[논문 리뷰] PRIMAL: PRofIt Maximization Avatar pLacement for Mobile Edge Computing

Xiang Sun, Nirwan Ansari|arXiv (Cornell University)|2015. 10. 14.

Cloud Computing and Resource Management참고 문헌 22인용 수 4

한 줄 요약

이 논문은 이동형 엣지 컴퓨팅에서 종량계급 이동 전략인 PRIMAL을 제안한다. 이 전략은 종량계급 이동 비용을 균형 잡고 종단간(E2E) 지연을 최소화하기 위해 사용자 아바타를 클라우드렛 간에 동적으로 이동시킨다. E2E 지연 감소(이득)와 이동으로 인한 자원 오버헤드(비용) 사이의 트레이드오프를 최적화함으로써, PRIMAL은 'Follow Me' 및 'Static' 전략보다 낮은 지연과 더 낮은 이동 오버헤드를 유지하는 데 성공한다.

ABSTRACT

We propose a cloudlet network architecture to bring the computing resources from the centralized cloud to the edge. Thus, each User Equipment (UE) can communicate with its Avatar, a software clone located in a cloudlet, with lower end-to-end (E2E) delay. However, UEs are moving over time, and so the low E2E delay may not be maintained if UEs' Avatars stay in their original cloudlets. Thus, live Avatar migration (i.e., migrating a UE's Avatar to a suitable cloudlet based on the UE's location) is enabled to maintain low E2E delay between each UE and its Avatar. On the other hand, the migration itself incurs extra overheads in terms of resources of the Avatar, which compromise the performance of applications running in the Avatar. By considering the gain (i.e., the E2E delay reduction) and the cost (i.e., the migration overheads) of the live Avatar migration, we propose a PRofIt Maximization Avatar pLacement (PRIMAL) strategy for the cloudlet network in order to optimize the tradeoff between the migration gain and the migration cost by selectively migrating the Avatars to their optimal locations. Simulation results demonstrate that as compared to the other two strategies (i.e., Follow Me Avatar and Static), PRIMAL maximizes the profit in terms of maintaining the low average E2E delay between UEs and their Avatars and minimizing the migration cost simultaneously.

연구 동기 및 목표

• 이동 중인 사용자 장비(UE)와 그 소프트웨어 복제본(아바타) 간의 낮은 종단간(E2E) 지연을 유지하는 데 도전 과제를 해결하기 위해.
• 실시간 아바타 이동으로 인한 성능 저하를 완화하기 위해, 이동으로 인한 계산 및 네트워크 자원 소비를 줄이기 위해.
• 아바타 이동의 이득(감소된 E2E 지연)과 비용(이동 오버헤드)을 최적으로 균형 잡는 전략을 개발하기 위해.
• PRIMAL을 두 가지 기준 전략인 'Follow Me'(낮은 지연 우선)와 'Static'(낮은 이동 비용 우선)과 비교 평가하기 위해.

제안 방법

• PRIMAL은 수익을 이동 이득(E2E 지연 감소)과 이동 비용(자원 오버헤드)의 차로 정의하는 수익 극대화 최적화 문제로 아바타 배치 문제를 수립한다.
• 이윤 함수는 지연 감소와 이동 비용 사이의 트레이드오프를 균형 잡기 위해 조정 가능한 가중치 파라미터 α를 포함하며, 네트워크 상태에 따라 동적으로 조정할 수 있다.
• 알고리즘은 향후 UE 위치를 예측하는 모델을 사용하여 E2E 지연을 최소화하면서 불필요한 이동을 피할 수 있는 최적의 클라우드렛 이동 대상을 선택한다.
• 이동 결정은 네트워크 전반의 UE 이동성, 클라우드렛 자원 사용률, E2E 지연 측정치를 실시간으로 모니터링하여 내림진다.
• 이 전략은 소프트웨어 정의 네트워킹(SDN) 기반의 코어 네트워크를 활용하여 아바타와 UE 간에 민첩하고 빠른 경로를 제공할 수 있도록 한다.
• 성능 평가를 위해 실제 이동 트레이스를 사용한 시뮬레이션을 수행하였으며, α의 다양한 값에서 평균 RTT, 이동 횟수, 이동 시간을 측정하였다.

실험 결과

연구 질문

• RQ1 클라우드렛 네트워크에서 이동 중인 UE에 대해 낮은 E2E 지연을 유지하기 위해 아바타 이동을 전략적으로 어떻게 관리할 수 있는가?
• RQ2 이동형 엣지 컴퓨팅 환경에서 E2E 지연 감소(이득)와 이동으로 인한 자원 소비(비용) 사이의 최적 트레이드오프는 무엇인가?
• RQ3 제안된 PRIMAL 전략은 수익, 지연, 이동 오버헤드 측면에서 정적 전략과 'Follow Me' 전략과 비교해 어떻게 성능을 냈는가?
• RQ4 가중치 파라미터 α는 PRIMAL에서 지연 감소와 이동 비용 사이의 균형에 어떻게 영향을 미치는가?

주요 결과

• PRIMAL는 E2E 지연 감소와 이동 비용을 효과적으로 균형 잡음으로써 가장 높은 수익을 달성하며, 'Follow Me' 및 'Static' 전략을 모두 능가한다.
• α가 증가함에 따라 PRIMAL과 Static 전략 간 평균 수익 격차가 감소하며, 이는 이동 비용이 지배적일 경우 PRIMAL가 Static 전략에 수렴함을 시사한다.
• α가 낮을 경우 PRIMAL는 더 높은 이동 시간을 감수하면서도 RTT를 줄이기 위해 더 많은 이동을 유도함으로써 지연 민감도에 민감하게 반응함을 보였다.
• α가 증가함에 따라 PRIMAL는 지연 감소 효과가 미미하지만 이동 비용이 높은 불필요한 이동을 줄임으로써 적응형 비용 제어 기능을 보였다.
• 시뮬레이션 결과, PRIMAL가 평균 RTT와 이동 횟수 사이의 최적 균형을 달성했으며, 기준 전략 대비 성능 향상 경향이 명확하게 확인되었다.
• 제안된 전략은 클라우드렛에서 로컬 데이터 처리를 가능하게 하여 원격 데이터 센터로 전송되는 데이터 볼륨을 효과적으로 줄였으며, 확장성 향상과 지연 감소에 기여했다.