WO2020241981A1 - 포그 컴퓨팅 기반 무선 네트워크에서 태스크 우선순위별 연산량 오프로딩 장치 및 방법 - Google Patents

포그 컴퓨팅 기반 무선 네트워크에서 태스크 우선순위별 연산량 오프로딩 장치 및 방법 Download PDF

Info

Publication number
WO2020241981A1
WO2020241981A1 PCT/KR2019/013188 KR2019013188W WO2020241981A1 WO 2020241981 A1 WO2020241981 A1 WO 2020241981A1 KR 2019013188 W KR2019013188 W KR 2019013188W WO 2020241981 A1 WO2020241981 A1 WO 2020241981A1
Authority
WO
WIPO (PCT)
Prior art keywords
fog
cloud
offloading
task
server
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2019/013188
Other languages
English (en)
French (fr)
Inventor
정종문
김준성
유원석
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industry Academic Cooperation Foundation of Yonsei University
Original Assignee
Industry Academic Cooperation Foundation of Yonsei University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Industry Academic Cooperation Foundation of Yonsei University filed Critical Industry Academic Cooperation Foundation of Yonsei University
Publication of WO2020241981A1 publication Critical patent/WO2020241981A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G06F9/4893—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues taking into account power or heat criteria
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Definitions

  • the present invention relates to an offloading apparatus and method, and to an apparatus and method for offloading an operation amount by task priority according to an occurrence frequency for minimizing energy consumption in a fog computing-based wireless network.
  • mobile cloud computing technology that performs computation and storage functions on a centralized cloud platform instead of a user terminal has been proposed, and mobile cloud computing technology eliminates the processing load on the user terminal and can provide various services from a cloud server. To be.
  • the platform is located at the center of the network, and additional service delay time occurs due to physical distance in providing services to user terminals.
  • fog computing In order to provide a cloud service while minimizing such unnecessary service delay time, fog computing has been proposed that performs a part of the cloud function in a fog server disposed in a Radio Access Network (hereinafter referred to as RAN) close to a user terminal.
  • RAN Radio Access Network
  • fog computing it is necessary to carefully design a task offloading technology that can improve efficiency by distributing cloud services to cloud computing and fog computing.
  • a fog server due to the introduction of a new processing node called a fog server, the total energy consumption has increased, so a technique that can consider not only the user terminal but also the energy of the fog server is needed.
  • Another object of the present invention is to provide an apparatus and method for offloading a computation amount by task priority that can achieve an optimal energy consumption.
  • An offloading device configured to obtain network state information of a fog computing-based network including at least one user terminal, at least one fog server, and at least one cloud server.
  • Network information acquisition unit Calculates the transmission time and operation time of the cloud task in the case of offloading by distributing a number of cloud tasks with priority according to the frequency of occurrence based on the specified probability distribution model to the fog server and cloud server, and calculating the calculated transmission time and operation
  • a reference throughput calculating unit that calculates the number of reference fog offloading from time;
  • a reference cumulative distribution which is a cumulative distribution of the number of reference fog offloading calculated by the reference throughput calculating unit, and when a cloud task with a designated priority is transmitted from a user terminal, the cumulative distribution of the transmitted priority cloud task is calculated.
  • An offloading unit that compares the calculated cumulative distribution with the reference cumulative distribution to offload the priority cloud task to a fog server or a cloud server; Includes.
  • the apparatus and method for offloading the amount of computation by task priority are provided with a fog server and a cloud so that the amount of energy consumption of the user terminal and the fog server is minimized while the cloud task requested by the user terminal is processed within the required service provision time. Can be offloaded to the server. Therefore, even when the user terminal and the fog server are implemented as mobile devices driven with limited power, cloud services with required performance can be provided in the maximum possible time.
  • FIG. 1 shows a schematic structure of a fog computing-based network.
  • FIG. 2 shows a schematic structure of an offloading apparatus for a fog computing-based network according to an embodiment of the present invention.
  • FIG. 3 shows a method for offloading a fog computing-based network according to an embodiment of the present invention.
  • FIG. 4 shows a structure of a modified header for applying the offloading method of a fog computing-based network according to the present embodiment.
  • FIG. 5 shows a simulation result of an average service provision time according to an offloading method of a fog computing-based network according to the present embodiment.
  • FIG 6 shows simulation results of average energy consumption according to the offloading method of the fog computing-based network according to the present embodiment.
  • FIG. 1 shows a schematic structure of a fog computing-based network.
  • a fog computing-based network includes at least one cloud server 10, at least one base station 21, 22, at least one fog server 31, 32, and a plurality of user terminals 41 to 45. Includes.
  • the plurality of user terminals 41 to 45 are mobile devices and may have a plurality of tasks.
  • the task may include an edge task to be directly processed by the user terminals 41 to 45 and a cloud task to request processing from the fog servers 31 and 32 or the cloud server 10.
  • a plurality of user terminals 41 to 45 connect to an adjacent fog server among at least one fog server 31 and 32 when there is a cloud task to request an operation task, and adjacent fog servers to which at least one cloud task is connected. Transfer to.
  • the plurality of user terminals 41 to 45 may directly access the fog servers 31 and 32 through wireless communication and transmit the cloud task to the connected fog server.
  • a plurality of user terminals 41 to 45 can directly connect to at least one base station 21 and 22 unless they transmit a cloud task.
  • a plurality of user terminals 41 to 45 may be configured to access the fog servers 31 and 32 through at least one base station 21 and 22, but here, a plurality of user terminals ( 41 to 45) will be described on the assumption that they directly connect to the fog servers 31 and 32 by wireless.
  • Each of the at least one fog server 31 and 32 determines whether to directly process a cloud task authorized from the at least one user terminal 41 to 45 or offload to a cloud server.
  • the fog servers 31 and 32 may offload each of the plurality of cloud tasks to be processed by one of the fog servers 31 and 32 or the cloud server 10 according to a designated priority. It is possible to determine whether to offload to the cloud server 10 according to an occurrence frequency priority cumulative probability distribution and a reference throughput.
  • the fog servers 31 and 32 directly process, they perform an operation on the authorized cloud task and process it, and deliver the processing result to the user terminal that transmitted the cloud task.
  • the cloud server 10 processes it, the cloud task is transmitted to the cloud server 10 through the corresponding base stations 21 and 22.
  • a cloud task to be processed by the fog servers 31 and 32 is referred to as a fog offloading task
  • a cloud task to be processed by the cloud server 10 is referred to as a cloud offloading task. That is, the cloud task may be classified into a fog offloading task and a cloud offloading task according to a processing device.
  • Each of the plurality of base stations 21 and 22 provides communication between at least one fog server 31 and 32 and the cloud server 10.
  • At least one fog server (31, 32) is disposed adjacent to a plurality of user terminals (41 to 45), whereas the cloud server (10) is generally disposed in a remote location, thus a plurality of base stations (21, 22) It may be disposed between at least one of the fog servers 31 and 32 and the cloud server 10 so that smooth communication can be performed between the fog servers 31 and 32 and the cloud server 10.
  • the cloud server 10 performs an operation on the cloud task transmitted from the fog servers 31 and 32.
  • offloading determines whether the fog servers 31 and 32 directly process the cloud tasks authorized from the user terminals 41 to 45 or offload to the cloud server 10. Device.
  • a cloud task may be simply referred to as a task.
  • FIG. 2 shows a schematic structure of an offloading apparatus for a fog computing-based network according to an embodiment of the present invention, and as described above, the offloading apparatus according to the present embodiment may be included in a fog server as an example.
  • the offloading apparatus may offload each of the plurality of cloud tasks in consideration of the priority according to the frequency of occurrence. That is, the optimal number of fog offloading to be processed in the fog servers 31 and 32 according to the priority (k) of each cloud task (A k ) based on the frequency of occurrence in the total number of cloud tasks (N max ) (n opt ) Is determined as the number of reference fog offloading.
  • the applied cloud task A k according to the determined reference number of fog offloading (n opt ) is directly processed as a fog offloading task or transmitted to the cloud server 10 as a cloud offloading task.
  • the offloading apparatus of this embodiment does not exceed the predetermined threshold service provision time D th , while the service provision time for processing the cloud task A k requested by the user terminals 41 to 45 41 ⁇ 45) and the fog server (31, 32) to minimize the energy consumption by determining the number of fog offloading capable of offloading the cloud task as the reference number of fog offloading (n opt ), providing required services It is possible to minimize the energy consumption of the user terminals 41 to 45 and the fog servers 31 and 32 while satisfying time. Therefore, even when the user terminals 41 to 45 and the fog servers 31 and 32 are implemented as mobile devices driven with limited power, a cloud service with required performance can be provided in the maximum possible time.
  • the offloading apparatus may include a network information acquisition unit 100, a reference throughput calculation unit 200, and an offloading unit 300.
  • the network information acquisition unit 100 acquires network state information of a fog computing-based network.
  • the network information acquisition unit 100 includes each Rayleigh fading block channel matrix between the user terminals 41 to 45 and adjacent fog servers 31 and 32 and between the fog servers 31 and 32 and corresponding base stations 21 and 22. (h, h F ) and transmission rate (r, r F ), propagation coefficient ( ⁇ ) between the base stations 21 and 22 and the cloud server 10, the operation of the fog servers 31 and 32 and the cloud server 10
  • the frequencies f F and f R can be obtained.
  • Based throughput calculation unit 200 is the data of the cumulative distribution ( ⁇ (n)) and the cloud task (A k) of the network status information to the cloud task (A k) based on the frequency obtained from the network information obtaining unit 100, the size (d k) and calculates the service time (d (n, d k) ) and the energy consumption (C (n)) according to the network transmission time and the operation time in accordance with. And from the calculated service provision time (D(n, d k )) and energy consumption (C(n)), a reference number of fog offloading (n opt ) to be processed in the fog servers 31 and 32 is obtained.
  • the reference throughput calculation unit 200 may include a delay time calculation unit 210, an energy consumption calculation unit 220, and an optimum throughput calculation unit 230.
  • the delay time calculation unit 210 includes the number of fog offloading tasks processed by the fog servers 31 and 32 among the total number of cloud tasks (N max ) and the data of the input cloud task A k Calculate the service provision time (D(n, d k )) according to the size (d k ).
  • Delay time calculation unit 210 Cloud task (A k) a jeep distribution (Zipf distribution), the frequency (f K (k)) to be modeled and, on the basis of the jeep distribution frequency (f K (k which according to )), the cumulative distribution ( ⁇ (n)) and the complementary cumulative distribution ( ⁇ (n)) of the priority cloud task A k are obtained.
  • the frequency of occurrence (f K (k)) of the cloud task A k having the k-th priority may be modeled as in Equation 1 according to a Zipf distribution.
  • k is the priority of the cloud task (A k )
  • ⁇ is the probability distribution parameter Is calculated as
  • s is the Jeep distribution parameter.
  • Equation 1 the cumulative distribution ( ⁇ (n)) and the complementary cumulative distribution ( ⁇ (n)) for the number of fog offloading tasks processed by the fog servers 31 and 32 among the total number of cloud tasks (N max ) n)) can be calculated according to Equations 2 and 3, respectively.
  • the delay time calculation unit 210 includes a service time when offloading to the fog servers 31 and 32, that is, a fog offloading service time T F during which a fog offloading task is processed among the cloud tasks A k
  • the service time when offloading to the cloud server 10, that is, the cloud offloading service time (T R ) during which the cloud offloading task is processed, is modeled and calculated.
  • the fog offloading service time (T F ) and the cloud offloading service time (T R ) may be composed of network transmission time and computation time, respectively.
