[论文解读] Application Component Placement in NFV-based Hybrid Cloud/Fog Systems with Mobile Fog Nodes

Carla Mouradian, Somayeh Kianpisheh+4 more|arXiv (Cornell University)|Mar 19, 2019

Software-Defined Networks and 5G参考文献 40被引用 5

一句话总结

该论文提出了一种基于禁忌搜索的组件放置（TSCP）算法，用于支持NFV的混合云/雾系统，其中包含移动雾节点。该方法将应用组件建模为虚拟网络功能（VNFs），并采用整数线性规划（ILP）公式来最小化完成时间和执行成本的加权和。通过随机行走移动模型考虑雾节点的移动性，与基线方法相比，显著降低了延迟和成本。

ABSTRACT

Fog computing reduces the latency induced by distant clouds by enabling the deployment of some application components at the edge of the network, on fog nodes, while keeping others in the cloud. Application components can be implemented as Virtual Network Functions (VNFs) and their execution sequences can be modeled by a combination of sub-structures like sequence, parallel, selection, and loops. Efficient placement algorithms are required to map the application components onto the infrastructure nodes. Current solutions do not consider the mobility of fog nodes, a phenomenon which may happen in real systems. In this paper, we use the random waypoint mobility model for fog nodes to calculate the expected makespan and application execution cost. We then model the problem as an Integer Linear Programming (ILP) formulation which minimizes an aggregated weighted function of the makespan and cost. We propose a Tabu Search-based Component Placement (TSCP) algorithm to find sub-optimal placements. The results show that the proposed algorithm improves the makespan and the application execution cost.

研究动机与目标

• 解决现有放置算法在混合云/雾环境中未考虑雾节点移动性的问题。
• 使用随机行走移动模型对移动雾节点的动态行为进行建模。
• 将应用组件放置问题建模为整数线性规划（ILP）模型，以最小化完成时间和执行成本的加权组合。
• 设计并评估一种基于禁忌搜索的启发式算法（TSCP），以在移动雾环境中高效实现次优放置。
• 证明所提方法在移动性条件下有效降低应用执行延迟和成本。

提出的方法

• 将应用组件建模为具有执行依赖关系的虚拟网络功能（VNFs），依赖关系通过顺序、并行、选择和循环子结构表示。
• 使用随机行走移动模型模拟雾节点的移动，并随时间计算预期的完成时间和成本。
• 将放置问题建模为整数线性规划（ILP）模型，以最小化完成时间和执行成本的加权和。
• 设计一种基于禁忌搜索的组件放置（TSCP）算法，以高效探索解空间并找到次优放置方案。
• 在TSCP算法的评估函数中集成移动性感知的成本和延迟估计，以引导搜索朝向低延迟、低成本的配置。
• 在具有移动雾节点的模拟混合云/雾环境中，将TSCP算法与基线放置策略进行对比评估。

实验结果

研究问题

• RQ1 雾节点移动性如何影响混合云/雾系统中分布式应用的端到端完成时间和执行成本？
• RQ2 基于ILP的公式在移动雾环境中能否有效建模完成时间与成本之间的权衡？
• RQ3 像禁忌搜索这样的元启发式算法能否为移动性条件下的动态组件放置提供可扩展且有效的解决方案？
• RQ4 所提出的TSCP算法在延迟和成本降低方面与基线放置策略相比表现如何？
• RQ5 移动性模式对组件放置决策的稳定性和性能有何影响？

主要发现

• 所提出的TSCP算法在移动雾环境中相比基线放置策略显著降低了完成时间。
• TSCP算法通过优化移动和静态基础设施节点之间的资源利用率，降低了应用执行成本。
• ILP公式能有效捕捉延迟与成本之间的权衡，从而实现平衡的优化目标。
• 移动性感知的放置策略可带来更稳定和高效的执行，模拟结果验证了随机行走模型下的有效性。
• TSCP算法在具有移动雾节点的动态网络拓扑中表现出良好的可扩展性，并能收敛到高质量解。
• 结果表明，在放置决策中考虑移动性可显著提升延迟和成本效率。