[论文解读] Joint Optimization of Radio Resources and Code Partitioning in Mobile Cloud Computing

Paolo Di Lorenzo, Sergio Barbarossa+1 more|arXiv (Cornell University)|Jul 15, 2013

IoT and Edge/Fog Computing参考文献 58被引用 51

一句话总结

本文提出了一种在移动云计算中联合优化无线资源分配（发射功率、星座图大小）与代码分割的方法，以在满足时延约束的前提下最小化移动设备的能量消耗。通过将应用程序建模为加权调用图，并联合优化卸载决策与物理层参数，该方法在单通道和多通道场景下均实现了计算复杂度较低的全局最优能效。

ABSTRACT

The aim of this paper is to propose a computation offloading st rategy, to be used in mobile cloud computing, in order to minimize the energy expenditure at the mobile handset necessary to run an application under a latency constraint. We exploit the concept of call graph, which models a generic computer program as a set of procedures related to each other through a weighted directed graph. Our goal is to derive the partition of the call graph establishin g which procedures are to be executed locally or remotely. The main novelty of our work is that the optimal partition is obtained jointly with the selection of the transmit power and constellation size, in order to minimize the energy consumption at the mobile handset, under a latency constraint taking into account tra nsmit time, packet drops, and execution time. We consider both a single channel and a multi-channel transmission strategy, thus proving that a globally optimal solution can be achieved in both cases with affordable complexity. The theoretical findings are corroborated by numerical results and are aimed to show under what conditions, in terms of call graph topology, communication strategy, and computation parameters, the proposed offloading strategy can provide a significant performance gain.

研究动机与目标

• 在移动云计算环境中减少移动终端在应用程序执行过程中的能耗。
• 解决在传输延迟、分组丢失和执行时间导致严格时延要求下的能耗最小化挑战。
• 不仅联合优化应卸载哪些代码段，还联合优化发射功率和调制星座图大小等无线参数。
• 开发一种计算高效的解决方案，适用于单通道和多通道无线传输模型。
• 基于调用图拓扑结构以及系统级通信与计算参数，识别最优的代码分割策略。

提出的方法

• 将应用程序建模为加权有向调用图，其中节点表示过程，边表示过程调用并附带相关权重。
• 提出一种联合优化框架，同时确定代码分割（本地执行与远程执行）与无线资源分配（发射功率与星座图大小）。
• 引入时延约束，包括传输延迟、分组丢失概率和远程执行时间，以确保实时性能。
• 利用凸优化技术推导出全局最优解，证明其在单通道与多通道系统中均具有可接受的计算成本。
• 采用混合整数规划建模，并结合松弛与分解技术，高效求解联合优化问题。
• 通过在不同调用图拓扑结构与系统参数下进行数值仿真验证该方法。

实验结果

研究问题

• RQ1 无线资源与代码分割的联合优化如何影响移动云计算中的能效？
• RQ2 调用图拓扑结构对在时延约束下计算卸载策略的性能有何影响？
• RQ3 能否在可接受的计算复杂度下，为单通道与多通道传输均实现全局最优解？
• RQ4 在何种条件下，联合优化优于对卸载与无线参数分别进行优化？
• RQ5 发射功率与星座图大小如何影响卸载应用中能耗与时延之间的权衡？

主要发现

• 与传统卸载策略相比，代码分割与无线资源分配的联合优化显著降低了能耗。
• 所提方法通过在优化模型中综合考虑传输延迟、分组丢失与远程执行时间，确保满足时延约束。
• 该方法在单通道与多通道场景下均被证明可获得全局最优解，且计算复杂度可控。
• 数值结果表明，该方法在各种调用图拓扑结构下均表现出性能增益，尤其在过程耦合度高且通信开销大的应用中更为显著。
• 最优分割策略高度依赖于调用图结构、通信信道质量与计算负载分布之间的相互作用。
• 该方法表现出良好的鲁棒性与可扩展性，在扩展至多通道环境时仍保持低复杂度。