  • the computation time is the computational amount (W k ) for processing the data size (d k ) required by the cloud task (A k ) and the operating frequency (f F , f) of the fog server (31, 32) or the cloud server (10).
  • R depends on.
  • X k is a characteristic probability distribution in consideration of computational diversity and complexity of the cloud task A k , and may be modeled and obtained according to a gamma probability distribution, which is an empirical probability distribution.
  • the probability density function for the characteristic probability distribution (X k ) of the cloud task (A k ) Is (In this case, it can be expressed as x> 0).
  • ⁇ and ⁇ are probability density function parameters specified according to the characteristics of the cloud task A k .
  • computation amount (W k) may be calculated in the form of a probabilistic calculation amount (W k, ⁇ ) such as equation (4), taking into account the probability of completing the operation (Operation completion probability) parameter ( ⁇ ).
  • the fog task computation time (T F,pr ) which is the computation time of the fog offloading task
  • the cloud task computation time which is the computation time, of the cloud offloading task
  • the fog task operation time T F and pr is determined according to the operating frequency f F of the fog servers 31 and 32.
  • the fog offloading service time (T F ) is the fog task operation time (T F,pr ) and the fog required to transmit the fog offloading task from the user terminals 41 to 45 to the adjacent fog servers 31 and 32. It can be calculated as the sum of the task transmission times (T U,tr ).
  • the fog task transmission time (T U,tr ) is calculated as the ratio of the data size (d k ) of the fog offloading task and the transmission rate (r) between the user terminals 41 to 45 and adjacent fog servers 31 and 32. I can.
  • the data size (d k ) of the fog offloading task is transmitted as a circularly symmetric complex Gaussian signal through the Rayleigh fading block channel matrix (h) as much as the spectral bandwidth (B), and the transmission power is P
  • the transmission rate r is calculated as in Equation 5.
  • the fog task transmission time (T U,tr ) can be calculated by Equation 6.
  • the fog offloading service time (T F ) may be calculated according to Equation 7 as the sum of the fog task transmission time (T U,tr ) and the fog task operation time (T F,pr ).
  • cloud task transmission time (T U, tr) is the time for transmitting the cloud offloading tasks from fog server (31, 32) adjacent at the user terminal (41 ⁇ 45) (T U, tr), fog server (31, 32 ) To the corresponding base station (21, 22) (T F,tr ), the propagation time from the base station (21, 22) to the cloud server 10 (T R,prop ) .
  • the transmission time from the user terminals 41 to 45 to the adjacent fog servers 31 and 32 is the same as the fog task transmission time (T U,tr ), so the same symbol was used.
  • the transmission rate (r F ) and transmission time (T F,tr ) between the fog servers 31 and 32 and the corresponding base stations 21 and 22 are between the fog servers 31 and 32 and the corresponding base stations 21 and 22. If the spectral bandwidth (B F) is transmitted to the circular symmetric complex Gaussian signal over a Rayleigh fading block channel matrices (h F) by, wherein the transmit power is P F, and the noise power density N 0, F, equation (8), and Each is calculated as in Equation 9.
  • the cloud offloading service time T R may be calculated by Equation 10.
  • the delay time calculation unit 210 includes a cumulative distribution ( ⁇ (n)) and a complementary cumulative distribution ( ⁇ (n)) obtained according to Equations 2 and 3, and a fog offloading service time obtained according to Equations 7 and 10. From (T F ) and the cloud offloading service time (T R ), the service provision time (D(n, d k )) can be calculated according to Equation 11.
  • the energy consumption calculation unit 220 includes the number of fog offloading tasks processed by the fog servers 31 and 32 among the total number of cloud tasks (N max ) and data of the input cloud task A k Calculate the energy consumption (C(n)) according to the size (d k ).
  • the energy consumption calculation unit 220 calculates the energy consumption amount ⁇ U (n) of the user terminals 41 to 45 and the energy consumption amount ⁇ F (n) of the fog servers 31 and 32, respectively, in Equation 12 and It is calculated according to Equation 13.
  • P tr , P pr , and P idle represent data transmission, calculation, and energy consumption in the dormant state, respectively.
  • the energy consumption amount calculation unit 220 uses Equation 14
  • the energy consumption (C(n)) is calculated as the sum of the energy consumption ( ⁇ U (n), ⁇ F (n)) calculated as shown in FIG.
  • the energy consumption calculation unit 220 calculates the energy consumption (C(n)) as the sum of the energy consumption ( ⁇ U (n), ⁇ F (n)).
  • the user terminals 41 to 45 and the fog server 31 , 32) is implemented as a mobile device having limited energy, whereas the cloud server 10 has relatively few restrictions on energy consumption.
  • the optimal throughput calculation unit 230 processes the cloud task A k requested by the user terminals 41 to 45 based on the service provision time (D(n, d k )) and the energy consumption (C(n)). It is possible to minimize the energy consumption of the user terminals 41 to 45 and the fog servers 31 and 32 while the service provision time (D(n, d k )) does not exceed the required threshold service provision time (D th ).
  • the reference number of fog offloading (n opt ), which is the optimal number of fog offloading, is determined.
  • the optimal throughput calculation unit 230 obtains the reference fog offloading number n opt that satisfies the optimization condition of Equation 15.
  • the optimum throughput calculation unit 230 analyzes the monotonic increase of the energy consumption C(n) through the partial derivative of the energy consumption C(n) as shown in Equation 16.
  • Equation 17 may be obtained from the first and second constraint conditions C1 and C2 of Equation 15.
  • the minimum value of the energy consumption C(n) is the minimum value of the number n of fog offloading tasks that satisfy the constraint condition. Therefore, the reference number of fog offloading (n opt ), which is the optimal number of fog offloading, from Equation 17 is calculated as in Equation 18.
  • Equation 19 the reference number of fog offloading (n opt ) of Equation 18 may be rewritten as in Equation 19, which is an actually applicable form.
  • the reference throughput calculation unit 200 includes the delay time calculation unit 210, the energy consumption calculation unit 220, and the optimum throughput calculation unit 230, and the service provision time (D(n, d k )) and energy consumption (C(n)) are calculated, and the number of reference fog offloading according to Equation 19 from the calculated service provision time (D(n, d k )) and energy consumption (C(n)) It was described as obtaining (n opt ).
  • the reference throughput calculating unit 200 obtains the reference fog offloading number (n opt ) by performing only the operation according to Equation 19, and the obtained reference fog offloading number (n opt ) is calculated by the offloading unit. It can be configured to deliver to 300.
  • the offloading unit 300 When the number of reference fog offloading (n opt ) is calculated from Equation 19, the offloading unit 300 accumulates the reference number of fog offloading (n opt ) for the number of fog offloading tasks (n) of Equation 2 Apply to the distribution ( ⁇ (n)) to obtain a reference cumulative distribution ( ⁇ (n opt )). And when the k-th priority cloud task A k is applied from the user terminals 41 to 45, the cumulative distribution ⁇ (k) of the cloud task A k is calculated.
  • the offloading unit 300 Offloads the authorized cloud task A k to the fog servers 31 and 32 to be processed by the fog servers 31 and 32 as a fog offloading task.
  • the cumulative distribution ( ⁇ (k)) of the calculated cloud task (A k ) exceeds the reference cumulative distribution ( ⁇ (n opt )) ( ⁇ (k)> ⁇ (n opt )
  • the offloading unit ( 300) offloads the authorized cloud task A k to the cloud server 10 to be processed by the cloud server 10 as a cloud offloading task.
  • FIG. 3 shows a method of offloading a fog computing-based network according to an embodiment of the present invention.
  • the offloading operation for a cloud task is performed by the fog servers 31 and 32.
  • network state information of the fog computing-based network is obtained (S11). And and using the amount of operation (W k) for processing the priority (k) cloud task data size (d k) and cloud task (A k) of the (A k) having a based on the acquired network state information and the frequency of occurrence
  • W k amount of operation
  • the number of reference fog offloading (n opt ) is calculated according to Equation 19 (S12).
  • the reference cumulative distribution ( ⁇ (n opt )) is obtained by applying the reference fog offloading number (n opt ) to the cumulative distribution ( ⁇ (n)) of Equation 2 Do (S13). Thereafter, it is determined whether a cloud task A k is received from at least one user terminal 41 to 45 (S14).
  • the cumulative distribution ( ⁇ (k)) up to the received k-th priority cloud task A k is calculated (S15). Then, it is determined whether the calculated cumulative distribution ( ⁇ (k)) is equal to or less than the reference cumulative distribution ( ⁇ (n opt )) ( ⁇ (k) ⁇ ⁇ (n opt )) (S16).
  • the authorized cloud task (A k ) is The fog offloading task is offloaded to the fog servers 31 and 32 to be processed by the fog servers 31 and 32 (S17). However, if the cumulative distribution ( ⁇ (k)) of the cloud task (A k ) exceeds the reference cumulative distribution ( ⁇ (n opt )) ( ⁇ (k)> ⁇ (n opt )), the offloading unit 300 The authorized cloud task A k is offloaded to the cloud server 10 to be processed by the cloud server 10 as a cloud offloading task (S18).
  • FIG. 4 shows a modified header structure of a data packet for applying the offloading method of a fog computing-based network according to the present embodiment, (a) shows a modified header structure of 802.11 MAC (Media Access Control), and (b) Shows the detailed structure of the Frame control field of (a), and (c) shows the detailed structure of the Address 4 and FC fields of (a).
  • 802.11 MAC Media Access Control
  • the priority k according to the frequency of occurrence (f K (k)) needs to be specified in the header. Accordingly, the header of the data packet is (a ) Can be modified. While the existing header has a 48-bit Address 4 field, the modified header shown in (a) has a 48-bit Address 4 field, as shown in (c), a 36-bit Address 4 field and a 16-bit Fog computing Control (FC). ) Has a form separated by a field.
  • an option specifying that the network supports fog computing may be added to the Frame control field in (a), and the actual priority (k) is Address 4 and Address 4 modified from the Address 4 field of the existing header. It may be included in the Fog computing Control field and transmitted.
  • the subtype '1101' explicitly indicates that it is a network for fog computing proposed in the present invention.
  • the To DS and From DS fields each occupy 1 bit, and are used as a data processing request by the uplink (uplink) as each '1' and '0' value in the subtype '1101' network. That is, it indicates that the cloud task is transmitted.
  • the 802.11 MAC modified header proposed to transmit the priority (k) according to the frequency of occurrence (f K (k)) 48 bits of the existing Address 4 are transferred to the new Address 4 field, as shown in (c). And FC field.
  • Address 4 is not used when the To DS and From DS fields 530 in the existing 802.11 MAC header have '1' and '0', respectively, and thus can be used as an FC field.
  • the priority (k) may be included in the FC field and transmitted, and priority (k) of up to 65,535 may be designated and transmitted with a total of 16 bits.
  • FIG. 5 shows a simulation result of the average service provision time according to the offloading method of the fog computing-based network according to the present embodiment
  • FIG. 6 is an average energy consumption according to the offloading method of the fog computing-based network according to the present embodiment. Shows the simulation result.
  • the offloading method of the fog computing-based network is the energy consumption of the user terminals 41 to 45 and the fog servers 31 and 32 ( ⁇ U (n), ⁇ F (n)). ), as a method for jointly minimizing the energy consumption of the joint user equipment and fog server energy optimization (Joint User equipment and fog server energy optimization: hereinafter JUFO).
  • the average service provision time and average energy consumption of the JUFO according to the present embodiment are compared with the existing ReMoTe cloud computing only (RMTO) and Energy Minimizing Partial Offloading (EMPO).
  • RMTO ReMoTe cloud computing only
  • EMPO Energy Minimizing Partial Offloading
  • the RMTO always shows the slowest service time, and it can be seen that the EMPO has a high speed in a small task. This is because the EMPO technique does not consider priorities and uses a mechanical split ratio.
  • the JUFO of this embodiment can reduce the service time by 15% at a high data size of 127 KB or more, so it can be confirmed that the service time is the least used with the minimum energy.
  • the method according to the present invention may be implemented as a computer program stored in a medium for execution on a computer.
  • the computer-readable medium may be any available medium that can be accessed by a computer, and may also include all computer storage media.
  • Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data, and ROM (Read Dedicated memory), RAM (random access memory), CD (compact disk)-ROM, DVD (digital video disk)-ROM, magnetic tape, floppy disk, optical data storage device, and the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 발명은 사용자 단말에서 요청한 클라우드 태스크가 요구되는 서비스 제공 시간 내에 처리되면서 사용자 단말과 포그 서버의 에너지 소모량이 최소화되도록 포그 서버 및 클라우드 서버로 오프로딩하는 태스크 우선순위별 연산량 오프로딩 장치 및 방법을 제공할 수 있다. 따라서 사용자 단말과 포그 서버가 제한된 전력을 갖고 구동되는 모바일 기기로 구현되는 경우에도 요구되는 성능의 클라우드 서비스를 가능한 최대의 시간으로 제공할 수 있다.

