[논문 리뷰] Optimal Task Offloading and Resource Allocation in Mobile-Edge Computing with Inter-user Task Dependency

Yan Jia, Suzhi Bi외 2명|arXiv (Cornell University)|2018. 10. 26.

IoT and Edge/Fog Computing참고 문헌 32인용 수 13

한 줄 요약

이 논문은 상호 사용자 간 작업 의존성이 있는 두 사용자 시스템에서 모바일 에지 컴퓨팅(MEC)을 위한 최적의 작업 오프로딩 및 자원 할당 프레임워크를 제안한다. 여기서 한 사용자의 작업은 다른 사용자의 출력을 필요로 한다. 전력 및 주파수 최적화를 위한 이분 검색 방법을 도입하고, 한 번의 이동만을 허용하는 '일클리mb 오프로딩 정책'을 증명함으로써, 저복잡도의 지브스 샘플링 알고리즘을 가능하게 하여 에너지 소비와 지연 시간 성능에서 기준 성능을 크게 뛰어넘는다.

ABSTRACT

Mobile-edge computing (MEC) has recently emerged as a cost-effective paradigm to enhance the computing capability of hardware-constrained wireless devices (WDs). In this paper, we first consider a two-user MEC network, where each WD has a sequence of tasks to execute. In particular, we consider task dependency between the two WDs, where the input of a task at one WD requires the final task output at the other WD. Under the considered task-dependency model, we study the optimal task offloading policy and resource allocation (e.g., on offloading transmit power and local CPU frequencies) that minimize the weighted sum of the WDs' energy consumption and task execution time. The problem is challenging due to the combinatorial nature of the offloading decisions among all tasks and the strong coupling with resource allocation. To tackle this problem, we first assume that the offloading decisions are given and derive the closed-form expressions of the optimal offloading transmit power and local CPU frequencies. Then, an efficient bi-section search method is proposed to obtain the optimal solutions. Furthermore, we prove that the optimal offloading decisions follow an one-climb policy, based on which a reduced-complexity Gibbs Sampling algorithm is proposed to obtain the optimal offloading decisions. We then extend the investigation to a general multi-user scenario, where the input of a task at one WD requires the final task outputs from multiple other WDs. Numerical results show that the proposed method can significantly outperform the other representative benchmarks and efficiently achieve low complexity with respect to the call graph size.

연구 동기 및 목표

• 상호 사용자 간 작업 의존성이 있는 MEC 시스템에서 동시 작업 오프로딩 및 자원 할당 문제를 해결하기 위한 것이다.
• 사용자 간 결합된 작업 의존성 하에서 에너지 소비와 작업 실행 시간의 가중합을 최소화하기 위한 것이다.
• 오프로딩 결정의 조합적 성격과 자원 할당과의 강한 결합성을 다룰 수 있는 효율적인 최적화 프레임워크를 개발하기 위한 것이다.
• 한 작업이 여러 다른 사용자로부터의 출력에 의존하는 다중 사용자 시나리오로 해법을 확장하기 위한 것이다.
• 오프로딩 정책의 구조적 특성을 통한 통찰을 바탕으로 복잡도를 감소시키면서도 최적성을 유지하기 위한 것이다.

제안 방법

• 고정된 오프로딩 결정을 가정하고 라그랑주 승수를 이용하여 최적의 전송 전력과 로컬 CPU 주파수에 대한 닫힌 형태의 표현식을 유도한다.
• 이중 문제를 효율적으로 해결하고 최적의 자원 할당 파라미터를 확보하기 위해 이분 검색 알고리즘을 적용한다.
• 최적의 오프로딩 결정이 한 번의 이동만을 허용하는 '일클리mb 정책'을 따른다는 것을 증명한다. 즉, 각 사용자별로 로컬에서 에지로(또는 그 반대로) 실행이 이동하는 것은 최대 한 번이다.
• 일클리mb 성질을 활용하여 오프로딩 결정 공간을 효율적으로 탐색할 수 있는 저복잡도 지브스 샘플링 알고리즘을 제안한다.
• 한 작업의 입력이 여러 다른 사용자로부터의 출력에 의존하는 다중 사용자 시나리오로 프레임워크를 확장한다.
• 작업 의존성을 모델링하기 위해 콜 그래프를 사용하고 최적화 문제를 혼합정수비볼록 프로그램으로 공식화한다.

실험 결과

연구 질문

• RQ1 상호 사용자 간 작업 의존성이 있는 두 사용자 MEC 시스템에서 최적의 작업 오프로딩 및 자원 할당을 어떻게 공동 설계할 수 있는가?
• RQ2 이러한 의존성 제약 조건 하에서 최적의 오프로딩 결정에 어떤 구조적 특성이 존재하는가?
• RQ3 조합적 오프로딩 문제를 해결하는 데 드는 복잡도를 최적성을 유지하면서 크게 감소시킬 수 있는가?
• RQ4 제안된 방법은 기존 기준 대비 에너지 효율성과 지연 시간 측면에서 어떻게 성능을 발휘하는가?
• RQ5 작업 의존성 그래프의 크기에 비례하여 솔루션의 확장성은 어떠한가?

주요 결과

• 최적의 오프로딩 결정은 일클리mb 정책을 따르며, 이는 검색 공간의 복잡도를 크게 감소시킨다.
• 제안된 지브스 샘플링 알고리즘은 낮은 계산 복잡도로 근사 최적 성능를 달성하며, 콜 그래프의 크기에 민감하지 않다.
• 수치 결과는 제안된 방법이 에너지 소비와 작업 실행 시간 양 측면에서 기준 알고리즘을 뛰어넘는다.
• 이분 검색 방법은 주어진 오프로딩 결정 하에서 최적의 전송 전력과 CPU 주파수를 효율적으로 계산한다.
• 프레임워크는 여러 입력 원천을 포함하는 일반적인 작업 의존성 그래프를 가진 다중 사용자 시나리오로 확장 가능하다.
• 채널 조건이 변화하더라도 복잡도가 낮게 유지되므로, 향후 AI 통합을 통한 온라인 적응 가능성도 시사한다.