[논문 리뷰] An Online Framework for Ephemeral Edge Computing in the Internet of Things

Gilsoo Lee, Walid Saad외 1명|arXiv (Cornell University)|2020. 04. 18.

IoT and Edge/Fog Computing인용 수 4

한 줄 요약

이 논문은 미래의 작업 도착이 알려지지 않은 상태에서 실시간으로 이웃 노드로 작업을 동적으로 오프로드하는 이瞬적 엣지 컴퓨팅을 위한 온라인 프레임워크를 제안한다. 선형 프리멀-듀얼 온라인 그레디 알고리즘을 사용하여 통신 및 계산 지연을 공동으로 최적화함으로써, 오프라인 최적 해와 비교해 7.1% 이내의 최적성 갭을 확보한 근사 최적의 작업 할당을 달성한다.

ABSTRACT

In the Internet of Things (IoT) environment, edge computing can be initiated at anytime and anywhere. However, in an IoT, edge computing sessions are often ephemeral, i.e., they last for a short period of time and can often be discontinued once the current application usage is completed or the edge devices leave the system due to factors such as mobility. Therefore, in this paper, the problem of ephemeral edge computing in an IoT is studied by considering scenarios in which edge computing operates within a limited time period. To this end, a novel online framework is proposed in which a source edge node offloads its computing tasks from sensors within an area to neighboring edge nodes for distributed task computing, within the limited period of time of an ephemeral edge computing system. The online nature of the framework allows the edge nodes to optimize their task allocation and decide on which neighbors to use for task processing, even when the tasks are revealed to the source edge node in an online manner, and the information on future task arrivals is unknown. The proposed framework essentially maximizes the number of computed tasks by jointly considering the communication and computation latency. To solve the problem, an online greedy algorithm is proposed and solved by using the primal-dual approach. Since the primal problem provides an upper bound of the original dual problem, the competitive ratio of the online approach is analytically derived as a function of the task sizes and the data rates of the edge nodes. Simulation results show that the proposed online algorithm can achieve a near-optimal task allocation with an optimality gap that is no higher than 7.1% compared to the offline, optimal solution with complete knowledge of all tasks.

연구 동기 및 목표

• 미리 예측할 수 없고 짧은 수명을 가진 엣지 컴퓨팅 세션을 다루기 위한 도전 과제를 해결하기 위해, 작업이 예측 불가능하게 도착하고 장치가 자주 네트워크에서 이탈하는 모바일 IoT 환경에서의 문제를 다루는 것.
• 미래의 작업 도착이나 시스템 상태에 대한 사전 지식 없이도 작동하는 실시간, 온라인 작업 할당 프레임워크를 설계하는 것.
• 이瞬적 엣지 컴퓨팅 환경에서 실시간으로 이웃 엣지 노드를 동적으로 선택하여 통신 및 계산 지연을 공동으로 최소화하는 것.
• 프리멀-듀얼 방법을 사용하여 이론적 성능 보장을 갖춘 경쟁적 온라인 알고리즘을 개발하여 시간 제약 조건 하에서 근사 최적의 작업 완료를 보장하는 것.

제안 방법

• 프레임워크는 현재의 지식만을 기반으로 실시간으로 이웃 엣지 노드에 작업을 할당하는 방식으로, 작업 오프로딩을 온라인 최적화 문제로 모델링한다.
• 문제의 구조에 기반한 경쟁적 비율 상한을 유지하면서도 동적으로 작업을 할당하는 프리멀-듀얼 온라인 알고리즘을 설계한다.
• 작업 크기, 데이터 전송 속도, 계산 용량을 바탕으로 이중 변수 갱신 규칙을 사용하며, 변수 $ z_j $ 를 통한 자원 사용의 매개변수화된 상한을 설정한다.
• 경쟁적 비율은 작업 크기와 엣지 노드의 데이터 전송 속도의 함수로 분석적으로 유도되며, 불확실성 하에서도 성능 상한을 보장한다.
• 시간 제약 조건이 있는 目적 함수를 통합하여 엣지 노드 간의 작업 완료율과 자원 활용도를 균형 있게 조절한다.
• 로그형 장벽 함수와 매개변수 $ c = (1 + \delta)^{1/\delta} $ 를 사용하여 각 엣지 노드의 총 작업 부하에 대한 제약 조건을 강제함으로써 타당성을 확보한다.

실험 결과

연구 질문

• RQ1 미래의 작업 도착이 알려지지 않은 상태에서 엣지 노드는 어떻게 효율적으로 일시적인 컴퓨팅 작업을 실시간으로 할당할 수 있는가?
• RQ2 이瞬적 엣지 컴퓨팅 환경에서 온라인 작업 오프로딩 알고리즘의 이론적 성능 한계는 무엇인가?
• RQ3 미래 지식이 없는 동적이고 이동성이 높은 IoT 환경에서 통신 및 계산 지연을 공동으로 최소화하는 방법은 무엇인가?
• RQ4 이 설정에서 온라인 알고리즘의 경쟁적 비율은 무엇이며, 작업 크기 및 데이터 전송 속도와 같은 시스템 매개변수에 어떻게 의존하는가?
• RQ5 제안된 온라인 알고리즘은 전체 작업에 대한 정보를 모두 알고 있는 오프라인 최적 해와 비교해 근사 최적 성능을 달성할 수 있는가?

주요 결과

• 제안된 온라인 그레디 알고리즘은 오프라인 최적 해와 비교해 최대 7.1% 이내의 최적성 갭을 확보하여 뛰어난 실용적 성능을 입증한다.
• 온라인 알고리즘의 경쟁적 비율은 작업 크기와 엣지 노드의 데이터 전송 속도의 함수로 분석적으로 유도되어 이론적 성능 보장을 제공한다.
• 프리멀-듀얼 접근법은 동적으로 도착하는 작업과 변화하는 네트워크 조건에 대응하면서도 타당성을 유지함을 보장한다.
• 시뮬레이션 결과는 알고리즘이 엣지 노드 간의 부하를 효과적으로 균형 잡고 이瞬적 시간 창 내에서 완료된 작업 수를 최대화함을 확인한다.
• 실시간으로 분산된 작업 오프로딩 결정을 가능하게 하여 모바일 IoT 환경의 동적 특성을 효과적으로 처리한다.
• 매개변수화된 이중 변수 갱신에 $ c = (1 + \delta)^{1/\delta} $ 를 사용함으로써 자원 사용의 성장은 제한되고 엄밀한 성능 상한을 확보할 수 있다.