ（AoI）と完了時間の両者を共同で最小化できるか？
• RQ2 リアルタイムIoTアプリケーションにおける情報の新鮮さ（AoI）とジョブ完了時間の根本的トレードオフは何か？
• RQ3 計算とネットワーキングの各段階で、AoIと完了時間を最適にバランスできる凸最適化フレームワークを構築可能か？
• RQ4 提案されたPPSポリシーは、さまざまなワークロード下で、ベースラインのスケジューリング戦略と比較して、性能とロバスト性に優れているか？
• RQ5 動的変化が生じる車両環境下で、オフライン最適とオンライン適応型スケジューリングの間には、どの程度の性能差が生じるか？

主な発見

• 提案された凸最適化フレームワークは、AoIと完了時間の重み付き和を効果的に最小化でき、問題構造のおかげでグローバル最適解が得られる。
• 特に高負荷状況下でも、スケジューリング確率と優先順位の効率的管理により、ベースライン手法に比べてPPSスケジューリングポリシーが顕著に優れた性能を示す。
• 到着レートが増加しても、ファイルグループの重みに基づくサービス差別化により、PPSポリシーは低い重み付きAoIを維持する。特に年齢感受性が最も高いグループ（最高重み）は、最も短い年齢尾部（age tail）を獲得する。
• オンラインPPSアルゴリズムは、オフライン最適ポリシーの性能を密接に追従する。これにより、動的システム条件への適応性が裏付けられる。
• 平均AoIと平均完了時間の間には明確なトレードオフが観察され、パラメータθにより、情報の陳腐化耐性に応じたアプリケーション固有の最適バランス選択が可能になる。