[논문 리뷰] QoS-aware Dynamic Fog Service Provisioning

Ashkan Yousefpour, Ashish Patil외 7명|arXiv (Cornell University)|2018. 02. 02.

IoT and Edge/Fog Computing참고 문헌 16인용 수 36

한 줄 요약

FogPlan은 비용과 지연을 최소화하기 위해 페그 노드 간 서비스 배치를 최적화하는 경량의 QoS 인식 프레임워크를 제안한다. 두 가지 근사 알고리즘인 Min-Cost 및 Min-Viol을 사용하여 낮은 런타임으로 near-optimal 성능를 달성하며, 네트워크가 크더라도 서비스 지연과 위반을 크게 줄이고 효율적으로 확장된다.

ABSTRACT

Recent advances in the areas of Internet of Things (IoT), Big Data, and Machine Learning have contributed to the rise of a growing number of complex applications. These applications will be data-intensive, delay-sensitive, and real-time as smart devices prevail more in our daily life. Ensuring Quality of Service (QoS) for delay-sensitive applications is a must, and fog computing is seen as one of the primary enablers for satisfying such tight QoS requirements, as it puts compute, storage, and networking resources closer to the user. In this paper, we first introduce FogPlan, a framework for QoS-aware Dynamic Fog Service Provisioning (QDFSP). QDFSP concerns the dynamic deployment of application services on fog nodes, or the release of application services that have previously been deployed on fog nodes, in order to meet low latency and QoS requirements of applications while minimizing cost. FogPlan framework is practical and operates with no assumptions and minimal information about IoT nodes. Next, we present a possible formulation (as an optimization problem) and two efficient greedy algorithms for addressing the QDFSP at one instance of time. Finally, the FogPlan framework is evaluated using a simulation based on real-world traffic traces.

연구 동기 및 목표

• 폭발적인 시간 및 공간에 따라 변화하는 IoT 워크로드에 대응하여 동적으로 페그 서비스를 프로비저닝하는 문제에 대응하기 위해.
• 엄격한 QoS 요구사항(낮은 지연 및 높은 가용성 포함)을 충족하면서 자원 비용을 최소화하기 위해.
• IoT 노드에 대한 정보가 제한적이고 가정이 최소화된 실용적인 프레임워크를 설계하기 위해.
• 동적 서비스 프로비저닝에서 성능, 런타임, 재구성 빈도 간의 트레이드오프를 평가하기 위해.

제안 방법

• QoS 인식 기반 동적 페그 서비스 프로비저닝(QDFSP) 문제를 정수 비선형 프로그래밍(INLP) 최적화 문제로 수식화한다.
• 비용 최소화와 QoS 위반 감소를 각각 기반으로 한 두 가지 근사 알고리즘인 Min-Cost 및 Min-Viol을 제안한다.
• 동적이고 폭발적인 IoT 워크로드를 시뮬레이션하기 위해 DTMC 기반 트래픽 생성기와 실제 트래픽 트레이스를 사용한다.
• 반응성과 운영 비용의 균형을 위해 재구성 간격을 설정 가능한 주기적 재구성 메커니즘을 도입한다.
• 서비스 배치/해제를 모델링하기 위해 이진 결정 변수를 적용하여 서비스 배치의 동적 스케일링을 가능하게 한다.
• 복잡한 모델링을 피하고 최소한의 시스템 상태 지식으로도 작동하는 경량 프레임워크를 도입한다.

실험 결과

연구 질문

• RQ1 폭발적인 IoT 워크로드에서 낮은 지연과 QoS 요구사항을 충족하기 위해 페그 서비스를 어떻게 동적으로 프로비저닝할 수 있는가?
• RQ2 동적 페그 서비스 배치에서 비용 최소화와 QoS 위반 최소화 간의 트레이드오프는 어떠한가?
• RQ3 근사 알고리즘은 최적 해에 비해 성능 및 런타임 확장성 측면에서 어떻게 비교되는가?
• RQ4 재구성 간격 길이가 서비스 프로비저닝 효율성과 반응성에 어떤 영향을 미치는가?
• RQ5 경량 프레임워크는 최소한의 시스템 정보와 낮은 계산 오버헤드로 near-optimal 성능를 달성할 수 있는가?

주요 결과

• Min-Cost는 QoS 임계값에 의존하지 않는 비용 기반 루프 조건 덕분에 Min-Viol보다 더 빠른 런타임을 보이며, 100~10,000개의 서비스에 대해 실행 시간이 8ms에서 3초 사이이다.
• Min-Viol은 특히 엄격한 QoS 요구사항(예: 99.9% 가용성) 하에서 Min-Cost보다 평균 서비스 지연과 지연 위반을 더 효과적으로 줄인다.
• Min-Viol의 뛰어난 QoS 성능는 QoS 기반 루프 구조로 인해 더 긴 런타임을 수반하며, 10,000개의 서비스에 대해 최대 1분 58초가 소요된다.
• 프레임워크는 효율적으로 확장된다: 10,000개의 페그 노드와 100개의 서비스에서 Min-Cost는 3.2초, Min-Viol은 118.992초가 소요되어 실용적인 타당성을 입증한다.
• 대규모 네트워크에서는 최적 해(정수 비선형 프로그래밍을 통한)가 계산적으로 비현실적이며, Min-Viol의 경우 전체 배포에 최대 3시간이 소요되어 효율적인 휴리스틱이 필요함을 시사한다.
• 재구성 간격이 너무 짧을 경우 '성급한 프로비저닝'의 위험이 발생함을 규명하였으며, 이는 더 긴 간격 또는 트래픽 예측을 통해 결정을 안정화시켜야 함을 시사한다.