[논문]MEC 시스템에서 태스크 파티셔닝 기법의 성능 비교

문성원; 임유진

doi:10.3745/ktccs.2022.11.5.139

초록
AI-Helper

최근 사물 인터넷의 발전과 함께 차량과 IT 기술의 융합되어 자율주행과 같은 고성능의 어플리케이션들이 등장하면서 멀티 액세스 엣지 컴퓨팅(MEC)이 차세대 기술로 부상하였다. 이런 계산 집약적인 태스크들을 낮은 지연시간 안에 제공하기 위해, 여러 MEC 서버(MECS)들이 협력하여 해당 태스크를 수행할 수 있도록 태스크를 파티셔닝하는 기법들이 많이 제안되고 있다. 태스크 파티셔닝과 관련된 연구들은 모바일 디바이스에서 태스크를 파티셔닝하여 여러 MECS들에게 오프로딩을 하는 기법과 디바이스에서 MECS로 오프로딩한 후 해당 MECS에서 파티셔닝하여 다른 MECS들에게 마이그레이션하는 기법으로 나누어볼 수 있다. 본 논문에서는 오프로딩과 마이그레이션을 이용한 파티셔닝 기법들을 파티셔닝 대상 선정 방법 및 파티셔닝 개수 변화에 따른 서비스 지연시간, 거절률 그리고 차량의 에너지 소비량 측면에서의 성능을 분석하였다. 파티셔닝 개수가 증가할수록 지연시간의 성능은 향상하나, 거절률과 에너지 소모량의 성능은 감소한다.

Abstract ▼ AI-Helper

With the recent development of the Internet of Things (IoT) and the convergence of vehicles and IT technologies, high-performance applications such as autonomous driving are emerging, and multi-access edge computing (MEC) has attracted lots of attentions as next-generation technologies. In order to ...

With the recent development of the Internet of Things (IoT) and the convergence of vehicles and IT technologies, high-performance applications such as autonomous driving are emerging, and multi-access edge computing (MEC) has attracted lots of attentions as next-generation technologies. In order to provide service to these computation-intensive tasks in low latency, many methods have been proposed to partition tasks so that they can be performed through cooperation of multiple MEC servers(MECSs). Conventional methods related to task partitioning have proposed methods for partitioning tasks on vehicles as mobile devices and offloading them to multiple MECSs, and methods for offloading them from vehicles to MECSs and then partitioning and migrating them to other MECSs. In this paper, the performance of task partitioning methods using offloading and migration is compared and analyzed in terms of service delay, blocking rate and energy consumption according to the method of selecting partitioning targets and the number of partitioning. As the number of partitioning increases, the performance of the service delay improves, but the performance of the blocking rate and energy consumption decreases.

Keyword

표/그림 (6)

그림 Fig. 1. Task Partitioning Strategy in MEC System
그림 Fig. 2. Comparison of the Blocking Rate using Partitioning+Offloading Method
그림 Fig. 3. Comparison of the Average Service Delay using Partitioning+Offloading Method
그림 Fig. 4. Comparison of the Blocking Rate using Partitioning+Migration Method
그림 Fig. 5. Comparison of the Average Service Delay using Partitioning+Migration Method
그림 Fig. 6. Comparison of the Average Energy Consumption using Partitioning+Offloading Method

참고문헌 (10)

S. Raza, S. Wang, M. Ahmed, and M. R. Anwar, "A survey on vehicular edge computing: Architecture, applications, technical issues, and future directions," Wireless Communications and Mobile Computing, Vol.2019, pp.1-19, 2019.

상세보기
S. Wang, J. Xu, N. Zhang, and Y. Liu, "A survey on service migration in mobile edge computing," IEEE Access, Vol.6, pp.23511-23528, 2018.

상세보기
Y. Dai, D. Xu, S. Maharjan, and Y. Zhang, "Joint load balancing and offloading in vehicular edge computing and networks," IEEE Internet of Things Journal, Vol.6, No.3, pp.4377-4387, 2019.

상세보기
J. Liu and Q. Zhang, "Offloading schemes in mobile edge computing for ultra-reliable low latency communications," IEEE Access, Vol.6, pp.2169-3536, 2018.
J. Liu and Q. Zhang, "Code-partitioning offloading schemes in mobile edge computing for augmented reality," IEEE Access, Vol.7, pp.11222-11236, 2019.

상세보기
M. Li, J. Gao, L. Zhao, and X. Shen, "Deep reinforcement learning for collaborative edge computing in vehicular networks," IEEE Transactions on Cognitive Communications and Networking, Vol.6, No.4, pp.1122-1135, 2020.

상세보기
L. Chen, S. Zhou, and J. Xu, "Computation peer offloading for energy-constrained mobile edge computing in small-cell networks," IEEE/ACM Transactions on Networking, Vol.26, No.4, pp.1619-1632, 2018.

상세보기
Y. Wang, M. Sheng, X. Wang, L. Wang, and J. Li, "Mobile-edge computing: Partial computation offloading using dynamic voltage scaling," IEEE Transactions on Communications, Vol.64, No.10, pp.4268-4282, 2016.

상세보기
M. Feng, M. Krunz, and W. Zhang, "Joint task partitioning and user association for latency minimization in mobile edge computing networks," IEEE Transactions on Vehicular Technology, Vol.70, No.8, pp.8108-8121, 2021.

상세보기
J. Liu and Q. Zhang, "Adaptive task partitioning at local device or remote edge server for offloading in MEC," Proceedings of IEEE Wireless Communications and Networking Conference (WCNC), pp.1-6, May, 2020.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] MEC 시스템에서 태스크 파티셔닝 기법의 성능 비교
Performance Comparison of Task Partitioning Methods in MEC System 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

표/그림 (6)

표/그림 (6)

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] MEC 시스템에서 태스크 파티셔닝 기법의 성능 비교 Performance Comparison of Task Partitioning Methods in MEC System 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

Keyword

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

임유진 (7)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] MEC 시스템에서 태스크 파티셔닝 기법의 성능 비교
Performance Comparison of Task Partitioning Methods in MEC System 원문보기

초록
AI-Helper

표/그림 (6)

표/그림 (6)