[論文レビュー] The SPEC-RG Reference Architecture for the Compute Continuum

Matthijs Jansen, Auday Al-Dulaimy+3 more|arXiv (Cornell University)|Jul 9, 2022

IoT and Edge/Fog Computing被引用数 4

ひとこと要約

本論文は、計算コンティンuumにおけるSPEC-RGリファレンスアーキテクチャを提案し、分散したエッジ、ミスト、クラウドコンピューティングモデルを統合的に統合する枠組みを提供する。この枠組みは、デプロイメントおよびベンチマーキングフレームワークと一次の解析的モデルを備え、ワークロードの体系的推論を可能にし、ディープラーニングおよび産業用IoTワークロードで検証済みであり、コンティンuum全体にわたるエンドツーエンドのパフォーマンスおよびリソース管理分析のためのオープンソースツールを提供する。

ABSTRACT

As the next generation of diverse workloads like autonomous driving and augmented/virtual reality evolves, computation is shifting from cloud-based services to the edge, leading to the emergence of a cloud-edge compute continuum. This continuum promises a wide spectrum of deployment opportunities for workloads that can leverage the strengths of cloud (scalable infrastructure, high reliability) and edge (energy efficient, low latencies). Despite its promises, the continuum has only been studied in silos of various computing models, thus lacking strong end-to-end theoretical and engineering foundations for computing and resource management across the continuum. Consequently, developers resort to ad hoc approaches to reason about performance and resource utilization of workloads in the continuum. In this work, we conduct a first-of-its-kind systematic study of various computing models, identify salient properties, and make a case to unify them under a compute continuum reference architecture. This architecture provides an end-to-end analysis framework for developers to reason about resource management, workload distribution, and performance analysis. We demonstrate the utility of the reference architecture by analyzing two popular continuum workloads, deep learning and industrial IoT. We have developed an accompanying deployment and benchmarking framework and first-order analytical model for quantitative reasoning of continuum workloads. The framework is open-sourced and available at https://github.com/atlarge-research/continuum.

研究の動機と目的

• クラウド・エッジ・エンドポイントコンティンuumにわたるリソース管理およびワークロード分散のためのエンドツーエンドの理論的・工学的基盤の欠如に対処すること。
• フェイク、ミスト、エッジ、モバイルクラウドコンピューティングなどの分離されたコンピューティングモデルを、単一で整合性のあるリファレンスアーキテクチャに統合すること。
• 開発者に、ワークロードのオフロード、リソース割り当て、および異種のコンティンuumデプロイメントにおけるパフォーマンスに関する体系的フレームワークを提供すること。
• エミュレーション可能な多様なコンティンuumリソースをサポートし、定量的ベンチマーキングを可能にする、実装可能でオープンソースのフレームワークを開発すること。
• デプロイメントフレームワークと連携し、迅速な構成イテレーションを支援する、一次の解析的モデルによるパフォーマンス推論を確立すること。

提案手法

• 計算コンティンuumモデル17例を体系的に分析し、重複する懸念事項と設計空間の特性を同定した。
• コンティンuum設計空間の異なる側面をカバーする5つの代表的モデル（ミスト、エッジ、マルチアクセスエッジ、フェイク、モバイルクラウドコンピューティング）を選定した。
• モデル間の共通点を抽象化する統合リファレンスアーキテクチャを設計し、ワークロード配布およびリソース管理に関するエンドツーエンドの推論を可能にした。
• クラウド、エッジ、エンドポイントデバイスに跨る仮想マシン、コンテナ、複数のリソースマネージャ（例：Kubernetes、KubeEdge）をサポートするデプロイメントおよびベンチマーキングフレームワークを実装した。
• パフォーマンス推論のための一次の解析的モデルを開発し、ベンチマーキングフレームワークに統合して、迅速な構成評価を可能にした。
• コンピューティング、ネットワーク、オペレーティングサービスのカスタマイズを可能にし、コンティンuumデプロイメントのフルスタックエミュレーションを支援した。

実験結果

リサーチクエスチョン

• RQ1 フェイク、エッジ、ミスト、モバイルクラウドコンピューティングのような分離されたコンピューティングモデルを、計算コンティンuumのための単一の概念的フレームワークに統合する方法は何か？
• RQ2 既存のコンティンuumモデル間のコアな共通点と特徴的な差異は何か？これにより、体系的な設計空間の探査が可能になる。
• RQ3 リファレンスアーキテクチャは、クラウド・エッジ・エンドポイントコンティンuumにわたるワークロードのオフロード、リソース管理、パフォーマンスに関するエンドツーエンドの推論をどのように支援するか？
• RQ4 統合されたデプロイメントおよびベンチマーキングフレームワークは、コンティンuumワークロードの評価および最適化をどの程度向上できるか？
• RQ5 構成可能なフレームワークと組み合わせた一次の解析的モデルは、コンティンウムアプリケーションデプロイメントのための効率的で定量的な推論を可能にするか？

主な発見

• SPEC-RGリファレンスアーキテクチャは、17の多様なコンピューティングモデルを単一で整合性のあるフレームワークに統合し、独立して提示されていながらも顕著な重複する懸念事項を明らかにした。
• 提案されたデプロイメントおよびベンチマーキングフレームワークは、クラウド、エッジ、エンドポイントリソースのフルスタックエミュレーションをサポートし、構成可能なリソースマネージャおよびオペレーティングサービスを備え、包括的な実験を可能にした。
• Fogify や MockFog よりも優れた性能を発揮し、コンティンウムコンピューティングモデルをすべてサポートし、コンピューティングおよびネットワークリソースに対する細分化された制御を可能にした。
• 一次の解析的モデルにより、多様な構成における迅速なパフォーマンス推論が可能になり、膨大な試行錯誤によるデプロイメントチューニングの必要性が削減された。
• ディープラーニングおよび産業用IoTワークロードでの検証により、実世界のコンティンウムワークロードの分析において、測定可能なパフォーマンスおよびリソース利用状況のインサイトを提供するフレームワークの有効性が示された。
• オープンソースのフレームワークおよびモデルは現在も開発が継続されており、https://github.com/atlarge-research/continuum で公開されており、今後の研究およびツール統合を支援している。