[논문 리뷰] A Game-theoretic Approach Towards Collaborative Coded Computation Offloading

Jer Shyuan Ng, Wei Yang Bryan Lim외 6명|arXiv (Cornell University)|2021. 02. 17.

Stochastic Gradient Optimization Techniques참고 문헌 40인용 수 9

한 줄 요약

이 논문은 자원 공유를 위한 헤도닉 협력군 형성과 CPU 성능 할당을 위한 올페이 경매를 조합하여, 코딩된 분산계산(CDC)에서 엣지 서버의 참여를 유도하기 위해 이중 수준의 게임이론적 프레임워크를 제안한다. 결과적으로, 동일한 보상이 여러 개 제공될 경우 클라우드 서버의 유틸리티가 최대화되고, 특히 고가치의 클러스터 헤드로부터 더 높은 CPU 성능 기여가 유도됨을 보여준다.

ABSTRACT

Coded distributed computing (CDC) has emerged as a promising approach because it enables computation tasks to be carried out in a distributed manner while mitigating straggler effects, which often account for the long overall completion times. Specifically, by using polynomial codes, computed results from only a subset of edge servers can be used to reconstruct the final result. However, incentive issues have not been studied systematically for the edge servers to complete the CDC tasks. In this paper, we propose a tractable two-level game-theoretic approach to incentivize the edge servers to complete the CDC tasks. Specifically, in the lower level, a hedonic coalition formation game is formulated where the edge servers share their resources within their coalitions. By forming coalitions, the edge servers have more Central Processing Unit (CPU) power to complete the computation tasks. In the upper level, given the CPU power of the coalitions of edge servers, an all-pay auction is designed to incentivize the edge servers to participate in the CDC tasks. In the all-pay auction, the bids of the edge servers are represented by the allocation of their CPU power to the CDC tasks. The all-pay auction is designed to maximize the utility of the cloud server by determining the allocation of rewards to the winners. Simulation results show that the edge servers are incentivized to allocate more CPU power when multiple rewards are offered, i.e., there are multiple winners, instead of rewarding only the edge server with the largest CPU power allocation. Besides, the utility of the cloud server is maximized when it offers multiple homogeneous rewards, instead of heterogeneous rewards.

연구 동기 및 목표

• 에지 서버가 스트래글러 효과와 보상 부족으로 인해 기여를 하지 않을 수 있는 코딩된 분산계산(CDC) 환경에서의 인cent라이브 과제를 해결하기 위해.
• 에지 서버와 기기 간의 협력을 헤도닉 협력군 형성 게임을 통해 모델링하여 가용 CPU 성능을 향상시키기 위해.
• 클러스터 헤드가 CDC 작업을 위해 더 많은 CPU 성능을 할당하도록 유도하기 위한 올페이 경매 메커니즘을 설계하기 위해.
• 클라우드 서버의 유틸리티를 최대화하는 데 기여하는 최적의 보상 구조(보상 수 및 동일성)를 규명하기 위해.
• 다중 보상과 협력군 형성의 영향을 전체 CPU 성능 기여도 및 시스템 효율성 측면에서 평가하기 위해.

제안 방법

• 하위 수준에서 에지 서버가 개별 유틸리티 최적화 기반으로 CPU 자원을 공유하기 위해 헤도닉 협력군 형성 게임을 설정한다.
• 상위 수준의 경쟁은 모든 입찰자가 승리 여부에 관계없이 입찰에 기여한 CPU 성능을 지불하는 올페이 경매로 모델링한다.
• 다항식 코드를 사용하여 복구 임계값을 결정하며, 이는 최종 계산을 위해 필요한 결과 수를 설정함으로써 보상 할당을 이끌어낸다.
• 타 당사자의 평가에 대한 불확실성 하에서 클러스터 헤드의 전략적 행동을 분석하기 위해 베이지안 내쉬 균형을 적용한다.
• 협력군 형성과 경매 메커니즘을 이중 수준의 프레임워크로 통합하여 엣지 서버와 클라우드 간의 인cent라이브를 조율한다.
• 다양한 수의 클러스터 헤드, 보상 수, 보상 동일성에 따라 성능을 평가하기 위해 시뮬레이션을 활용한다.

실험 결과

연구 질문

• RQ1 에지 서버 간의 협력군 형성이 CDC 작업에 대한 전체 가용 CPU 성능에 어떤 영향을 미치는가?
• RQ2 올페이 경매에서 단일 보상 대비 다중 보상 제공이 클러스터 헤드의 CPU 성능 할당에 어떤 영향을 미치는가?
• RQ3 경쟁하는 클러스터 헤드의 수가 증가함에 따라 고가치 및 저가치 클러스터 헤드의 입찰 행동과 CPU 성능 할당 전략에 어떤 영향을 미치는가?
• RQ4 클라우드 서버가 최대 유틸리티를 달성하는 보상 구조는 동일한 보상인지, 이질적인 보상인지인가?
• RQ5 제안된 이중 수준의 게임이론적 프레임워크는 전체 CPU 성능 기여 측면에서 무작위 할당 및 비협력적 기법과 비교해 어떻게 다른가?

주요 결과

• 다중 보상이 제공될 경우, 고가치 클러스터 헤드(예: 0.9)는 5명의 클러스터 헤드일 때 2159 W에서 15명일 때 4563 W로 CPU 성능 기여를 증가시키며, 이는 더 강력한 참여 유인임을 시사한다.
• 저가치 클러스터 헤드(예: 0.6)는 경쟁이 증가함에 따라 CPU 기여를 감소시키지만, 이는 보상이 동일하고 다중 보상이 제공될 경우에만 해당된다.
• 클라우드 서버의 유틸리티는 단일 보상 또는 이질적 보상보다 다중 동일 보상이 제공될 경우에 최대화된다.
• 이중 수준의 협력군-경매 프레임워크 하에서 CDC 작업에 할당된 총 CPU 성능은 7537 W에 도달하며, 이는 협력군 형성과 함께 무작위 할당 방식에서 달성된 3615 W보다 뚜렷이 높다.
• 다중 보상이 제공되는 올페이 경매는 더 많은 클러스터 헤드가 보상을 획득할 수 있도록 해서 전체적으로 더 높은 CPU 기여를 유도함으로써 시스템 효율성을 향상시킨다.
• 시뮬레이션 결과는 제안된 프레임워크가 전체 CPU 성능 활용도 및 시스템 유틸리티 측면에서 무작위 할당 및 비협력적 기법보다 뛰어나다는 것을 확인한다.