[논문 리뷰] Predictive Replica Placement for Mobile Users in Distributed Fog Data Stores with Client-Side Markov Models

Malte Bellmann, Tobias Pfandzelter외 1명|arXiv (Cornell University)|2021. 11. 05.

IoT and Edge/Fog Computing참고 문헌 37인용 수 4

한 줄 요약

이 논문은 분산 퍼그 데이터 스토어에서 예측적 복제 배치를 위한 클라이언트 측 마르코프 모델을 제안하며, 클라이언트 이동성과 애플리케이션 시작 행동을 기반으로 사전에 데이터 복제를 수행함으로써 능동적인 데이터 복제를 가능하게 한다. 반응형 또는 글로벌 복제 전략에 비해 저장소 및 통신 오버헤드를 최소화하면서도 가장 가까운 퍼그 노드에서 데이터 가용성을 35% 향상시킨다.

ABSTRACT

Mobile clients that consume and produce data are abundant in fog environments and low latency access to this data can only be achieved by storing it in their close physical proximity. To adapt data replication in fog data stores in an efficient manner and make client data available at the fog node that is closest to the client, the systems need to predict both client movement and pauses in data consumption. In this paper, we present variations of Markov model algorithms that can run on clients to increase the data availability while minimizing excess data. In a simulation, we find the availability of data at the closest node can be improved by 35% without incurring the storage and communication overheads of global replication.

연구 동기 및 목표

• 모바일 클라이언트가 필요로 하기 전에 사전에 데이터를 복제함으로써 퍼그 환경에서 낮은 지연 시간의 데이터 액세스를 유지하는 데 도전 과제를 해결하기 위해.
• 전역 복제나 반응형 복제 전략에 비해 저장소 및 통신 오버헤드를 줄이기 위해.
• 클라이언트가 다음 액세스 노드와 애플리케이션 비활성 기간(일시정지)을 예측하여 데이터 배치를 최적화할 수 있도록 하기 위해.
• 자원 제약이 있는 클라이언트 장치에 적합한 경량이고 확장 가능한 알고리즘을 설계하기 위해.
• 실세계 이동성 트레이스와 시뮬레이션된 퍼그 네트워크를 사용하여 접근 방식을 평가하기 위해.

제안 방법

• 클라이언트의 이력 액세스 패턴을 기반으로 퍼그 노드 간 전이를 모델링하는 클라이언트 측 마르코프 체인을 사용하여 모바일 클라이언트가 다음에 연결할 노드를 예측한다.
• 융합 다중 순서 마르코프 모델(FOMM)은 시간 인식 전이 확률을 통합하여 시간적 동적 특성을 고려함으로써 예측 정확도를 향상시킨다.
• 두 가지 새로운 시작 시점 예측 알고리즘은 짧은 일시정지 기간을 탐지하고, 마지막으로 활성 상태였던 노드에 데이터를 사전에 유지하여 재개 시 가용성을 보장한다.
• 각 사용자마다 하나의 클라이언트 전용 모델을 사용하여 중앙 집중식 모델에 비해 프라이버시 및 확장성 측면에서 향상된다.
• 실세계 GeoLife 이동성 트레이스와 베이징 지역의 합성 생성된 퍼그 노드 토폴로지로 구성된 시뮬레이션 프레임워크를 사용하여 성능을 평가한다.
• 이 접근 방식은 내구성을 확보하기 위해 기본 복제본이 존재한다고 가정한다(예: 클라우드에 존재함), 복제본은 예측된 다음 노드로 사전에 이동된다.

실험 결과

연구 질문

• RQ1 모바일 클라이언트는 퍼그 네트워크에서 다음 액세스 포인트를 어떻게 예측하여 사전 복제를 가능하게 할 수 있는가?
• RQ2 클라이언트는 애플리케이션 사용의 짧은 일시정지 기간을 어떻게 예측하여 과도한 복제 없이 데이터 가용성을 유지할 수 있는가?
• RQ3 클라이언트 측 마르코프 모델을 사용할 경우 데이터 가용성과 복제 오버헤드 사이의 상호 교환 관계는 어떠한가?
• RQ4 반응형 또는 글로벌 복제와 비교했을 때 예측적 복제 배치의 지연 시간과 자원 효율성은 어떠한가?
• RQ5 경량 클라이언트 측 모델은 실세계 이동 패턴에 대해 충분한 정확도를 달성할 수 있는가?

주요 결과

• 제안된 방법은 가장 가까운 퍼그 노드에서의 데이터 가용성을 반응형 전략의 55.67%에서 예측 전략의 75.22%로 향상시켜 상대적으로 35% 향상되었다.
• 전체 글로벌 복제 전략에 비해 저장소 및 통신 오버헤드를 줄였으며, 반응형 배치 전략보다도 성능이 뛰어났다.
• 융합 다중 순서 마르코프 모델(FOMM)은 클라이언트 이동성의 시간적 패턴을 효과적으로 포착하여 예측 정확도를 향상시켰다.
• 시작 시점 예측 알고리즘은 짧은 일시정지 기간 동안 데이터 가용성을 성공적으로 유지했지만, 사용자 패턴이 모호한 장기 일시정지에는 제한된 이점을 보였다.
• 클라이언트 측 모델 설계는 자원 소모가 최소화된 상태에서 확장성과 프라이버시를 확보했다.
• 시뮬레이션 프레임워크는 실세계 이동성 트레이스가 합성된 퍼그 환경에서 예측 복제 전략을 평가하는 데 효과적으로 활용될 수 있음을 입증했다.