[论文解读] Optimizing Information Freshness Through Computation-Transmission Tradeoff and Queue Management in Edge Computing

Peng Zou, Omur Ozel+1 more|arXiv (Cornell University)|Dec 3, 2019

Age of Information Optimization参考文献 29被引用 6

一句话总结

本文提出了一种新型边缘计算系统排队模型，通过联合管理串联队列中的计算与传输时间来优化信息新鲜度。通过分析具有通用服务时间分布的非抢占与抢占调度策略，作者推导出平均信息年龄（AoI）与平均峰值AoI的闭式表达式，揭示了计算负载与通信效率之间的关键权衡，从而最小化接收端的信息陈旧性。

ABSTRACT

Edge computing applications typically require generated data to be preprocessed at the source and then transmitted to an edge server. In such cases, transmission time and preprocessing time are coupled, yielding a tradeoff between them to achieve the targeted objective. This paper presents analysis of such a system with the objective of optimizing freshness of received data at the edge server. We model this system as two queues in tandem whose service times are independent over time but the transmission service time is monotonically dependent on the computation service time in mean value. This dependence captures the natural decrease in transmission time due to lower offloaded computation. We analyze various queue management schemes in this tandem queue where the first queue has a single server, Poisson packet arrivals, general independent service and no extra buffer to save incoming status update packets. The second queue has a single server receiving packets from the first queue and service is memoryless. We consider the second queue in two forms: (i) No data buffer and (ii) One unit data buffer and last come first serve with discarding. We analyze various non-preemptive as well as preemptive cases. We perform stationary distribution analysis and obtain closed form expressions for average age of information (AoI) and average peak AoI. Our numerical results illustrate analytical findings on how computation and transmission times could be traded off to optimize AoI and reveal a consequent tradeoff between average AoI and average peak AoI.

研究动机与目标

• 为解决边缘计算系统中数据必须在源端预处理后才能传输至远程服务器时的信息陈旧性最小化挑战。
• 将计算与传输过程耦合建模为具有均值计算时间与均值传输时间单调依赖关系的串联队列，反映现实世界中边缘计算的权衡。
• 在泊松到达率与一般服务时间的双队列系统中，分析非抢占与抢占调度策略，重点关注信息年龄（AoI）与峰值AoI指标。
• 推导出在各种排队管理方案下（包括有缓冲与无缓冲系统）的平均AoI与平均峰值AoI的精确闭式表达式。
• 识别出能最小化平均AoI与平均峰值AoI组合度量的最优计算时间，揭示处理延迟与传输效率之间的权衡。

提出的方法

• 将系统建模为两个串联队列：计算队列（M/GI/1）与传输队列（GI/M/1），其中到达率为λ，计算服务时间为一般分布。
• 引入均值计算时间与均值传输时间之间的单调依赖关系，捕捉通过预处理减小数据大小后可缩短传输时间的现实效应。
• 应用先前工作中改进的等效排队模型，推导平稳分布并计算年龄度量，实现超越近似的精确分析。
• 利用服务时间分布的矩生成函数（MGFs）与系统状态上的条件期望，推导出平均AoI与平均峰值AoI的闭式表达式。
• 考虑四种不同的调度方案：两种非抢占方案（传输队列中带缓冲与不带缓冲）与两种抢占方案（带缓冲与不带缓冲），在相同框架下进行分析。
• 利用第二阶段队列中指数服务时间的无记忆性，结合更新理论与条件期望技术，计算与年龄相关的期望值。

实验结果

研究问题

• RQ1 在计算与传输延迟耦合的串联边缘计算系统中，计算时间的选择如何影响平均AoI与峰值AoI？
• RQ2 在何种计算与传输时间的权衡下，能最小化平均AoI与平均峰值AoI的组合度量？
• RQ3 在不同计算时间分布下，非抢占与抢占调度策略在年龄性能上如何比较？
• RQ4 传输队列中是否存在缓冲对年龄度量有何影响，特别是在抢占与非抢占场景下？
• RQ5 在非记忆性计算与记忆性传输时间的通用串联队列模型中，能否推导出AoI与峰值AoI的闭式表达式？

主要发现

• 本文在所有四种调度方案（非抢占带/不带缓冲、抢占带/不带缓冲）下，均推导出平均AoI与平均峰值AoI的精确闭式表达式，实现了性能的精确评估。
• 数值结果表明，当计算时间低于某一阈值时，由于数据量增大导致传输时间增加，从而引起AoI上升；而过度计算同样会降低信息新鲜度，表明存在非平凡的权衡。
• 最小化平均AoI与平均峰值AoI组合度量的最优计算时间取决于计算时间分布的方差，方差越大，越需采取保守的计算调度策略。
• 抢占方案在年龄性能上通常优于非抢占方案，尤其在计算时间方差较高时，因传输队列中的等待时间更短。
• 分析结果清晰揭示了非抢占与抢占系统在AoI性能上的对比，后者在高负载或高计算时间变异性下能实现更低的平均AoI。
• 推导出的表达式明确显示AoI对系统参数（如到达率λ、传输速率μ）以及计算时间分布的矩生成函数的依赖关系，从而可直接用于优化。