Description

포그 컴퓨팅 기반 무선 네트워크에서 태스크 우선순위별 연산량 오프로딩 장치 및 방법
본 발명은 오프로딩 장치 및 방법에 관한 것으로, 포그 컴퓨팅 기반 무선 네트워크에서 에너지 소모를 최소화하기 위한 발생 빈도에 따른 태스크 우선순위별 연산량 오프로딩 장치 및 방법에 관한 것이다.
증강현실(Augmented Reality: AR) 및 실시간 네비게이션, 블록체인 응용 애플리케이션인 작업 증명(Proof of Work: PoW)와 같은 고연산을 필요로 하는 애플리케이션의 요구가 증가하고 있으나, 스마트 폰과 같은 사용자 단말에서는 제한된 배터리 및 부족한 연산 처리능력으로 인해 서비스를 사용자가 요구하는 수준으로 제공하기 어렵다. 특히 블록체인 어플리케이션의 경우 에너지 소모가 매우 크기 때문에 사용자 단말에서 이를 처리하기는 거의 불가능하다.
또한 사용자 단말에서는 제한된 메모리 용량으로 인해 대용량의 데이터를 저장할 수 없고, 다른 사용자 단말이 저장된 데이터에 용이하게 접근할 수 없으며, 안정적인 백업을 수행할 수 없다는 문제가 있다.
이러한 한계를 극복하기 위해 사용자 단말 대신 중앙화된 클라우드 플랫폼에서 연산 및 저장 기능을 대신 수행하는 모바일 클라우드 컴퓨팅 기술이 제안되었으며, 모바일 클라우드 컴퓨팅 기술은 사용자 단말의 처리부하를 없애고 클라우드 서버에서 다양한 서비스 제공할 수 있도록 한다.
그러나 모바일 클라우드 컴퓨팅에서 플랫폼은 네트워크 중앙부에 위치해 사용자 단말로의 서비스 제공에 있어서 물리적 거리에 의한 추가적인 서비스 지연시간이 발생한다.
이러한 불필요한 서비스 지연시간을 최소화하면서 클라우드 서비스를 제공하기 위해서, 사용자 단말과 가까운 Radio Access Network(이하 RAN)에 배치된 포그 서버(Fog server)에서 클라우드 기능의 일부를 수행하는 포그 컴퓨팅이 제안되었다.
포그 서버가 도입됨에 따라 사용자 단말의 근처에서 서비스를 제공할 수 있게 되었고, 이는 서비스 제공 지연시간의 감소를 가져왔으며, 고연산을 요구하는 블록체인 PoW과 같은 연산을 사용자와 인접한 거리에서 신속히 처리할 수 있도록 하였다.
그러나 포그 컴퓨팅이 제안됨에 따라 클라우드 서비스들을 클라우드 컴퓨팅과 포그 컴퓨팅에 분산적으로 처리해 효율을 높일 수 있는 태스크 오프로딩 기술의 신중한 설계가 필요하게 되었다. 특히 포그 서버라는 새로운 처리 노드의 도입으로 인해 총 에너지 소모량은 증가하게 되었으므로, 사용자 단말뿐 아니라 포그 서버의 에너지까지 고려할 수 있는 기법이 필요하게 되었다.
본 발명의 목적은 요구 서비스의 우선순위에 따라 포그 서버와 클라우드 서버에 연산량을 분산 오프로딩하여 요구되는 서비스 지연시간을 만족시킬 수 있는 태스크 우선순위별 연산량 오프로딩 장치 및 방법을 제공하는데 있다.
본 발명의 다른 목적은 최적의 에너지 소모량을 달성할 수 있는 태스크 우선순위별 연산량 오프로딩 장치 및 방법을 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 오프로딩 장치는, 적어도 하나의 사용자 단말과 적어도 하나의 포그 서버 및 적어도 하나의 클라우드 서버를 포함하는 포그 컴퓨팅 기반 네트워크의 네트워크 상태 정보를 획득하는 네트워크 정보 획득부; 지정된 확률 분포 모델에 기초한 발생빈도에 따른 우선순위를 갖는 다수의 클라우드 태스크를 포그 서버와 클라우드 서버로 분산하여 오프로딩하는 경우의 클라우드 태스크의 전송 시간과 연산 시간을 계산하며, 계산된 전송 시간과 연산 시간으로부터 기준 포그 오프로딩 개수를 계산하는 기준 처리량 연산부; 및 상기 기준 처리량 연산부에서 계산된 기준 포그 오프로딩 개수에 대한 누적 분포인 기준 누적 분포를 계산하고, 사용자 단말로부터 우선순위가 지정된 클라우드 태스크가 전송되면, 전송된 우선순위 클라우드 태스크의 누적 분포를 계산하며, 계산된 누적 분포와 상기 기준 누적 분포를 비교하여 상기 우선순위 클라우드 태스크를 포그 서버 또는 클라우드 서버로 오프로딩하는 오프로딩부; 를 포함한다.
따라서, 본 발명의 실시예에 따른 태스크 우선순위별 연산량 오프로딩 장치 및 방법은 사용자 단말에서 요청한 클라우드 태스크가 요구되는 서비스 제공 시간 내에 처리되면서 사용자 단말과 포그 서버의 에너지 소모량이 최소화되도록 포그 서버 및 클라우드 서버로 오프로딩할 수 있다. 따라서 사용자 단말과 포그 서버가 제한된 전력을 갖고 구동되는 모바일 기기로 구현되는 경우에도 요구되는 성능의 클라우드 서비스를 가능한 최대의 시간으로 제공할 수 있다.
도 1은 포그 컴퓨팅 기반 네트워크의 개략적 구조를 나타낸다.
도 2는 본 발명의 일실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 장치의 개략적 구조를 나타낸다.
도 3은 본 발명의 일실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 방법을 나타낸다.
도 4는 본 실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 방법을 적용하기 위한 수정 헤더 구조를 나타낸다.
도 5는 본 실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 방법에 따른 평균 서비스 제공 시간을 시뮬레이션한 결과를 나타낸다.
도 6은 본 실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 방법에 따른 평균 에너지 소모량을 시뮬레이션한 결과를 나타낸다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써, 본 발명을 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈", "블록" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 포그 컴퓨팅 기반 네트워크의 개략적 구조를 나타낸다.
도 1을 참조하면, 포그 컴퓨팅 기반 네트워크는 적어도 하나의 클라우드 서버(10)와 적어도 하나의 기지국(21, 22), 적어도 하나의 포그 서버(31, 32) 및 다수의 사용자 단말(41 ~ 45)을 포함한다.
다수의 사용자 단말(41 ~ 45)은 모바일 기기로서, 다수의 태스크를 가질 수 있다. 여기서 태스크에는 사용자 단말(41 ~ 45)이 직접 처리해야 하는 에지 태스크와 포그 서버(31, 32) 또는 클라우드 서버(10)에 처리를 요청할 클라우드 태스크가 포함될 수 있다.
다수의 사용자 단말(41 ~ 45)은 연산 작업을 요청할 클라우드 태스크가 존재하는 경우, 적어도 하나의 포그 서버(31, 32) 중 인접한 포그 서버에 접속하여, 적어도 하나의 클라우드 태스크를 접속된 인접한 포그 서버로 전송한다.
이때 다수의 사용자 단말(41 ~ 45)은 무선 통신으로 포그 서버(31, 32)에 직접 접속하여 클라우드 태스크를 접속된 포그 서버로 전송할 수 있다. 다만 다수의 사용자 단말(41 ~ 45)은 클라우드 태스크를 전송하는 경우가 아니면, 적어도 하나의 기지국(21, 22)과 직접 접속 가능하다. 그리고 클라우드 태스크를 전송하는 경우에도 다수의 사용자 단말(41 ~ 45)은 적어도 하나의 기지국(21, 22)을 통해 포그 서버(31, 32)에 접속하도록 구성될 수도 있으나, 여기서는 다수의 사용자 단말(41 ~ 45)이 무선으로 포그 서버(31, 32)에 직접 접속하는 것으로 가정하여 설명한다.
적어도 하나의 포그 서버(31, 32) 각각은 적어도 하나의 사용자 단말(41 ~ 45)로부터 인가된 클라우드 태스크에 대해 직접 처리할지 클라우드 서버로 오프로딩 할지 여부를 결정한다. 여기서 포그 서버(31, 32)는 다수의 클라우스 태스크 각각을 지정된 우선순위에 따라 포그 서버(31, 32) 또는 클라우드 서버(10) 중 하나에서 처리하도록 오프로딩할 수 있으며, 이때, 후술하는 태스크의 발생빈도 우선순위 누적확률 분포 및 기준 처리량에 따라 클라우드 서버(10)로의 오프로딩 여부를 판단할 수 있다.
포그 서버(31, 32)는 직접 처리하는 것으로 결정되면, 인가된 클라우드 태스크에 대한 연산 작업을 수행하여 처리하고, 처리 결과를 클라우드 태스크를 전송한 사용자 단말로 전달한다. 반면, 클라우드 서버(10)에서 처리하는 것으로 결정되면, 대응하는 기지국(21, 22)를 통해 해당 클라우드 태스크를 클라우드 서버(10)로 전달한다. 본 실시예에서는 포그 서버(31, 32)에서 처리될 클라우드 태스크를 포그 오프로딩 태스크라하고, 클라우드 서버(10)에서 처리되어야 할 클라우드 태스크를 클라우드 오프로딩 태스크라 한다. 즉 클라우드 태스크는 처리하는 장치에 따라 포그 오프로딩 태스크와 클라우드 오프로딩 태스크로 구분될 수 있다.
