[논문 리뷰] Joint Service Placement and Request Routing in Multi-cell Mobile Edge Computing Networks

Konstantinos Poularakis, Jaime Llorca외 3명|arXiv (Cornell University)|2019. 01. 25.

IoT and Edge/Fog Computing참고 문헌 14인용 수 8

한 줄 요약

이 논문은 스토리지, 계산 및 비대칭 통신 제약 조건을 고려하여 다중 셀 모바일 엣지 컴퓨팅(MEC) 네트워크에서 공동 서비스 배치 및 요청 라우팅을 최적화하기 위한 랜덤화된 반올림 알고리즘을 제안한다. 이 방법은 최적에 가까운 성능을 달성하며, 클라우드 부하 감소 측면에서 탐욕적 방법 대비 최대 25% 향상을 보이며, 선형 이론적 하한선과도 밀접하게 일치한다.

ABSTRACT

The proliferation of innovative mobile services such as augmented reality, networked gaming, and autonomous driving has spurred a growing need for low-latency access to computing resources that cannot be met solely by existing centralized cloud systems. Mobile Edge Computing (MEC) is expected to be an effective solution to meet the demand for low-latency services by enabling the execution of computing tasks at the network-periphery, in proximity to end-users. While a number of recent studies have addressed the problem of determining the execution of service tasks and the routing of user requests to corresponding edge servers, the focus has primarily been on the efficient utilization of computing resources, neglecting the fact that non-trivial amounts of data need to be stored to enable service execution, and that many emerging services exhibit asymmetric bandwidth requirements. To fill this gap, we study the joint optimization of service placement and request routing in MEC-enabled multi-cell networks with multidimensional (storage-computation-communication) constraints. We show that this problem generalizes several problems in literature and propose an algorithm that achieves close-to-optimal performance using randomized rounding. Evaluation results demonstrate that our approach can effectively utilize the available resources to maximize the number of requests served by low-latency edge cloud servers.

연구 동기 및 목표

• 스토리지, 계산, 업링크/다운링크 대역폭 등의 다차원 제약 조건 하에서 기존 MEC 연구의 격차를 메우기 위해 공동으로 서비스 배치 및 요청 라우팅을 최적화한다.
• 서비스가 비현실적인 스토리지 요구량을 가지며, 업링크/다운링크 대역폭 요구량이 비대칭이고, 겹치는 다중 셀 환경에서 운영되는 실제 MEC 시스템을 모델링한다.
• 증명 가능하게 근사 최적의 해를 도출하여 중심 클라우드 부하를 줄이고 지역적 오프로딩을 극대화하는 해법을 개발한다.

제안 방법

• 각 기지국당 스토리지, 계산 및 업링크/다운링크 대역폭 제약 조건을 포함한 정수선형계획문(ILP)으로 공동 서비스 배치 및 요청 라우팅(JSPRR) 문제를 수립한다.
• ILP의 선형 이론적 풀이에 대해 랜덤화된 반올림을 적용하여 증명 가능성이 있는 근사 보장을 갖춘 타당한 정수해를 생성한다.
• 분수해에서 유도된 확률 분포를 사용하여 서비스를 기지국에 확률적으로 할당하고, 이를 바탕으로 요청을 라우팅한다.
• 용량 제한 및 서비스 요구량에 따라 반올림 확률을 조정하여 자원 제약 조건을 준수한다.
• 서비스 배치와 요청 라우팅 결정을 통합하여 중심 클라우드 오프로딩을 최소화하면서 다차원 자원 예산을 준수한다.

실험 결과

연구 질문

• RQ1 스토리지, 계산 및 비대칭 통신 제약 조건 하에서 다중 셀 MEC 네트워크에서 서비스 배치 및 요청 라우팅을 공동으로 최적화하는 방법은 무엇인가?
• RQ2 이 공동 최적화 문제에서 최적 정수해와 실용적인 근사 알고리즘 간의 성능 격차는 얼마나 되는가?
• RQ3 랜덤화된 반올림 접근법이 이 다차원 문제에 대해 근사 최적 성능을 달성하면서도 증명 가능한 근사 경계를 유지할 수 있는가?
• RQ4 클라우드 부하 감소 및 자원 활용 측면에서 제안된 알고리즘은 탐욕적 및 선형 이론적 기준선 대비 어떻게 비교되는가?

주요 결과

• 제안된 랜덤화된 반올림 알고리즘은 탐욕적 기준선 대비 중심 클라우드 부하를 최대 25% 감소시키며, 특히 높은 스토리지 용량(예: 기지국당 1250 GB) 조건에서 유의미한 성능 향상을 보인다.
• 기지국당 스토리지 용량이 1000 GB 이상일 경우, 최적 해(선형 이론적 하한선을 통한 하한)와의 성능 격차가 10% 미만으로 유지된다.
• 낮은 계산 용량(≤3 GHz) 조건에서는 최적 해와의 격차가 3% 미만을 유지하여 철저한 제약 조건 하에서도 뛰어난 성능을 보인다.
• 랜덤화된 반올림은 계산 자원 활용도를 향상시켜 9개 기지국 중 8개에서 자원을 활용하는 반면, 탐욕적 방법과 유사하거나 略적으로 낮은 대역폭을 사용한다.
• 알고리즘은 다차원 자원 사용을 효과적으로 균형 잡으며, 대부분의 기지국에서 스토리지 및 계산 자원 활용도가 90% 이상을 초과한다.
• 비대칭 대역폭 제약 조건 하에서 탐욕적 기준선 대비 성능 향상이 가장 두드러지며, 업링크 및 다운링크 대역폭 설정에 따라 9%에서 24%까지 향상된다.