[论文解读] Multiuser Computation Offloading and Downloading for Edge Computing with Virtualization

Zezu Liang, Yuan Liu+2 more|arXiv (Cornell University)|Nov 19, 2018

IoT and Edge/Fog Computing被引用 5

一句话总结

本文提出了一种面向虚拟化多用户移动边缘计算（MEC）系统的联合无线与计算资源分配（RCRA）框架，明确建模并缓解了虚拟机（VM）之间的I/O干扰。通过将问题形式化为非凸混合整数规划问题，并采用分解与组合优化方法，作者设计了低复杂度算法，联合调度卸载用户、控制卸载数据大小，并分配通信与计算时间——在I/O干扰约束下，实现了和吞吐量最大化及能耗最小化问题的近优性能。

ABSTRACT

Mobile-edge computing (MEC) is an emerging technology for enhancing the computational capabilities of mobile devices and reducing their energy consumption via offloading complex computation tasks to the nearby servers. Multiuser MEC at servers is widely realized via parallel computing based on virtualization. Due to finite shared I/O resources, interference between virtual machines (VMs), called I/O interference, degrades the computation performance. In this paper, we study the problem of joint radio-and-computation resource allocation (RCRA) in multiuser MEC systems in the presence of I/O interference. Specifically, offloading scheduling algorithms are designed targeting two system performance metrics: sum offloading throughput maximization and sum mobile energy consumption minimization. Their designs are formulated as non-convex mixed-integer programming problems, which account for latency due to offloading, result downloading and parallel computing. A set of low-complexity algorithms are designed based on a decomposition approach and leveraging classic techniques from combinatorial optimization. The resultant algorithms jointly schedule offloading users, control their offloading sizes, and divide time for communication (offloading and downloading) and computation. They are either optimal or can achieve close-to-optimality as shown by simulation. Comprehensive simulation results demonstrate considering of I/O interference can endow on an offloading controller robustness against the performance-degradation factor.

研究动机与目标

• 为解决共享边缘服务器上共置虚拟机（VM）之间I/O干扰导致的多用户MEC系统性能下降问题。
• 在I/O干扰约束下，联合优化无线与计算资源分配（RCRA），考虑卸载调度、数据大小控制以及通信与计算的时间分配。
• 在虚拟化多用户MEC系统中，最大化系统总卸载吞吐量并最小化移动设备总能耗。
• 设计低复杂度算法，即使在问题具有非凸性和混合整数性质的情况下，仍能实现最优或近似最优性能。

提出的方法

• 将联合RCRA问题形式化为包含卸载延迟、结果下载延迟及并行VM计算延迟的非凸混合整数规划问题。
• 采用分解方法，将复杂问题分解为可处理的子问题，分别用于卸载调度与资源控制。
• 利用经典组合优化技术，设计低复杂度算法，用于用户选择、卸载数据大小分配及时隙划分。
• 提出一种基于函数 $ g(R_m) = 0 $ 的根求解方法，以确定在I/O干扰约束下的最优计算速率。
• 通过单调序列性质推导最优用户集合选择，识别满足 $ r_n \geq d \sum_{i=1}^{n-1} r_i $ 的最优卸载用户数 $ n_0 $。
• 采用类似二分查找的方法求解最小完成时间问题，通过令所需时间等于上界，确保解的可行性和最优性。

实验结果

研究问题

• RQ1 虚拟机之间的I/O干扰如何影响多用户MEC系统中的计算性能？
• RQ2 在I/O干扰下，如何实现无线与计算资源的最优联合分配以最大化卸载吞吐量？
• RQ3 如何联合优化卸载调度、数据大小控制与时间分配以最小化移动设备能耗？
• RQ4 在非凸与混合整数约束下，低复杂度算法能否实现近优性能？
• RQ5 在I/O干扰下，如何确定最优用户集合以最小化系统总完成时间？

主要发现

• 所提算法在总卸载吞吐量最大化与移动设备总能耗最小化方面均实现了近优性能，仿真结果验证了其有效性。
• 引入I/O干扰建模显著提升了系统在高负载条件下的鲁棒性，有效缓解性能下降。
• 最优卸载用户集合通过选择最大的 $ r_i $ 值确定，使得 $ r_n \geq d \sum_{i=1}^{n-1} r_i $ 成立，其中 $ n_0 $ 为满足条件的最大索引。
• 对于最小完成时间问题，最优解满足时间约束的等式条件，且卸载比特数最小化为 $ L_i^{\text{min}} = \left[L_i - \frac{Tf_i}{c_i}\right]^+ $。
• 通过最小化 $ \frac{(1+d)^{n-1}}{\sum_{i=1}^n r_i} $ 简化总卸载速率最大化问题，当选择 $ n $ 个最大 $ r_i $ 值时该表达式最小化。
• 理论证明表明，所提算法在给定约束下要么为最优解，要么能达到最优目标值。