[论文解读] Multi-Cell Mobile Edge Computing: Joint Service Migration and Resource Allocation

Zezu Liang, Yuan Liu+2 more|arXiv (Cornell University)|Feb 5, 2021

IoT and Edge/Fog Computing参考文献 37被引用 5

一句话总结

该论文提出了一种用于多小区移动边缘计算（MEC）网络的联合服务迁移与资源分配框架，以优化卸载性能并最小化迁移成本。通过建立混合整数非线性规划模型，并采用基于匹配理论的高效松弛-舍入方法求解，该方法在用户移动过程中实现了基站在计算与无线资源之间近似最优的平衡。

ABSTRACT

Mobile-edge computing (MEC) enhances the capacities and features of mobile devices by offloading computation-intensive tasks over wireless networks to edge servers. One challenge faced by the deployment of MEC in cellular networks is to support user mobility. As a result, offloaded tasks can be seamlessly migrated between base stations (BSs) without compromising the resource-utilization efficiency and link reliability. In this paper, we tackle the challenge by optimizing the policy for migration/handover between BSs by jointly managing computation-and-radio resources. The objectives are twofold: maximizing the sum offloading rate, quantifying MEC throughput, and minimizing the migration cost. The policy design is formulated as a decision-optimization problem that accounts for virtualization, I/O interference between virtual machines (VMs), and wireless multi-access. To solve the complex combinatorial problem, we develop an efficient relaxation-and-rounding based solution approach. The approach relies on an optimal iterative algorithm for solving the integer-relaxed problem and a novel integer-recovery design. The latter outperforms the traditional rounding method by exploiting the derived problem properties and applying matching theory. In addition, we also consider the design for a special case of "hotspot mitigation", referring to alleviating an overloaded server/BS by migrating its load to the nearby idle servers/BSs. From simulation results, we observed close-to-optimal performance of the proposed migration policies under various settings. This demonstrates their efficiency in computation-and-radio resource management for joint service migration and BS handover in multi-cell MEC networks.

研究动机与目标

• 通过联合管理计算与无线资源，解决多小区MEC网络中支持用户移动性的挑战。
• 优化服务迁移与基站（BS）切换策略，以最大化卸载吞吐量并最小化迁移成本。
• 在设计中考虑虚拟化、虚拟机（VM）之间的I/O干扰以及多接入无线网络约束。
• 为由联合迁移与资源分配引发的复杂组合优化问题开发高效解决方案。
• 研究热点缓解的特殊情况，即过载基站将任务卸载至附近空闲服务器。

提出的方法

• 将联合迁移与切换（JMH）问题建模为混合整数非线性规划（MINLP），以最大化总卸载速率并最小化迁移成本。
• 放松整数约束，获得连续凸松弛问题，可通过迭代算法求解以获得最优松弛解。
• 设计一种基于匹配理论的新型整数恢复机制，从松弛解中重构整数解，性能优于传统舍入方法。
• 通过捕捉服务器总线上的共享资源争用效应的系统模型，将VM之间的I/O干扰影响纳入考虑。
• 应用理论分析证明卸载速率函数在可行区域内的强严格凹性，以及最优目标函数关于总工作负载的单调性。
• 利用凸优化与整数规划理论结果（例如文献[37]中的引理2）建立最优整数解的边界。

实验结果

研究问题

• RQ1 如何在多小区MEC中联合优化服务迁移与资源分配，以在支持用户移动性的同时保持高卸载效率？
• RQ2 VM之间的I/O干扰对MEC卸载与迁移决策的性能有何影响？
• RQ3 如何有效降低联合迁移与资源分配的组合复杂度，同时保持近似最优性能？
• RQ4 基于匹配理论的松弛-舍入方法是否能优于标准舍入方法，以恢复MEC迁移问题的整数解？
• RQ5 所提出的框架在通过将过载基站的负载卸载至邻近空闲服务器方面，缓解热点问题的效果如何？

主要发现

• 所提出的基于匹配理论的整数恢复的松弛-舍入方法在卸载速率和迁移成本降低方面实现了接近最优的性能。
• 最优工作负载分配满足 $ y_n^* \leq J_n $ 对所有基站在内，确保在资源约束下的可行性。
• 卸载速率函数在可行区域内为严格凹函数，支持通过凸松弛实现高效优化。
• 最优目标值 $ R(K) $ 随总工作负载 $ K $ 单调递增，直至理论上限 $ K^* $。
• 该方法通过利用问题的特定结构特性和匹配理论，优于传统舍入技术。
• 仿真结果证实了该框架在一般联合迁移与热点缓解场景下的有效性，展示了在多样化网络条件下的稳健性能。