文献阅读9

CE-IoT: Cost-Effective Cloud-Edge ResourceProvisioning for Heterogeneous IoT Applications（CE-IoT：适用于异构物联网应用的经济高效的云边缘资源配置）

摘要
随着物联网（IoT）领域的巨大进步，近年来目睹了异构物联网设备和应用程序的空前泛滥。其中，有些具有严格的截止期限，只能通过新兴的移动边缘计算（MEC）范式来满足，而另一些则可能带来弹性的截止期限，而云计算可以灵活地完成这些截止期限。但是，由于存在MEC和云的资源成本在时间和空间上的差异，如何有效地配置MEC和云资源以最小化长期运营成本，同时仍要保证硬性和软性期限仍然是一个实际的挑战。适用于异构物联网应用。为了克服这种固有的性能-成本折衷，基于延迟感知的Lyapunov优化技术，提出了一种有效的在线云边缘资源供应框架。在不需要先验知识的云边缘系统统计信息的情况下，提出的框架允许做出关于将多少MEC和云资源提供给异构IoT应用的在线贪婪决策。通过严格的理论分析，我们证明，在不违反异构物联网应用的硬性和软性期限的前提下，可以将长期运营成本任意逼近离线最优水平。在实际流量和成本跟踪的推动下，通过进行广泛的评估，我们从经验上证明了所提议的云边缘资源供应框架的成本效率。
索引词：边缘计算，异构物联网应用，资源供应，具有成本效益，具有延迟意识
一、引言
随着5G通信和物联网的发展，到2020年，预计将有超过500亿个设备连接到Internet，从而促进了许多新兴的IoT应用程序，包括视频/音频监视，远程医疗保健，车联网（IoV）和增强功能。现实等。[1]，[2]。为了满足这些新兴的对延迟敏感的物联网应用的严格及时性要求，最近提出了移动边缘计算（MEC）[3]，[4]的概念。作为云计算的扩展，MEC将云资源和服务从网络核心推向了更靠近物联网的网络边缘的设备和数据源，从而大大降低了端到端延迟。
在认识到MEC在减少用户感知的IoT应用程序的延迟，带宽和能耗方面的优势时，重要的是要注意，MEC节点通常是资源容量有限的微型数据中心。因此，为应对不断增长的物联网设备和应用程序引起的日益加剧的需求，应在MEC端提供更多资源。但是，这种放大方法在经济上效率很低，因为它会导致非高峰时间的资本支出（CapEX）显着增加，并且资源利用减少。考虑到重要的物联网工作流–容忍延迟的工作负载，或非任务关键型工作负载，例如智能农业[5]，个人医疗保健[6]和智能家居[7]中的批处理数据分析所举例说明的–适度的延迟，从几分钟到几小时不等。然后，可以采用横向扩展方法，将延迟容忍的工作负载卸载到功能强大的云数据中心（例如，Amazon EC2和Microsoft Azure），由于具有以下优势，因此可以以较低的运营支出（OpEX）来服务延迟容忍的工作负载。云数据中心拥有的规模经济。
上面的横向扩展方法导致了一个层次结构，该层次结构协调云和MEC以单独的方式处理对延迟敏感和对延迟敏感的工作负载。对于此层次结构，一个被忽略但具有吸引力的特征是，不同层次上的资源容量和使用价格表现出时间和空间多样性。凭直觉，如果我们想提高云边缘网络的成本效率，就应该充分利用这种多样性。特别是，为了在资源价格上利用空间多样性，可以在为延迟敏感的工作负载提供服务后提供剩余的MEC资源，以在其价格低于云时为延迟容忍的工作负载提供服务。尽管为了临时价格异质性的套利，当云或MEC资源的价格下降时，可以将延迟容忍的工作负载推迟到软截止期限（即这些工作负载的最大可容忍期限）之前进行处理。
不幸的是，由于延迟容忍的IoT工作负载造成了软期限，因此以经济高效的方式利用时空价格和容量异质性绝非易事。一方面，在现实的动态环境中，由于电价随时间变化，因此云和MEC资源的价格都在波动且不可预测。然后，在最大限度地减少长期资源成本并在延迟延迟容忍的工作负载时限制最坏情况的延迟方面具有挑战性。另一方面，当MEC资源的价格低于云资源的价格时，一种经济的方法是将一些可容忍延迟的工作负载调度到MEC进行处理。但是，鉴于有限的资源可用于延迟容忍的工作负载，如何将这种稀缺的MEC资源分配给多个延迟容忍的应用程序以节省总体成本仍然是一个障碍。
为了解决上述双重挑战，在本文中，我们提出了一种层次结构和异构感知框架，用于为云边缘网络提供具有成本效益的资源分配。首先，为了对时间价格异质性进行套利，提出了一种缓冲区辅助的层次结构，以将延迟的工作负载临时存储在MEC节点的缓冲区中，然后再将它们调度到远程云或在资源价格上涨时进行本地处理摔倒。其次，通过应用感知延迟的Lyapunov优化技术，我们的框架可以有效地同时将长期成本最小化和最坏情况下的延迟保证纳入一系列一次性优化问题中，每个问题都可以在线决策，而无需要求任何未来信息（例如资源价格）作为先验。最后，针对每一个导致的一次性资源供应问题，提出了一种基于经济的贪婪启发式方法，以基于当前延迟容忍应用程序的缓冲区积压来供应资源，从而在长期成本和最差成本之间取得了很好的平衡。容错应用程序的大小写延迟。虽然很简单，但所提议的框架具有可证明的成本效益，因为它可以做出在线资源分配决策，以实现接近最佳的长期运营成本，同时仍然可以容忍物联网应用的最坏情况下的延迟。
所提出的框架还可以很容易地通过控制参数V进行调整，该参数表示长期资源成本与保证各种应用的最坏情况下的延迟的相对重要性，并有助于量化[O（1 / V ），O（V）]性价比之间的权衡。通过这种折衷，异构物联网系统的运营商被赋予通过调整控制参数V在系统性能和运营成本之间的各种折衷点之间进行灵活选择的能力。通过使用实际电价和云资源价格数据进行实证评估，以及对时延敏感和时延容忍的应用程序的工作负载跟踪，我们证明了我们的解决方案对于实现近乎最佳的长期可行资源成本，同时仍然限制了对延迟敏感的应用程序造成的硬期限和对延迟敏感的应用程序造成的软期限。
二、相关工作
随着MEC的出现，大量的最新研究致力于为MEC进行有效的资源配置和工作量调度。在认识到它们的重要性的同时，我们的研究与现有作品有所不同和互补。
现有文献中的大多数集中在通过D2D（设备到设备）通信开发大型终端设备，以实现MEC中的节能和低延迟工作负载处理。例如，Chen等。 [8]提出了一种D2D人群框架，该框架通过在移动设备之间共同汇总和共享异构计算和通信资源来实现高效的协作任务执行。阿提亚等等人[9]提出了一种用于5G蜂窝系统的框架，其中在边缘采用D2D通信以增加系统的容量。为了刺激终端设备之间的资源共享，Pu等人。 [10]提倡一个节能任务卸载框架，该框架考虑了激励能力，防止了资源共享中的过度开发和搭便车行为。与上述工作不同，本文不考虑在终端设备上处理工作量。理由是，对于某些复杂的数据处理任务，它们通常涉及多个IoT设备（例如，车辆轨迹跟踪通常跨越多个摄像头）或调用后端数据库和程序（例如，用于远程医疗的大规模疾病数据库）护理应用程序以及用于计算机视觉的大型推理模型）仅存储在服务器端。

