[论文解读] Towards Mission-Critical Control at the Edge and Over 5G

Per Skarin, William Tärneberg+2 more|arXiv (Cornell University)|Mar 6, 2018

Energy Efficient Wireless Sensor Networks被引用 4

一句话总结

本文提出了一套完整的边缘云测试平台，集成5G、物联网和云原生控制系统，以支持关键任务、低延迟的控制应用。结果表明，模型预测控制器可在边缘节点间动态迁移，且抖动和延迟极低，在高噪声和设定值变化条件下，其稳定性与响应性优于本地部署和远端云部署。

ABSTRACT

With the emergence of industrial IoT and cloud computing, and the advent of 5G and edge clouds, there are ambitious expectations on elasticity, economies of scale, and fast time to market for demanding use cases in the next generation of ICT networks. Responsiveness and reliability of wireless communication links and services in the cloud are set to improve significantly as the concept of edge clouds is becoming more prevalent. To enable industrial uptake we must provide cloud capacity in the networks but also a sufficient level of simplicity and self-sustainability in the software platforms. In this paper, we present a research test-bed built to study mission-critical control over the distributed edge cloud. We evaluate system properties using a conventional control application in the form of a Model Predictive Controller. Our cloud platform provides the means to continuously operate our mission-critical application while seamlessly relocating computations across geographically dispersed compute nodes. Through our use of 5G wireless radio, we allow for mobility and reliably provide compute resources with low latency, at the edge. The primary contribution of this paper is a state-of-the art, fully operational test-bed showing the potential for merged IoT, 5G, and cloud. We also provide an evaluation of the system while operating a mission-critical application and provide an outlook on a novel research direction.

研究动机与目标

• 评估在分布式边缘云环境中部署时间敏感、关键任务控制应用的可行性。
• 解决集中式数据中心和工厂内单体系统在处理延迟、抖动和系统弹性方面的局限性。
• 实现在地理分布的边缘节点之间动态运行时重构控制应用，同时不牺牲稳定性。
• 利用5G和边缘基础设施，在真实网络条件下评估云原生控制系统的性能。
• 建立可复现、可观测的测试平台，用于研究控制系统与分布式云平台之间的相互作用。

提出的方法

• 构建了一个多层测试平台，集成5G无线接入、分布式边缘云节点以及一个物理控制装置（倒置梁上的小球）。
• 将模型预测控制器（MPC）作为云原生应用部署，分别运行在边缘节点、工厂内的树莓派设备以及AWS实例上。
• 利用5G的超可靠低延迟通信（URLLC）技术，确保控制回路的端到端延迟低于10ms，且抖动极低。
• 通过在运行时将MPC控制器在边缘节点之间迁移，实现动态重构，以评估系统的鲁棒性与性能。
• 测量不同部署点（工厂、边缘、云）下的执行时间、网络延迟和控制器稳定性。
• 使用时间序列数据分析在高噪声和设定值变化场景下控制器的行为，比较可行性与解的收敛性。

实验结果

研究问题

• RQ1 能否在5G赋能的边缘云基础设施上可靠且高效地部署关键任务控制应用？
• RQ2 当MPC控制器部署在边缘、工厂或远端云时，其性能如何变化？
• RQ3 在不损害系统稳定性或引入过多抖动的前提下，控制应用的动态运行时重构在多大程度上可实现？
• RQ4 网络延迟和抖动对实时控制场景中MPC可行性与解收敛性有何影响？
• RQ5 计算负载与噪声如何影响不同部署位置下控制器的性能？

主要发现

• 在高噪声和设定值变化条件下，边缘节点成功维持了小球在梁上的控制，而基于工厂的控制器因计算过载而失效。
• 在AWS云实例上，尽管计算能力强大，但网络延迟和抖动导致多次无法找到可行的MPC解，最终导致小球掉落。
• 边缘节点完成一次MPC优化迭代仅需80 ms，而AWS仅需40 ms，但其更低的延迟和抖动使控制保持稳定，而AWS则失败。
• 在工厂部署时，当MPC无法找到可行解，执行时间超过50 ms的采样周期，表明存在严重的计算瓶颈。
• 在运行时成功实现了控制器在边缘节点之间的动态重构，未造成稳定性损失或显著性能下降。
• 该系统表明，边缘云部署可实现对延迟敏感、关键任务控制应用的可靠运行，即使在传统部署方式失败的挑战性条件下亦然。