[논문 리뷰] A Fuzzy Scheduling Strategy for Deadline-Based Workflow Applications in Uncertain Edge-Cloud Environments

Bing Lin, Chaowei Lin외 4명|arXiv (Cornell University)|2021. 07. 03.

IoT and Edge/Fog Computing인용 수 1

한 줄 요약

이 논문은 불확실한 엣지-클라우드 환경에서 워크플로우 실행 비용을 최소화하기 위해 유전 알고리즘(GA) 연산자를 통합한 적응형 이산 입자군집최적화(ADPSO) 알고리즘을 사용하는 비용 중심의 흐린 스케줄링 전략을 제안한다. 작업 처리 시간과 데이터 전송 시간을 삼각 흐린 수( TFNs)로 모델링하여, 마감 시간을 준수하면서도 비용을 효과적으로 줄이고, 실험에서 기준 솔루션을 능가하는 성능을 보였다.

ABSTRACT

Workflow scheduling is critical to performing many practical workflow applications. Scheduling based on edge-cloud computing can help addressing the high complexity of workflow applications, while decreasing the data transmission delay. However, due to the nature of heterogeneous resources in edge-cloud environments and the complicated data dependencies between the tasks in such a workflow, significant challenges for workflow scheduling remain, including the selection of an optimal tasks-servers solution from the possible numerous combinations. Existing studies are mainly done subject to rigorous conditions without fluctuations, ignoring the fact that workflow scheduling is typically present in uncertain environments. In this study, we focus on reducing the execution cost of workflow applications mainly caused by task computation and data transmission, while satisfying the workflow deadline in uncertain edge-cloud environments. The Triangular Fuzzy Numbers (TFNs) are adopted to represent task processing time and data transferring time. A cost-driven fuzzy scheduling strategy based on an Adaptive Discrete Particle Swarm Optimization (ADPSO) algorithm is proposed, which is employed the operators of Genetic Algorithm (GA). This strategy introduces the randomly two-point crossover operator, neighborhood mutation operator, and adaptive multipoint mutation operator of GA to effectively avoid converging on local optima. The experimental results show that our strategy can effectively reduce the workflow execution cost in uncertain edge-cloud environments, compared with other benchmark solutions.

연구 동기 및 목표

• 불확실한 엣지-클라우드 환경에서 마감 시간이 있는 워크플로우 애플리케이션의 높은 실행 비용 문제를 해결한다.
• 기존 스케줄링 전략이 결정론적 조건을 가정하고 자원 이질성과 데이터 종속성을 忽시하는 한계를 극복한다.
• 계산 비용과 데이터 전송 비용을 최소화하면서도 워크플로우 마감 시간을 준수하는 비용 중심의 스케줄링 접근법을 개발한다.
• 흐린 논리를 통합하여 삼각 흐린 수(TFNs)를 사용해 불확실한 처리 및 전송 시간을 모델링한다.
• 지역 최적해에 갇히지 않고 전역 탐색 능력을 향상시키기 위해 ADPSO 알고리즘에 GA 기반 연산자를 통합한다.

제안 방법

• 엣지-클라우드 환경에서의 불확실성을 표현하기 위해 작업 처리 시간과 데이터 전송 시간을 삼각 흐린 수(TFNs)로 모델링한다.
• 총 실행 비용(계산 비용 및 데이터 전송 비용 포함)을 평가하는 비용 중심의 흐린 스케줄링 전략을 설계한다.
• 최적의 작업-서버 매핑을 탐색하기 위해 적응형 이산 입자군집최적화(ADPSO) 알고리즘을 구현한다.
• ADPSO에 유전 알고리즘(GA) 연산자(무작위 이중점 교배, 이웃 변이, 적응형 다중점 변이)를 통합한다.
• 불확실성 하에서 스케줄링 솔루션의 적합도를 평가하고 비교하기 위해 흐린 순위 매기기 및 탈흐린화 기법을 사용한다.
• 탐색과 이용의 균형을 이루기 위해 ADPSO의 변이 및 속도 파rameter를 동적으로 조정하는 적응 메커니즘을 적용한다.

실험 결과

연구 질문

• RQ1 어떻게 엣지-클라우드 환경에서 처리 및 전송 시간이 불확실할 경우 워크플로우 스케줄링을 최적화할 수 있는가?
• RQ2 ADPSO에 GA 연산자를 통합할 때 수렴성 향상과 국소 최적해 회피에 대해 어느 정도 기여하는가?
• RQ3 삼각 흐린 수(TFNs)를 사용할 경우 작업 실행 및 데이터 전송 시간의 불확실성 모델링에 어떤 영향을 미치는가?
• RQ4 기존 기준 스케줄링 알고리즘과 비교해 제안된 전략은 비용 절감과 마감 시간 준수 측면에서 어떤 성과를 내는가?
• RQ5 하이브리드 ADPSO-GA 접근법에서 적응형 변이 및 교배 메커니즘이 불확실 환경에서의 솔루션 품질 향상에 어떤 기여를 하는가?

주요 결과

• 제안된 흐린 스케줄링 전략은 불확실한 엣지-클라우드 환경에서 총 워크플로우 실행 비용을 효과적으로 줄였다.
• 이중점 교배, 이웃 변이, 적응형 다중점 변이 등의 GA 연산자 통합으로 ADPSO 알고리즘이 국소 최적해에서 벗어나는 능력이 향상되었다.
• 삼각 흐린 수(TFNs)의 사용으로 불확실한 처리 및 데이터 전송 시간을 정확하게 모델링할 수 있었다.
• 특히 높은 불확실성 하에서 기준 솔루션 대비 더 뛰어난 비용 효율성을 달성하였다.
• 알고리즘 내 적응 메커니즘이 강건성을 훼손하지 않으면서 수렴 속도와 솔루션 품질을 향상시켰다.
• 실제 불확실한 환경에서 실용적인 타당성을 입증하며, 총 비용을 최소화하면서도 워크플로우 마감 시간을 성공적으로 준수하였다.