[논문 리뷰] Online Geographical Load Balancing for Energy-Harvesting Mobile Edge Computing

Jie Xu, Hang Wu외 2명|arXiv (Cornell University)|2017. 04. 01.

Energy Harvesting in Wireless Networks인용 수 2

한 줄 요약

이 논문은 에너지 수확 기반 모바일 엣지 컴퓨팅 네트워크를 위한 온라인 지리적 로드 밸런싱 및 접근 제어 알고리즘인 GLOBE를 제안한다. 펌진된 라플라스 최적화를 활용하여 향후 정보 없이 분산형 실시간 운영을 가능하게 하며, 에너지 인과성과 배터리 동역학을 준수하면서도 near-optimal 성능을 달성한다.

ABSTRACT

Mobile Edge Computing (MEC) (a.k.a. fog computing) has recently emerged to enable low-latency and location-aware data processing at the edge of mobile networks. Since providing grid power supply in support of MEC can be costly and even infeasible in some scenarios, on-site renewable energy is mandated as a major or even sole power supply. Nonetheless, the high intermittency and unpredictability of energy harvesting creates many new challenges of performing effective MEC. In this paper, we develop an algorithm called GLOBE that performs joint geographical load balancing (GLB) and admission control for optimizing the system performance of a network of MEC-enabled and energy harvesting-powered base stations. By leveraging and extending the Lyapunov optimization with perturbation technique, GLOBE operates online without requiring future system information and addresses significant challenges caused by battery state dynamics and energy causality constraints. Moreover, GLOBE works in a distributed manner, which makes our algorithm scalable to large networks. We prove that GLOBE achieves a close-to-optimal system performance compared to the offline algorithm that knows full future information, and present a critical tradeoff between battery capacity and system performance. Simulation results validate our analysis and demonstrate the superior performance of GLOBE compared to benchmark algorithms.

연구 동기 및 목표

• 모바일 엣지 컴퓨팅(MEC) 네트워크에서 간헐적이고 예측 불가능한 재생 에너지를 효과적으로 관리하는 데 도전 과제를 해결한다.
• 미래의 시스템 정보가 필요 없이 동시적으로 지리적 로드 밸런싱과 접근 제어를 수행하는 온라인 알고리즘을 설계한다.
• 자원 할당 결정에서 에너지 인과성과 배터리 상태 동역학을 준수한다.
• 대규모 MEC 네트워크에 적합한 확장성 있고 분산된 운영을 달성한다.
• 증명 가능한 트레이드오프 메커니즘을 통해 시스템 성능와 배터리 용량 제약 조건을 균형 잡는다.

제안 방법

• 실시간으로 워크로드 분포와 접근 제어를 동시에 관리하기 위해 펌진된 라플라스 최적화 프레임워크를 활용한다.
• 시간에 따라 변하는 에너지 수확, 배터리 상태 동역학, 서비스 비율 제약 조건을 사용하여 시스템을 모델링한다.
• 라플라스 드리프트를 안정화하고 향후 지식 없이 온라인 의사결정을 가능하게 하기 위해 펌진 기법을 도입한다.
• 에너지 인과성과 배터리 용량 제약 조건을 충족시키는 조건 하에 큐 백로그와 에너지 비용의 조합을 최소화하는 최적화 문제를 수립한다.
• 각 기지국이 현지 정보와 이웃 상태 피드백에 기반하여 국지적 의사결정을 내리는 분산 알고리즘을 설계한다.
• 시간에 따라 변하는 조건 하에서도 시스템의 안정성과 수렴성을 보장하기 위해 2차 라플라스 함수를 사용한다.

실험 결과

연구 질문

• RQ1 미래 에너지 가용성에 대한 지식 없이 에너지 수확 기반 MEC 네트워크에서 지리적 로드 밸런싱을 효과적으로 수행할 수 있는 방법은 무엇인가?
• RQ2 이러한 에너지 제약 환경에서 온라인 알고리즘과 오프라인 알고리즘 간의 성능 격차는 어느 정도인가?
• RQ3 간헐적인 에너지 수확 상황에서 배터리 용량과 시스템 성능 간의 트레이드오프는 어떻게 나타나는가?
• RQ4 분산 알고리즘이 에너지 인과성과 배터리 동역학을 준수하면서 near-optimal 성능을 달성할 수 있는가?
• RQ5 라플라스 최적화에서 펌진 기법이 MEC의 온라인 로드 밸런싱의 안정성과 수렴성에 미치는 영향은 무엇인가?

주요 결과

• GLOBE는 향후 정보 없이도 최적의 오프라인 알고리즘과 일정한 격차 이내의 시스템 성능을 달성한다.
• 알고리즘은 작업 큐의 안정성을 보장하고 에너지 인과성을 준수하여 에너지 과도 사용을 방지한다.
• 배터리 용량과 시스템 성능 간에 중요한 트레이드오프가 확립되었으며, 더 큰 배터리는 성능 손실을 감소시킨다.
• 시뮬레이션 결과, GLOBE는 작업 완료율과 에너지 효율성 측면에서 벤치마크 알고리즘보다 뛰어난 성능을 보였다.
• GLOBE의 분산 구조는 중앙 집중식 조율 없이도 대규모 네트워크에 확장 가능성을 제공한다.
• 라플라스 최적화에서의 펌진 기법은 시간에 따라 변하는 에너지 및 워크로드 조건 하에서도 시스템을 효과적으로 안정화시킨다.