[論文レビュー] Energy Efficient Deployment and Orchestration of Computing Resources at the Network Edge: a Survey on Algorithms, Trends and Open Challenges

Neda Shalavi, Giovanni Perin+2 more|arXiv (Cornell University)|Sep 28, 2022

IoT and Edge/Fog Computing被引用数 8

ひとこと要約

本サーベイは、再生可能エネルギー統合、コンテキスト認識リソーススケジューリング、エネルギーオプティマイズドフェデレーテッドラーニングに注目し、マルチアクセスエッジコンピューティング（MEC）ネットワークにおけるコンピューティングリソースのエネルギ効率的展開とオ케ストレーションについて包括的な分析を提示する。アルゴリズム的イノベーションを通じてエッジコンピューティングのグリーン化を図る体系的フレームワークを提案し、持続可能性、老化効果、意味的データ圧縮に関する未解決の課題を強調する。

ABSTRACT

Mobile networks are becoming energy hungry, and this trend is expected to continue due to a surge in communication and computation demand. Multi-access Edge Computing (MEC), will entail energy-consuming services and applications, with non-negligible impact in terms of ecological sustainability. In this paper, we provide a comprehensive review of existing approaches to make edge computing networks greener, including but not limited to the exploitation of renewable energy resources, and context-awareness. We hence provide an updated account of recent developments on MEC from an energetic sustainability perspective, addressing the initial deployment of computing resources, their dynamic (re)allocation, as well as distributed and federated learning designs. In doing so, we highlight the energy aspects of these algorithms, advocating the need for energy-sustainable edge computing systems that are aligned with Sustainable Development Goals (SDGs) and the Paris agreement. To the best of our knowledge, this is the first work providing a systematic literature review on the efficient deployment and management of energy harvesting MEC, with special focus on the deployment, provisioning, and scheduling of computing tasks, including federated learning for distributed edge intelligence, toward making edge networks greener and more sustainable. At the end of the paper, open research avenues and challenges are identified for all the surveyed topics.

研究の動機と目的

• 増加する計算および通信需要に伴い、5Gおよび6Gモバイルネットワークのエネルギー消費が増加するという問題に対処する。
• モバイルネットワークおよびデータセンターが全球のGHG排出量の1.8%から3.9%を占めるという環境的影響を検証する。
• MECリソース展開、動的スケジューリング、分散学習のためのエネルギ効率的アルゴリズムを特定および分析する。
• 再生可能エネルギー、意味的圧縮、デバイスツーデバイス（D2D）通信がエッジネットワークのエネルギー使用を低減する役割を強調する。
• SDGsおよびパリ協定に整合する持続可能なフレームワークを提案し、将来のエッジシステムにおけるエネルギーアウェア設計の重要性を強調する。

提案手法

• コンピューティングタスクの展開、プロビジョニング、スケジューリングに注目したエネルギ効率的MECに関する体系的文献レビューを実施する。
• ユーザー移動性、トラフィックダイナミクス、リアルタイムネットワーク状態に適応するコンテキスト認識アルゴリズムを分析する。
• エッジインfraストラクチャへの再生可能エネルギー源の統合技術をサーベイし、炭素排出量削減を検討する。
• IoTデバイスでの軽量分類器を用いた意味的圧縮手法を評価し、帯域幅およびエネルギー使用量の削減を検証する。
• 電力制御およびフォッグコンピューティングと組み合わせたD2D通信を検討し、ダウンリンクのエネルギーエフェシェントを向上させる。
• クライアント選択、スパarsification、量子化技術を含むエネルギーオプティマイズドフェデレーテッドラーニングフレームワークを調査する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして再生可能エネルギー源をエッジコンピューティングインfraストラクチャに効果的に統合し、炭素排出量を削減できるか？
• RQ2 動的MEC環境においてエネルギー消費を最小限に抑えるために、最も効果的なコンテキスト認識スケジューリングアルゴリズムは何か？
• RQ3 IoTデバイスでの意味的データ圧縮は、エッジネットワークにおける通信オーバーヘッドおよびエネルギー使用量をどの程度削減できるか？
• RQ4 D2D通信とインテリジェントな電力制御を組み合わせることで、MEC支援型セルラーネットワークにおけるダウンリンクエネルギーエフェシェントはどのように向上するか？
• RQ5 多様で大規模なエッジネットワークを想定したエネルギーオプティマイズドフェデレーテッドラーニングシステムの設計における未解決の課題は何か？

主な発見

• 通信ネットワークおよびコンピューティング施設は、全球ICT関連GHG排出量の24%から45%を占め、2020年にはデータセンターがそのうち45%を占めた。
• 5Gネットワークは2026年までにモバイルネットワークのエネルギー消費を150%〜170%まで増加させると予測され、エネルギー効率の重要性が高まっている。
• IoTノードでの分散型線形分類器を用いた意味的圧縮は、データ転送および帯域幅使用量を顕著に削減できるが、分類精度とのトレードオフが残存する。
• 電力制御およびフォッグコンピューティングと組み合わせたD2D通信は、特に高密度環境においてダウンリンクエネルギーエフェシェントの向上に有効である可能性を示している。
• クライアント選択、スパース化、量子化を統合したフェデレーテッドラーニングフレームワークは、通信オーバーヘッドおよびエネルギー使用量の削減に寄与するが、分散学習におけるエネルギー最適化はまだ十分に検討されていない。
• エッジデバイスの老化およびそのエネルギー効率への影響は、長期的な持続可能性を考慮する上で未だ調査が不足しているが、極めて重要な分野である。