三、非均质物联网应用的资源提供模型
四、延迟通知在线成本最小化
为了应对问题SCM的挑战，我们利用扰动的Lyapunov优化来设计可感知延迟的在线成本最小化框架[30]，该框架能够以在线方式做出资源配置决策，而无需任何未来的信息。先验的。特别是，我们的在线算法在逼近时间平均成本方面可证明是有效的，该时间平均成本可以任意逼近离线最优值，同时仍能满足延迟允许应用的软性要求。

五、绩效评估
在本节中，我们进行跟踪驱动的仿真，以评估提出的在线业务流程框架的实际好处。这些模拟基于实际的工作负载跟踪和成本数据。

六、结束语
在本文中，我们为新兴的云边缘网络提出了一种具有成本效益的资源提供框架，它可以同时满足延迟敏感和延迟容忍的物联网应用。为了降低云边缘网络的长期运营成本，首先提出了一种缓冲区辅助的分层体系结构来临时存储延迟容忍的工作负载，从而能够轻松有效地利用云和MEC资源的时空价格多样性价格。为了在利用时间和空间价格多样性时同时满足对延迟敏感的应用程序的硬期限和对延迟敏感的应用程序的软期限，基于延迟感知的Lyapunov优化技术设计了一种在线资源供应方案。提出的方案的结果是，它可以同时实现接近最佳的长期运营成本，并限制了延迟敏感型应用程序和容忍延迟应用程序的最坏情况下的延迟，而无需先验的未来信息。通过严格的理论分析和广泛的跟踪驱动模拟，我们验证了所提出的资源供应框架的有效性。