[논문 리뷰] Smart-Edge-CoCaCo: AI-Enabled Smart Edge with Joint Computation, Caching, and Communication in Heterogeneous IoT

Yixue Hao, Yiming Miao외 5명|arXiv (Cornell University)|2019. 01. 08.

IoT and Edge/Fog Computing참고 문헌 11인용 수 12

한 줄 요약

이 논문은 이종 IoT 환경에서 계산 이송, 캐싱, 통신을 종합적으로 최적화하는 AI 기반 엣지 컴퓨팅 아키텍처인 Smart-Edge-CoCaCo를 제안한다. 공동 필터링을 통한 캐싱, 동적 이송 결정, 무선 통신 모델링을 통합함으로써, 높은 부하와 동시 사용자 조건 하에서 전통적인 클라우드 컴퓨팅 대비 총 지연을 최대 40% 감소시킨다.

ABSTRACT

The development of mobile communication technology, hardware, distributed computing, and artificial intelligence (AI) technology has promoted the application of edge computing in the field of heterogeneous Internet of Things (IoT). In order to overcome the defects of the traditional cloud computing model in the era of big data. In this article, we first propose a new AIenabled smart edge with heterogeneous IoT architecture which combines edge computing, caching, and communication. Then, we propose the Smart-Edge-CoCaCo algorithm. To minimize total delay and confirm the computation offloading decision, Smart-Edge-CoCaCo uses joint optimization of the wireless communication model, the collaborative filter caching model in edge cloud, and the computation offloading model. Finally, we built an emotion interaction testbed to perform computational delay experiments in real environments. The experiment results showed that the computation delay of the Smart-Edge-CoCaCo algorithm is lower than that of traditional cloud computing model with the increase of computing task data and the number of concurrent users.

연구 동기 및 목표

• 이종 IoT 환경에서 전통적인 클라우드 컴퓨팅으로 인한 높은 지연과 네트워크 혼잡을 해결한다.
• 대규모, 동시, 지연 민감도가 높은 IoT 워크로드 하에서 중심화된 클라우드 처리의 한계를 극복한다.
• 종단 간 지연을 최소화하기 위해 계산 이송, 엣지 캐싱, 무선 통신의 종합 최적화 프레임워크를 설계한다.
• 실세계 정서 인식 시나리오에서 제안된 솔루션을 평가하여 기존 클라우드 기반 모델 대비 성능 향상을 검증한다.

제안 방법

• 이종 IoT 환경에서 엣지 컴퓨팅, 캐싱, 통신을 통합한 새로운 AI 기반 스마트 엣지 아키텍처를 제안한다.
• 엣지 클라우드에서 공동 필터링 기반 캐싱 모델을 구현하여 캐시 히트 비율을 향상시키고 중복 데이터 전송을 줄인다.
• 무선 통신, 캐싱, 계산 이송 이송을 통합한 최적화 모델을 개발하여 총 지연을 최소화한다.
• 작업 복잡도, 네트워크 상태, 엣지 클라우드 가용성에 기반한 동적 계산 이송 결정을 구현한다.
• AI 기반 의사결정을 통합하여 로컬 장치, 엣지 클라우드, 원격 클라우드 간에 작업을 적절히 라우팅한다.
• 다양한 이미지 크기와 동시 사용자를 가진 AIWAC 정서적 상호작용 테스트베드를 활용해 실세계 실험을 수행한다.

실험 결과

연구 질문

• RQ1 계산, 캐싱, 통신의 종합 최적화는 이종 IoT 시스템에서 종단 간 지연을 어떻게 감소시킬 수 있는가?
• RQ2 공동 필터링을 활용한 엣지 캐싱은 통신 오버헤드와 지연을 어떻게 감소시키는가?
• RQ3 엣지와 클라우드 노드 간의 동적 계산 이송은 작업 복잡도가 증가함에 따라 성능에 어떤 영향을 미치는가?
• RQ4 고도의 동시성 조건에서 기존의 클라우드 전용 이송 대비 시스템 성능은 어떻게 되는가?
• RQ5 지연, 대역폭, 자원 활용도 측면에서 로컬, 엣지, 클라우드 처리 간의 상충 관계는 무엇인가?

주요 결과

• 모든 테스트 이미지 크기에서 Smart-Edge-CoCaCo 알고리즘이 기존 클라우드 컴퓨팅보다 총 계산 지연이 낮았으며, 데이터 복잡도가 증가함에 따라 격차가 더욱 벌어졌다.
• 최대 35명의 동시 사용자 부하 조건에서 Smart-Edge-CoCaCo 모델의 평균 지연은 기존 클라우드 모델보다 일관되게 낮아졌으며, 이는 탁월한 확장성을 보여주었다.
• 이미지 크기가 16×16에서 160×160으로 증가함에 따라 Smart-Edge-CoCaCo 알고리즘은 최적화된 이송 및 캐싱 결정 덕분에 낮은 지연을 유지했다.
• 알고리즘은 저복잡도 작업은 엣지 클라우드로, 고복잡도 작업은 클라우드로 이송 대상을 동적으로 선택하여 총 지연을 감소시켰다.
• 공동 필터링을 통한 캐시 히트 비율 향상으로 인해 중복 데이터 전송과 핵심 네트워크 혼잡이 크게 감소했다.
• 극도의 혼잡 조건에서도 Smart-Edge-CoCaCo와 기존 클라우드 컴퓨팅 간의 지연 격차는 좁혀졌지만, 제안된 방법은 모든 시나리오에서 베이스라인을 능가했다.