[論文レビュー] Joint Service Placement and Request Routing in Multi-cell Mobile Edge Computing Networks

Konstantinos Poularakis, Jaime Llorca+3 more|arXiv (Cornell University)|Jan 25, 2019

IoT and Edge/Fog Computing参考文献 14被引用数 8

ひとこと要約

本稿では、ストレージ、計算、非対称通信制約を最適化するマルチセル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共同サービス配置およびリクエストルーティングのための確率的ラウンディングアルゴリズムを提案する。この手法は、最適に近い性能を達成し、グリーディ法よりも最大25%のクラウド負荷削減を実現し、線形緩和による理論的下界に非常に近い結果を得ている。

ABSTRACT

The proliferation of innovative mobile services such as augmented reality, networked gaming, and autonomous driving has spurred a growing need for low-latency access to computing resources that cannot be met solely by existing centralized cloud systems. Mobile Edge Computing (MEC) is expected to be an effective solution to meet the demand for low-latency services by enabling the execution of computing tasks at the network-periphery, in proximity to end-users. While a number of recent studies have addressed the problem of determining the execution of service tasks and the routing of user requests to corresponding edge servers, the focus has primarily been on the efficient utilization of computing resources, neglecting the fact that non-trivial amounts of data need to be stored to enable service execution, and that many emerging services exhibit asymmetric bandwidth requirements. To fill this gap, we study the joint optimization of service placement and request routing in MEC-enabled multi-cell networks with multidimensional (storage-computation-communication) constraints. We show that this problem generalizes several problems in literature and propose an algorithm that achieves close-to-optimal performance using randomized rounding. Evaluation results demonstrate that our approach can effectively utilize the available resources to maximize the number of requests served by low-latency edge cloud servers.

研究の動機と目的

• ストレージ、計算、上行/下行帯域幅の多次元制約の下で、サービス配置とリクエストルーティングを共同最適化することにより、既存のMEC研究におけるギャップを埋める。
• サービスに非自明なストレージを要し、上行/下行帯域幅の非対称性を示し、重複するマルチセル環境で動作する現実のMECシステムをモデル化する。
• 証明可能な近最適解を提供し、中央集権的クラウド負荷を低減するためのローカルオフロードを最大化する。

提案手法

• 各基地局ごとのストレージ、計算、上行/下行帯域幅制約を含む整数線形計画問題（ILP）として、共同サービス配置およびリクエストルーティング（JSPRR）問題を定式化する。
• ILPの線形緩和に対する確率的ラウンディングを適用し、近似的な性能保証を持つ妥当な整数解を生成する。
• 分数解から導出された確率分布を用いて、確率的にサービスを基地局に割り当て、それに応じてリクエストをルーティングする。
• 容量制限とサービス要件に基づいてラウンディング確率を調整することで、リソース制約を満たす。
• リソース予算を尊重しつつ、リクエストルーティング意思決定をサービス配置と統合し、クラウドオフロードを最小化する。

実験結果

リサーチクエスチョン

• RQ1 ストレージ、計算、非対称通信制約の下で、マルチセルMECネットワークにおけるサービス配置とリクエストルーティングをどのように共同最適化できるか？
• RQ2 この共同最適化問題において、最適整数解と実用的近似アルゴリズムとの間の性能ギャップはどの程度か？
• RQ3 確率的ラウンディングアプローチは、多次元問題において近最適性能を達成しつつ、証明可能な近似境界を維持できるか？
• RQ4 グリーディ法および線形緩和ベースラインと比較して、提案手法はクラウド負荷削減およびリソース利用効率においてどのように差をつけるか？

主な発見

• 提案手法の確率的ラウンディングは、グリーディベースラインと比較して、中央集権的クラウド負荷を最大25%削減する。特に、ストレージ容量が1250 GB/基地局を超える高容量環境で顕著な効果を示す。
• 基地局あたりのストレージ容量が1000 GBを超えると、最適解（線形緩和による下界）から10%未満のギャップを達成する。
• 計算能力が低い環境（≤3 GHz）では、最適解から3%未満のギャップを維持し、厳しい制約下でも優れた性能を示す。
• 計算リソースの利用効率が高く、9基の基地局中8基が計算リソースを活用している。グリーディ法と同等またはわずかに低い帯域幅を消費する。
• 多様なリソースのバランスを効果的にとらえ、大多数の基地局でストレージおよび計算リソースの利用率が90%を超える。
• 非対称帯域幅制約下では、グリーディベースラインに対する利点が最も顕著であり、上行/下行帯域幅設定に応じて9%から24%の改善が得られる。