阅读[2023][BMSB]Adaptive Resource Allocation Based on Scoring Mechanism and Priority for 3D rendering

Adaptive Resource Allocation Based on Scoring Mechanism and Priority for 3D rendering

1 会议与作者信息

Published in: 2023 IEEE International Symposium on Broadband Multimedia Systems and Broadcasting (BMSB)

2 背景

1随着动画、云游戏等行业的发展，用户对更高质量、更具沉浸感的应用的要求越来越高，传统的渲染模式开始面临挑战。面对对延迟需求敏感的新兴应用程序，传统的以云为中心的基础设施有些不足。
2具有分布式计算能力和低延迟服务的边缘计算逐渐得到应用；对于应用越来越广泛的边缘计算，其网络中的边缘节点承载着各种各样的业务。

3 挑战

3D渲染对资源有强烈的需求，如何更有效地配置边缘资源，满足这类业务的需求；
如何在边缘节点中选择最优节点。

4 贡献

设计了一种基于优先级和边缘节点评分机制的边缘资源分配方案，以提高边缘请求的整体效率和边缘节点的资源利用率。

5 系统建模

表1作为本文中出现的注释及其定义或描述的参考。

5.1 边缘资源调度的基本架构

边缘节点集群由多个具有计算资源的边缘节点组成。通过调度，可以动态卸载资源请求任务，使用户能够访问最优节点，从而降低平均端到端延迟(E2EL)。图1显示了边缘资源调度的基本架构。
•用户。用户可以是运行有3D渲染需求的应用程序的终端，包括计算机、手机、车载设备等。它作为中心节点，收集边缘节点的资源状态数据，评估用户对资源的需求，并通过资源分配模型为用户的计算任务推荐最佳节点。
**•边缘节点(EN)。**它在网络架构上更接近用户，拥有计算和存储资源。
**•推荐节点(RN)。**它是执行用户计算任务的最佳节点。
图1的工作流程如下:
**步骤1。**用户向SN发起资源调用请求。
**步骤2。**由于边缘节点集群中的每个EN都会向SN报告资源状态数据，因此SN将推荐最优的EN来响应用户的请求。
**步骤3。**最后，用户将与RN建立连接以请求资源，而RN将完成对请求的处理。

5.2 边缘应用优先级

运行在EN上的应用程序可以有不同的优先级(区别于E2EL级别)。由于本文关注的是3D渲染应用程序，因此不会详细说明其他应用程序的优先级。将它们简单地分为低优先级请求(lpR)、离线3D渲染请求(ORr)、实时3D渲染请求(RTRr)和高优先级请求(hpR)。图2显示了四个优先级请求的相对优先级值。

5.3 3D渲染的评分机制和基于优先级的资源分配方案

3D渲染分为实时3D渲染(RTRr)和离线3D渲染(ORr)两种。RTRr为延迟敏感请求，ORr为非延迟敏感请求。因此，RTRr的优先级高于ORr。图3显示了评分机制和基于优先级的3D渲染资源分配方案的工作流程。用户向SN发起请求，SN根据评分机制和优先级算法选择最优节点RN。然后，用户可以向RN发送请求。
以上步骤是基于当前情况下的边缘节点集群，为用户选择一个最优节点。但是，当请求被卸载到RN时，由于许多其他应用程序可能正在RN上运行，因此还需要根据当前请求的优先级分配资源。这里的一个重要阈值是当前RN的剩余可用资源。
RN标识请求类型，有以下两种情况:
Case 1. For RTRr:
如果RTRr ≤ Ar: 这表明当前RN有足够的可用资源来处理当前请求。然后是资源分配。
如果RTRr > Ar or Ar =0: 这意味着RN当前没有足够的可用资源，应该将Ar全部分配给RTRr, RTRr的其余部分应该抢占运行在RN上的ORr的资源。
Case 2. For ORr:
**如果ORr ≥ Ar。**这表明当前RN有足够的可用资源来处理当前请求。然后是资源分配。
**如果ORr > Ar or Ar=0。**这意味着RN当前可用资源不足，ORr应在队列中等待，在一定时隙后，再次检查可用资源。

5.4 最优边缘节点选择算法

SN获取所有可用EN的资源状态数据，并从多个纬度对每个EN进行评分。EN分数的计算方法如式(1)所示

D为用户与EN之间的距离。D越大，表示网络传输距离越远，数据传输延迟越大，因此wd为负值。
C为EN上可用CPU资源的值。C越大，表示EN上的资源越丰富，资源被其他应用抢占的概率越小。wc是正的。
G是EN上可用的GPU资源的值，与c类似，因为3D渲染与GPU资源的关系更大，所以它是一个非常重要的参数。wg是正的。
N是EN上可用的网络资源。3D渲染图像的传输要求高网络质量，N越大，E2EL就越大。wn是正的。
P为优先级分数，由式(2)计算。PRx为在EN上运行的优先级分数高于当前请求的应用程序的优先级分数，Px为这些应用程序占用的资源。
L是抢占得分。它类似于p，可以衡量当前请求抢占较低优先级应用程序资源的能力。

6 实验与结果

为了评估所提出的算法，我们建立了一个测试网络。网络中的节点包括3个边缘节点EN(负责处理用户请求)和1个调度节点SN(负责为请求分配最优节点)。
从平均响应时间、资源利用率等几个方面对本文方法的结果进行了分析。我们将其与基于简单优先级的资源分配(SPRA)[6]、最短作业优先(SJF)、先到先得(FCFS)[9]和方法Zenith算法[10]的结果进行了比较。

6.1 平均响应时间实验

首先，我们创建了一些随机请求，其中一些是优先级为3和2的RTRr和ORr，另一些是优先级为1和4的lpR和hpR。他们对资源有不同的需求。我们将请求总数设置为10到100，其中4个请求的数量是随机的。平均响应时间如图4所示。结果表明，我们提出的方法可以减少请求的平均响应时间，因为它考虑到当资源不足时，ORr不传输到云端，而是在边缘进行分配。从而节省了耗时的ORr请求的时间，从而节省了平均响应时间。

6.2 资源利用实验

然后，我们计算了不同请求数下的资源利用率。如图5所示，我们在资源不足时调整了对ORr请求的处理，进行了有效的资源分配，显著提高了资源利用率。值得一提的是，这个结论只适用于包含3D呈现请求的请求。

7 评价

场景简单；指标单一，指标没有考虑经过本文资源分配方案后3D渲染的时间大小。最优边缘节点选择算法虽然简单，但是并不可靠，从实际道理上也缺乏理论依据：若是出现其中某个指标极好、另一个指标极坏的情况，方案的效果可能会很糟糕了。