[논문 리뷰] Joint Task Offloading Scheduling and Transmit Power Allocation for Mobile-Edge Computing Systems

Yuyi Mao, Jun Zhang외 1명|arXiv (Cornell University)|2017. 01. 18.

IoT and Edge/Fog Computing참고 문헌 13인용 수 11

한 줄 요약

이 논문은 단일 사용자 모바일 엣지 컴퓨팅(MEC) 시스템에서 실행 지연과 장치 에너지 소비의 가중치 합을 최소화하기 위해 작업 오프로딩 스케줄링과 전송 전력 할당을 공동으로 최적화하는 저복잡도의 부분 최적 알고리즘을 제안한다. 유량 공장 스케줄링 이론과 볼록 최적화를 활용하여, 특히 무선 및 계산 자원이 균형을 이루는 경우에 뛰어난 에너지 절감 효과를 얻으면서 근사 최적의 지연 성능을 달성한다.

ABSTRACT

Mobile-edge computing (MEC) has emerged as a prominent technique to provide mobile services with high computation requirement, by migrating the computation-intensive tasks from the mobile devices to the nearby MEC servers. To reduce the execution latency and device energy consumption, in this paper, we jointly optimize task offloading scheduling and transmit power allocation for MEC systems with multiple independent tasks. A low-complexity sub-optimal algorithm is proposed to minimize the weighted sum of the execution delay and device energy consumption based on alternating minimization. Specifically, given the transmit power allocation, the optimal task offloading scheduling, i.e., to determine the order of offloading, is obtained with the help of flow shop scheduling theory. Besides, the optimal transmit power allocation with a given task offloading scheduling decision will be determined using convex optimization techniques. Simulation results show that task offloading scheduling is more critical when the available radio and computational resources in MEC systems are relatively balanced. In addition, it is shown that the proposed algorithm achieves near-optimal execution delay along with a substantial device energy saving.

연구 동기 및 목표

• 제한된 무선 및 계산 자원을 가진 MEC 시스템에서 실행 지연과 장치 에너지 소비를 최소화하는 문제를 해결하기 위해.
• 자원 제약 조건 하에서 작업 오프로딩 스케줄링(즉, 오프로딩 순서)과 전송 전력 할당을 공동으로 최적화하기 위해.
• 성능와 계산 가능성을 균형 잡는 저복잡도 부분 최적 알고리즘을 개발하기 위해.
• 무선 자원과 계산 자원의 균형이 스케줄링 효율성에 미치는 영향을 조사하기 위해.
• 적응형 전력 할당을 통한 에너지-지연 트레이드오프를 입증하기 위해.

제안 방법

• 실행 지연과 장치 에너지 소비의 가중치 합을 동시에 최소화하기 위해 혼합정수비선형계획문제(MINLP)를 수립한다.
• 교차 최소화 기법을 적용: 전송 전력을 고정하고, 유량 공장 스케줄링 이론을 활용해 최적의 작업 오프로딩 순서를 구한다.
• 작업 오프로딩 스케줄을 고정하고, 볼록 최적화 기법을 사용해 최적의 전송 전력을 구한다.
• 순차적 MEC 실행 제약 조건 하에서 유량 공장 스케줄링을 활용해 최적의 작업 오프로딩 순서를 결정한다.
• 주어진 스케줄링 결정에 대해 에너지 비용을 최소화하는 전력 할당을 계산하기 위해 볼록 최적화를 활용한다.
• 지연과 에너지 소비를 균형 잡기 위해 매개변수 η를 사용하는 가중치 목적 함수를 사용한다.

실험 결과

연구 질문

• RQ1 무선 자원과 계산 자원이 균형을 이루는 조건에서 작업 오프로딩 스케줄링은 시스템 성능에 어떤 영향을 미치는가?
• RQ2 최적 스케줄링과 무작위 스케줄링 간의 지연 및 에너지 소비 측면에서의 성능 향상은 얼마나 되는가?
• RQ3 적응형 전송 전력 할당은 실행 지연과 장치 에너지 소비 간의 트레이드오프에 어떤 영향을 미치는가?
• RQ4 시스템 자원 제약(예: 단일 채널, 단일 코어 CPU)은 작업 및 전력 최적화의 공동 최적화에 어떤 영향을 미치는가?
• RQ5 전송 전력을 증가시킬 때 지연 감소에 대한 수익 감소가 발생하는 시점은 언제인가?

주요 결과

• 무선 자원과 계산 자원이 균형을 이루는 경우(예: R = f_ser / c_avg), 최적의 작업 오프로딩 스케줄링은 무작위 스케줄링 대비 6.1%의 성능 향상을 달성한다.
• 제안된 알고리즘은 근사 최적의 실행 지연 성능을 달성하면서, η = 100 sec·J⁻¹일 때 f_ser = 1 GHz 조건에서 장치 에너지 소비를 최대 78%까지 절감한다.
• 전송 속도를 높임으로써 지연을 줄이는 효과는 0.63 Mbps에서 1.25 Mbps로 이동할 때 가장 뚜렷하며, 이후에는 계산 병목 현상으로 인해 수익 감소가 발생한다.
• 장치 에너지 소비가 충분히 낮을 경우(큰 η 값), 다양한 MEC CPU 속도에서 지연 성능가 수렴함을 나타내며, 이는 무선 자원이 시스템의 병목이 됨을 시사한다.
• 일정 임계값 이상의 전송 전력 할당은 추가적인 지연 향상 효과를 제공하지 않으며, 이는 지연-에너지 트레이드오프의 포화점이 있음을 시사한다.
• 최적의 스케줄링 정책은 무선 자원과 계산 자원이 균형을 이루는 경우에 가장 효과적이며, 한쪽 자원이 다른 것을 지배할 경우보다 성능이 열등하다.