[논문 리뷰] Delay-Energy Joint Optimization for Task Offloading in Mobile Edge Computing

Zhuang Wang, Weifa Liang외 2명|arXiv (Cornell University)|2018. 04. 27.

IoT and Edge/Fog Computing참고 문헌 11인용 수 9

한 줄 요약

이 논문은 이동형 엣지 컴퓨팅(MEC) 환경에서 작업 오픈로딩을 위한 지연-에너지 공동 최적화 프레임워크를 제안한다. 이는 이동 단말기에서의 CPU 사이클 주파수 스케일링, 서버 선택, 작업 할당을 공동으로 최적화하여 지연 제약을 충족시키면서 에너지 소비를 최소화한다. 제안된 방법은 혼합정수비선형계획문제(MINLP)를 다항시간 내에 해결 가능한 비선형계획문제로 이완하여 처리하고, 이완된 해로부터 타당해를 유도한다. 시뮬레이션 결과, 기준 방법들보다 뛰어난 성능을 보였다.

ABSTRACT

Mobile-edge computing (MEC) has been envisioned as a promising paradigm to meet ever-increasing resource demands of mobile users, prolong battery lives of mobile devices, and shorten request response delays experienced by users. An MEC environment consists of many MEC servers and ubiquitous access points interconnected into an edge cloud network. Mobile users can offload their computing-intensive tasks to one or multiple MEC servers for execution to save their batteries. Due to large numbers of MEC servers deployed in MEC, selecting a subset of servers to serve user tasks while satisfying delay requirements of their users is challenging. In this paper, we formulate a novel delay-energy joint optimization problem through jointly considering the CPU-cycle frequency scheduling at mobile devices, server selection to serve user offloading tasks, and task allocations to the selected servers. To this end, we first formulate the problem as a mixed-integer nonlinear programming, due to the hardness to solve this nonlinear programming, we instead then relax the problem into a nonlinear programming problem that can be solved in polynomial time. We also show how to derive a feasible solution to the original problem from the solution of this relaxed solution. We finally conduct experiments to evaluate the performance of the proposed algorithm. Experimental results demonstrate that the proposed algorithm is promising.

연구 동기 및 목표

• 이동형 엣지 컴퓨팅(MEC) 환경에서 에너지 소비와 응답 지연을 최소화하는 데 도전하는 데 목적이 있다.
• 오픈로드된 작업에 대해 CPU 사이클 주파수 스케줄링, 서버 선택, 작업 할당을 공동으로 최적화하는 데 목적이 있다.
• 지연-에너지 공동 최적화를 위한 혼합정수비선형계획문제(MINLP)를 수립하는 데 목적이 있다.
• MINLP를 다항시간 내에 해결 가능한 비선형계획문제(NLP)로 이완하여 효율적인 계산을 가능하게 하는 데 목적이 있다.
• 이완된 해로부터 원래 문제의 타당해를 도출하는 데 목적이 있다.

제안 방법

• 에너지 소비와 지연 간의 트레이드오프를 고려하여 작업 오픈로딩 문제를 혼합정수비선형계획문제(MINLP)로 수립한다.
• MINLP를 다항시간 내에 해결 가능한 비선형계획문제(NLP)로 이완하여 다항시간 내 해를 도출할 수 있도록 한다.
• 제닝스 부등식과 볼록최적화 기법을 적용하여 경계를 도출하고 해의 타당성을 보장한다.
• 이동 단말기에서의 에너지 소비 최적화를 위해 동적 전압 및 주파수 스케일링(DVFS)을 적용한다.
• 이완된 NLP 해로부터 반올림 및 할당 조정을 통해 원래 MINLP 문제의 타당해를 도출한다.
• 서버 수(m) 및 작업 가중요소(α)와 같은 파라미터를 사용한 시뮬레이션 기반 평가를 통해 성능을 검증한다.

실험 결과

연구 질문

• RQ1 이동형 엣지 컴퓨팅 환경에서 작업 오픈로딩 시 에너지 소비와 처리 지연을 공동으로 최소화하는 방법은 무엇인가?
• RQ2 로컬 실행과 다수의 MEC 서버로의 오픈로딩 사이의 최적 트레이드오프는 무엇인가?
• RQ3 선택된 MEC 서버의 수가 전체 지연과 에너지 소비에 어떤 영향을 미치는가?
• RQ4 지연과 에너지를 균형 잡는 데 사용되는 가중요소 α가 시스템 성능에 어떤 영향을 미치는가?
• RQ5 이완된 비선형계획문제의 해가 원래 이산 최적화 문제의 타당해로 효과적으로 변환될 수 있는가?

주요 결과

• 제안된 알고리즘(TOS)은 평가된 모든 알고리즘 중에서 전체 지연이 가장 낮으며, 특히 선택된 서버 수(m)가 적을 경우(m ≤ 8) 두드러진 성능을 보인다.
• m ≤ 8일 경우 TOS는 로컬 처리가 증가함에 따라 더 높은 에너지 소비를 경험하지만, m가 8를 초과할수록 이 영향은 점점 줄어든다.
• 가중요소 α를 증가시키면 α = 70까지 전체 지연이 감소한다; 이 이상이 되면 지연에 대한 추가 영향은 거의 없어진다.
• TOS와 Local_Execution은 α가 증가함에 따라 더 높은 에너지 소비를 보이며, 이는 지연 최소화와 에너지 효율성 간의 트레이드오프를 시사한다.
• 실험 결과는 제안된 알고리즘이 기준 방법(Local_Execution, MEC_Execution, Mixed_Execution)보다 지연과 에너지 효율성 측면에서 뛰어나며, 이론적 추정치를 초월하는 성능을 확인한다.
• 이완 방법을 통해 어려운 MINLP 문제를 다룰 수 있는 타당한 NLP 문제로 변환하였고, 유도된 타당해 역시 뛰어난 성능을 유지하여 방법론적 접근의 타당성을 입증한다.