[논문 리뷰] Energy Efficient Deployment and Orchestration of Computing Resources at the Network Edge: a Survey on Algorithms, Trends and Open Challenges

Neda Shalavi, Giovanni Perin외 2명|arXiv (Cornell University)|2022. 09. 28.

IoT and Edge/Fog Computing인용 수 8

한 줄 요약

이 종합적 서베이는 다중접근 엣지 컴퓨팅(MEC) 네트워크에서 컴퓨팅 자원의 에너지 효율적인 배치 및 오케스트레이션에 대한 포괄적인 분석을 제시한다. 재생 가능 에너지 통합, 맥락 인식 자원 스케줄링, 에너지 최적화된 페더레이티드 러닝에 초점을 맞추고 있다. 알고리즘 혁신을 통한 에지 컴퓨팅의 녹색화를 위한 체계적인 프레임워크를 제안하며, 지속 가능성, 노후화 영향, 의미론적 데이터 압축과 같은 열린 과제를 강조한다.

ABSTRACT

Mobile networks are becoming energy hungry, and this trend is expected to continue due to a surge in communication and computation demand. Multi-access Edge Computing (MEC), will entail energy-consuming services and applications, with non-negligible impact in terms of ecological sustainability. In this paper, we provide a comprehensive review of existing approaches to make edge computing networks greener, including but not limited to the exploitation of renewable energy resources, and context-awareness. We hence provide an updated account of recent developments on MEC from an energetic sustainability perspective, addressing the initial deployment of computing resources, their dynamic (re)allocation, as well as distributed and federated learning designs. In doing so, we highlight the energy aspects of these algorithms, advocating the need for energy-sustainable edge computing systems that are aligned with Sustainable Development Goals (SDGs) and the Paris agreement. To the best of our knowledge, this is the first work providing a systematic literature review on the efficient deployment and management of energy harvesting MEC, with special focus on the deployment, provisioning, and scheduling of computing tasks, including federated learning for distributed edge intelligence, toward making edge networks greener and more sustainable. At the end of the paper, open research avenues and challenges are identified for all the surveyed topics.

연구 동기 및 목표

• 증가하는 계산 및 통신 수요로 인해 증가하는 5G 및 6G 모바일 네트워크의 에너지 소비 문제를 해결하기 위해.
• 모바일 네트워크와 데이터 센터가 공동으로 세계의 온실가스(GHG) 배출량 1.8%에서 3.9%를 차지하고 있는 환경적 영향을 검토하기 위해.
• MEC 자원 구현, 동적 스케줄링, 분산 학습을 위한 에너지 효율적인 알고리즘을 특정하고 분석하기 위해.
• 재생 가능 에너지, 의미론적 압축, 디바이스 투 디바이스(D2D) 통신이 엣지 네트워크의 에너지 사용을 줄이는 데 미치는 역할을 부각하기 위해.
• 지속 가능한 프레임워크를 제안하여 SDGs와 파리 협정에 부합시키며, 향후 엣지 시스템에서 에너지 인식 설계의 중요성을 강조하기 위해.

제안 방법

• 컴퓨팅 작업의 배치, 공급 및 스케줄링에 중점을 두고 에너지 효율적인 MEC에 대한 체계적인 문헌 리뷰를 수행하기 위해.
• 사용자 이동성, 트래픽 동적 변화 및 실시간 네트워크 조건에 적응하는 맥락 인식 알고리즘을 분석하기 위해.
• 탄소 발자국을 줄이기 위해 재생 가능 에너지 자원을 엣지 인프라에 통합하는 기법을 조사하기 위해.
• 대부분의 IoT 기기에서 경량 분류기들을 사용하여 의미론적 압축 방법을 평가하여 대역폭과 에너지 사용량을 줄이기 위해.
• 전력 제어 및 안개 컴퓨팅과 결합된 D2D 통신을 검토하여 MEC 기반 셀룰러 네트워크에서 다운링크 에너지 효율성을 향상시키기 위해.
• 클라이언트 선택, 희소화 및 양자화 기법을 포함한 에너지 효율성 최적화된 페더레이티드 러닝 프레임워크를 조사하기 위해.

실험 결과

연구 질문

• RQ1 어떻게 재생 가능 에너지 자원을 엣지 컴퓨팅 인프라에 효과적으로 통합하여 탄소 배출량을 줄일 수 있는가?
• RQ2 다양한 동적 MEC 환경에서 에너지 소비를 최소화하기 위해 가장 효과적인 맥락 인식 스케줄링 알고리즘은 무엇인가?
• RQ3 IoT 기기에서의 의미론적 데이터 압축은 엣지 네트워크에서 통신 오버헤드와 에너지 사용량을 얼마나 줄일 수 있는가?
• RQ4 D2D 통신과 지능형 전력 제어를 조합하면 MEC 지원 셀룰러 네트워크에서 다운링크 에너지 효율성을 어떻게 향상시킬 수 있는가?
• RQ5 이질적이고 대규모의 엣지 네트워크를 위한 에너지 최적화된 페더레이티드 러닝 시스템을 설계할 때의 열린 과제는 무엇인가?

주요 결과

• 통신 네트워크와 컴퓨팅 시설은 전 세계 ICT 관련 온실가스(GHG) 배출량의 24%에서 45%를 차지하며, 2020년 기준 데이터 센터만으로도 45%의 기여를 한다.
• 2026년까지 5G 네트워크는 모바일 네트워크의 에너지 소비를 150%에서 170%까지 증가시킬 것으로 예측되며, 이는 에너지 효율성의 긴급성에 대한 경고이다.
• IoT 노드에서 분산 선형 분류기를 사용한 의미론적 압축은 데이터 전송과 대역폭 사용량을 크게 줄일 수 있지만, 분류 정확도와의 트레이드오프 문제가 남아 있다.
• 전력 제어 및 안개 컴퓨팅과 결합된 D2D 통신은 특히 고밀도 환경에서 다운링크 에너지 효율성을 향상시킬 잠재력을 보이고 있다.
• 클라이언트 선택, 희소화 및 양자화 기법을 통합한 페더레이티드 러닝 프레임워크는 통신 오버헤드와 에너지 소비를 줄일 수 있지만, 탈중앙화된 학습에서의 에너지 최적화는 아직 탐색되지 않은 분야이다.
• 엣지 장치의 노후화와 그로 인한 에너지 효율성에 미치는 영향은 아직 탐색되지 않았지만, 장기적인 지속 가능성에 있어 필수적인 연구 영역이다.