다수의 기지국(21, 22) 각각은 적어도 하나의 포그 서버(31, 32)와 클라우드 서버(10) 사이의 통신을 제공한다. 적어도 하나의 포그 서버(31, 32)가 다수의 사용자 단말(41 ~ 45)과 인접하여 배치되는데 반해, 클라우드 서버(10)는 일반적으로 원격지에 배치되며, 이에 다수의 기지국(21, 22)은 포그 서버(31, 32)와 클라우드 서버(10) 사이에 원활한 통신이 수행될 수 있도록 적어도 하나의 포그 서버(31, 32)와 클라우드 서버(10) 사이에 배치될 수 있다.
클라우드 서버(10)는 포그 서버(31, 32)에서 전송된 클라우드 태스크에 대한 연산 작업을 수행한다.
즉 도 1의 도시된 포그 컴퓨팅 기반 네트워크에서는 포그 서버(31, 32)가 사용자 단말(41 ~ 45)로부터 인가된 클라우드 태스크를 직접 처리할지 클라우드 서버(10)로 오프로딩할지 여부를 판별하는 오프로딩 장치를 포함할 수 있다.
이하에서는 설명의 편의를 위하여, 클라우드 태스크를 간략하게 태스크라고 할 수도 있다.
도 2는 본 발명의 일실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 장치의 개략적 구조를 나타내며, 상기한 바와 같이, 본 실시예의 오프로딩 장치는 일예로 포그 서버에 포함되어 구성될 수 있다.
본 실시예에 따른 오프로딩 장치는 다수의 클라우스 태스크 각각을 발생 빈도에 따른 우선순위를 고려하여 오프로딩할 수 있다. 즉 전체 클라우드 태스크의 개수(N max)에서 발생 빈도에 기초한 각 클라우드 태스크(A k)의 우선순위(k)에 따라 포그 서버(31, 32)에서 처리되어야 할 최적의 포그 오프로딩 개수(n opt)를 기준 포그 오프로딩 개수로 판별한다. 그리고 판별된 기준 포그 오프로딩 개수(n opt)에 따라 인가된 클라우드 태스크(A k)를 포그 오프로딩 태스크로서 직접 처리하거나, 클라우드 오프로딩 태스크로서 클라우드 서버(10)로 전달한다.
특히 본 실시예의 오프로딩 장치는 사용자 단말(41 ~ 45)에서 처리 요청한 클라우드 태스크(A k)를 처리하는 서비스 제공 시간이 기지정된 문턱 서비스 제공 시간(D th)을 초과하지 않으면서, 사용자 단말(41 ~ 45) 및 포그 서버(31, 32)의 에너지 소모량을 최소화할 수 있도록 클라우드 태스크를 오프로딩할 수 있는 포그 오프로딩 개수를 기준 포그 오프로딩 개수(n opt)로 판별함으로써, 요구되는 서비스 제공 시간을 만족시키면서 사용자 단말(41 ~ 45)과 포그 서버(31, 32)의 에너지 소모량을 최소화할 수 있다. 따라서 사용자 단말(41 ~ 45)과 포그 서버(31, 32)가 제한된 전력을 갖고 구동되는 모바일 기기로 구현되는 경우에도 요구되는 성능의 클라우드 서비스를 가능한 최대의 시간으로 제공할 수 있다.
도 2를 참조하면, 오프로딩 장치는 네트워크 정보 획득부(100), 기준 처리량 연산부(200) 및 오프로딩부(300)를 포함할 수 있다.
우선 네트워크 정보 획득부(100)는 포그 컴퓨팅 기반 네트워크의 네트워크 상태 정보를 획득한다. 네트워크 정보 획득부(100)는 사용자 단말(41 ~ 45)과 인접한 포그 서버(31, 32) 사이 및 포그 서버(31, 32)와 대응하는 기지국(21, 22) 사이 각각의 레일리 페이딩 블록 채널 매트릭스(h, h F)와 전송률(r, r F), 기지국(21, 22)에서 클라우드 서버(10) 사이의 전파 계수(φ), 포그 서버(31, 32)와 클라우드 서버(10)의 동작 주파수(f F, f R)를 획득할 수 있다.
기준 처리량 연산부(200)는 네트워크 정보 획득부(100)에서 획득된 네트워크 상태 정보와 발생 빈도에 기초한 클라우드 태스크(A k)의 누적 분포(Φ(n)) 및 클라우드 태스크(A k)의 데이터 크기(d k)에 따른 네트워크 전송 시간 및 연산 시간에 따라 서비스 제공 시간(D(n, d k))과 에너지 소모량(C(n))을 계산한다. 그리고 계산된 서비스 제공 시간(D(n, d k))과 에너지 소모량(C(n))으로부터 포그 서버(31, 32)에서 처리되어야 할 기준 포그 오프로딩 개수(n opt)를 획득한다.
기준 처리량 연산부(200)는 지연시간 계산부(210), 에너지 소모량 계산부(220) 및 최적 처리량 계산부(230)를 포함할 수 있다.
지연시간 계산부(210)는 네트워크 정보 획득부(100)에서 획득된 네트워크 상태 정보에 기반하여 사용자 단말(41 ~ 45)에서 처리 요청한 클라우드 태스크(A k)를 처리하기 위해 소요되는 서비스 제공 시간(D(n, d k))을 계산한다. 이때, 지연시간 계산부(210)는 전체 클라우드 태스크의 개수(N max) 중 포그 서버(31, 32)에서 처리되는 포그 오프로딩 태스크의 개수(n)와 입력된 클라우드 태스크(A k)의 데이터 크기(d k)에 따른 서비스 제공 시간(D(n, d k))을 계산한다.
지연시간 계산부(210)는 클라우드 태스크(A k)가 지프 분포(Zipf distribution)에 따른 발생 빈도(f K(k))를 갖는 것으로 모델링하고, 지프 분포에 기반하여 발생 빈도(f K(k))에 따른 우선 순위 클라우드 태스크(A k)의 누적 분포(Φ(n))와 상보 누적 분포(Ψ(n))를 획득한다.
k번째 우선순위를 갖는 클라우드 태스크(A k)의 발생 빈도(f K(k))는 지프 분포(Zipf distribution)에 따라 수학식 1과 같이 모델링될 수 있다.
Figure PCTKR2019013188-appb-img-000001
여기서 k는 클라우드 태스크(A k)의 우선순위이고, Ω는 확률분포 파라미터로
Figure PCTKR2019013188-appb-img-000002
로 계산되며, s는 지프 분포 파라미터이다.
수학식 1로부터 전체 클라우드 태스크의 개수(N max) 중 포그 서버(31, 32)에서 처리되는 포그 오프로딩 태스크의 개수(n)에 대한 누적 분포(Φ(n))와 상보 누적 분포(Ψ(n))는 각각 수학식 2 및 3에 따라 계산될 수 있다.
Figure PCTKR2019013188-appb-img-000003
Figure PCTKR2019013188-appb-img-000004
한편, 지연시간 계산부(210)는 포그 서버(31, 32)로 오프로딩 시의 서비스 시간, 즉 클라우드 태스크(A k) 중 포그 오프로딩 태스크가 처리되는 포그 오프로딩 서비스 시간(T F)과 클라우드 서버(10)로 오프로딩 시의 서비스 시간, 즉 클라우드 오프로딩 태스크가 처리되는 클라우드 오프로딩 서비스 시간(T R)을 각각 모델링하여 계산한다.
포그 오프로딩 서비스 시간(T F)과 클라우드 오프로딩 서비스 시간(T R)은 각각 네트워크 전송 시간과 연산 시간으로 구성될 수 있다.
여기서 연산 시간은 클라우드 태스크(A k)가 요구하는 데이터 크기(d k)를 처리하기 위한 연산량(W k)과 포그 서버(31, 32) 또는 클라우드 서버(10)의 동작 주파수(f F, f R)에 따라 결정된다.
클라우드 태스크(A k)를 처리하기 위한 연산량(W k)은 포그 서버(31, 32) 또는 클라우드 서버(10)의 CPU 클럭 사이클 수의 형태로 W k = d kX k 와 같이 계산될 수 있으며, 여기서 X k는 클라우드 태스크(A k)의 연산 다양성, 복잡도 등을 고려한 특성 확률 분포로서 경험적 확률 분포인 감마 확률 분포에 따라 모델링되어 획득될 수 있다. 그리고 클라우드 태스크(A k)의 특성 확률 분포(X k)에 대한 확률 밀도 함수
Figure PCTKR2019013188-appb-img-000005
는
Figure PCTKR2019013188-appb-img-000006
(이때 x > 0)로 표현될 수 있다. 여기서 α, β는 클라우드 태스크(A k)의 특성에 따라 지정되는 확률 밀도 함수 파라미터이다.
따라서 연산량(W k)은 동작 완수 확률(Operation completion probability) 변수(ρ)를 고려하여 수학식 4와 같은 확률적 연산량(W k,ρ)의 형태로 계산될 수 있다.
Figure PCTKR2019013188-appb-img-000007
수학식 4에 따라 확률에 기반하여 연산량(W k)이 계산되면, 포그 오프로딩 태스크의 연산 시간인 포그 태스크 연산 시간(T F,pr)과 클라우드 오프로딩 태스크의 연산 시간인 클라우드 태스크 연산 시간(T R,pr)을 계산할 수 있다.
포그 오프로딩 태스크는 포그 서버(31, 32)에서 처리되므로, 포그 태스크 연산 시간(T F,pr)은 포그 서버(31, 32)의 동작 주파수(f F)에 따라서 결정된다. 그리고 포그 서버(31, 32)의 동작 주파수(f F)는 동적 전압 주파수 스케일링 기법에 따라 총 가능한 주파수들의 집합(F F = {f F,1(= f F,min), f F,2, ..., f F,max}에서 결정된다. 일반적으로 연산 시간(T F,pr)을 최소화하기 위해 최대 동작 주파수(f F,max)를 이용하며, 이에 포그 태스크 연산 시간(T F,pr)은 T F,pr = W k/f F,max 로 계산된다.
