An Emulation-Based Performance Evaluation Methodology for Edge Computing and Latency Sensitive Applications
Tid: To 2023-06-15 kl 13.00
Plats: U61, Brinellvägen 26, Stockholm
Videolänk: https://kth-se.zoom.us/j/63144664642
Språk: Engelska
Ämnesområde: Elektro- och systemteknik
Respondent: Manuel Osvaldo Olguín Muñoz , Teknisk informationsvetenskap
Opponent: Associate professor Yu Xiao, Aalto University, Finland
Handledare: Professor James Gross, Teknisk informationsvetenskap; Professor Karl H. Johansson, Reglerteknik
Plats för disputaion ändrad från Q2, Malvinas väg, KTH Campus, Stockholm till U61, Brinellvägen 26, KTH Campus, Stockholm
QC 20230523
Abstract
Cloud Computing, med sin globalt tillgängliga natur och praktiskt taget obegränsade skalbarhet, har revolutionerat våra dagliga liv sedan dess allmänna antagande i början av 2000-talet. Det gör det möjligt för oss att få tillgång till våra dokument var som helst, hålla kontakt med vänner, säkerhetskopiera foton, och fjärrstyra våra hushållsapparater. Trots detta har Cloud Computing begränsningar när det gäller nya applikationer som kräver realtidsbehandling eller låg latens. Applikationer som cyberfysiska system (engelska Cyber-Physical Systems (CPSs)) eller mobilt utvidgad verklighet (engelska eXtended Reality (XR)), som i sin tur också har stor omvandlingspotential, kan inte köras på molnet.
Edge Computing framstår som en potentiell lösning på dessa begräns-ningar genom att föra beräkningar närmare kanten av nätverket, vilket minskar latensen och möjliggör beslutsfattande i realtid. Kombinationen av Edge Computing och moderna mobila nätverksteknologier som 5G erbjuder potential för massiva utrullningar av latenskänsliga applikationer. Men att skala och förstå dessa utrullningar utgör viktiga utmaningar såsom optimering av latens genom flera bearbetningssteg och avvägningar i val av trådlösa system, protokoll, hårdvara och algoritmer. Befintliga metoder har hittills inte lyckats fånga de komplexa effekter som uppstår från samspelet mellan nätverk och datorer i dessa system. Denna avhandling tar upp utmaningen med prestationsutvärdering av Edge Computing och applikationerna som möjliggörs av detta paradigm med två viktiga bidrag till litteraturen. Först introduceras ett metodologiskt tillvägagångssätt för att experimentellt studera kompromisserna mellan systemrespons och resursförbrukning i latenskänsliga applikationer såsom CPSs och XR som körs på Edge Computing. Dessa applikationer och system har egenskaper, såsom tät interaktion med den fysiska världen och inblandning av människor, som gör dem utmanande att studera genom simulerade tillvägagångssätt eller analytisk modellering. Den metod som presenteras i denna avhandling innebär därför emulering av klientsidans arbetsbelastning samtidigt som den verkliga serversidans process och nätverksstacken bibehålls för att behålla realismen i nätverks- och datoreffekter.
Därefter presenteras en utforskning av kraven på precision i emuleringen. Detta arbete diskuterar i vilken utsträckning precision i emuleringen kan öppna nya vägar för optimering av dessa system. För detta ändamål tillhandahålls den första realistiska modellen av mänskliga tidsbeteenden för en särkild klass av mobil förstärkt verklighet (engelska Mobile Augmented Reality (MAR)). Modellen kombineras med ett matematiskt ramverk för att studera potentialen för optimering i Edge Computing applikationer.
Resultaten indikerar att den metod som introducerats i detta arbete erbjuder fördelar jämfört med befintliga metoder genom att förbättra effektiviteten, repeterbarheten och replikerbarheten. Genom att helt integrera arbetsbelastningskomponenter i den emulerade mjukvarudomänen, minskar denna metodik komplexiteten samtidigt som den fångar komplexa effekter av nätverks- och beräkningsfaktorer som är utmanande att modellera. Detta tillvägagångssätt representerar således ett viktigt bidrag till litteraturen, eftersom det består av en omfattande metod för prestandautvärdering av Edge Computing-miljöer, som omfattar både applikationen och infrastrukturen. Dessutom tyder resultat från utforskningen av implikationerna av precision i emuleringen att inkorporering av förbättrad precision i klientsideemulering kan möjliggöra implementering av optimeringsmetoder som annars skulle vara omöjliga. Särskilt framhåller detta arbete betydelsen av att överväga mänskligt beteende och reaktioner utöver systemrelaterade mätvärden och prestandaoptimeringar i samband med MAR.