[논문 리뷰] Energy-delay-cost Tradeoff for Task Offloading in Imbalanced Edge Cloud Based Computing

Weiheng Jiang, Yi Gong외 3명|arXiv (Cornell University)|2018. 05. 05.

IoT and Edge/Fog Computing참고 문헌 3인용 수 9

한 줄 요약

이 논문은 다수의 이동 사용자(MU)와 MU당 다수의 작업을 가진 불균형 엣지 클라우드 시스템에서 작업 오프로딩을 위한 새로운 에너지-지연-비용 트레이드오프 프레임워크를 제안한다. 백홀드 기반 접근 지연과 서비스 수준 협약(SLA) 기반 자원 지불을 모두 반영하는 ECS 접근비용 지표를 도입함으로써, 총 비용(효율성)을 최소화하거나 각 사용자당 최대 비용(공정성)을 최소화하는 공동 오프로딩 및 자원 할당 문제를 수립한다. 주요 기여는 중앙집중식 및 분산 히우리스틱 알고리즘을 통한 부분 최적 해법으로, 낮은 복잡도로 뛰어난 성능을 달성한다.

ABSTRACT

In this paper, the imbalance edge cloud based computing offloading for multiple mobile users (MUs) with multiple tasks per MU is studied. In which, several edge cloud servers (ECSs) are shared and accessed by multiple wireless access points (APs) with the backhaul links, and each MU has multiple computing intensive and latency critical tasks should be offloaded to execute, which involves both the AP association and ECS selection, with the objective of minimizing the offloading cost. Distinguished with existing research, besides the transmission delay and energy consumption from MU to AP, the ECS access-cost which characterizes the ECS access delay and (or) resource using cost is introduced, thus finally formulates the delay-energy-cost tradeoff based offloading cost criteria, for the MUs' offloading decision and resource allocation problems. In specific, in our system, the ECS access-cost depends on both the AP and ECS, which reflects the effects of different backhaul techniques used by these APs, and their negotiated payments of ECS resource using under different service level agreements. Both problems of minimizing the sum offloading costs for all MUs (efficiency-based) and minimizing the maximal offloading cost per MU (fairness-based) are discussed. Since these problems are all NP-hard. Therefore, some centralized and distributed heuristic algorithms are proposed to find the suboptimal solutions. Further analysis and numerical results are presented at last to demonstrate the performance of these algorithms from several aspects, such as efficiency, complexity and fairness.

연구 동기 및 목표

• 제한된 장치 성능을 가진 모바일 및 IoT 환경에서 저지연, 에너지 효율적인 계산 수요 증가에 대응하기 위해.
• 다수의 이동 사용자가 여러 액세스 포인트(AP)를 통해 엣지 클라우드 서버(ECS)를 공유하는 불균형 엣지 클라우드 아키텍처에서의 작업 오프로딩을 모델링하고 최적화하기 위해.
• 전송 지연, 에너지 소비, 그리고 ECS 접근비용(백홀드 기반 지연과 SLA 기반 가격 책정 반영)을 조합한 새로운 오프로딩 비용 지표를 도입하기 위해.
• NP-완전 문제로 간주되는 두 가지 최적화 문제를 수립하고 해결하기 위해: 총 오프로딩 비용 최소화(효율성 기반) 및 각 사용자당 최대 비용 최소화(공정성 기반).
• 근사 최적 성능을 달성하면서도 복잡도를 감소시킨 중앙집중식 및 분산 히우리스틱 알고리즘을 설계하고 평가하기 위해.

제안 방법

• 전송 지연, 에너지 소비, 그리고 ECS 접근비용을 조합한 새로운 오프로딩 비용 지표를 도입하며, 후자는 AP와 ECS 간의 상호작용을 반영하여 백홀드 기술과 SLA 기반 가격 책정을 반영한다.
• 계산 및 통신 자원 제약 조건 하에, 다수의 MU와 다수의 작업을 고려한 공동 AP 연결 및 ECS 선택 문제로 시스템을 모델링한다.
• 효율성 기반 문제를 해결하기 위해 중심화된 유전 알고리즘(CGA)과 분산형 적응형 다중에이전트(ADMA) 알고리즘을 제안하며, 진화 및 반복 최적화 기법을 활용한다.
• 공정성 기반 최적화를 위해 최대 오프로딩 비용을 최소화하는 공정성 중심 유전 알고리즘(FGA)을 개발하며, 적합도 함수에 비례 공정 스케줄링 정책을 통합한다.
• 효율성(합계 비용)과 공정성(최대 비용)을 균형 잡는 다목적 최적화 프레임워크를 활용하며, 각각 다른 알고리즘 설계 기법을 적용한다.
• 실제 시나리오를 반영한 파rameter를 사용한 시뮬레이션 기반 평가를 통해, 효율성, 공정성, 수렴 속도, 복잡도 측면에서 알고리즘 성능을 비교한다.

실험 결과

연구 질문

• RQ1 불균형 엣지 클라우드 시스템에서 작업 오프로딩의 진정한 비용을 반영할 수 있는 통합된 에너지-지연-비용 트레이드오프 지표는 어떻게 설계할 수 있는가?
• RQ2 백홀드 기반 지연과 SLA 기반 자원 지불을 반영하는 ECS 접근비용을 도입함으로써 오프로딩 의사결정 및 시스템 성능에 어떤 영향을 미치는가?
• RQ3 효율성 기반 문제에서 중앙집중식 및 분산 히우리스틱 알고리즘이 오프로딩 비용, 수렴 속도, 계산 복잡도 측면에서 어떻게 비교되는가?
• RQ4 공정성 중심 알고리즘이 효율성 중심 접근 방식에 비해 사용자당 최대 오프로딩 비용을 얼마나 줄일 수 있는가?
• RQ5 시스템 확장성(예: MU 수나 MU당 작업 수 증가)이 비용, 공정성, 자원 활용도 측면에서 제안된 알고리즘의 성능에 어떤 영향을 미치는가?

주요 결과

• 중앙집중형 유전 알고리즘(CGA)은 최적 해에 근접한 최고의 오프로딩 비용 성능을 달성하며, 특히 계산 자원 요구량이 낮을 경우 견고한 성능을 보인다.
• 분산형 ADMA 알고리즘은 수렴 속도와 복잡도 측면에서 뚜렷한 이점이 있으며, CGA 대비 무시할 수 없는 성능 손실만을 보이며, 대규모 시스템에 적합하다.
• 공정성 중심 FGA 알고리즘은 MU당 작업 수가 증가함에 따라 스케줄링 자유도가 높아져, 예상과는 반대로 공정성(Jain’s index)이 향상된다.
• 제한된 계산 자원 조건 하에서 CGA는 오프로딩 비율 측면에서 FGA를 압도하며, MU 수가 증가할수록 성능 격차가 더욱 벌어져 CGA의 뛰어난 자원 활용 능력을 확인한다.
• 평균 계산 요구량이 낮을 경우 CGA와 ADMA 간의 오프로딩 비용 격차는 극히 미미하여, 분산 접근 방식의 강건성을 입증한다.
• ECS 접근비용의 도입은 백홀드 및 SLA 영향을 반영함으로써 오프로딩 비용 모델의 현실성과 정확성을 크게 향상시켜 보다 정확한 시스템 최적화를 가능하게 한다.