그리고 클라우드 오프로딩 태스크는 클라우드 서버(10)에서 처리되므로, 클라우드 태스크 연산 시간(T R,pr)은 클라우드 서버(10)의 동작 주파수(f R)에 따라서 결정되고, 클라우드 서버(10)의 동작 주파수(f R) 또한 연산시 최대 동작 주파수(f R,max)를 이용하므로, 클라우드 태스크 연산 시간(T R,pr) 또한 포그 태스크 연산 시간(T F,pr)과 마찬가지로 T R,pr = W k/f R,max 로 계산된다.
한편, 포그 오프로딩 서비스 시간(T F)은 포그 태스크 연산 시간(T F,pr)과 사용자 단말(41 ~ 45)에서 인접한 포그 서버(31, 32)로 포그 오프로딩 태스크를 전송하는데 소요되는 포그 태스크 전송 시간(T U,tr)의 합으로 계산될 수 있다.
그리고 포그 태스크 전송 시간(T U,tr)은 포그 오프로딩 태스크의 데이터 크기(d k)와 사용자 단말(41 ~ 45)과 인접한 포그 서버(31, 32) 사이의 전송률(r)의 비로 계산될 수 있다.
포그 오프로딩 태스크의 데이터 크기(d k)가 스펙트럴 대역폭(B)만큼 레일리 페이딩 블록 채널 매트릭스(h)를 통해 순환 대칭 복소 가우시안(circularly symmetric complex Gaussian) 신호로 전송되고, 이때 전송 파워가 P이고 노이즈 파워 밀도가 N 0이면, 전송률(r)은 수학식 5와 같이 계산된다.
Figure PCTKR2019013188-appb-img-000008
수학식 5로부터 포그 태스크 전송 시간(T U,tr)은 수학식 6으로 계산될 수 있다.
Figure PCTKR2019013188-appb-img-000009
상기한 바와 같이, 포그 오프로딩 서비스 시간(T F)은 포그 태스크 전송 시간(T U,tr)과 포그 태스크 연산 시간(T F,pr)의 합으로 수학식 7에 따라 계산될 수 있다.
Figure PCTKR2019013188-appb-img-000010
한편, 클라우드 오프로딩 태스크는 사용자 단말(41 ~ 45)에서 인접한 포그 서버(31, 32)과 기지국(21, 22)을 통해 클라우드 서버(10)로 전송되며, 이에 클라우드 오프로딩 태스크를 전송하는데 소요되는 클라우드 태스크 전송 시간(T U,tr)은 클라우드 오프로딩 태스크를 사용자 단말(41 ~ 45)에서 인접한 포그 서버(31, 32)까지 전송하는 시간(T U,tr), 포그 서버(31, 32)에서 대응하는 기지국(21, 22)으로 전송하는 시간(T F,tr), 기지국(21, 22)에서 클라우드 서버(10)까지의 전파 시간(T R,prop)의 합으로 계산될 수 있다. 여기서 사용자 단말(41 ~ 45)에서 인접한 포그 서버(31, 32)까지 전송하는 시간은 포그 태스크 전송 시간(T U,tr)과 동일하므로 동일 기호를 사용하였다.
포그 서버(31, 32)와 대응하는 기지국(21, 22) 사이의 전송률(r F)과 전송 시간(T F,tr)은 포그 서버(31, 32)와 대응하는 기지국(21, 22) 사이의 스펙트럴 대역폭(B F) 만큼 레일리 페이딩 블록 채널 매트릭스(h F)를 통해 순환 대칭 복소 가우시안 신호로 전송되고, 이때 전송 파워가 P F이고 노이즈 파워 밀도가 N 0,F이면, 수학식 8 및 수학식 9와 같이 각각 계산된다.
Figure PCTKR2019013188-appb-img-000011
Figure PCTKR2019013188-appb-img-000012
그리고 기지국(21, 22)에서 클라우드 서버(10) 사이의 전파 시간(T R,prop)은 클라우드 오프로딩 태스크의 데이터 크기(d k)와 전파 계수(φ)에 비례하므로, T R,prop = d kφ로 계산될 수 있다.
따라서 클라우드 오프로딩 서비스 시간(T R)은 수학식 10으로 계산될 수 있다.
Figure PCTKR2019013188-appb-img-000013
지연시간 계산부(210)는 수학식 2 및 3에 따라 획득된 누적 분포(Φ(n)) 및 상보 누적 분포(Ψ(n))와 수학식 7 및 10에 따라 획득된 포그 오프로딩 서비스 시간(T F) 및 클라우드 오프로딩 서비스 시간(T R)으로부터 서비스 제공 시간(D(n, d k))을 수학식 11에 따라 계산할 수 있다.
Figure PCTKR2019013188-appb-img-000014
한편, 에너지 소모량 계산부(220)는 전체 클라우드 태스크의 개수(N max) 중 포그 서버(31, 32)에서 처리되는 포그 오프로딩 태스크의 개수(n)와 입력된 클라우드 태스크(A k)의 데이터 크기(d k)에 따른 에너지 소모량(C(n))을 계산한다.
여기서 에너지 소모량 계산부(220)는 사용자 단말(41 ~ 45)의 에너지 소모량(ε U(n))과 포그 서버(31, 32)의 에너지 소모량(ε F(n))을 각각 수학식 12 및 수학식 13에 따라 계산한다.
Figure PCTKR2019013188-appb-img-000015
Figure PCTKR2019013188-appb-img-000016
수학식 12 및 13에서 P tr, P pr, P idle 는 각각 데이터 전송, 연산 및 휴면 상태에서의 에너지 소모량을 나타낸다.
사용자 단말(41 ~ 45)의 에너지 소모량(ε U(n))과 포그 서버(31, 32)의 에너지 소모량(ε F(n))이 계산되면, 에너지 소모량 계산부(220)는 수학식 14와 같이 계산된 에너지 소모량(ε U(n), ε F(n))의 합으로 에너지 소모량(C(n))을 계산한다.
Figure PCTKR2019013188-appb-img-000017
에너지 소모량 계산부(220)가 에너지 소모량(ε U(n), ε F(n))의 합으로 에너지 소모량(C(n))을 계산하는 것은 사용자 단말(41 ~ 45)과 포그 서버(31, 32)가 제한된 에너지를 갖는 모바일 기기로 구현되는 반면, 클라우드 서버(10)는 에너지 소모에 대한 제약이 상대적으로 적기 때문이다.
최적 처리량 계산부(230)는 서비스 제공 시간(D(n, d k))과 에너지 소모량(C(n))에 기초하여 사용자 단말(41 ~ 45)에서 처리 요청한 클라우드 태스크(A k)를 처리하는 서비스 제공 시간(D(n, d k))이 요구되는 문턱 서비스 제공 시간(D th)을 초과하지 않으면서도 사용자 단말(41 ~ 45) 및 포그 서버(31, 32)의 에너지 소모량을 최소화할 수 있도록 하는 최적의 포그 오프로딩 개수인 기준 포그 오프로딩 개수(n opt)를 판별한다.
즉 최적 처리량 계산부(230)는 수학식 15의 최적화 조건을 만족하는 기준 포그 오프로딩 개수(n opt)를 획득한다.
Figure PCTKR2019013188-appb-img-000018
그리고 최적 처리량 계산부(230)는 수학식 16과 같이 에너지 소모량(C(n))의 편미분을 통해, 에너지 소모량(C(n))의 단조 증가성을 분석한다.
Figure PCTKR2019013188-appb-img-000019
수학식 16에서는 a와 b는
Figure PCTKR2019013188-appb-img-000020
및
Figure PCTKR2019013188-appb-img-000021
로서 간결한 표현을 위해 적용되었으며, (a-b)는 항상 양의 실수이고, s는 항상 음의 실수이다. 따라서 에너지 소모량(C(n))은 포그 오프로딩 태스크의 개수(n)가 n = -k - 1의 경우를 제외하고는 항상 양의 실수임을 알 수 있다. 그러나 포그 오프로딩 태스크의 개수(n)와 우선순위(k)는 양의 정수이므로, 상기한 n = -k - 1는 성립될 수 없다. 그러므로, 에너지 소모량(C(n))은 단조 증가함수임을 알 수 있다.
한편, 수학식 15의 제1 및 제2 제약 조건(C1, C2)로부터 수학식 17이 획득될 수 있다.
Figure PCTKR2019013188-appb-img-000022
상기한 바와 같이, 에너지 소모량(C(n))은 단조 증가함수이므로, 에너지 소모량(C(n))의 최소값은 제약 조건을 만족하는 포그 오프로딩 태스크의 개수(n)의 최소값이다. 따라서 수학식 17로부터 최적의 포그 오프로딩 개수인 기준 포그 오프로딩 개수(n opt)는 수학식 18과 같이 계산된다.
Figure PCTKR2019013188-appb-img-000023
그리고 수학식 18의 기준 포그 오프로딩 개수(n opt)는 실제 적용 가능한 형태인 수학식 19와 같이 다시 씌여질 수 있다.
Figure PCTKR2019013188-appb-img-000024
상기에서는 이해를 돕기 위해, 기준 처리량 연산부(200)가 지연시간 계산부(210), 에너지 소모량 계산부(220) 및 최적 처리량 계산부(230)를 포함하여, 서비스 제공 시간(D(n, d k))과 에너지 소모량(C(n))을 계산하고, 계산된 서비스 제공 시간(D(n, d k))과 에너지 소모량(C(n))으로부터 수학식 19에 따른 기준 포그 오프로딩 개수(n opt)를 획득하는 것으로 설명하였다.
그러나 실제 적용 시에 기준 처리량 연산부(200)는 단지 수학식 19에 따른 연산만을 수행하여 기준 포그 오프로딩 개수(n opt)를 획득하고, 획득된 기준 포그 오프로딩 개수(n opt)를 오프로딩부(300)로 전달하도록 구성될 수 있다.
