[论文解读] To Centralize or Not to Centralize: A Tale of Swarm Coordination

Justin Hu, Ariana Bruno+8 more|arXiv (Cornell University)|May 4, 2018

Cloud Computing and Resource Management参考文献 7被引用 13

一句话总结

本文通过12架无人机测试平台和大规模仿真，评估了大规模自主边缘设备集群中集中式与分布式协调控制的性能。结果表明，集中式控制在任务分配质量和执行效率方面始终优于分布式控制，尤其在异构性和通信不可靠的场景下表现更优；但其可扩展性受到高调度延迟和网络瓶颈的严重制约。

ABSTRACT

Large swarms of autonomous devices are increasing in size and importance. When it comes to controlling the devices of large-scale swarms there are two main lines of thought. Centralized control, where all decisions - and often compute - happen in a centralized back-end cloud system, and distributed control, where edge devices are responsible for selecting and executing tasks with minimal or zero help from a centralized entity. In this work we aim to quantify the trade-offs between the two approaches with respect to task assignment quality, latency, and reliability. We do so first on a local swarm of 12 programmable drones with a 10-server cluster as the backend cloud, and then using a validated simulator to study the tail at scale effects of swarm coordination control. We conclude that although centralized control almost always outperforms distributed in the quality of its decisions, it faces significant scalability limitations, and we provide a list of system challenges that need to be addressed for centralized control to scale.

研究动机与目标

• 量化大规模集群中集中式与分布式协调控制之间的权衡。
• 评估两种模型在任务分配质量、调度延迟和可靠性方面的性能差异。
• 识别阻碍集中式控制在大规模、异构且不可靠集群中有效扩展的关键系统级瓶颈。
• 探索在消除网络和调度瓶颈的理想条件下，集中式控制的潜在可行性。

提出的方法

• 在本地12架可编程Parrot AR2.0无人机集群上，结合10台服务器后端云平台，开展实验以对比集中式与分布式控制。
• 使用经过验证的仿真器，评估数千至数万台设备规模下集群的可扩展性影响。
• 实现集中式（推送模型）与分布式（拉取模型）协调框架，并在不同设备异构性和通信不可靠性水平下进行测试。
• 在不同配置下测量调度延迟、任务执行时间与完成率，包括网络延迟和故障模型。
• 通过系统执行追踪发现，34%的时间消耗在云-边缘消息交换上，66%的时间用于状态轮询与调度。
• 通过降低网络延迟并引入多智能体共享状态调度器，模拟性能提升效果。

实验结果

研究问题

• RQ1 在小规模集群中，集中式控制与分布式控制在任务分配质量和调度延迟方面有何差异？
• RQ2 在大规模、异构且不可靠的集群中，集中式控制的可扩展性限制是什么？
• RQ3 通信不可靠性和设备异构性如何影响两种控制模型的调度延迟与任务完成率？
• RQ4 哪些系统级瓶颈阻碍了集中式控制在大规模集群中的有效扩展？
• RQ5 通过降低网络延迟和优化调度吞吐量，能在多大程度上提升集中式控制的性能？

主要发现

• 集中式控制在任务分配质量和执行效率方面优于分布式控制，尤其在通信不可靠时，分布式模型的平均任务执行时间长出56%。
• 在大规模仿真中，集中式控制在10%随机网络故障下仍保持高决策质量，而分布式控制因缺乏全局状态可见性，任务失败率高达18%。
• 集中式控制的调度延迟随集群规模和异构性显著增加，在大规模异构且不可靠的集群中超过300ms。
• 当发生通信故障时，集中式控制器的平均任务执行时间比分布式模型长56%，主要由于重调度开销。
• 系统追踪显示，34%的执行时间消耗在云-边缘消息交换上，凸显通信为关键瓶颈。
• 仿真结果表明，降低网络延迟并支持并行调度可使集中式控制适用于大规模集群，但需进行显著的系统级优化。