[논문 리뷰] Multi-Task Offloading over Vehicular Clouds under Graph-based Representation

Minghui Liwang, Zhibin Gao외 2명|arXiv (Cornell University)|2019. 12. 12.

Privacy-Preserving Technologies in Data참고 문헌 17인용 수 5

한 줄 요약

이 논문은 작업과 가상 머신(Virtual Machines, VMs)을 무방향 가중 그래프로 모델링하여 작업 완료 시간과 데이터 교환 비용을 최소화하는 차량 클라우드(Vehicular Clouds, VCs)를 위한 그래프 기반 다중 작업 이송 프레임워크를 제안한다. 저조도 상황에서는 최적 알고리즘을 도입하고, 정점 혼잡도가 높은 출퇴근 시간에는 연결 제약 조건이 있는 무작위 매칭 기반 부분그래프 동형사상(CRRM) 알고리즘을 제안하여 최적 방법 대비 최대 99.84% 빠른 실행 시간을 달성하면서도 동적이고 고밀도 인터넷 오브 차이즈(Interconnected Vehicular, IoV) 환경에서도 뛰어난 성능을 유지를 한다.

ABSTRACT

Vehicular cloud computing has emerged as a promising paradigm for realizing user requirements in computation-intensive tasks in modern driving environments. In this paper, a novel framework of multi-task offloading over vehicular clouds (VCs) is introduced where tasks and VCs are modeled as undirected weighted graphs. Aiming to achieve a trade-off between minimizing task completion time and data exchange costs, task components are efficiently mapped to available virtual machines in the related VCs. The problem is formulated as a non-linear integer programming problem, mainly under constraints of limited contact between vehicles as well as available resources, and addressed in low-traffic and rush-hour scenarios. In low-traffic cases, we determine optimal solutions; in rush-hour cases, a connection-restricted randommatching-based subgraph isomorphism algorithm is proposed that presents low computational complexity. Evaluations of the proposed algorithms against greedy-based baseline methods are conducted via extensive simulations.

연구 동기 및 목표

• 기존 정적 또는 그레디 방법이 실패하는 동적이고 고속 이동성의 차량 네트워크에서 계산 집약적인 작업 이송 문제를 해결하기 위해.
• 제한된 V2V 접촉과 이질적인 VM 자원을 고려한 조건 하에서 다중 작업 이송 문제를 비선형 정수계획문제로 모델링하기 위해.
• 저조도 및 고조도 차량 환경 모두에서 작업 완료 시간과 통신 비용을 균형 있게 조절하는 효율적인 이송 메커니즘을 설계하기 위해.
• 출퇴근 시간 동안 급격히 변화하는 대규모 IoV 네트워크에서 실시간 배포에 적합한 저복잡도 알고리즘을 개발하기 위해.
• 다양한 작업 유형과 차량 밀도 조건에서 그레디 기반 기준과의 광범위한 시뮬레이션을 통해 제안된 프레임워크의 성능을 평가하기 위해.

제안 방법

• 작업과 차량 클라우드 자원을 무방향 가중 그래프로 모델링하며, 구성 요소는 데이터 소스 또는 처리 단위를 나타내고, 간선은 데이터 의존성을 나타낸다.
• 각 차량의 가용 계산 용량을 가상 머신(Virtual Machines, VMs)으로 표현하여, 이질적인 VM을 가진 상호 연결된 서비스 프로바이더(SP)의 그래프로 VC를 추상화한다.
• 작업 완료 시간과 데이터 교환 비용의 병합 목적 함수를 최소화하는 비선형 정수계획문제로 이송 문제를 수식화한다.
• 출퇴근 시간 상황에서 계산 복잡도를 낮추면서도 성능을 유지하기 위해 연결 제약 조건이 있는 무작위 매칭 기반 부분그래프 동형사상(CRRM) 알고리즘을 제안한다.
• 제한된 V2V 연결성 조건 하에서 형성된 부분그래프 내에서 랜덤 매칭 전략을 적용하여 작업 구성 요소를 VM에 효율적이고 확장 가능한 방식으로 매핑한다.
• 저조도 및 출퇴근 시간 조건에서 랜덤화된 작업 유형과 파rameter를 적용한 시뮬레이션 프레임워크를 도입하여 성능을 평가한다.

실험 결과

연구 질문

• RQ1 다중 작업 이송 문제를 효과적으로 모델링하여 작업 의존성과 자원 이질성을 포괄할 수 있는 방법은 무엇인가?
• RQ2 동적이고 저조도 또는 고조도 차량 환경에서 작업 완료 시간 최소화와 데이터 교환 비용 최소화 사이의 상호 상충 관계는 어떠한가?
• RQ3 최적 해법이 계산적으로 비가능한 고속 이동성, 출퇴근 시간 차량 네트워크에서 저복잡도 알고리즘이 근사 최적 성능을 달성할 수 있는가?
• RQ4 다양한 네트워크 조건 하에서 제안된 CRRM 알고리즘은 그레디 기반 기준 대비 실행 시간과 목적 함수 값 측면에서 어떻게 비교되는가?
• RQ5 기존 비트 스트림 또는 하위작업 전용 모델 대비 그래프 기반 표현 방식은 이송 효율성을 얼마나 향상시키는가?

주요 결과

• 세 개의 동시 작업이 발생하는 상황에서 CRRM 알고리즘은 최적 알고리즘 대비 평균 실행 시간을 최대 99.84% 감소시켜 고밀도 환경에서 뛰어난 확장성을 입증한다.
• 차량 밀도가 높고 V2V 접촉이 제한된 출퇴근 시간 상황에서 CRRM 알고리즘은 낮은 계산 복잡도를 유지하며, 50개의 VM과 10개의 SP에 대해서도 실행 시간이 0.53초 이내에 머무르는 등 뛰어난 성능을 보인다.
• 반복 횟수가 증가할수록 CRRM 알고리즘이 DPM 및 ETPM 그레디 기준 대비 목적 함수 값(작업 완료 시간 + 데이터 비용)에서 뛰어난 성능을 보인다.
• 복잡한 구성에서 최적 알고리즘이 실질적으로 비가능해지며, 7개의 SP와 3개의 작업이 있는 네트워크에서는 해를 구하기 위해 30,000초 이상 소요되는 등 히우리스틱 대안의 필요성을 입증한다.
• 저조도 상황에서 CRRM와 최적 해법 간 성능 격차는 미미하여 복잡도가 감소했음에도 불구하고 높은 해 품질을 유지를 함을 시사한다.
• 다양한 작업 유형과 차량 밀도 조건에서 CRRM 알고리즘이 일관된 성능을 유지함으로써 동적 IoV 환경에서의 강건성을 입증한다.