[論文レビュー] To Centralize or Not to Centralize: A Tale of Swarm Coordination

Justin Hu, Ariana Bruno+8 more|arXiv (Cornell University)|May 4, 2018

Cloud Computing and Resource Management参考文献 7被引用数 13

ひとこと要約

本論文は、12台のドローンを用いた実験環境と大規模シミュレーションを用いて、大規模な自律エッジデバイススワームにおける集中型制御と分散型制御の協調制御を評価している。集中型制御は、非均質性や信頼性の低い通信環境下でも、タスク割り当ての質と実行効率において一貫して分散型制御を上回るが、スケーリングの制限が深刻であり、高遅延のスケジューリングとネットワークのボトルネックが原因である。

ABSTRACT

Large swarms of autonomous devices are increasing in size and importance. When it comes to controlling the devices of large-scale swarms there are two main lines of thought. Centralized control, where all decisions - and often compute - happen in a centralized back-end cloud system, and distributed control, where edge devices are responsible for selecting and executing tasks with minimal or zero help from a centralized entity. In this work we aim to quantify the trade-offs between the two approaches with respect to task assignment quality, latency, and reliability. We do so first on a local swarm of 12 programmable drones with a 10-server cluster as the backend cloud, and then using a validated simulator to study the tail at scale effects of swarm coordination control. We conclude that although centralized control almost always outperforms distributed in the quality of its decisions, it faces significant scalability limitations, and we provide a list of system challenges that need to be addressed for centralized control to scale.

研究の動機と目的

• 大規模スワームにおける集中型制御と分散型制御の協調制御のトレードオフを定量的に評価すること。
• 両モデル間のタスク割り当ての質、スケジューリング遅延、信頼性の違いを評価すること。
• 集中型制御が大規模で非均質的かつ信頼性の低いスワームにスケーリングできない主なシステムレベルのボトルネックを特定すること。
• ネットワークおよびスケジューリングのボトルネックが緩和された理想化された条件下での集中型制御の可能性を検討すること。

提案手法

• 10台のサーバーを備えたクラウドバックエンドを備えた、12台のプログラマブルなParrot AR2.0ドローンを用いた局所スワームで、集中型制御と分散型制御を比較する実験を実施した。
• 数千から数万のデバイスを対象としたスケーリング効果を評価するために、検証済みのシミュレータを用いた。
• デバイスの非均質性や通信の信頼性の低さを変化させた、集中型（プッシュモデル）と分散型（プルモデル）の両方の協調制御フレームワークを実装した。
• ネットワーク遅延や障害モデルを含む、さまざまな構成下でスケジューリング遅延、タスク実行時間、完了率を測定した。
• システム実行をトレースした結果、34%の時間はクラウド-エッジ間のメッセージ交換に、66%はステートポーリングとスケジューリングに費やされていた。
• ネットワーク遅延の低減とマルチエージェント共有ステートスケジューラの導入により、スループットを向上させることで、性能向上のシミュレーションを実施した。

実験結果

リサーチクエスチョン

• RQ1 小規模スワームにおいて、集中型制御は分散型制御と比べてタスク割り当ての質とスケジューリング遅延の面でどのように異なるか？
• RQ2 大規模で非均質的かつ信頼性の低いスワームにおいて、集中型制御のスケーラビリティにどのような制限があるか？
• RQ3 通信の信頼性の低さとデバイスの非均質性が、両方の制御モデルにおけるスケジューリング遅延とタスク完了率にどのように影響するか？
• RQ4 集中型制御が大規模スワームに効果的にスケーリングできない主なシステムレベルのボトルネックは何か？
• RQ5 ネットワーク遅延を低減し、スケジューリングスループットを最適化することで、集中型制御の性能向上はどの程度達成可能か？

主な発見

• 集中型制御は、タスク割り当ての質と実行効率において分散型制御を上回っており、信頼性の低い通信環境下では、分散型モデルの平均タスク実行時間が56%長くなった。
• 大規模シミュレーションにおいて、集中型制御は10%のランダムなネットワーク障害があっても高い意思決定の質を維持したが、分散型制御はグローバルな状態の可視性の欠如により、18%のタスク失敗率を示した。
• 集中型制御のスケジューリング遅延は、スワームの規模と非均質性の増加に伴い顕著に増加し、大規模で非均質的かつ信頼性の低いスワームでは300msを超えた。
• 通信障害が発生した際、集中型コントローラーはリスケジューリングのオーバーヘッドのため、分散型モデルに比べて平均タスク実行時間が56%長くなった。
• システムトレースの結果、実行時間の34%がクラウド-エッジ間のメッセージ交換に費やされており、通信が主要なボトルネックであることが浮き彫りになった。
• シミュレーションの結果、ネットワーク遅延を低減し、並列スケジューリングを可能にすれば、集中型制御が大規模スワームに実用可能になる可能性があるが、顕著なシステムレベルの最適化が必要であることが示された。