[논문 리뷰] To Centralize or Not to Centralize: A Tale of Swarm Coordination

Justin Hu, Ariana Bruno외 8명|arXiv (Cornell University)|2018. 05. 04.

Cloud Computing and Resource Management참고 문헌 7인용 수 13

한 줄 요약

이 논문은 12架 드론 테스트베드와 대규모 시뮬레이션을 사용하여 대규모 스웜의 중앙집중식 대 비중앙집중식 조정 제어를 평가한다. 중앙집중식 제어는 이질성과 신뢰할 수 없는 통신 환경에서도 임무 할당 품질과 실행 효율성에서 비중앙집중식 제어를 일관되게 뛰어넘지만, 높은 스케줄링 지연과 네트워크 병목 현상으로 인해 심각한 확장성 제약에 직면해 있다.

ABSTRACT

Large swarms of autonomous devices are increasing in size and importance. When it comes to controlling the devices of large-scale swarms there are two main lines of thought. Centralized control, where all decisions - and often compute - happen in a centralized back-end cloud system, and distributed control, where edge devices are responsible for selecting and executing tasks with minimal or zero help from a centralized entity. In this work we aim to quantify the trade-offs between the two approaches with respect to task assignment quality, latency, and reliability. We do so first on a local swarm of 12 programmable drones with a 10-server cluster as the backend cloud, and then using a validated simulator to study the tail at scale effects of swarm coordination control. We conclude that although centralized control almost always outperforms distributed in the quality of its decisions, it faces significant scalability limitations, and we provide a list of system challenges that need to be addressed for centralized control to scale.

연구 동기 및 목표

• 대규모 스웜에서 중앙집중식 대 비중앙집중식 조정 제어 간의 상호 교환 관계를 정량화하는 것.
• 두 모델 간의 임무 할당 품질, 스케줄링 지연, 신뢰성에서의 성능 차이를 평가하는 것.
• 대규모 이질적이고 신뢰할 수 없는 스웜에서 중앙집중식 제어가 확장되지 못하는 주요 시스템 수준의 병목 현상을 규명하는 것.
• 네트워크 및 스케줄링 병목 현상이 제거된 이상적인 조건에서 중앙집중식 제어의 잠재력을 탐색하는 것.

제안 방법

• 10대의 서버 백엔드 클라우드를 갖춘 현지 스웜 12대의 프로그래밍 가능한 Parrot AR2.0 드론을 사용하여 중앙집중식과 비중앙집중식 제어를 비교하는 실험을 수행했다.
• 수천에서 수만 대의 장치를 대상으로 한 스케일링 영향을 평가하기 위해 검증된 시뮬레이터를 사용했다.
• 장치의 이질성과 통신의 비신뢰성 수준을 다양하게 조절한 중앙집중식(푸시 모델) 및 비중앙집중식(풀 모델) 조정 프레임워크를 구현했다.
• 네트워크 지연 및 장애 모델을 포함한 다양한 구성에서 스케줄링 지연, 임무 실행 시간, 완료율을 측정했다.
• 시스템 실행을 추적한 결과, 34%의 시간이 클라우드-에지 메시지 교환에 소요되었고, 66%는 상태 풀링과 스케줄링에 소요되었다.
• 네트워크 지연을 줄이고 다중 에이전트 공유 상태 스케줄러를 도입하여 처리량을 향상시키는 성능 향상 효과를 시뮬레이션했다.

실험 결과

연구 질문

• RQ1 소규모 스웜에서 중앙집중식 제어는 비중앙집중식 제어에 비해 임무 할당 품질과 스케줄링 지연 측면에서 어떻게 비교되는가?
• RQ2 대규모 이질적이고 신뢰할 수 없는 스웜에서 중앙집중식 제어의 확장성 제약은 무엇인가?
• RQ3 통신 비신뢰성과 장치 이질성이 두 제어 모델의 스케줄링 지연과 임무 완료율에 미치는 영향은 무엇인가?
• RQ4 대규모 스웜에서 중앙집중식 제어가 효과적으로 확장되지 못하는 주요 시스템 수준의 병목 현상은 무엇인가?
• RQ5 네트워크 지연을 줄이고 스케줄링 처리량을 최적화함으로써 중앙집중식 제어의 성능 향상은 어느 정도 달성될 수 있는가?

주요 결과

• 중앙집중식 제어는 임무 할당 품질과 실행 효율성에서 비중앙집중식 제어를 뛰어넘었으며, 통신 장애가 발생한 상황에서 비중앙집중식 모델의 평균 임무 실행 시간이 56% 더 길었다.
• 대규모 시뮬레이션에서 중앙집중식 제어는 10%의 무작위 네트워크 장애가 발생하더라도 높은 의사결정 품질을 유지했지만, 비중앙집중식 제어는 전역 상태 시각화 부족으로 인해 18%의 임무 실패율을 보였다.
• 중앙집중식 제어의 스케줄링 지연은 스웜 크기와 이질성 증가에 따라 크게 증가했으며, 대규모 이질적이고 신뢰할 수 없는 스웜에서는 300ms를 초과했다.
• 통신 장애 발생 시 중앙집중식 컨트롤러는 재스케줄링 오버헤드로 인해 비중앙집중식 모델보다 평균 임무 실행 시간이 56% 더 길었다.
• 시스템 추적 분석 결과, 실행 시간의 34%가 클라우드-에지 메시지 교환에 소요되어 통신이 주요 병목 현상임을 입증했다.
• 시뮬레이션 결과, 네트워크 지연을 줄이고 병렬 스케줄링을 도입하면 중앙집중식 제어가 대규모 스웜에 적용 가능해질 수 있으나, 상당한 시스템 수준 최적화가 필요하다.