[論文レビュー] Mobile Edge Computing Empowers Internet of Things

Nirwan Ansari, Xiang Sun|arXiv (Cornell University)|Sep 1, 2017

IoT and Edge/Fog Computing参考文献 28被引用数 12

ひとこと要約

本稿では、光ファイバー・ワイヤレスアクセス、クラウドレット、ソフトウェア定義ネットワーキング（SDN）を統合したモバイルエッジインターネット・オブ・シングス（MEIoT）アーキテクチャを提案する。このアーキテクチャにより、IoTデバイスに近い場所にコンピューティングおよびストレージリソースを配置し、エンド・ツー・エンドの遅延とエネルギー消費を低減する。動的プロキシVM移行戦略（遅延認識移行（LAM）およびエネルギー認識移行（EAM））を用いることで、遅延とグリッド接続エネルギー消費を最小限に抑える。シミュレーションの結果、LAMは高ネットワーク負荷下でEAMおよび静的手法を上回ることが示された。

ABSTRACT

In this paper, we propose a Mobile Edge Internet of Things (MEIoT) architecture by leveraging the fiber-wireless access technology, the cloudlet concept, and the software defined networking framework. The MEIoT architecture brings computing and storage resources close to Internet of Things (IoT) devices in order to speed up IoT data sharing and analytics. Specifically, the IoT devices (belonging to the same user) are associated to a specific proxy Virtual Machine (VM) in the nearby cloudlet. The proxy VM stores and analyzes the IoT data (generated by its IoT devices) in real-time. Moreover, we introduce the semantic and social IoT technology in the context of MEIoT to solve the interoperability and inefficient access control problem in the IoT system. In addition, we propose two dynamic proxy VM migration methods to minimize the end-to-end delay between proxy VMs and their IoT devices and to minimize the total on-grid energy consumption of the cloudlets, respectively. Performance of the proposed methods are validated via extensive simulations.

研究の動機と目的

• IoTシステムにおける集中型データ処理が引き起こす高いエンド・ツー・エンド遅延とネットワーク混雑を緩和すること。
• リアルタイムのデータ共有および分析を妨げるIoTデバイスのリソース制約を克服すること。
• 意味的および社会的IoT統合を通じて、IoTシステムにおける相互運用性と非効率なアクセス制御を解決すること。
• 動的移行戦略を用いて、IoTデバイスとそのプロキシVM間のエンド・ツー・エンド遅延を最小限に抑えること。
• エネルギー認識プロキシVM移行を通じて、クラウドレットの総グリッド接続エネルギー消費を低減すること。

提案手法

• FiWiアクセス、分散型クラウドレット、階層的クラウドレット構造、SDNベースのコアネットワークを統合したMEIoTアーキテクチャを導入する。
• 各ユーザーのIoTデバイスを、近くのクラウドレット内の専用プロキシVMに割り当て、リアルタイムのデータ保存および分析を実現する。
• 意味的および社会的IoTモデルを採用し、相互運用性を向上させるとともに、文脈に応じた細粒度アクセス制御を可能にする。
• リアルタイムのネットワークおよびエネルギー指標に基づき、2つの動的プロキシVM移行手法（遅延認識移行（LAM）およびエネルギー認識移行（EAM））を提案する。
• LAMではコスト関数を用いてエンド・ツー・エンド遅延を最小化し、EAMではグリッド接続エネルギー消費を最小化するが、負荷およびエネルギー制約を満たす必要がある。
• SDNを用いて、モバイルエッジ全体におけるネットワークおよびVMリソースの集中制御と動的再構成を実現する。

実験結果

リサーチクエスチョン

• RQ1 モバイルエッジコンピューティングをどのように活用すれば、IoTデータ処理および分析におけるエンド・ツー・エンド遅延を低減できるか？
• RQ2 クラウドレットベースのMEIoTシステムにおいて、エンド・ツー・エンド遅延とグリッド接続エネルギー消費の両方を最小化する動的移行戦略は何か？
• RQ3 意味的および社会的IoTモデルの統合は、リソース制限のあるIoT環境における相互運用性とアクセス制御をどのように改善するか？
• RQ4 ネットワーク負荷（λで表される）は、異なるプロキシVM移行戦略の性能にどのような影響を与えるか？
• RQ5 プロキシVMの分解および移行オーバーヘッドをどのようにモデル化すれば、長期的なシステム効率およびエネルギー持続可能性を向上できるか？

主な発見

• 遅延認識移行（LAM）手法は、エネルギー認識移行（EAM）および静的移行手法と比較して、特に高ネットワーク負荷（λ）下でエンド・ツー・エンド遅延を顕著に低減する。
• ネットワーク負荷（λ）が増加するにつれ、LAMと他の手法との間のエンド・ツー・エンド遅延の差が拡大する。これは、LAMが混雑状態に優れた適応性を示していることを示している。
• EAMの平均グリッド接続エネルギー消費は、ネットワーク負荷（λ）が高くなるにつれて増加する。これは、クラウドレット間でのエネルギーギャップのバランス調整の柔軟性が低下するためである。
• LAMはネットワーク負荷にかかわらず低エンド・ツー・エンド遅延を維持するが、EAMは高負荷下で移行の柔軟性が制限されるため、エネルギー効率が低下する。
• 静的移行手法は、λが増加するにつれて遅延およびエネルギー消費の両面で最も悪い性能を示す。
• シミュレーション結果は、LAMがエンド・ツー・エンド遅延を効果的に最小化する一方で、EAMがエネルギー消費を最適化することを裏付け、MEIoTシステムにおける二重目的移行戦略の必要性を支持している。