[論文レビュー] Joint Optimization of Radio Resources and Code Partitioning in Mobile Cloud Computing

Paolo Di Lorenzo, Sergio Barbarossa+1 more|arXiv (Cornell University)|Jul 15, 2013

IoT and Edge/Fog Computing参考文献 58被引用数 51

ひとこと要約

本稿では、遅延制約のもとでモバイルデバイスのエネルギー消費を最小化するため、モバイルクラウドコンピューティングにおける無線リソース割り当て（送信電力、Constellationサイズ）とコードパーティショニングの共同最適化を提案する。アプリケーションを重み付きコールグラフとしてモデル化し、物理層パrameterとオフロード意思決定を共同で最適化することで、単一およびマルチチャネル環境の両方で低複雑性かつグローバルに最適なエネルギー効率を達成する。

ABSTRACT

The aim of this paper is to propose a computation offloading st rategy, to be used in mobile cloud computing, in order to minimize the energy expenditure at the mobile handset necessary to run an application under a latency constraint. We exploit the concept of call graph, which models a generic computer program as a set of procedures related to each other through a weighted directed graph. Our goal is to derive the partition of the call graph establishin g which procedures are to be executed locally or remotely. The main novelty of our work is that the optimal partition is obtained jointly with the selection of the transmit power and constellation size, in order to minimize the energy consumption at the mobile handset, under a latency constraint taking into account tra nsmit time, packet drops, and execution time. We consider both a single channel and a multi-channel transmission strategy, thus proving that a globally optimal solution can be achieved in both cases with affordable complexity. The theoretical findings are corroborated by numerical results and are aimed to show under what conditions, in terms of call graph topology, communication strategy, and computation parameters, the proposed offloading strategy can provide a significant performance gain.

研究の動機と目的

• モバイルクラウドコンピューティング環境におけるアプリケーション実行時のモバイル端末のエネルギー消費を低減すること。
• 伝送遅延、パケット損失、実行時間による制約の下で、エネルギー消費を最小化する課題に対処すること。
• オフロードするコードセグメントを最適化するだけでなく、送信電力や変調スターリングサイズなどの無線パrameterを共同で最適化すること。
• 単一チャネルおよびマルチチャネル無線伝送モデルの両方に適用可能な計算的に効率的なソリューションを開発すること。
• コールグラフのトポロジーとシステムレベルの通信および計算パrameterに基づいた最適なコードパーティショニング戦略を特定すること。

提案手法

• アプリケーションを、ノードが手続きを表し、エッジが関連する重みを持つ有向重み付きコールグラフとしてモデル化する。
• コードパーティショニング（ローカル実行対比リモート実行）と無線リソース割り当て（送信電力およびスターリングサイズ）を同時に決定する共同最適化フレームワークを導入する。
• 伝送遅延、パケット損失確率、リモート実行時間を含む遅延制約を組み込み、リアルタイム性能を確保する。
• 凸最適化技術を用いてグローバルに最適な解を導出し、単一およびマルチチャネルシステムの両方で計算的に実行可能であることを証明する。
• 混合整数プログラミングの定式化を用い、緩和および分解技術を活用して共同最適化問題を効率的に処理する。
• 変化するコールグラフのトポロジーとシステムパラメータの下で、数値シミュレーションにより手法の有効性を検証する。

実験結果

リサーチクエスチョン

• RQ1 無線リソースとコードパーティショニングの共同最適化は、モバイルクラウドコンピューティングにおけるエネルギー効率にどのように影響を与えるか？
• RQ2 コールグラフのトポロジーは、遅延制約下での計算オフロード戦略の性能にどのような影響を及えるか？
• RQ3 単一チャネルおよびマルチチャネル伝送において、許容可能な計算複雑性でグローバルに最適な解を得られるか？
• RQ4 共同最適化は、オフロードと無線パrameterの最適化を別々に行う場合に比べて、どのような条件下で優れているか？
• RQ5 送信電力とスターリングサイズは、オフロードアプリケーションにおけるエネルギー消費と遅延のトレードオフにどのように影響を与えるか？

主な発見

• 従来のオフロード戦略と比較して、コードパーティショニングと無線リソース割り当ての共同最適化により顕著なエネルギー削減が達成される。
• 本手法は、最適化モデルに伝送遅延、パケット損失、リモート実行時間を組み込むことで、遅延制約の遵守を保証する。
• 計算複雑性が管理可能であることを裏付け、単一およびマルチチャネル環境の両方でグローバルに最適な解が得られることを証明した。
• 数値結果から、特に手続き的結合度が高く通信オーバーヘッドが大きいアプリケーションにおいて、性能向上が明確に示された。
• 最適なパーティショニング戦略は、コールグラフ構造、通信チャネル品質、計算負荷分布の相乗作用に強く依存することが判明した。
• 本手法は、スケーラビリティとロバスト性に優れ、マルチチャネル環境へのスケーリングに対しても低複雑性を維持する。