[论文解读] A Delay Optimal MAC and Packet Scheduler for Heterogeneous M2M Uplink

Akshay Kumar, Ahmed Abdelhadi+1 more|arXiv (Cornell University)|Jun 21, 2016

IoT Networks and ProtocolsEngineering被引用 17

一句话总结

本文提出了一种针对异构机器对机器（M2M）上行链路流量的延迟最优、按比例公平的多类分组调度算法，应用于应用层服务器（AS），通过迭代凸优化实现抢占式优先级策略的时间共享，以最大化系统效用。此外，本文还提出了一种低复杂度的分布式联合信道分配与调度方案，能够以极低开销快速收敛至集中式性能，仿真结果表明其优于加权循环（WRR）、最大权重（max-weight）和优先级调度器。

ABSTRACT

The uplink data arriving at the Machine-to-Machine (M2M) Application Server (AS) via M2M Aggregators (MAs) is fairly heterogeneous along several dimensions such as maximum tolerable packet delay, payload size and arrival rate, thus necessitating the design of Quality-of-Service (QoS) aware packet scheduler. In this paper, we classify the M2M uplink data into multiple QoS classes and use sigmoidal function to map the delay requirements of each class onto utility functions. We propose a proportionally fair delay-optimal multiclass packet scheduler at AS that maximizes a system utility metric. We note that the average class delay under any work-conserving scheduling policy can be realized by appropriately time-sharing between all possible preemptive priority policies. Therefore the optimal scheduler is determined using an iterative process to determine the optimal time-sharing between all priority scheduling policies, such that it results in maximum system utility. The proposed scheduler can be implemented online with reduced complexity due to the iterative optimization process. We then extend this work to determine jointly optimal MA-AS channel allocation and packet scheduling scheme at the MAs and AS. We first formulate a joint optimization problem that is solved centrally at the AS and then propose a low complexity distributed optimization problem solved independently at MAs and AS. We show that the distributed optimization solution converges quickly to the centralized optimization result with minimal information exchange overhead between MAs and AS. Using Monte-Carlo simulations, we verify the optimality of the proposed scheduler and show that it outperforms other state-of-the-art packet schedulers such as weighted round robin, max-weight scheduler etc. Another desirable feature of proposed scheduler is low delay jitter for delay-sensitive traffic.

研究动机与目标

• 解决具有不同延迟、大小和到达率需求的异构M2M上行链路流量带来的挑战。
• 设计一种QoS感知的分组调度算法，以最大化系统效用，同时确保对延迟敏感流量的低延迟抖动。
• 在最小信息交换的前提下，联合优化MA-AS信道分配与分组调度。
• 开发一种快速收敛至集中式最优性能的分布式优化框架。
• 验证所提调度算法在性能上优于现有调度算法（如WRR、max-weight和基于优先级的方案）。

提出的方法

• 根据延迟预算、数据包大小和到达率，将M2M上行链路流量划分为不同的QoS等级。
• 使用S型效用函数，将各类流量的延迟需求映射为服务效用。
• 将最优调度器建模为所有抢占式优先级策略的时间共享组合，以实现任意工作保守型平均延迟。
• 采用迭代凸优化求解最优时间共享比例，降低计算复杂度。
• 提出一种分布式算法，其中MA和AS交替求解本地优化问题，同时固定其他方的调度策略。
• 放松整数子载波分配约束以进行上界分析，并验证其收敛至最优解。

实验结果

研究问题

• RQ1 如何为具有多样化QoS需求的异构M2M上行链路流量设计一种延迟最优的调度算法？
• RQ2 能否通过在抢占式优先级策略之间进行时间共享，高效计算出最优调度器？
• RQ3 如何在低复杂度和最小信息交换的前提下，联合优化MA-AS信道分配与分组调度？
• RQ4 所提出的分布式优化框架能否快速收敛至集中式最优解？
• RQ5 与现有先进调度算法（如WRR、max-weight和基于优先级的方案）相比，所提调度算法在性能上表现如何？

主要发现

• 所提出的迭代调度算法实现了接近最优的系统效用，在仿真中优于WRR、WFS、max-weight和优先级调度器。
• 分布式优化框架在极低信息交换开销下快速收敛至集中式最优解。
• 子载波分配动态适应流量负载，将更多子载波分配给具有高eSM流量和低SM密度的MA（如MA2）。
• 分布式方案的系统效用非常接近通过实值子载波分配获得的上界，表明其接近最优性。
• 该调度算法实现了延迟敏感流量的近似最小延迟抖动，同时对延迟容忍流量的抖动略有增加。
• 由于将大规模优化问题迭代分解为更小的子问题，最优调度器在计算上是可行的。