[論文レビュー] Joint Service Caching and Task Offloading for Mobile Edge Computing in Dense Networks

Jie Xu, Lixing Chen+1 more|arXiv (Cornell University)|Jan 17, 2018

Caching and Content Delivery参考文献 24被引用数 24

ひとこと要約

本稿では、長期的なエネルギー制約のもとで計算遅延を最小化することを目的として、モバイルエッジコンピューティング（MEC）ネットワークにおける動的サービスキャッシュとタスクオフロードを共同で最適化するオンラインアルゴリズムOREOを提案する。Lyapunov最適化とGibbsサンプリングを活用することで、将来の状態情報がなくても、証明可能な近似最適性能を達成し、密度の高いセルラー網における分散型でスケーラブルな運用を可能にした。シミュレーションでは、顕著な遅延低減と低エネルギー消費が確認された。

ABSTRACT

Mobile Edge Computing (MEC) pushes computing functionalities away from the centralized cloud to the network edge, thereby meeting the latency requirements of many emerging mobile applications and saving backhaul network bandwidth. Although many existing works have studied computation offloading policies, service caching is an equally, if not more important, design topic of MEC, yet receives much less attention. Service caching refers to caching application services and their related databases/libraries in the edge server (e.g. MEC-enabled BS), thereby enabling corresponding computation tasks to be executed. Because only a small number of application services can be cached in resource-limited edge server at the same time, which services to cache has to be judiciously decided to maximize the edge computing performance. In this paper, we investigate the extremely compelling but much less studied problem of dynamic service caching in MEC-enabled dense cellular networks. We propose an efficient online algorithm, called OREO, which jointly optimizes dynamic service caching and task offloading to address a number of key challenges in MEC systems, including service heterogeneity, unknown system dynamics, spatial demand coupling and decentralized coordination. Our algorithm is developed based on Lyapunov optimization and Gibbs sampling, works online without requiring future information, and achieves provable close-to-optimal performance. Simulation results show that our algorithm can effectively reduce computation latency for end users while keeping energy consumption low.

研究の動機と目的

• MECを活用する密度の高いセルラー網における、動的サービスキャッシュという、重要ではあるが未だ十分に検討されていない課題に取り組むこと。
• 制限されたストレージおよびエネルギーといったリソース制約のもとで、サービスキャッシュとタスクオフロードを共同で最適化すること。
• 将来のシステム状態情報が不要なオンラインアルゴリズムを設計し、長期的な性能保証を確保すること。
• 高密度ネットワークにおけるスケーラビリティを実現するため、基地局間の分散型協調を可能にすること。
• エネルギー消費の違反を制限しつつ、計算遅延を最小化すること。

提案手法

• OREOアルゴリズムは、Lyapunov最適化を用いて、時間経過に伴うサービスキャッシュとタスクオフロードの意思決定を共同で管理する。
• 問題を時間平均遅延とエネルギー制約を含む確率的最適化問題として定式化する。
• Gibbsサンプリングに基づくサブルーチンにより、最適方策の近似を用いて基地局間の分散型協調を実現する。
• 予測された人気度とリソースの可用性に基づいて、動的にどのサービスをキャッシュするかを選択する。
• エネルギー制約に対して仮想キューを用いることで、エネルギー消費違反が有界に保たれることを保証する。
• 最適解に近い性能が証明可能であり、温度パrameter τ が0に近づくにつれて、最適状態への確率的収束が達成される。

実験結果

リサーチクエスチョン

• RQ1 MECネットワークにおいて、どのようにしてサービスキャッシュとタスクオフロードを共同最適化することで計算遅延を最小化できるか？
• RQ2 サービスの異種性と空間的・時間的需要変動が、密度の高いネットワークにおけるキャッシュ意思決定に与える影響は何か？
• RQ3 将来のシステム状態情報が不要なオンラインアルゴリズムが、近似最適性能を達成できるか？
• RQ4 高密度MECネットワークにおけるスケーラブルなサービスキャッシュを実現するため、基地局間の分散型協調をどのように達成できるか？
• RQ5 動的かつ不確実なシステム状態下でも、遅延およびエネルギー消費に対してどのような性能保証を提供できるか？

主な発見

• OREOは、Lyapunov最適化による理論的保証のもとで、計算遅延の最小化において近似最適性能を達成する。
• 将来のシステムダイナミクスの情報がなくても、エネルギー消費違反が有界に保たれ、低遅延を維持する。
• シミュレーション結果から、ベースラインのキャッシュおよびオフロード戦略と比較して、エンドユーザーの計算遅延が顕著に低減されている。
• 分散型のGibbsサンプリングに基づく協調メカニズムにより、大規模な密度の高いネットワークにおけるスケーラブルな運用が可能になった。
• 温度パrameter τ が0に近づくにつれて、アルゴリズムは確率的に最適キャッシュ状態に収束する。
• 時間平均遅延は有界であり、最適化パrameter V が増加するにつれて、最適値に近づく。