Adaptive Replica Selection in Mobile Edge Networks

Abstract

With the ongoing increase in mobile devices and the application’s growing reliance on the cloud, these infrastructures have become centralized hubs of computational processing and storage. With so much traffic being generated to - and from - these centralized infrastructures, network congestion and delays start to become more evident. Furthermore, having messages travel back and forth to a location that is physically distant from the user severely punishes applications with low latency or high bandwidth demands. Mobile Edge Computing (MEC) is a paradigm that aims to solve these limitations by bringing cloud services closer to mobile clients, effectively reducing end-to-end delays and saving backbone bandwidth. As in a cloud environment, these applications are starting to make use of replication to enhance their quality of service. Because content generated by mobile devices has a localized interest at first, data starts by getting replicated between these devices and only when it starts to get popular is it eventually replicated (cached) in edge servers. The problem arises though, when there is no replica selection mechanism for data retrieval. The resulting herd behavior causes the computational load on the network to be poorly distributed, which combined with the unreliable wireless communication channels cause these systems to under-perform. In thesis we propose Wasabi, an adaptive replica selection algorithm for MEC environments with the aim of decreasing latency and boosting both throughput and energy efficiency in MEC systems. Furthermore, we develop a whole replica selection framework to support Wasabi and its integration with Thyme GardenBed [14]. From our experimental results, we conclude that Wasabi performs better in dynamic environments than any of the presented baselines, including the cloud algorithm C3 [17] and its MEC variant, which make use of a similar set of metrics.

Com o número de dispositivos móveis a crescer e as aplicações cada vez mais dependentes da cloud, estas infraestruturas têm-se tornado pontos centralizados de computação e armazenamento. Devido à quantidade de tráfego que é gerado - e recebido - nestas infraestruturas centralizadas, o congestionamento e atrasos na rede começam a torna-se evidentes. Além disso, a considerável distância física entre estas infraestruturas e os utilizadores inviabiliza algumas das aplicações com maiores exigências a nível de largura de banda e latência. Mobile Edge Computing (MEC) é um paradigma que procura resolver estas limitações trazendo os serviços cloud para mais próximo dos dispositivos móveis, de forma a reduzir a latência e poupar largura de banda no canal de comunicação principal. Tal como nos ambientes cloud, estas aplicações começam a fazer uso de replicação para melhorar a sua qualidade de serviço. Como o conteúdo gerado pelos dispositivos móveis tem inicialmente um interesse localizado, os dados começam por ser replicados entre os dispositivos móveis e só mais tarde, quando se começam a tornar populares, é que são eventualmente replicados (cached) em servidores edge. No entanto, o problema surge quando não existe qualquer tipo de mecânismo de seleção de réplicas para descarregar esses dados. Pela ausência de tal mecânismo, é costume observar-se um mau balanceamento de carga entre as réplicas disponíveis, o que combinado com canais de comunicação instáveis, degrada a performance destes sistemas. Com esta tese nós propomos Wasabi, um algoritmo de seleção de réplicas adaptativo no âmbito de sistemas MEC, com o objetivo de diminuir latências e melhorar ambos o throughput e a eficiência energética destes sistemas. Dos nossos desenvolvimentos resulta também uma framework para desenvolver mecânismos de seleção de réplicas e sobre a qual construímos a integração do Wasabi com o sistema Thyme GardenBed [14]. Através dos nossos resultados experimentais fomos capazes de concluir que o nosso algoritmo faz melhores seleções em ambientes dinâmicos que qualquer outra baseline definida para efeitos de comparação, incluíndo o algoritmo cloud C3 [17] e a sua variante MEC, e que usam um conjunto de réplicas semelhante às do Wasabi.