[论文解读] Federated Orchestration for Network Slicing of Bandwidth and Computational Resource

Yingyu Li, Anqi Huang+4 more|arXiv (Cornell University)|Feb 6, 2020

Software-Defined Networks and 5G参考文献 34被引用 13

一句话总结

该论文提出了一种基于新型F-orcherstrator的联邦编排框架，用于在大规模物联网网络中实现跨带宽和计算资源的分布式、隐私保护型资源分配，适用于5G网络切片。该框架引入了DistADMM-PVS以实现同步优化，以及AsynADMM以实现异步协调，实现了全局收敛，响应时间极短，协调延迟可忽略不计，基于真实校园交通数据验证，相较于单资源切片，性能显著提升。

ABSTRACT

Network slicing has been considered as one of the key enablers for 5G to support diversified IoT services and application scenarios. This paper studies the distributed network slicing for a massive scale IoT network supported by 5G with fog computing. Multiple services with various requirements need to be supported by both spectrum resource offered by 5G network and computational resourc of the fog computing network. We propose a novel distributed framework based on a new control plane entity, federated-orchestrator , which can coordinate the spectrum and computational resources without requiring any exchange of the local data and resource information from BSs. We propose a distributed resource allocation algorithm based on Alternating Direction Method of Multipliers with Partial Variable Splitting . We prove DistADMM-PVS minimizes the average service response time of the entire network with guaranteed worst-case performance for all supported types of services when the coordination between the F-orchestrator and BSs is perfectly synchronized. Motivated by the observation that coordination synchronization may result in high coordination delay that can be intolerable when the network is large in scale, we propose a novel asynchronized ADMM algorithm. We prove that AsynADMM can converge to the global optimal solution with improved scalability and negligible coordination delay. We evaluate the performance of our proposed framework using two-month of traffic data collected in a in-campus smart transportation system supported by a 5G network. Extensive simulation has been conducted for both pedestrian and vehicular-related services during peak and non-peak hours. Our results show that the proposed framework offers significant reduction on service response time for both supported services, especially compared to network slicing with only a single resource.

研究动机与目标

• 解决在大规模5G物联网网络中，跨多个服务提供商的异构频谱与计算资源协调问题。
• 在不共享基站（BSs）之间的本地数据或资源信息的前提下，实现隐私保护型资源分配。
• 设计一种可扩展的分布式框架，确保多样化物联网服务的低服务响应时间与最坏情况性能保障。
• 通过提出一种具有收敛性保证的异步ADMM算法，克服同步协调的可扩展性限制。
• 基于5G支持的校园智能交通系统的真实流量痕迹验证该框架。

提出的方法

• 引入一种新型控制平面实体——联邦编排器（F-orchestrator），在不交换本地数据或资源状态信息的前提下，协调基站之间的资源分配。
• 提出DistADMM-PVS，一种基于部分变量分裂的交替方向乘子法（ADMM）的分布式优化算法，用于同步协调。
• 开发AsynADMM，一种ADMM的异步变体，允许基站独立更新，从而降低协调延迟并提升可扩展性。
• 采用基于李雅普诺夫的收敛性分析，证明在计算时间分布满足弱假设的条件下，AsynADMM可收敛至全局最优解。
• 采用具有指数计算时间分布的随机子问题求解器，以建模分布式系统中真实且可变的更新延迟。
• 利用引理1和引理2的递归期望界，建立异步算法几乎必然收敛至最优解的理论依据。

实验结果

研究问题

• RQ1 联邦编排框架是否能够在不共享敏感本地数据的前提下，协调多个服务提供商之间的频谱与计算资源？
• RQ2 所提出的DistADMM-PVS算法在理想同步条件下是否能实现全局收敛并最小化平均服务响应时间？
• RQ3 异步ADMM变体（AsynADMM）是否能在显著降低协调延迟的同时，保持对全局最优解的收敛性，适用于大规模网络？
• RQ4 所提出的框架在真实物联网场景下的性能与单资源网络切片相比如何？
• RQ5 可变计算延迟对网络切片中分布式资源分配的收敛性与可扩展性有何影响？

主要发现

• 所提出的AsynADMM算法在存在可变且异步更新延迟的情况下，仍以高概率收敛至全局最优解。
• 与同步对应方法相比，AsynADMM在可扩展性方面表现更优，协调延迟可忽略不计，适用于大规模物联网部署。
• 与仅依赖单一资源类型（带宽或计算）的网络切片相比，该框架显著降低了服务响应时间，尤其在高峰时段表现更优。
• 基于校园智能交通系统连续两个月的真实流量数据进行的大量仿真，验证了该框架在行人与车辆服务中的有效性。
• 在协调完全同步的条件下，DistADMM-PVS算法可保证所有服务类型的最坏情况性能。
• 收敛性分析表明，期望误差随时间衰减，上界仅依赖于最优解和历史状态，确保了算法的鲁棒性。