[논문 리뷰] Dynamic Placement of VNF Chains for Proactive Caching in Mobile Edge Networks

Zheng Gao, Anthony Tsiopoulos외 1명|arXiv (Cornell University)|2018. 07. 27.

Caching and Content Delivery참고 문헌 6인용 수 5

한 줄 요약

이 논문은 이동성에 대응하는 VNF 배치 및 캐시 위치를 공동 최적화하여 이동형 엣지 네트워크에서 지연을 줄이고 성능을 향상시키는 프로액티브 캐싱-체이닝(PCC) 기법을 제안한다. 정수선형계획법(ILP) 프레임워크와 스케일프리 휠러리즘을 사용하여 사용자 이동 예측 기반으로 VNF 체인을 동적으로 이동시킴으로써, 이동성 인식되지 않은 기법 대비 최대 26%의 성능 향상을 달성한다.

ABSTRACT

Notwithstanding the significant research effort Network Function Virtualization (NFV) architectures received over the last few years little attention has been placed on optimizing proactive caching when considering it as a service chain. Since caching of popular content is envisioned to be one of the key technologies in emerging 5G networks to increase network efficiency and overall end user perceived quality of service we explicitly consider in this paper the interplay and subsequent optimization of caching based VNF service chains. To this end, we detail a novel mathematical programming framework tailored to VNF caching chains and detail also a scale-free heuristic to provide competitive solutions for large network instances since the problem itself can be seen as a variant of the classical NP-hard Uncapacitated Facility Location (UFL) problem. A wide set of numerical investigations are presented for characterizing the attainable system performance of the proposed schemes.

연구 동기 및 목표

• 사용자 이동성 하에서 이동형 엣지 네트워크의 비최적의 VNF 및 캐시 위치 배치 문제를 해결하기 위해.
• 네트워크 효율성과 최종 사용자 QoE 향상을 위해 프로액티브 캐싱을 VNF 서비스 체인에 통합하기 위해.
• 사용자 이동 패턴을 고려한 VNF 체이닝 및 캐시 위치 결정을 공동 최적화하기 위해.
• 문제가 NP-완전임을 감안해 대규모 네트워크 인스턴스에서의 확장성을 고려한 휠러리즘 알고리즘 개발하기 위해.
• 실제 네트워크 시나리오에서 이동성 인식된 VNF 및 캐시 위치 배치의 성능 향상 평가하기 위해.

제안 방법

• 전체 비용(라우팅 및 배치 비용 포함)을 최소화하기 위해 VNF 캐싱 체인 배치 문제를 정수선형계획법(ILP) 모델로 수식화한다.
• 접근점 간 이동 확률을 고려한 마르코프 체인으로 사용자 이동성을 모델링하여 향후 서비스 위치 예측을 가능하게 한다.
• 비제한 시설 위치 문제(UFL)에서 영감을 얻은 스케일프리 휠러리즘 알고리즘을 도입하여 대규모 네트워크에서 실시간 배치를 가능하게 한다.
• 링크 비용을 계산하기 위해 최단경로 라우팅 메트릭(예: OSPF/EIGRP 유사)을 사용하며, 다양성을 위해 1에서 100 사이로 정규화한다.
• 현실적인 시뮬레이션을 위해 VNF 자원 요구사항(10–50 MB 메모리, 0.125–0.25 CPU 코어)과 노드 용량(8–16 GB 메모리, 32 vCPU)을 설정한다.
• 성능 평가를 위해 네트워크 크기, 요청 수, 이동 수준을 다양하게 설정한 몬테카를로 시뮬레이션(100회 실행)을 수행한다.

실험 결과

연구 질문

• RQ1 이동성 인식된 VNF 및 캐시 위치 배치는 이동형 엣지 네트워크에서 종단 간 서비스 지연과 네트워크 비용에 어떤 영향을 미치는가?
• RQ2 정적 또는 최단경로 기반 배치와 비교해 VNF 체이닝과 프로액티브 캐싱을 공동 최적화함으로써 달성할 수 있는 성능 향상은 무엇인가?
• RQ3 네트워크 크기와 서비스 요청 수가 증가함에 따라 제안된 기법은 어떻게 확장되는가?
• RQ4 사용자 이동 패턴은 동적 VNF 및 캐시 위치 배치의 효과성에 어떤 영향을 미치는가?
• RQ5 휠러리즘 해법은 최적의 ILP 해법 대비 성능 및 확장성 측면에서 어떻게 비교되는가?

주요 결과

• 모든 네트워크 크기에서 이동성 인식된 PCC 기법은 최단경로 기반 할당(SPBA) 기법 대비 10%의 성능 향상을 달성한다.
• 요청 부하가 증가함에 따라 성능 향상은 22–23%로 증가하여 고밀도 이동 네트워크에서 더 큰 이점을 보인다.
• 사용자 이동성이 높을 경우 성능 향상은 26%를 초과하여 대중교통과 같은 이동성 높은 시나리오에서 강력한 효과를 보인다.
• 20에서 200개 노드까지 다양한 네트워크 크기에서 일관된 성능 향상이 관찰되어, 시뮬레이션에서 뛰어난 내성성을 입증한다.
• 스케일프리 휠러리즘은 대규모 네트워크에서 효율적인 실시간 배치를 가능하게 하여 5G 엣지 환경에서 실용적인 솔루션을 제공한다.
• 결과는 이동성을 忽시할 경우 VNF 및 캐시 위치가 비최적으로 설정되어 라우팅 비용과 지연이 증가함을 확인한다.