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

Jie Xu, Hang Wu외 3명|arXiv (Cornell University)|2017. 04. 01.

Energy Harvesting in Wireless Networks참고 문헌 29인용 수 7

한 줄 요약

이 논문은 에너지 수확 기반 모바일 엣지 컴퓨팅 네트워크에서 지리적 로드 밸런싱을 위한 온라인, 분산 알고리즘인 GLOBE를 제안한다. 펌프된 리아푸노프 최적화를 활용하여 GLOBE는 시간과 공간을 아우르는 작업 분배 및 에너지 제약을 공동으로 관리하며, 향후 동역학이 알려지지 않은 상황에서도 near-optimal 성능을 달성하고, 증명 가능한 보장을 제공한다.

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.
• 미래 시스템 정보가 필요 없이도 공동 지리적 로드 밸런싱(GLB) 및 접근 제어를 수행하는 온라인 알고리즘을 설계한다.
• 에너지 인과성 및 배터리 상태 동역학으로 인해 발생하는 시간적·공간적 결합 문제를 극복한다.
• 오프라인 오라클 알고리즘에 비해 증명 가능한 성능 한계를 확보하면서 근사 최적의 시스템 성능을 달성한다.
• 각 기지국에서 국소적 의사결정이 가능하도록 분산 알고리즘을 통해 확장성과 실용적 구현을 보장한다.

제안 방법

• 기존 가상 큐 방법을 대체하기 위해 에너지 인과성 제약을 다룰 수 있는 새로운 리아푸노프 펌프 기법을 개발한다.
• 이차 정규화를 사용한 라그랑주 이중 분해를 통해 공동 시공간 최적화 문제를 각 타임슬롯의 부분문제로 분해한다.
• 개별 기지국의 계산 용량 제약을 부드럽게 조정하기 위해 정규화된 이차계획법(QP)을 제안하여 분산 계산을 가능하게 한다.
• 시간에 따라 연결된 에너지 제약을 분리하기 위해 펌프된 배터리 큐 모델을 사용하여 온라인 의사결정을 가능하게 한다.
• 각 기지국이 국소 정보와 제한된 기지국 간 통신만을 사용하여 국소 최적화 문제를 푸는 분산 알고리즘을 구현한다.
• 장기적 시스템 비용을 최소화하기 위해 접근 제어 및 에너지 구매 결정을 최적화 프레임워크에 통합한다.

실험 결과

연구 질문

• RQ1 미래 시스템 정보가 없이도, 간헐적인 재생 에너지로 구동되는 MEC 네트워크에서 지리적 로드 밸런싱을 효과적으로 수행할 수 있는 방법은 무엇인가?
• RQ2 에너지 수확 기반 MEC 네트워크에서 배터리 용량과 시스템 성능 간의 근본적인 트레이드오프는 무엇인가?
• RQ3 분산형 온라인 알고리즘이 에너지 인과성 및 배터리 제약을 준수하면서도 근사 최적의 성능을 달성할 수 있는가?
• RQ4 제안된 알고리즘은 중앙집중식 또는 단기적 벤치마크 접근 방식에 비해 시스템 비용과 확장성 측면에서 어떻게 비교되는가?
• RQ5 배터리 상태 기반의 워크로드 분배가 시스템 내성 향상과 격리 전력 구매 감소에 얼마나 기여하는가?

주요 결과

• 배터리 용량이 충분히 크다면, GLOBE는 전체 미래를 알고 있는 최적의 오프라인 알고리즘과 비교해 유한한 편차 내에서 시스템 비용을 달성한다.
• 성능-배터리 용량 트레이드오프가 이론적으로 규명되었으며, 더 큰 배터리 용량이 최적화와의 격차를 줄임을 보여준다.
• 시뮬레이션 결과에 따르면, GLOBE는 비-GLB 및 단기적 기준 알고리즘에 비해 시스템 비용을 크게 감소시키며, 특히 워크로드 강도가 시스템 용량과 균형을 이루는 경우에 두드러진다.
• 분산 알고리즘은 99.7%의 타임슬롯에서 중심화된 최적 해와 0.5% 이내의 오차로 수렴하며, 최대 오차는 3% 이내이다.
• 워크로드는 균일하게 분배되지 않으며, 배터리 수준이 높은 기지국이 더 많은 워크로드를 처리함으로써 배터리 고갈 및 격리 전력 구매 위험을 줄인다.
• 분산 알고리즘의 성능은 중심화된 버전과 거의 동일하여, 그 실용성과 확장성을 검증한다.