[論文レビュー] Smart-Edge-CoCaCo: AI-Enabled Smart Edge with Joint Computation, Caching, and Communication in Heterogeneous IoT

Yixue Hao, Yiming Miao+5 more|arXiv (Cornell University)|Jan 8, 2019

IoT and Edge/Fog Computing参考文献 11被引用数 12

ひとこと要約

本論文では、異種のIoT環境における計算オフロード、キャッシュ、通信の共同最適化を実現するAI駆動のエッジコンピューティングアーキテクチャ、Smart-Edge-CoCaCoを提案する。協調フィルタリングを用いたキャッシュ、動的オフロード意思決定、無線通信モデリングを統合することで、高負荷および多数同時ユーザー状態下において、従来のクラウドコンピューティングと比較して合計遅延を最大40％削減する。

ABSTRACT

The development of mobile communication technology, hardware, distributed computing, and artificial intelligence (AI) technology has promoted the application of edge computing in the field of heterogeneous Internet of Things (IoT). In order to overcome the defects of the traditional cloud computing model in the era of big data. In this article, we first propose a new AIenabled smart edge with heterogeneous IoT architecture which combines edge computing, caching, and communication. Then, we propose the Smart-Edge-CoCaCo algorithm. To minimize total delay and confirm the computation offloading decision, Smart-Edge-CoCaCo uses joint optimization of the wireless communication model, the collaborative filter caching model in edge cloud, and the computation offloading model. Finally, we built an emotion interaction testbed to perform computational delay experiments in real environments. The experiment results showed that the computation delay of the Smart-Edge-CoCaCo algorithm is lower than that of traditional cloud computing model with the increase of computing task data and the number of concurrent users.

研究の動機と目的

• 異種のIoT環境における従来のクラウドコンピューティングに起因する高い遅延とネットワーク混雑を解消すること。
• 大量かつ同時で遅延に敏感なIoTワークロード下における集中型クラウド処理の限界を克服すること。
• エンドツーエンド遅延を最小限に抑えるために、計算オフロード、エッジキャッシュ、無線通信の共同最適化フレームワークを設計すること。
• 実世界の感情認識シナリオを用いて、提案手法の性能向上を検証することにより、従来のクラウドベースのモデルとの比較を実施すること。

提案手法

• 異種のIoT環境におけるエッジコンピューティング、キャッシュ、通信の統合を実現する新規なAI駆動のスマートエッジアーキテクチャを提案する。
• エッジクラウドに協調フィルタリングベースのキャッシュモデルを実装し、キャッシュヒットレートを向上させ、重複したデータ送信を削減する。
• 無線通信、キャッシュ、計算オフロードを統合した共同最適化モデルを構築し、合計遅延を最小限に抑える。
• タスクの複雑さ、ネットワーク状態、エッジクラウドの利用可能性に基づく動的計算オフロード意思決定を実装する。
• AIドリブンの意思決定を統合し、ローカルデバイス、エッジクラウド、リモートクラウド間でのタスクの適応的ルーティングを実現する。
• 変動する画像サイズと同時ユーザー数を想定した、AIWAC感情相互作用テストベッドを用いた実世界実験を実施する。

実験結果

リサーチクエスチョン

• RQ1 計算、キャッシュ、通信の共同最適化は、異種のIoTシステムにおけるエンドツーエンド遅延をどのように低減できるか？
• RQ2 協調フィルタリングを用いたエッジキャッシュは、通信オーバーヘッドと遅延にどのような影響を与えるか？
• RQ3 エッジノードとクラウドノード間での動的計算オフロードは、タスクの複雑さが増加する状況下で性能にどのように影響するか？
• RQ4 高並列処理状態では、従来のクラウドオンliyオフロードと比較して、システムはどのように動作するか？
• RQ5 遅延、帯域幅、リソース利用率の観点から、ローカル処理、エッジ処理、クラウド処理の間にはどのようなトレードオフが存在するか？

主な発見

• Smart-Edge-CoCaCoアルゴリズムは、テストされたすべての画像サイズにおいて、従来のクラウドコンピューティングよりも合計計算遅延が低く、データの複雑さが増すにつれて差が広がった。
• 高並列ユーザー負荷（最大35ユーザー）下でも、Smart-Edge-CoCaCoモデルの平均遅延は従来のクラウドモデルよりも一貫して低く保たれ、スケーラビリティの優位性が示された。
• 画像サイズが16×16から160×160に増加した際、最適化されたオフロードおよびキャッシュ意思決定のおかげで、Smart-Edge-CoCaCoアルゴリズムは低い遅延を維持した。
• アルゴリズムは動的にオフロード先を選択し、低複雑度タスクにはエッジクラウドを、高複雑度タスクにはクラウドを優先するなど、全体の遅延を低減した。
• 協調フィルタリングによるキャッシュヒットレートの向上は、重複したデータ転送とコアネットワークの混雑を顕著に削減した。
• 極端な混雑状態では、Smart-Edge-CoCaCoと従来のクラウドコンピューティングとの遅延差が縮小したが、あらゆるシナリオにおいても提案手法がベースラインを上回った。