Optimization of Energy Efficiency in Fog Computing with Latency Constraints
[ 1 ] Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ SzD ] doctoral school student
[ 1 ] Instytut Radiokomunikacji, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] employee
[ 1 ] Instytut Radiokomunikacji, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] employee
english
- fog network
- optimization
- energy-efficiency
- edge computing
- sieć typu mgła
- optymalizacja
- efektywność energetyczna
- przetwarzanie brzegowe
EN Motivated by increased mobile communication traffic, a vast amount of data processing and associated energy consumption, as well as strict latency requirements, the author of this thesis presents his research on energy consumption minimization in fog computing networks that distribute communication and computation services along the cloud-to-end-devices continuum. Task execution latency constraints are also considered. The thesis of this dissertation is the following: There exist optimal solutions to computational task offloading problems in fog networks, minimizing energy consumption while maintaining required latency levels. The main goal of the thesis is to propose such solutions. After the state-of-the-art research on energy-aware fog computing networks is analyzed, the author’s original contributions to solving the problem of communication and computing task allocation in fog networks are presented. First, the author focuses on modeling the delay and energy consumption within the fog and cloud tiers of the network. Models are parameterized using values representing real-world equipment for communication and computing resources and diverse user requests. Results presenting the impact of different core network parameters on energy consumption and delay in fog computing networks are shown for various parameter setups. Then, the author formulates an optimization problem to find an assignment of offloaded tasks to nodes in the fog and cloud tiers that minimize energy consumption while keeping their delay requirements. The objective function includes energy costs related to transmission and computing, while the optimization space includes choice of Fog Nodes (FNs) and Cloud Nodes (CNs) executing the tasks as well as their Central Processing Unit (CPU) frequencies. Two solutions, called Energy-EFFicient Resource Allocation (EEFFRA) and Low Complexity (LC)-EEFFRA, to this non-convex optimization problem are proposed. The simulation results for various input parameters are provided and compared against the benchmark algorithms. Next, the fog-network model is expanded by including the wireless transmission between Mobile Devices (MDs) and FNs. It has an impact on the objective function and constraints, and adds a new set of decision variables. Despite this, an analytical solution to the optimization problem is found. The results are examined for various input parameters and compared against those achieved by the baseline solutions. Finally, the author explores the offloading of tasks modeled as sequential graphs. These tasks consist of smaller subtasks, each of which can be processed at a different node. The optimization problem is still about minimizing energy consumption and maintaining the required delay while the proposed solution involves clustering similar nodes to significantly reduce the size of the search space. The major conclusion of this dissertation is that the author’s original solutions can significantly reduce energy consumption in the fog network with latency constraints compared with standard cloud-delegation practices. Key parameters, such as arithmetic intensity, are identified and their impact on the efficiency of offloading solutions is shown through the results of multiple simulations.
PL Motywowany zwiększonym ruchem w komunikacji mobilnej, rosnącą skalą zbierania i analizy danych oraz związanym z nią zużyciem energii, a także wymaganym gwarantowanym opóźnieniem zadań komunikacyjnych i obliczeniowych, autor niniejszej pracy przedstawia swoje badania nad minimalizacją zużycia energii w architekturach sieciowych typu mgła obliczeniowa, które dystrybuują komunikację i usługi obliczeniowe w kontinuum pomiędzy chmurą obliczeniową a urządzeniami końcowymi. Uwzględnia także wymagania związane z zadanymi ograniczeniami opóźnień w wykonywaniu zadań. Teza tej rozprawy jest następująca: Istnieją optymalne rozwiązania problemów związanych z odciążaniem urządzeń końcowych i przekazywaniem zadań obliczeniowych do sieci mgłowych, minimalizujące zużycie energii przy jednoczesnym zachowaniu wymaganych opóźnień. Głównym celem pracy jest zaproponowanie takich rozwiązań. Po omówieniu aktualnego stanu wiedzy na temat energetycznie oszczędnych sieci typu mgła autor przedstawia swój oryginalny wkład w rozwiązanie problemów przydziału zadań obliczeniowych w tej sieci. W pierwszej kolejności autor koncentruje się na modelowaniu opóźnień i zużycia energii w warstwach mgły i chmury. Modele są parametryzowane przy użyciu wartości reprezentujących rzeczywisty sprzęt sieciowy i komputerowy oraz przy założeniu występowania różnorodnych rodzajów zadań obliczeniowych. Przedstawiono wyniki wpływu różnych konfiguracji tych parametrów na zużycie energii i opóźnienia. Autor formułuje problem optymalizacyjny w celu znalezienia takiego przypisania zadań do węzłów w warstwach mgły i chmury, które minimalizuje zużycie energii przy jednoczesnym zachowaniu wymagań dotyczących opóźnień. Funkcja celu obejmuje zużycie energii na transmisję i obliczenia, natomiast przestrzeń optymalizacyjna obejmuje węzły realizujące zadania oraz częstotliwości ich jednostek centralnych (CPU). Zaproponowano dwa rozwiązania tego niewypukłego problemu optymalizacji, zwane Energy-EFFicient Resource Allocation (EEFFRA) i Low Complexity (LC)-EEFFRA. Przedstawiono wyniki symulacji dla różnych parametrów wejściowych i porównano je z wynikami wzorcowymi. Następnie model sieci mgłowej jest rozwijany poprzez uwzględnienie w rozważaniach optymalizacyjnych transmisji bezprzewodowej pomiędzy urządzeniami końcowymi a węzłami mgły. Wpływa to na funkcję celu (przez dodanie energii zużytej na transmisje) i ograniczenia (przez dodanie później). Ponadto przestrzeń rozwiązań jest powiększona o dodatkowy zbiór zmiennych. Zaproponowano analityczne rozwiązanie problemu optymalizacyjnego, a uzyskane wyniki porównywano z rozwiązaniami bazowymi. Na koniec autor bada modelowanie przenoszenia zadań obliczeniowych do mgły za pomocą skierowanych grafów acyklicznych. Zadania te składają się z podzadań, z których każde może być przetwarzane w innym węźle mgły. Problem optymalizacyjny to nadal minimalizacja zużycia energii przy utrzymaniu wymaganego opóźnienia. Proponowane rozwiązanie polega na grupowaniu podobnych węzłów w celu znacznego ograniczenia przestrzeni poszukiwania optimum. Głównym wnioskiem z przedstawionych badań jest to, że oryginalne rozwiązania autora mogą znacznie zmniejszyć zużycie energii w sieci mgłowej przy ograniczeniach opóźnieniowych zadań w porównaniu ze standardowymi praktykami delegowania zadań do chmury. Parametry, w tym intensywność arytmetyczna (stosunek liczby operacji do rozmiaru zadania), mające kluczowy wpływ na wydajność przenoszenia obliczeń są zidentyfikowane. Wnioski wynikają z wielu symulacji komputerowych przeprowadzonych dla różnorodnych scenariuszy.
134
information and communication technology
public
Andrzej Bęben
Warszawa, Poland
10.02.2025
english
public
Sławomir Hausman
18.11.2024
english
public
Ai-Chun Pang
18.11.2024
english
public
dissertation before defense
Poznań, Poland
14.03.2025