오프로딩부(300)는 수학식 19로부터 기준 포그 오프로딩 개수(n opt)가 계산되면, 기준 포그 오프로딩 개수(n opt)를 수학식 2의 포그 오프로딩 태스크의 개수(n)에 대한 누적 분포(Φ(n))에 적용하여 기준 누적 분포(Φ(n opt))를 획득한다. 그리고 사용자 단말(41 ~ 45)로부터 k번째 우선순위 클라우드 태스크(A k)가 인가되면, 클라우드 태스크(A k)의 누적 분포(Φ(k))를 계산한다.
만일 계산된 클라우드 태스크(A k)의 누적 분포(Φ(k))가 기준 누적 분포(Φ(n opt)) 이하(Φ(k) ≤ Φ(n opt))이면, 오프로딩부(300)는 인가된 클라우드 태스크(A k)를 포그 오프로딩 태스크로서 포그 서버(31, 32)에서 처리하도록 포그 서버(31, 32)로 오프로딩한다. 반면, 계산된 클라우드 태스크(A k)의 누적 분포(Φ(k))가 기준 누적 분포(Φ(n opt))를 초과(Φ(k) > Φ(n opt))하면, 오프로딩부(300)는 인가된 클라우드 태스크(A k)를 클라우드 오프로딩 태스크로서 클라우드 서버(10)에서 처리하도록 클라우드 서버(10)로 오프로딩한다.
도 3은 본 발명의 일실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 방법을 나타내며, 여기서도 클라우드 태스크에 대한 오프로딩 동작은 포그 서버(31, 32)에서 수행하는 것으로 가정하여 설명한다.
도 1 및 도 2를 참조하여, 본 실시예의 포그 컴퓨팅 기반 네트워크의 오프로딩 방법을 설명하면, 우선 포그 컴퓨팅 기반 네트워크의 네트워크 상태 정보를 획득한다(S11). 그리고 획득된 네트워크 상태 정보와 발생빈도에 기초한 우선 순위(k)를 갖는 클라우드 태스크(A k)의 데이터 크기(d k) 및 클라우드 태스크(A k)를 처리하기 위한 연산량(W k)을 이용하여 기준 포그 오프로딩 개수(n opt)를 수학식 19에 따라 계산한다(S12).
기준 포그 오프로딩 개수(n opt)가 계산되면, 기준 포그 오프로딩 개수(n opt)를 수학식 2의 누적 분포(Φ(n))에 적용하여 기준 누적 분포(Φ(n opt))를 획득한다(S13). 이후, 적어도 하나의 사용자 단말(41 ~ 45)로부터 클라우드 태스크(A k)가 수신되는지 판별한다(S14).
만일 클라우드 태스크가 수신되면, 수신된 k번째 우선순위의 클라우드 태스크(A k)까지의 누적 분포(Φ(k))를 계산한다(S15). 그리고 계산된 누적 분포(Φ(k))가 기준 누적 분포(Φ(n opt)) 이하(Φ(k) ≤ Φ(n opt))인지 판별한다(S16).
클라우드 태스크(A k)의 누적 분포(Φ(k))가 기준 누적 분포(Φ(n opt)) 이하(Φ(k) ≤ Φ(n opt))이면, 인가된 클라우드 태스크(A k)를 포그 오프로딩 태스크로서 포그 서버(31, 32)에서 처리하도록 포그 서버(31, 32)로 오프로딩한다(S17). 그러나 클라우드 태스크(A k)의 누적 분포(Φ(k))가 기준 누적 분포(Φ(n opt))를 초과(Φ(k) > Φ(n opt))하면, 오프로딩부(300)는 인가된 클라우드 태스크(A k)를 클라우드 오프로딩 태스크로서 클라우드 서버(10)에서 처리하도록 클라우드 서버(10)로 오프로딩한다(S18).
도 4는 본 실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 방법을 적용하기 위한 데이터 패킷의 수정 헤더 구조를 나타내며, (a)는 802.11 MAC(Media Access Control)의 수정 헤더 구조를 나타내고, (b)는 (a)의 Frame control 필드의 상세 구조를 나타내며, (c)는 (a)의 Address 4 및 FC 필드의 상세 구조를 나타낸다.
본 실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 방법을 이용하기 위해서는 발생 빈도(f K(k))에 따른 우선순위(k)가 헤더에 명시될 필요가 있으며, 이에 데이터 패킷의 헤더가 (a)와 같이 수정될 수 있다. 기존의 헤더가 48비트의 Address 4 필드를 갖는데 반해, (a)에 도시된 수정 헤더는 48비트의 Address 4 필드가 (c)와 같이 36비트의 Address 4 필드와 16비트의 Fog computing Control(FC) 필드로 구분된 형태를 갖는다.
수정 헤더에 대해 설명하면, (a)에서 Frame control 필드에는 포그 컴퓨팅을 지원하는 네트워크임을 명시하는 옵션이 추가될 수 있으며, 실제 우선순위(k)는 기존 헤더의 Address 4 필드를 수정한 Address 4 및 Fog computing Control 필드에 포함되어 전송될 수 있다.
(b)를 참조하면, Frame control 필드에서는 포그 컴퓨팅을 지원하는 네트워크 데이터 패킷의 Type 필드에 기존 데이터 프레임과 동일한 '10'으로 된 2 bits가 사용되고, Subtype 필드는 기존 802.11 MAC에서 사용되지 않는 '1101' 4 bits가 사용된다. 따라서 Subtype '1101'은 본 발명에서 제안된 포그 컴퓨팅을 위한 네트워크임을 명시적 나타낸다.
한편 To DS 및 From DS 필드는 각 1 bit를 차지하며 Subtype '1101'의 네트워크에서 각 '1', '0' 값으로 업링크(상향회선)에 의한 데이터 처리 요청으로 사용된다. 즉 클라우드 태스크를 전송함을 나타낸다.
한편 본 발명에서는 발생 빈도(f K(k))에 따른 우선순위(k)를 전송하기 위해 제시된 802.11 MAC 수정 헤더에서는 기존 Address 4의 48 bit를 (c)에 도시된 바와 같이, 새로운 Address 4 필드 및 FC 필드로 나누어 사용한다. 이는 기존 802.11 MAC 헤더에서 To DS 및 From DS 필드(530)에서 각각 '1', '0'을 가질 때 Address 4를 사용하지 않으므로 이를 나누어 FC 필드로 사용할 수 있기 때문이다. 여기서 FC 필드에 우선순위(k)가 포함되어 전송될 수 있으며, 총 16 비트로 최대 65,535까지의 우선순위(k)가 지정되어 전송될 수 있다.
도 5는 본 실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 방법에 따른 평균 서비스 제공 시간을 시뮬레이션한 결과를 나타내고, 도 6은 본 실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 방법에 따른 평균 에너지 소모량을 시뮬레이션한 결과를 나타낸다.
도 5 및 도 6에서는 본 실시예에 따른 포그 컴퓨팅 기반 네트워크의 오프로딩 방법이 사용자 단말(41 ~ 45)과 포그 서버(31, 32)의 에너지 소모량(ε U(n), ε F(n))의 에너지 소모를 공동으로 최소화하기 위한 방법으로, 공동 사용자 단말 및 포그 서버의 에너지 최적화 기법(Joint User equipment and fog server energy optimization: 이하 JUFO)라고 하였다.
그리고 도 5 및 도 6에서는 본 실시예의 JUFO의 평균 서비스 제공 시간과 평균 에너지 소모량을 기존의 RMTO(ReMoTe cloud computing Only), EMPO(Energy Minimizing Partial Offloading)과 비교하여 도시하였다.
도 5를 참조하면, RMTO의 경우는 항상 가장 느린 서비스 시간을 보여주며, EMPO는 적은 크기의 태스크에서 속도가 빠름을 확인할 수 있다. 이것은 EMPO 기법이 우선순위를 고려하지 않고 기계적인 분할비율을 사용하기 때문이다. 그러나 본 실시예의 JUFO는 127 KB 이상의 높은 데이터 크기에서 15% 서비스 시간을 단축할 수 있어 최소 에너지로 서비스 시간을 가장 적게 사용함을 확인할 수 있다.
한편 도 6을 참조하면, 본 실시예에 따른 JUFO가 EMPO의 두 가지 경우(α = 1, 모든 태스크 포그 서버 처리 및 최적 α의 경우)에 대해 모든 데이터 사이즈에 걸쳐 가장 에너지 소모가 작음을 확인할 수 있다. 본 실시예의 JUFO는 평균 28%의 에너지 소모 절약을 보여줌으로써 에너지 소모량을 크게 줄일 수 있다는 것을 확인할 수 있다.
본 발명에 따른 방법은 컴퓨터에서 실행 시키기 위한 매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다. 여기서 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스 될 수 있는 임의의 가용 매체일 수 있고, 또한 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함하며, ROM(판독 전용 메모리), RAM(랜덤 액세스 메모리), CD(컴팩트 디스크)-ROM, DVD(디지털 비디오 디스크)-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등을 포함할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.
따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (11)

