[论文解读] SDN-based Resource Allocation in Edge and Cloud Computing Systems: An Evolutionary Stackelberg Differential Game Approach

Jun Du, Chunxiao Jiang+3 more|arXiv (Cornell University)|Sep 26, 2021

IoT and Edge/Fog Computing被引用 5

一句话总结

本文提出了一种基于软件定义网络（SDN）的混合边缘与云计算（ECC）系统资源分配框架，采用演化Stackelberg微分博弈来优化动态资源定价与分配。通过建模用户服务选择的复制动态，并在云服务提供商（领导者）与边缘服务提供商（追随者）之间构建领导者-追随者博弈，该方法实现了最大化长期效用并确保在时变用户需求下收敛至稳定均衡的最优定价与资源共享策略。

ABSTRACT

Recently, the boosting growth of computation-heavy applications raises great challenges for the Fifth Generation (5G) and future wireless networks. As responding, the hybrid edge and cloud computing (ECC) system has been expected as a promising solution to handle the increasing computational applications with low-latency and on-demand services of computation offloading, which requires new computing resource sharing and access control technology paradigms. This work establishes a software-defined networking (SDN) based architecture for edge/cloud computing services in 5G heterogeneous networks (HetNets), which can support efficient and on-demand computing resource management to optimize resource utilization and satisfy the time-varying computational tasks uploaded by user devices. In addition, resulting from the information incompleteness, we design an evolutionary game based service selection for users, which can model the replicator dynamics of service subscription. Based on this dynamic access model, a Stackelberg differential game based cloud computing resource sharing mechanism is proposed to facilitate the resource trading between the cloud computing service provider (CCP) and different edge computing service providers (ECPs). Then we derive the optimal pricing and allocation strategies of cloud computing resource based on the replicator dynamics of users' service selection. These strategies can promise the maximum integral utilities to all computing service providers (CPs), meanwhile the user distribution can reach the evolutionary stable state at this Stackelberg equilibrium. Furthermore, simulation results validate the performance of the designed resource sharing mechanism, and reveal the convergence and equilibrium states of user selection, and computing resource pricing and allocation.

研究动机与目标

• 解决5G异构网络（HetNets）中动态、时变计算任务需求的挑战。
• 为混合边缘与云计算（ECC）系统设计一种高效、按需的资源管理架构。
• 在信息不完全和用户偏好持续演变的条件下，实现云计算资源的最优定价与分配。
• 即使在用户反馈存在通信延迟的情况下，也确保系统稳定并收敛至鲁棒均衡。

提出的方法

• 设计了一种基于SDN的集中式控制架构，以实现实时监控和对边缘与云服务提供商之间计算资源的动态管理。
• 采用演化博弈模型来表示用户服务选择的动态过程，捕捉用户在云与边缘服务提供商之间采纳行为的复制动态。
• 将云服务提供商作为领导者、边缘服务提供商作为追随者，构建Stackelberg微分博弈，以建模分层资源交易。
• 该博弈模型考虑了时变用户需求，并推导出最优定价与资源分配策略的开环均衡解。
• 在复制动态中引入群体延迟（τx），以分析通信延迟下的稳定性。
• 理论分析推导出系统稳定性和收敛至演化稳定状态（ESS）的条件，并通过仿真验证。

实验结果

研究问题

• RQ1 在用户需求时变且信息不完全的情况下，云与边缘计算服务提供商如何实现资源的动态共享？
• RQ2 在分层资源交易框架下，何种定价与分配策略能最大化云与边缘服务提供商的长期效用？
• RQ3 用户反馈中的通信延迟如何影响用户在各服务提供商间分布的收敛性与稳定性？
• RQ4 在用户选择动态中，何种条件可确保演化稳定状态（ESS）的存在性与稳定性？
• RQ5 不同的计算能力与接入价格如何影响资源共享机制的均衡结果？

主要发现

• 在均衡状态下，随着云服务提供商总计算能力（Rc）的增加，最优云资源价格下降，表明资源定价存在规模经济效应。
• 随着Rc的提高，未使用的云计算资源比例（剩余给CCP）也增加，表明大规模下资源利用率更高。
• 云服务提供商的接入价格（pc）越低，其均衡价格越低，保留的云容量越高，从而增强其市场竞争力。
• 当群体延迟τx较小时（例如τx = 0.7），即使存在动态波动，用户分布仍能收敛至均衡，证实了系统的鲁棒性。
• 当延迟较大时（例如τx = 1.7），收敛性被破坏，表明及时反馈对系统稳定性至关重要。
• 仿真结果验证了系统收敛至Stackelberg均衡，证实了在不同系统参数下所提出的定价与分配策略的有效性。