[论文解读] Computation Peer Offloading for Energy-Constrained Mobile Edge Computing in Small-Cell Networks

Lixing Chen, Sheng Zhou+1 more|arXiv (Cornell University)|Mar 17, 2017

IoT and Edge/Fog Computing参考文献 32被引用 5

一句话总结

本文提出OPEN，一种面向小型小区网络中能量受限的移动边缘计算的在线对等卸载框架，采用李雅普诺夫优化在无未来信息的前提下平衡小型小区基站（SBS）之间的负载。该框架实现接近最优的性能并具备可证明的保证，支持集中式与分布式决策，可在突发性工作负载下将系统延迟降低高达55%。

ABSTRACT

The (ultra-)dense deployment of small-cell base stations (SBSs) endowed with cloud-like computing functionalities paves the way for pervasive mobile edge computing (MEC), enabling ultra-low latency and location-awareness for a variety of emerging mobile applications and the Internet of Things. To handle spatially uneven computation workloads in the network, cooperation among SBSs via workload peer offloading is essential to avoid large computation latency at overloaded SBSs and provide high quality of service to end users. However, performing effective peer offloading faces many unique challenges in small cell networks due to limited energy resources committed by self-interested SBS owners, uncertainties in the system dynamics and co-provisioning of radio access and computing services. This paper develops a novel online SBS peer offloading framework, called OPEN, by leveraging the Lyapunov technique, in order to maximize the long-term system performance while keeping the energy consumption of SBSs below individual long-term constraints. OPEN works online without requiring information about future system dynamics, yet provides provably near-optimal performance compared to the oracle solution that has the complete future information. In addition, this paper formulates a novel peer offloading game among SBSs, analyzes its equilibrium and efficiency loss in terms of the price of anarchy in order to thoroughly understand SBSs' strategic behaviors, thereby enabling decentralized and autonomous peer offloading decision making. Extensive simulations are carried out and show that peer offloading among SBSs dramatically improves the edge computing performance.

研究动机与目标

• 解决密集小型小区网络中能量受限SBS的计算负载不均衡问题。
• 设计一种无需未来系统知识的在线卸载框架，同时维持能量约束。
• 通过博弈论模型分析SBS的战略行为，并利用纳什价格衡量效率损失。
• 实现集中式与分布式对等卸载决策，计算开销极低。
• 在真实、非泊松任务到达模式及不同网络异构性条件下评估性能。

提出的方法

• OPEN框架采用李雅普诺夫优化，联合管理SBS之间的负载卸载与能耗。
• 构建一个在线优化问题，在单个SBS能量约束下最大化长期系统性能。
• 在分布式运行模式下，每个SBS通过计算对等卸载博弈中的最优响应策略，收敛至纳什均衡。
• 框架包含两种变体：OPEN-C（集中式）与OPEN-A（自主式），均具备可证明的性能边界。
• 系统动态通过随机任务到达建模，性能在多样化工作负载模式下通过大规模仿真进行评估。
• 测量运行时与通信开销，以验证在标准硬件上的实际可行性。

实验结果

研究问题

• RQ1 在无未来信息的前提下，如何优化能量受限、动态变化的小型小区网络中的计算对等卸载？
• RQ2 所提出的在线框架与具备完整未来信息的“理想”方案之间的性能差距有多大？
• RQ3 具有自利动机的SBS在对等卸载博弈中如何表现其战略行为，由此产生的效率损失是多少？
• RQ4 在非泊松、突发性或非独立同分布（i.i.d.）的任务到达模式下，该框架的性能表现如何？
• RQ5 实现该框架的实际计算与通信开销是多少？

主要发现

• OPEN在突发任务到达情况下，与无卸载相比，延迟成本最高可降低55%。
• OPEN与理想方案之间的性能差距有界，具备可证明的近似最优性保证。
• 在采用马氏过程建模的非i.i.d.任务到达下，OPEN仍可实现37.5%的延迟降低。
• OPEN-C每决策周期仅产生0.83ms的平均计算延迟，信息交换开销极低，仅为0.2ms。
• OPEN-A每周期需28.1ms进行最优响应计算，但与1分钟的决策周期相比仍可忽略不计。
• 更高的网络异构性可提升系统性能，因为OPEN能更有效地平衡过载SBS的负载。