[论文解读] Efficient Large-Scale Multiple Migration Planning and Scheduling in SDN-enabled Edge Computing

TianZhang He, Adel N. Toosi+1 more|arXiv (Cornell University)|Nov 17, 2021

Caching and Content Delivery参考文献 44被引用 4

一句话总结

本文提出了一种基于迭代最大独立集（MIS）的调度算法，用于在SDN-enabled边缘计算环境中实现大规模、移动驱动的实时容器迁移。通过将迁移之间的资源依赖关系建模为动态图，并利用SDN实现集中式控制，该方法相比现有最先进方法将平均迁移时间减少了高达99.36%，停机时间减少了99.94%，同时在实时场景中最大限度地减少了截止时间违规。

ABSTRACT

The containerized services allocated in the mobile edge clouds bring up the opportunity for large-scale and real-time applications to have low latency responses. Meanwhile, live container migration is introduced to support dynamic resource management and users' mobility. However, with the expansion of network topology scale and increasing migration requests, the current multiple migration planning and scheduling algorithms of cloud data centers can not suit large-scale scenarios in edge computing. The user mobility-induced live migrations in edge computing require near real-time level scheduling. Therefore, in this paper, through the Software-Defined Networking (SDN) controller, the resource competitions among live migrations are modeled as a dynamic resource dependency graph. We propose an iterative Maximal Independent Set (MIS)-based multiple migration planning and scheduling algorithm. Using real-world mobility traces of taxis and telecom base station coordinates, the evaluation results indicate that our solution can efficiently schedule multiple live container migrations in large-scale edge computing environments. It improves the processing time by 3000 times compared with the state-of-the-art migration planning algorithm in clouds while providing guaranteed migration performance for time-critical migrations.

研究动机与目标

• 解决在高用户移动性环境下，移动边缘计算环境中实时、大规模的容器迁移调度挑战。
• 将多个实时迁移之间的动态资源竞争建模为依赖图，以实现高效规划。
• 设计一种可扩展、低延迟的迁移调度框架，确保对时间关键型服务的QoS保障。
• 利用真实世界的移动轨迹和网络拓扑对所提方法进行实际验证。
• 在复杂边缘网络中，优化资源利用率的同时，最大限度减少迁移停机时间和截止时间违规。

提出的方法

• 将容器迁移的资源依赖关系（计算、网络、路由）建模为动态无向依赖图。
• 使用迭代最大独立集（MIS）算法识别可并行执行的无冲突迁移批次。
• 利用SDN控制器实现集中式网络控制，并将迁移流量与常规服务隔离。
• 与容器编排和SDN集成，实时获取资源可用性和网络拓扑信息。
• 采用两种变体进行性能对比：iter-GWIN（迭代贪心算法，带权重节点选择）和single-MCs（每个周期仅迁移一个容器）。
• 使用真实世界的出租车移动轨迹和基站坐标，模拟真实的迁移工作负载。

实验结果

研究问题

• RQ1 如何有效建模大规模实时容器迁移之间的资源依赖关系，以支持实时调度？
• RQ2 在高移动性边缘环境中，何种调度策略可最小化迁移停机时间和截止时间违规？
• RQ3 基于迭代MIS的方法在边缘计算中相较于现有以云为中心的迁移调度器，性能优势有多大？
• RQ4 在迁移请求激增的情况下，所提方法如何维持QoS？
• RQ5 网络资源稀缺对迁移性能有何影响，又该如何缓解？

主要发现

• 所提出的iter-GWIN算法相比现有最先进云迁移调度器，平均迁移时间减少高达99.36%。
• 采用该方法后，平均停机时间减少99.94%，显著提升了服务连续性。
• 与基线方法相比，总截止时间违规减少高达88.18%，在高负载场景下违规率降至0.071%。
• 违规时间（超出截止时间的总时长）减少高达99.94%，确保时间关键型服务的强QoS合规性。
• 与现有基于云的迁移规划算法相比，处理时间提升3000倍。
• 在高负载场景（S3含37,822次迁移）下，尽管存在网络资源约束，需进行优先级排序，但该算法仍通过智能调度保持了极低的违规率。