  1. 적어도 하나의 사용자 단말과 적어도 하나의 포그 서버 및 적어도 하나의 클라우드 서버를 포함하는 포그 컴퓨팅 기반 네트워크의 네트워크 상태 정보를 획득하는 네트워크 정보 획득부;
    지정된 확률 분포 모델에 기초한 발생빈도에 따른 우선순위를 갖는 다수의 클라우드 태스크를 포그 서버와 클라우드 서버로 분산하여 오프로딩하는 경우의 클라우드 태스크의 전송 시간과 연산 시간을 계산하며, 계산된 전송 시간과 연산 시간으로부터 기준 포그 오프로딩 개수를 계산하는 기준 처리량 연산부; 및
    상기 기준 처리량 연산부에서 계산된 기준 포그 오프로딩 개수에 대한 누적 분포인 기준 누적 분포를 계산하고, 사용자 단말로부터 우선순위가 지정된 클라우드 태스크가 전송되면, 전송된 우선순위 클라우드 태스크의 누적 분포를 계산하며, 계산된 누적 분포와 상기 기준 누적 분포를 비교하여 상기 우선순위 클라우드 태스크를 포그 서버 또는 클라우드 서버로 오프로딩하는 오프로딩부; 를 포함하는 포그 컴퓨팅 기반 네트워크의 오프로딩 장치.
  2. 제1 항에 있어서, 상기 기준 처리량 연산부는
    지프 분포(Zipf distribution) 모델에 기초하는 발생빈도(f K(k))를 갖는 우선 순위(k)의 다수(N max)의 클라우드 태스크(A k)에 대한 서비스 제공 시간이 기지정된 문턱 서비스 제공 시간(D th)을 초과하지 않고, 상기 적어도 하나의 사용자 단말과 상기 적어도 하나의 포그 서버의 전력 소모를 최소화할 수 있도록, 다수(N max)의 클라우드 태스크(A k) 중 상기 포그 서버로 오프로딩되어야 하는 태스크의 개수를 나타내는 상기 기준 포그 오프로딩 개수(n opt)를 수학식
    Figure PCTKR2019013188-appb-img-000025
    (여기서 s는 지프 분포 파라미터, d k는 클라우드 태스크(A k)의 데이터 크기, r은 사용자 단말과 인접한 포그 서버 사이의 전송률, r F는 포그 서버와 대응하는 기지국 사이의 전송률, φ는 기지국과 클라우드 서버 사이의 전파 계수이고, W k는 클라우드 태스크(A k)를 처리하기 위한 연산량이며, f F,max 및 f R,max는 각각 포그 서버와 클라우드 서버의 최대 동작 주파수이다.)
    에 따라 계산하여 획득하는 포그 컴퓨팅 기반 네트워크의 오프로딩 장치.
  3. 제2 항에 있어서, 상기 기준 처리량 연산부는
    상기 연산량(W k)을 감마 확률 분포에 따라 모델링되는 클라우드 태스크(A k)의 특성 확률 분포(X k)와 클라우드 태스크(A k)의 데이터 크기(d k)의 곱으로 계산하는 포그 컴퓨팅 기반 네트워크의 오프로딩 장치.
  4. 제1 항에 있어서, 상기 오프로딩부는
    전송된 우선순위 클라우드 태스크의 누적 분포가 상기 기준 누적 분포 이하이면, 상기 우선순위 클라우드 태스크를 상기 포그 서버로 오프로딩하고,
    전송된 우선순위 클라우드 태스크의 누적 분포가 상기 기준 누적 분포를 초과하면, 상기 우선순위 클라우드 태스크를 상기 클라우드 서버로 오프로딩하는 포그 컴퓨팅 기반 네트워크의 오프로딩 장치.
  5. 제1 항에 있어서, 상기 오프로딩부는
    전송된 우선순위 클라우드 태스크의 누적 분포가 상기 기준 누적 분포 이하이면, 상기 우선순위 클라우드 태스크를 상기 포그 서버로 오프로딩하고,
    전송된 우선순위 클라우드 태스크의 누적 분포가 상기 기준 누적 분포를 초과하면, 상기 우선순위 클라우드 태스크를 상기 클라우드 서버로 오프로딩하는 포그 컴퓨팅 기반 네트워크의 오프로딩 장치.
  6. 제1 항에 있어서, 상기 오프로딩 장치는
    상기 적어도 하나의 포그 서버에 포함되어 구현되는 포그 컴퓨팅 기반 네트워크의 오프로딩 장치.
  7. 적어도 하나의 사용자 단말과 적어도 하나의 포그 서버 및 적어도 하나의 클라우드 서버를 포함하는 포그 컴퓨팅 기반 네트워크의 네트워크 상태 정보를 획득하는 단계;
    지정된 확률 분포 모델에 기초한 발생빈도에 따른 우선순위를 갖는 다수의 클라우드 태스크를 포그 서버와 클라우드 서버로 분산하여 오프로딩하는 경우의 클라우드 태스크의 전송 시간과 연산 시간을 계산하고, 계산된 전송 시간과 연산 시간으로부터 기준 포그 오프로딩 개수를 계산하는 단계;
    상기 기준 포그 오프로딩 개수에 대한 누적 분포인 기준 누적 분포를 계산하는 단계;
    사용자 단말로부터 우선순위가 지정된 클라우드 태스크가 전송되면, 전송된 우선순위 클라우드 태스크의 누적 분포를 계산하는 단계; 및
    계산된 누적 분포와 상기 기준 누적 분포를 비교하여 상기 우선순위 클라우드 태스크를 포그 서버 또는 클라우드 서버로 오프로딩하는 단계; 를 포함하는 포그 컴퓨팅 기반 네트워크의 오프로딩 방법.
  8. 제7 항에 있어서, 상기 기준 포그 오프로딩 개수를 계산하는 단계는
    지프 분포(Zipf distribution) 모델에 기초하는 발생빈도(f K(k))를 갖는 우선 순위(k)의 다수(N max)의 클라우드 태스크(A k)에 대한 서비스 제공 시간이 기지정된 문턱 서비스 제공 시간(D th)을 초과하지 않고, 상기 적어도 하나의 사용자 단말과 상기 적어도 하나의 포그 서버의 전력 소모를 최소화할 수 있도록, 다수(N max)의 클라우드 태스크(A k) 중 상기 포그 서버로 오프로딩되어야 하는 태스크의 개수를 나타내는 상기 기준 포그 오프로딩 개수(n opt)를 수학식
    Figure PCTKR2019013188-appb-img-000026
    (여기서 s는 지프 분포 파라미터, d k는 클라우드 태스크(A k)의 데이터 크기, r은 사용자 단말과 인접한 포그 서버 사이의 전송률, r F는 포그 서버와 대응하는 기지국 사이의 전송률, φ는 기지국과 클라우드 서버 사이의 전파 계수이고, W k는 클라우드 태스크(A k)를 처리하기 위한 연산량이며, f F,max 및 f R,max는 각각 포그 서버와 클라우드 서버의 최대 동작 주파수이다.)
    에 따라 계산하여 획득하는 포그 컴퓨팅 기반 네트워크의 오프로딩 방법.
  9. 제8 항에 있어서, 상기 기준 포그 오프로딩 개수를 계산하는 단계는
    상기 연산량(W k)을 감마 확률 분포에 따라 모델링되는 클라우드 태스크(A k)의 특성 확률 분포(X k)와 클라우드 태스크(A k)의 데이터 크기(d k)의 곱으로 계산하는 포그 컴퓨팅 기반 네트워크의 오프로딩 방법.
  10. 제7 항에 있어서, 상기 오프로딩하는 단계는
    전송된 우선순위 클라우드 태스크의 누적 분포가 상기 기준 누적 분포 이하이면, 상기 우선순위 클라우드 태스크를 상기 포그 서버로 오프로딩하는 단계; 및
    전송된 우선순위 클라우드 태스크의 누적 분포가 상기 기준 누적 분포를 초과하면, 상기 우선순위 클라우드 태스크를 상기 클라우드 서버로 오프로딩하는 단계; 를 포함하는 포그 컴퓨팅 기반 네트워크의 오프로딩 방법.
  11. 제7 항에 있어서, 상기 우선순위 클라우드 태스크는
    데이터 패킷 형태로 전송되며, 데이터 패킷의 MAC 헤더에서 기지정된 비트수가 할당된 Address 4 필드의 지정된 일부 비트에 상기 우선순위 클라우드 태스크의 우선 순위가 포함되어 전송되는 포그 컴퓨팅 기반 네트워크의 오프로딩 방법.
PCT/KR2019/013188 2019-05-29 2019-10-08 포그 컴퓨팅 기반 무선 네트워크에서 태스크 우선순위별 연산량 오프로딩 장치 및 방법 Ceased WO2020241981A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2019-0063054 2019-05-29
KR1020190063054A KR102177432B1 (ko) 2019-05-29 2019-05-29 포그 컴퓨팅 기반 무선 네트워크에서 태스크 우선순위별 연산량 오프로딩 장치 및 방법

