[論文レビュー] Online Geographical Load Balancing for Mobile Edge Computing with Energy Harvesting

Jie Xu, Hang Wu+3 more|arXiv (Cornell University)|Apr 1, 2017

Energy Harvesting in Wireless Networks参考文献 29被引用数 7

ひとこと要約

本稿では、エネルギー収集型モバイルエッジコンピューティングネットワークにおけるオンラインで分散型の地理的負荷バランス（GLB）を実現するGLOBEを提案する。摂動付きラプラシアン最適化を活用することで、未知の将来の動的要因を考慮しても、時間的・空間的において作業負荷の分配とエネルギー制約を統合的に管理し、近似的最適性能を確実に達成する。

ABSTRACT

Mobile Edge Computing (MEC) (a.k.a. fog computing) has recently emerged to enable low-latency and location-aware data processing at the edge of mobile networks. Since providing grid power supply in support of MEC can be costly and even infeasible in some scenarios, on-site renewable energy is mandated as a major or even sole power supply. Nonetheless, the high intermittency and unpredictability of energy harvesting creates many new challenges of performing effective MEC. In this paper, we develop an algorithm called GLOBE that performs joint geographical load balancing (GLB) and admission control for optimizing the system performance of a network of MEC-enabled and energy harvesting-powered base stations. By leveraging and extending the Lyapunov optimization with perturbation technique, GLOBE operates online without requiring future system information and addresses significant challenges caused by battery state dynamics and energy causality constraints. Moreover, GLOBE works in a distributed manner, which makes our algorithm scalable to large networks. We prove that GLOBE achieves a close-to-optimal system performance compared to the offline algorithm that knows full future information, and present a critical tradeoff between battery capacity and system performance. Simulation results validate our analysis and demonstrate the superior performance of GLOBE compared to benchmark algorithms.

研究の動機と目的

• 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間歇的で予測不能な再生可能エネルギーの管理という課題に取り組む。
• 将来のシステム情報が不要なオンラインアルゴリズムを設計し、負荷バランス（GLB）とアドミッション制御を統合的に実行する。
• エネルギー因果性とバッテリーステートの動的変化に起因する時間的・空間的結合性を克服する。
• オフラインのオラクルアルゴリズムに対する性能境界を保証しつつ、近似的最適なシステム性能を達成する。
• 各基地局での局所的意思決定を可能にする分散型アルゴリズムにより、スケーラビリティと実用的導入を確保する。

提案手法

• 従来の仮想キュー手法に代わる、エネルギー因果性制約を扱うための新規なラプラシアン摂動技術を開発する。
• 二次正則化を用いたラグランジュ双対分解により、時間的・空間的最適化問題を各時刻ごとの部分問題に分解する。
• 個々の基地局（BS）の計算能力制約を緩和するための正則化付き二次計画問題（QP）を定式化し、分散計算を可能にする。
• 摂動付きバッテリーキューモデルを用いて、時間に依存するエネルギー制約を分離し、オンライン意思決定を可能にする。
• 各基地局が局所的情報と限定的な基地局間通信のみを用いて、局所最適化問題を解く分散型アルゴリズムを実装する。
• 長期的なシステムコストを最小化するため、アドミッション制御とエネルギー購入意思決定を最適化枠組みに統合する。

実験結果

リサーチクエスチョン

• RQ1 将来のシステム状態が不明な状況下で、間歇的再生可能エネルギーで駆動されるMECネットワークにおいて、地理的負荷バランスを効果的に行う方法は何か？
• RQ2 エネルギー収集型MECネットワークにおいて、バッテリーサイズとシステム性能の根本的トレードオフは何か？
• RQ3 分散型でオンラインのアルゴリズムは、エネルギー因果性とバッテリーサイズ制約を満たしつつ、近似的最適な性能を達成できるか？
• RQ4 中央集権的または短視眼的なベンチマーク手法と比較して、提案手法はシステムコストとスケーラビリティの面でどのように異なるか？
• RQ5 バッテリーステートに基づくワークロードの分散は、システムのレジリエンス向上とグリッド電力購入の削減にどの程度寄与するか？

主な発見

• バッテリーサイズが十分に大きい限り、GLOBEは将来の完全な情報を把握する最適なオフラインアルゴリズムとの間で、有界な差異内でシステムコストを達成する。
• 性能とバッテリーサイズのトレードオフが理論的に特定され、より大きなバッテリーが最適性へのギャップを縮小することを示している。
• シミュレーション結果から、GLOBEは非GLBおよび短視眼的ベンチマーク手法と比較して、特にワークロード強度とシステム容量がバランスしている場合に顕著にシステムコストを低減することが分かった。
• 分散型アルゴリズムは、99.7%の時刻スロットで中央集権的最適解から0.5%以内の誤差で収束し、最大誤差は3%にとどまる。
• ワークロードは均等に分配されない。むしろ、バッテリー残量が高い基地局がより多くの負荷を引き受けることで、バッテリーの枯渇リスクとグリッド電力購入の両方を低減する。
• 分散型アルゴリズムの性能は中央集権型バージョンとほぼ同一であり、その実用性とスケーラビリティが裏付けられた。