[论文解读] Aqua Computing: Coupling Computing and Communications

Chathura M. Sarathchandra Magurawalage, Kun Yang+1 more|arXiv (Cornell University)|Oct 25, 2015

IoT and Edge/Fog Computing参考文献 6被引用 12

一句话总结

本文提出了Aqua Computing，这是一种新颖的范式，通过在移动边缘网络中联合分配和硬件集成计算与通信资源，实现动态计算卸载，从而提升设备性能和网络效率。原型系统通过使用边缘克隆处理无线数据包丢失，将回传重传流量最多减少90%，显著改善用户体验（QoE）并提升基础设施可扩展性。

ABSTRACT

The authors introduce a new vision for providing computing services for connected devices. It is based on the key concept that future computing resources will be coupled with communication resources, for enhancing user experience of the connected users, and also for optimising resources in the providers' infrastructures. Such coupling is achieved by Joint/Cooperative resource allocation algorithms, by integrating computing and communication services and by integrating hardware in networks. Such type of computing, by which computing services are not delivered independently but dependent of networking services, is named Aqua Computing. The authors see Aqua Computing as a novel approach for delivering computing resources to end devices, where computing power of the devices are enhanced automatically once they are connected to an Aqua Computing enabled network. The process of resource coupling is named computation dissolving. Then, an Aqua Computing architecture is proposed for mobile edge networks, in which computing and wireless networking resources are allocated jointly or cooperatively by a Mobile Cloud Controller, for the benefit of the end-users and/or for the benefit of the service providers. Finally, a working prototype of the system is shown and the gathered results show the performance of the Aqua Computing prototype.

研究动机与目标

• 解决移动和云网络中计算与通信资源独立管理导致的低效问题。
• 通过资源耦合实现设备在连接网络时无缝、自动地增强计算能力。
• 通过将重传任务从远程服务器卸载到基于边缘的克隆，减少回传网络负载并提升用户体验（QoE）。
• 提出一种移动边缘架构，通过移动云控制器联合管理计算与通信资源，实现最优资源利用。
• 通过在C-RAN测试平台上实现原型系统，验证Aqua Computing的可行性和优势。

提出的方法

• 提出一种新型计算范式——Aqua Computing，通过联合分配算法将计算资源与通信资源动态耦合。
• 引入“计算消解”作为设备在连接时将计算任务卸载至网络嵌入式资源的过程。
• 在C-RAN架构的基带单元（BBU）中部署移动克隆，作为RTMP视频流的本地缓存和重传节点。
• 使用基于OpenStack的轻量级克隆（1 CPU，512MB RAM）在本地处理重传，防止回传链路拥塞。
• 使用netem工具模拟无线网络不稳定性（如干扰、拥塞），并测量重传影响。
• 将RTMP流媒体与远程视频源及本地克隆集成，实现无线问题与核心网络的解耦。

实验结果

研究问题

• RQ1 如何通过联合分配计算与通信资源，提升移动网络中终端用户的QoE？
• RQ2 在无线数据包丢失条件下，基于边缘的克隆在视频流媒体过程中能将回传网络流量减少多少？
• RQ3 通过网络嵌入式克隆实现的计算消解，是否能在不增加基础设施负载的前提下提升设备性能？
• RQ4 与远程重传相比，基带单元处的本地重传对性能有何影响？
• RQ5 在移动边缘环境中集成计算与通信服务，对资源利用率和可扩展性有何影响？

主要发现

• 所提出的Aqua Computing架构相比传统无克隆的流媒体方式，将无线接入网（RAN）回传链路中的RTMP重传流量最多减少了90%。
• 在部署克隆后，重传任务在基站本地完成，避免了冗余流量到达远程视频源，有效节省了回传带宽。
• 原型系统表明，即使在高数据包丢失（通过netem模拟）条件下，移动设备也能实现稳定的视频流媒体，得益于克隆处的本地重传机制。
• 通过将无线不稳定性与核心网络隔离并降低端到端延迟，系统显著提升了用户体验（QoE）。
• 移动云控制器成功实现了计算与通信资源的联合分配，支持自动卸载和动态资源扩展。
• 使用低资源需求的OpenStack轻量级克隆（1 CPU，512MB RAM）有效处理了视频流媒体任务，验证了轻量化边缘计算的可行性。