[논문 리뷰] Universal Scheduling for Networks with Arbitrary Traffic, Channels, and Mobility

Michael J. Neely|arXiv (Cornell University)|2010. 01. 06.

Advanced Wireless Network Optimization참고 문헌 24인용 수 5

한 줄 요약

이 논문은 확률적 가정 없이도 임의의 비확률적 시간 변화하는 트래픽, 채널, 이동성 동역학을 갖는 네트워크에 대한 통합 스케줄링 알고리즘을 제안한다. 샘플 경로 리아푸노프 드리프트 프레임워크를 사용하여, T슬롯의 미래 정보를 갖는 이상적인 정책에 비해 유용성-스루풋 성능을 임의로 가까이 유지하며, worst-case 큐 블랙잭 스케일링이 O(V)로 나타나는 튜너블 파rameter V에 따른 트레이드오프를 실현한다.

ABSTRACT

We extend stochastic network optimization theory to treat networks with arbitrary sample paths for arrivals, channels, and mobility. The network can experience unexpected link or node failures, traffic bursts, and topology changes, and there are no probabilistic assumptions describing these time varying events. Performance of our scheduling algorithm is compared against an ideal T-slot lookahead policy that can make optimal decisions based on knowledge up to T-slots into the future. We develop a simple non-anticipating algorithm that provides network throughput-utility that is arbitrarily close to (or better than) that of the T-slot lookahead policy, with a tradeoff in the worst case queue backlog kept at any queue. The same policy offers even stronger performance, closely matching that of an ideal infinite lookahead policy, when ergodic assumptions are imposed. Our analysis uses a sample path version of Lyapunov drift and provides a methodology for optimizing time averages in general time-varying optimization problems.

연구 동기 및 목표

• 확률적 가정 없이도 임의의 시간 변화하는 트래픽, 채널 상태, 이동성을 갖는 네트워크에서 near-최적 성능을 내는 스케줄링 정책을 개발하는 것.
• 미래 이벤트를 T슬롯까지 알고 있는 이상적인 룩어헤드 정책과 실질적인 비예측 알고리즘 사이의 성능 격차를 해소하는 것.
• 와이어라인, 무선, 하이브리드 네트워크를 포함한 다양한 네트워크 유형에 적용 가능한 통합 프레임워크를 수립하는 것.
• 루크어헤드 정책과의 성능 격차와 worst-case 큐 블랙잭 사이의 트레이드오프를 정량화하여, 튜너블 파rameter V를 통해 설계 트레이드오프를 가능하게 하는 것.
• 기대값 기반의 확률 모델을 넘어서, 비확률적 샘플 경로에 기반한 리아푸노프 드리프트 분석을 확장하여 비ergodic 및 폭발적인 네트워크 동역학의 분석을 가능하게 하는 것.

제안 방법

• 기대값 기반 분석을 경로 기반 최적화로 대체하여, 임의의 시간 변화하는 사건을 다룰 수 있는 샘플 경로 리아푸노프 드리프트 분석을 적용한다.
• 현재 및 과거 정보만을 기반으로 결정을 내리는 수정된 백프레셔 기반 '드리프트 마이너스 리워드' 알고리즘을 사용하여, 비예측 행동을 보장한다.
• 성능 한계를 '보정 인자'로 표현: $ \frac{B_1 T}{V} + \frac{B_2 V}{R T} $, 여기서 $ B_1, B_2 $ 는 네트워크 파라미터에서 유도된 상수이다.
• 파rameter $ V $ 를 조정하여 성능(보정 인자 감소)과 큐 블랙잭(스케일링 $ O(V) $) 사이의 트레이드오프를 가능하게 하여 지연과 유용성 간의 설계 트레이드오프를 실현한다.
• 정상성 또는 에르고딕성 가정 없이도 최대 도착, 전송, 큐 레이트를 사용하여 보정 인자의 명시적 상한 $ B $ 와 $ D $ 를 계산한다.
• 인터넷 스타일 네트워크와 동적 큐잉 네트워크 양쪽에 프레임워크를 적용하여, 네트워크 토폴로지와 용량 제한에 기반한 날카운 상수 $ B $ 와 $ D $ 를 유도한다.

실험 결과

연구 질문

• RQ1 비확률적 시간 변화 동역학을 갖는 네트워크에서, 미래 지식 없이도 T슬롯의 룩어헤드 정책에 비해 성능을 임의로 가까이 유지할 수 있는 비예측 스케줄링 정책이 존재하는가?
• RQ2 이러한 네트워크에서, 룩어헤드 정책과의 성능 격차와 worst-case 큐 블랙잭 사이의 트레이드오프는 어떠한가?
• RQ3 리아푸노프 드리프트 분석을 기대값 기반의 확률 모델을 넘어서, 비확률적 샘플 경로로 확장할 수 있는가?
• RQ4 임의의 도착, 채널, 이동성을 갖는 네트워크에서 성능과 블랙잭에 대한 명시적 비확률적 상한을 어떻게 도출할 수 있는가?
• RQ5 단일 알고리즘이 와이어라인, 무선, 하이브리드 네트워크를 포함한 다양한 네트워크 유형을 임의의 동적 조건에서 얼마나 넓게 처리할 수 있는가?

주요 결과

• 제안된 알고리즘은 시간 평균 유용성이 T슬롯의 룩어헤드 정책의 유용성에서 보정 인자 $ \frac{B_1 T}{V} + \frac{B_2 V}{R T} $ 를 뺀 만큼 이상의 성능을 달성한다. 여기서 $ R $ 은 크기가 $ T $ 인 프레임의 수이다.
• 충분히 큰 $ V $ 를 선택함으로써, 룩어헤드 정책과의 성능 격차를 임의로 작게 만들 수 있으며, worst-case 큐 블랙잭은 $ O(V) $ 로 유한하게 유지된다.
• 상수 $ B_1 $ 과 $ B_2 $ 는 확률적 가정 없이도 최대 도착, 전송, 큐 레이트만을 사용하여 사전에 명시적으로 계산할 수 있다.
• 에르고딕성 가정이 적용될 경우, 알고리즘의 성능은 무한수명 룩어헤드 정책과 거의 일치하며, 강력한 내성적 안정성을 보여준다.
• 단위 전송률을 갖는 무선 네트워크에서 최대 한 개의 소스가 각 노드에 존재할 경우, 상한은 $ B = D = (N + 4M)/2 $ 로 단순화되며, 여기서 $ N $ 은 노드 수이고 $ M $ 은 소스 수이다.
• 이 프레임워크는 예기치 않은 장애, 트래픽 폭발, 이동성 변화가 발생하더라도, 이러한 사건들이 비정상적이거나 비에르고딕적일 경우에도 성능 보장을 가능하게 한다.