[论文解读] Age-of-Information for Computation-Intensive Messages in Mobile Edge Computing

Qiaobin Kuang, Jie Gong+2 more|arXiv (Cornell University)|Jan 7, 2019

Age of Information Optimization参考文献 11被引用 7

一句话总结

本文研究了移动边缘计算（MEC）中计算密集型消息的年龄信息（AoI），提出一个两节点串联排队模型，比较在零等待策略下用户侧本地计算与MEC服务器侧远程计算的性能。推导出平均AoI的闭式表达式，表明当MEC计算容量较高或传输速率最优时，远程计算可显著降低AoI，并发现存在一个最优数据速率可使远程执行的AoI最小化。

ABSTRACT

Age-of-information (AoI) is a novel metric that measures the freshness of information in status update scenarios. It is essential for real-time applications to transmit status update packets to the destination node as timely as possible. However, for some applications, status information embedded in the packets is not revealed until complicated data processing, which is computational expensive and time consuming. As mobile edge server has sufficient computational resource and is placed close to users, mobile edge computing (MEC) is expected to reduce age for computation-intensive messages. In this paper, we study the AoI for computation-intensive data in MEC, and consider two schemes: local computing by user itself and remote computing at MEC server. The two computing models are unified into a two-node tandem queuing model. Zero-wait policy is adopted, i.e., a new message is generated once the previous one leaves the first node. We consider exponentially distributed service time and infinite queue size, and hence, the second node can be seen as a First-Come-First-Served (FCFS) M/M/1 system. Closed-form average AoI is derived for the two computing schemes. The region where remote computing outperforms local computing is characterized. Simulation results show that the remote computing is greatly superior to the local computing when the remote computing rate is large enough, and that there exists an optimal transmission rate so that remote computing is better than local computing for a largest range.

研究动机与目标

• 分析移动边缘计算（MEC）中计算密集型消息的年龄信息（AoI），其中数据处理耗时且资源密集。
• 在统一的两节点串联排队模型下，比较用户侧本地计算与MEC服务器侧远程计算两种计算方案。
• 表征远程计算在平均AoI方面优于本地计算的性能区域。
• 研究关键系统参数（如分组大小、所需CPU周期数、传输速率和MEC计算容量）对AoI性能的影响。

提出的方法

• 将系统建模为两节点串联排队网络：用户到MEC的传输，随后在MEC服务器上进行处理。
• 应用零等待策略，即前一个消息离开第一节点后立即生成新消息。
• 假设服务时间呈指数分布且队列容量无限，使第二节点可建模为FCFS M/M/1队列。
• 通过随机过程分析，推导出本地计算和远程计算方案下平均AoI的闭式表达式。
• 利用随机跳变系统（SHS）分析年龄动态并推导稳态年龄分布。
• 基于系统参数，表征远程计算相比本地计算能获得更低平均AoI的性能区域。

实验结果

研究问题

• RQ1 在何种条件下，MEC服务器端的远程计算相比用户设备端的本地计算能获得更低的平均AoI，适用于计算密集型消息？
• RQ2 传输速率如何影响本地计算与远程计算之间的AoI权衡？
• RQ3 在远程计算中，使平均AoI最小化的最优数据速率是什么？其如何依赖于系统参数？
• RQ4 所需CPU周期数和MEC服务器计算容量如何影响远程计算中的AoI性能？
• RQ5 是否存在一个分组大小阈值，超过该值后本地计算将优于远程计算？

主要发现

• 当MEC服务器计算容量足够高或传输速率选择最优时，远程计算优于本地计算，尤其在所需CPU周期数较大时表现更优。
• 存在一个最优传输速率，可使远程计算的平均AoI最小化，且该速率能最大化相对于本地计算的性能增益。
• 当所需CPU周期数超过7000兆周期时，远程计算的平均AoI急剧上升，当服务器利用率ρs趋近于1时，AoI趋近于无穷大。
• 对于小分组大小（如0.5 Mbits），远程计算在传输速率约1.64 Mbits以内优于本地计算；而对于较大分组，交叉点发生偏移，更高传输速率下本地计算更优。
• 本地计算的平均AoI与数据速率和分组大小无关，仅取决于本地处理速度。
• 随着MEC计算容量增加，远程计算的平均AoI减小，并最终收敛至2/μt（理论最小值），尤其在所需CPU周期数较大时性能增益显著。