[论文解读] Online Geographical Load Balancing for Energy-Harvesting Mobile Edge Computing

Jie Xu, Hang Wu+2 more|arXiv (Cornell University)|Apr 1, 2017

Energy Harvesting in Wireless Networks被引用 2

一句话总结

本文提出 GLOBE，一种用于能量采集移动边缘计算网络的在线地理负载均衡与准入控制算法。通过利用扰动李雅普诺夫优化，GLOBE 实现了无需未来信息的分布式、实时运行，实现了近乎最优的性能，同时遵守能量因果性和电池动态特性。

ABSTRACT

Mobile Edge Computing (MEC) (a.k.a. fog computing) has recently emerged to enable low-latency and location-aware data processing at the edge of mobile networks. Since providing grid power supply in support of MEC can be costly and even infeasible in some scenarios, on-site renewable energy is mandated as a major or even sole power supply. Nonetheless, the high intermittency and unpredictability of energy harvesting creates many new challenges of performing effective MEC. In this paper, we develop an algorithm called GLOBE that performs joint geographical load balancing (GLB) and admission control for optimizing the system performance of a network of MEC-enabled and energy harvesting-powered base stations. By leveraging and extending the Lyapunov optimization with perturbation technique, GLOBE operates online without requiring future system information and addresses significant challenges caused by battery state dynamics and energy causality constraints. Moreover, GLOBE works in a distributed manner, which makes our algorithm scalable to large networks. We prove that GLOBE achieves a close-to-optimal system performance compared to the offline algorithm that knows full future information, and present a critical tradeoff between battery capacity and system performance. Simulation results validate our analysis and demonstrate the superior performance of GLOBE compared to benchmark algorithms.

研究动机与目标

• 解决在移动边缘计算（MEC）网络中管理间歇性和不可预测可再生能源的挑战。
• 设计一种在线算法，实现实时联合地理负载均衡与准入控制，且无需依赖未来系统信息。
• 确保在资源分配决策中尊重能量因果性和电池状态动态。
• 实现可扩展的分布式运行，适用于大规模 MEC 网络。
• 通过可证明的权衡机制，在系统性能与电池容量限制之间实现平衡。

提出的方法

• 采用扰动李雅普诺夫优化框架，实现实时联合管理工作负载分配与准入控制。
• 使用时变能量采集、电池状态动态和速率约束对系统进行建模。
• 引入一种扰动技术以稳定李雅普诺夫漂移，实现无需未来信息的在线决策。
• 将优化问题表述为在能量因果性和电池容量约束下，最小化队列积压与能量成本的组合。
• 设计一种分布式算法，使每个基站基于本地信息和邻居状态反馈做出本地决策。
• 使用二次李雅普诺夫函数，确保在时变条件下系统的稳定性和收敛性。

实验结果

研究问题

• RQ1 在无未来能量可用性信息的情况下，如何在能量采集 MEC 网络中有效实现地理负载均衡？
• RQ2 在能量受限环境中，在线算法与离线算法之间的性能差距是多少？
• RQ3 在间歇性能量采集条件下，电池容量与系统性能之间如何权衡？
• RQ4 能否通过一种分布式算法在尊重能量因果性和电池动态的前提下实现近乎最优的性能？
• RQ5 扰动技术对 MEC 中在线负载均衡的稳定性与收敛性有何影响？

主要发现

• 即使在无未来信息的情况下，GLOBE 的系统性能仍与最优离线算法保持一个常数差距。
• 该算法确保了任务队列的稳定性，并遵守能量因果性，防止能量过度使用。
• 建立了电池容量与系统性能之间的关键权衡关系，其中更大的电池可减少性能损失。
• 仿真结果表明，GLOBE 在任务完成率和能量效率方面优于基准算法。
• GLOBE 的分布式特性使其能够在无需集中协调的情况下扩展至大规模网络。
• 李雅普诺夫优化中的扰动技术在时变能量和工作负载条件下有效稳定了系统。