[論文レビュー] Wireless Networks for Mobile Edge Computing: Spatial Modeling and Latency Analysis (Extended version)

Seung‐Woo Ko, Kaifeng Han+1 more|arXiv (Cornell University)|Sep 6, 2017

IoT and Edge/Fog Computing参考文献 30被引用数 9

ひとこと要約

本稿では、移動型エッジコンピューティング（MEC）ネットワークのための空間確率モデルを提案し、ランダムなユーザー分布、非直交多重アクセス、並列サーバー処理の下で通信および計算遅延を分析する。確率的幾何学、待ち行列理論、並列コンピューティングを用いて、遅延がユーザー密度に対して対数的に増加し、サーバーおよび帯域幅リソースに対して逆比例することを示すスケーリング則を導出。MEC展開におけるボトルネックを回避するための設計指針を提供する。

ABSTRACT

Next-generation wireless networks will provide users ubiquitous low-latency computing services using devices at the network edge, called mobile edge computing (MEC). The key operation of MEC, mobile computation offloading (MCO), is to offload computation intensive tasks from users. Since each edge device comprises an access point (AP) and a computer server (CS), a MEC network can be decomposed as a radio access network (RAN) cascaded with a CS network (CSN). Based on the architecture, we investigate network constrained latency performance, namely communication latency (comm-latency) and computation latency (comp-latency) under the constraints of RAN coverage and CSN stability. To this end, a spatial random network is modeled featuring random node distribution, parallel computing, non-orthogonal multiple access, and random computation-task generation. Given the model and the said network constraints, we derive the scaling laws of comm-latency and comp-latency with respect to network-load parameters (density of mobiles and their task-generation rates) and network-resource parameters (bandwidth, density of APs/CSs, CS computation rate). Essentially, the analysis involves the interplay of theories of stochastic geometry, queueing, and parallel computing. Combining the derived scaling laws quantifies the tradeoffs between the latencies, network coverage and network stability. The results provide useful guidelines for MEC-network provisioning and planning by avoiding either of the cascaded RAN or CSN being a performance bottleneck.

研究の動機と目的

• アクセスポイント（AP）およびモバイルユーザーの空間的ランダム配置を想定し、大規模MECネットワークを無線アクセス層とサーバー層の級進的構造としてモデル化すること。
• 無線カバレッジおよびサーバーの安定性といったネットワーク制約を考慮したスケーラブルで現実的な設定において、エンドツーエンド遅延を分析すること。
• ユーザー密度、タスク生成レート、帯域幅、サーバー容量といった主要なネットワークパラメータを用いて、通信および計算遅延の根本的スケーリング則を導出すること。
• MECシステムにおいて無線層または計算層が性能ボトルネックとならぬよう、設計指針を提供すること。

提案手法

• アクセスポイント（AP）およびモバイルユーザーの空間的ランダムプロセスとしてMECネットワークをモデル化し、ポisson点過程（PPP）を用いる。
• 二段階アーキテクチャを導入：非直交多重アクセスを用いた無線アクセス層、エッジサーバーにおける並列仮想マシン（VM）を用いた計算層。
• 確率的幾何学を用いて下行リンクカバレッジと上行リンクインターフェアレンスを分析し、待ち行列理論を用いてタスクの到着およびサーバー処理をモデル化する。
• Pollaczek-Khinchineの公式を用いて計算遅延の上界を導出し、極値理論を適用して1フレームあたりのタスク数の最大値を制限する。
• APにおけるタスク到着をポアソン近似で簡略化し、補足的なシミュレーションにより妥当性を検証する。
• 確率的幾何学、待ち行列理論、並列コンピューティングからのスケーリング則を統合し、遅延、カバレッジ、安定性のトレードオフを定量化する。

実験結果

リサーチクエスチョン

• RQ1 非直交多重アクセスを有するMECネットワークにおいて、通信遅延はモバイルユーザー密度および帯域幅に対してどのようにスケーリングするか？
• RQ2 エッジサーバーにおける仮想マシン数、サーバー計算レート、タスク到着レートが計算遅延に与える影響は何か？
• RQ3 APおよびユーザー配置の空間的ランダム性は、MECシステム全体のエンドツーエンド遅延にどのような影響を与えるか？
• RQ4 I/Oインターフェアレンス下で、非同期および同期タスクオフロード戦略は計算遅延においてどのように比較されるか？
• RQ5 大規模MEC展開において、ネットワークカバレッジ、安定性、遅延の間の根本的トレードオフは何か？

主な発見

• 通信遅延はモバイルユーザー密度に対して対数的に増加し、帯域幅およびAP密度に対して逆比例する。これは高負荷下で利得の逓減が生じることを示唆する。
• 計算遅延はタスク1件あたりのエッジコンピューティング時間またはI/Oインターフェアレンス劣化要因が増加するにつれて指数関数的に増加し、サーバー性能への感受性が顕著であることを示している。
• 非同期オフロード方式は同期オフロード方式に比べ常に低い計算遅延を達成するが、タスク到着レートが上昇するにつれてその差が縮小する。
• タスク生成レートが高くなると、非同期と同期の計算遅延比は定数に収束する。これは、高負荷下では相対的な性能向上が減少することを示している。
• APにおけるタスク到着のポアソン近似が正確であることが検証され、大規模MEC解析における解析的ツールの妥当性が裏付けられた。
• 導出されたスケーリング則により、無線アクセス層または計算層がボトルネックとなる臨界閾値が特定され、事前のネットワーク計画が可能になる。