Publications (1)

Publication Number Publication Date
WO2020241981A1 true WO2020241981A1 (ko) 2020-12-03

Family

ID=73451813

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/013188 Ceased WO2020241981A1 (ko) 2019-05-29 2019-10-08 포그 컴퓨팅 기반 무선 네트워크에서 태스크 우선순위별 연산량 오프로딩 장치 및 방법

Country Status (2)

Country Link
KR (1) KR102177432B1 (ko)
WO (1) WO2020241981A1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113452956A (zh) * 2021-02-26 2021-09-28 深圳供电局有限公司 一种输电线路巡检任务智能分配方法及系统
CN115543621A (zh) * 2022-10-08 2022-12-30 杭州电子科技大学 一种面向雾计算的存在依赖关系的任务调度方法
CN115981807A (zh) * 2022-12-06 2023-04-18 湖南大学 一种基于区块链的可信分布式计算卸载方法
CN116074318A (zh) * 2021-10-29 2023-05-05 中国石油化工集团有限公司 云边端协同物联网边缘计算系统的任务卸载策略优选方法
WO2024130519A1 (zh) * 2022-12-19 2024-06-27 北京小米移动软件有限公司 人工智能ai服务的调度方法及其装置

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102492716B1 (ko) * 2021-06-15 2023-01-26 연세대학교 산학협력단 다중 라디오 액세스 기술 기반 IIoT 서비스를 위한 동적 태스크 오프로딩을 수행하는 사용자 단말 및 이의 오프로딩 방법
KR102589554B1 (ko) * 2021-07-07 2023-10-13 중앙대학교 산학협력단 무선 엣지 컴퓨팅 기반 네트워크에서의 최적의 부분 오프로딩 방법 및 오프로딩을 위한 시스템
CN113590339B (zh) * 2021-08-16 2023-06-23 重庆大学 一种面向批量计算任务的物联网终端协作方法
KR20230077983A (ko) 2021-11-26 2023-06-02 한국전자통신연구원 온프레미스 엣지 서버와 외부 클라우드로 구성된 쿠버네티스 클러스터의 연산 오프로딩 스케줄링 방법 및 이를 이용한 장치
KR102643816B1 (ko) * 2022-03-07 2024-03-05 연세대학교 산학협력단 공간분할 다중접속 기반 에너지 효율성 향상을 위한 오프로딩 무선 통신 시스템
KR102521744B1 (ko) * 2022-12-30 2023-04-14 주식회사 에스티씨랩 디지털 서비스 기반 유량 제어 서버, 방법 및 api 유량 제어 시스템
CN117155798B (zh) * 2023-03-13 2024-03-01 中国科学院沈阳自动化研究所 面向资源受限的云-边协同实时调度方法
KR102816554B1 (ko) * 2023-12-28 2025-06-05 한국해양과학기술원 복수의 컴퓨팅 장치와 상호작용이 가능한 선박 장비 통합 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150181460A1 (en) * 2013-12-20 2015-06-25 Cisco Technology, Inc. Dynamic coding for network traffic by fog computing node
KR101574026B1 (ko) * 2014-12-17 2015-12-03 경희대학교 산학협력단 포그 컴퓨팅 네트워크를 이용한 사물 인터넷 네트워크
KR20170071381A (ko) * 2015-12-15 2017-06-23 경희대학교 산학협력단 멀티-에이전트 기반 코드 오프로딩을 수행하는 모바일 포그 컴퓨팅 시스템 및 그 방법
US20180227199A1 (en) * 2017-02-08 2018-08-09 Aerohive Networks, Inc. Iot device fog networking operation
KR20180095988A (ko) * 2017-02-20 2018-08-29 부산대학교 산학협력단 로컬 네트워크 환경에서 포그 서버 개수 및 배치 위치 결정을 위한 장치 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017019046A (ja) 2015-07-10 2017-01-26 ファナック株式会社 放電加工機の加工液供給装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150181460A1 (en) * 2013-12-20 2015-06-25 Cisco Technology, Inc. Dynamic coding for network traffic by fog computing node
KR101574026B1 (ko) * 2014-12-17 2015-12-03 경희대학교 산학협력단 포그 컴퓨팅 네트워크를 이용한 사물 인터넷 네트워크
KR20170071381A (ko) * 2015-12-15 2017-06-23 경희대학교 산학협력단 멀티-에이전트 기반 코드 오프로딩을 수행하는 모바일 포그 컴퓨팅 시스템 및 그 방법
US20180227199A1 (en) * 2017-02-08 2018-08-09 Aerohive Networks, Inc. Iot device fog networking operation
KR20180095988A (ko) * 2017-02-20 2018-08-29 부산대학교 산학협력단 로컬 네트워크 환경에서 포그 서버 개수 및 배치 위치 결정을 위한 장치 및 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113452956A (zh) * 2021-02-26 2021-09-28 深圳供电局有限公司 一种输电线路巡检任务智能分配方法及系统
CN116074318A (zh) * 2021-10-29 2023-05-05 中国石油化工集团有限公司 云边端协同物联网边缘计算系统的任务卸载策略优选方法
CN115543621A (zh) * 2022-10-08 2022-12-30 杭州电子科技大学 一种面向雾计算的存在依赖关系的任务调度方法
CN115981807A (zh) * 2022-12-06 2023-04-18 湖南大学 一种基于区块链的可信分布式计算卸载方法
WO2024130519A1 (zh) * 2022-12-19 2024-06-27 北京小米移动软件有限公司 人工智能ai服务的调度方法及其装置

Also Published As

Publication number Publication date
KR102177432B1 (ko) 2020-11-11

Similar Documents

Publication Publication Date Title
KR102177432B1 (ko) 포그 컴퓨팅 기반 무선 네트워크에서 태스크 우선순위별 연산량 오프로딩 장치 및 방법
WO2016122225A1 (ko) 통신 시스템에서 혼잡 제어 방법 및 장치
WO2013183971A1 (en) Method and system for selective protection of data exchanged between user equipment and network
WO2011162549A2 (en) Method and apparatus for transmitting and receiving uplink data in mobile communication system
WO2021172874A1 (en) Method and apparatus for executing virtualized network function
WO2016175521A1 (en) Apparatus and method for controlling downlink throughput in communication system
WO2021118158A1 (en) Electronic device for controlling interface between a plurality of integrated circuits and operation method thereof
WO2012067431A2 (en) Resource distribution apparatus and method in cloud computing
WO2018186718A1 (en) A method and apparatus for reducing latency of network protocols
WO2023128723A1 (en) Method and device for selective user plane security in wireless communication system
WO2014003254A1 (ko) 움직임 벡터의 예측을 위한 탐색영역 설정 장치 및 방법
WO2019231185A1 (ko) 무선 네트워크에서 노드 사이의 신뢰도 파라미터 산출 방법, 신뢰도 파라미터를 이용한 라우팅 경로 설정 방법 및 장치
WO2019083097A1 (ko) 기지국장치 및 데이터 패킷 전송 방법
WO2017150826A1 (ko) Ｓｄｎ 기반 무선 가상 네트워크 환경에서 트래픽 변화를 고려한 대역폭 제어 장치 및 방법
WO2012118266A1 (en) Communication method of a target terminal and an access point for group id management in mu-mimo transmission
EP4740615A1 (en) Apparatus and method for managing session in wireless communication system
WO2023120773A1 (ko) 태스크 오프로딩을 지원하는 무인 항공기 및 방법
WO2017115907A1 (ko) 송신 장치 및 다종 네트워크 환경에서 동적 경로 상태를 측정하는 방법
WO2017088524A1 (zh) 一种射频链路控制的方法及装置
WO2023113385A1 (ko) 분산 유닛 스케일링을 수행하는 네트워크 및 그 동작 방법
EP3345096A1 (en) Method and apparatus for adaptive cache management
WO2023136480A1 (ko) 부하 밸런싱 방법 및 이를 수행하는 cu-up 엔티티
WO2023128563A1 (ko) 전자 장치 및 그 통신 제어 방법
WO2022025327A1 (ko) 제한된 캐시 메모리를 가진 캐싱 시스템에서 재전송 횟수를 고려한 저장 방법 및 장치
WO2018097686A1 (ko) 무선 통신 시스템에서 스케줄링을 위한 방법 및 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19931492

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19931492

Country of ref document: EP

Kind code of ref document: A1