[論文レビュー] On Optimal and Fair Service Allocation in Mobile Cloud Computing

Mahmood Reza Rahimi, Nalini Venkatasubramanian+2 more|arXiv (Cornell University)|Aug 20, 2013

IoT and Edge/Fog Computing被引用数 7

ひとこと要約

本稿では、2段階アーキテクチャ（ローカルクラウドおよびパブリッククラウド）を用いたモバイルクラウドコンピューティングにおける最適かつ公平なサービス割り当てのためのヒューリスティックアルゴリズムであるMuSICを提案する。ユーザーの移動性をLocation-Time Workflows（LTW）としてモデル化することで、遅延、電力消費、コストを最小化するようにタスクを動的にマッピングする。最適性能の73％を達成し、固定価格制約下でパブリッククラウドのみに依存する場合と比較して遅延と電力消費を25％削減する。

ABSTRACT

This paper studies the optimal and fair service allocation for a variety of mobile applications (single or group and collaborative mobile applications) in mobile cloud computing. We exploit the observation that using tiered clouds, i.e. clouds at multiple levels (local and public) can increase the performance and scalability of mobile applications. We proposed a novel framework to model mobile applications as a location-time workflows (LTW) of tasks; here users mobility patterns are translated to mobile service usage patterns. We show that an optimal mapping of LTWs to tiered cloud resources considering multiple QoS goals such application delay, device power consumption and user cost/price is an NP-hard problem for both single and group-based applications. We propose an efficient heuristic algorithm called MuSIC that is able to perform well (73% of optimal, 30% better than simple strategies), and scale well to a large number of users while ensuring high mobile application QoS. We evaluate MuSIC and the 2-tier mobile cloud approach via implementation (on real world clouds) and extensive simulations using rich mobile applications like intensive signal processing, video streaming and multimedia file sharing applications. Our experimental and simulation results indicate that MuSIC supports scalable operation (100+ concurrent users executing complex workflows) while improving QoS. We observe about 25% lower delays and power (under fixed price constraints) and about 35% decrease in price (considering fixed delay) in comparison to only using the public cloud. Our studies also show that MuSIC performs quite well under different mobility patterns, e.g. random waypoint and Manhattan models.

研究の動機と目的

• 動的なユーザー移動性と限られたデバイスリソースの下で、高いQoSを確保する課題に対処すること。
• ユーザー移動性に起因するサービス利用パターンを捉えるために、モバイルアプリケーションワークロードをLocation-Time Workflows（LTW）としてモデル化するフレームワークを開発すること。
• 2段階クラウドアーキテクチャにおける単一ユーザーおよびグループベースの共同モバイルアプリケーションの最適サービス割り当てを形式的にモデル化すること。
• アプリケーション遅延、デバイスの電力消費、ユーザーコストという複数のQoS目標をバランスさせるスケーラブルで効率的なヒューリスティックアルゴリズムを設計すること。

提案手法

• タスク実行がユーザーの位置と時間に依存するように、モバイルアプリケーションをLocation-Time Workflows（LTW）としてモデル化し、移動パターンを捉える。
• 価格、遅延、エネルギー消費を組み合わせたユーティリティ最適化問題としてサービス割り当て問題を定式化し、NP困難であることが示された。
• 予測されたユーザー移動とQoSのトレードオフに基づき、タスクをローカルまたはパブリッククラウドリソースにマッピングするヒューリスティックアルゴリズムであるMuSIC（Mobility-aware Service Allocation in Clouds）を提案する。
• コスト、遅延、エネルギーのトレードオフを定量化するユーティリティ指標を用い、ユーザーが移動するに伴い動的に再構成可能である。
• 2段階クラウド環境におけるリアルタイムのオフロード意思決定を支援するため、MuSICアルゴリズムをMAPCloudミドルウェアフレームワークに統合する。
• 実世界の実装とシミュレーションを用いて、動画ストリーミング、信号処理、マルチメディア共有などの複雑なモバイルワークロードを対象に、手法の評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 ユーザー移動性とそのサービス利用パターンへの影響を反映するように、モバイルアプリケーションワークロードを効果的にモデル化する方法は何か？
• RQ2 複数のQoS目的を考慮した2段階モバイルクラウドアーキテクチャにおける最適サービス割り当ての計算複雑度は何か？
• RQ3 スケーラブルなヒューリスティックアルゴリズムは、変動するユーザー移動パターンを有する動的かつモバイル環境で近似的に最適な性能を達成できるか？
• RQ4 パブリッククラウドに依存する場合と比較して、2段階クラウドアーキテクチャ（ローカル＋パブリック）は遅延と電力消費をどの程度削減できるか？
• RQ5 移動性の影響を受ける状況下でも、グループベースの共同モバイルアプリケーションにおいて、本フレームワークは高いQoSと公平性をどのように維持できるか？

主な発見

• 2段階クラウドにおける単一ユーザーおよびグループベースのモバイルアプリケーションの最適サービス割り当て問題は、NP困難であることが証明された。
• MuSICは、ユーティリティの観点から最適解のおよそ73％を達成し、単純なオフロード戦略を著しく上回る性能を示した。
• 固定価格制約下では、パブリッククラウドのみに依存する場合と比較して、MuSICはアプリケーション遅延とデバイスの電力消費を約25％削減した。
• 遅延が固定されている条件下では、パブリッククラウドのみの展開と比較して、MuSICはユーザーのコストを約35％削減した。
• MuSICは、ランダムウォークおよびマンハッタン移動モデルを含む多様な移動モデルにおいて、頑健な性能を示した。
• 本フレームワークは、100人を超える同時利用者が複雑なワークフローを実行する状況でもスケーラブルな運用を可能にし、高いQoSを維持した。