[논문 리뷰] Cooperative Service Caching and Workload Scheduling in Mobile Edge Computing

Xiao Ma, Ao Zhou외 2명|arXiv (Cornell University)|2020. 02. 04.

IoT and Edge/Fog Computing참고 문헌 21인용 수 7

한 줄 요약

이 논문은 모바일 에지 컴퓨팅에서 협업 서비스 캐싱과 워크로드 스케줄링을 공동으로 최적화하기 위해 게이블스 샘플링과 워터필링 원리를 조합한 반복적 알고리즘인 ICE를 제안한다. 에지 노드 간 협업을 활용하여 서비스 응답 시간과 외주 트래픽을 최소화함으로써, 비다항 시간 혼합정수비선형계획형식에도 불구하고 다항시간 복잡도를 갖는 근사 최적 성능를 달성한다.

ABSTRACT

Mobile edge computing is beneficial to reduce service response time and core network traffic by pushing cloud functionalities to network edge. Equipped with storage and computation capacities, edge nodes can cache services of resource-intensive and delay-sensitive mobile applications and process the corresponding computation tasks without outsourcing to central clouds. However, the heterogeneity of edge resource capacities and inconsistence of edge storage and computation capacities make it difficult to jointly fully utilize the storage and computation capacities when there is no cooperation among edge nodes. To address this issue, we consider cooperation among edge nodes and investigate cooperative service caching and workload scheduling in mobile edge computing. This problem can be formulated as a mixed integer nonlinear programming problem, which has non-polynomial computation complexity. To overcome the challenges of subproblem coupling, computation-communication tradeoff, and edge node heterogeneity, we develop an iterative algorithm called ICE. This algorithm is designed based on Gibbs sampling, which has provably near-optimal results, and the idea of water filling, which has polynomial computation complexity. Simulations are conducted and the results demonstrate that our algorithm can jointly reduce the service response time and the outsourcing traffic compared with the benchmark algorithms.

연구 동기 및 목표

• 에지 노드 간 스토리지 및 계산 용량의 이질성으로 인한 자원 낭비 문제를 해결하기 위해.
• 협업 캐싱과 워크로드 스케줄링을 통해 서비스 응답 시간과 중심 클라우드로의 외주 트래픽을 공동으로 최소화하기 위해.
• 캐싱과 스케줄링 결정 간의 결합성, 계산-통신 트레이드오프, 에지 노드의 이질성 문제를 극복하기 위해.
• 고도로 복잡한 계산 복잡도를 가지는 혼합정수비선형계획형식에 대해 저복잡도이면서 근사 최적 성능를 달성하는 알고리즘을 설계하기 위해.

제안 방법

• 서비스 캐싱과 워크로드 스케줄링의 협업 문제를 응답 시간과 외주 트래픽 최소화를 목표로 하는 혼합정수비선형계획형식(MINLP) 문제로 수식화한다.
• 해결 공간을 확률적으로 탐색하고 근사 최적성을 달성하기 위해 게이블스 샘플링 기반의 ICE 알고리즘을 개발한다.
• 에지 노드 간 워크로드를 효율적으로 할당하기 위해 워터필링 원리를 통합하여 다항시간 계산 복잡도를 확보한다.
• 정적분포가 목표 값의 음의 지수 비례가 되는 마르코프 체인 모델을 사용하여 유망한 캐싱 정책의 확률적 샘플링을 가능하게 한다.
• 게이블스 샘플링 과정에서 탐색을 제어하기 위해 온도 매개변수 ω를 사용하며, ω가 0에 수렴할수록 국소 최적해에 수렴한다.
• 워크로드 할당 행렬 Λ에 대한 워크로드 스케줄링 하위 문제를 헤시안 행렬 분석을 통해 증명된 볼록 최적화 문제로 재구성한다.

실험 결과

연구 질문

• RQ1 에지 노드 간 협업을 어떻게 활용하여 모바일 에지 컴퓨팅 환경에서 서비스 캐싱과 워크로드 스케줄링을 공동으로 최적화할 수 있는가?
• RQ2 협업 에지 환경에서 계산-통신 트레이드오프는 응답 시간과 트래픽 감소에 어떤 영향을 미치는가?
• RQ3 저복잡도 알고리즘이 협업 캐싱과 스케줄링의 NP-하드 MINLP 수식에 대해 근사 최적 성능를 달성할 수 있는가?
• RQ4 스토리지 및 계산 용량의 이질성이 있는 에지 노드는 자원 활용도와 시스템 성능에 어떤 영향을 미치는가?

주요 결과

• ICE 알고리즘은 온도 매개변수 ω가 0에 수렴할수록 국소 최적해에 수렴하며, 서비스 응답 시간과 외주 트래픽 최소화에서 근사 최적 성능를 달성한다.
• 시뮬레이션 결과, ICE는 벤치마크 알고리즘보다 서비스 응답 시간과 중심 클라우드로의 트래픽을 더 효과적으로 공동으로 감소시킨다.
• 워크로드 스케줄링 하위 문제는 볼록성을 증명하여, 워크로드 할당 Λ에 대한 최적화가 취급 가능하고 전역 최적해를 보장한다.
• 게이블스 샘플링 과정의 정적분포는 ω가 감소할수록 최적 캐싱 정책을 선택할 확률이 증가함을 보여주며, 이는 알고리즘 수렴성의 타당성을 입증한다.
• 워터필링을 게이블스 샘플링에 통합함으로써, 높은 해상도를 유지하면서도 효율적인 다항시간 계산이 가능해졌다.