Effektiv datahantering i decentraliserade molninfrastrukturer
Med framtida självkörande bilar, smart videoövervakning och automatiserade fabriker växer datatrafikshanteringen lavinartat. Amardeep Mehta har i sin avhandling tagit fram metoder för att allokera resurser optimalt till nästa generations applikationer i distribuerade så kallade Mobile Edge Clouds.
Den snabba utvecklingen av högpresterande och kostnadseffektiva uppkopplade enheter och utvecklingen av 5G-nätverk har gett en tidigare aldrig skådat tillväxt i datatrafik som kräver en effektiv datahantering. Till exempel har tillverkare som Toyota och Hitachi förutspått att mängden data genererat av självkörande bilar kommer att vara flera petabyte om dagen.
På motsvarande sätt kommer smarta fabriker (så kallad industri 4.0) att revolutionera tillverkningsindustrin.
Kräver bandbredd som aldrig förr
Dessa nya typer av autonoma applikationer kommer att kräva mycket hög bandbredd, låg latens och minimalt med jitter (variation i prestanda). Dagens centraliserade och avlägset belägna datacenter klarar inte av att leverera den prestanda dessa applikationer kräver.
Ett sätt att hantera dessa utmaningar är att flytta beräkningskapacitet från datacentren närmare slutanvändarna, vilket ger bättre prestanda och robusthet för applikationer och även kan sänka kostnaderna. Detta paradigm, med beräkningskapacitet utplacerad mellan datacentren och applikationerna, brukar kallas Mobile Edge Clouds (MECs).
Mobile Edge Clouds är en infrastruktur med stora centraliserade datacenter kombinerat med utspridd beräkningskapacitet sammankopplade med 5G-nätverk.
En telekom-operatör av en MEC-infrastruktur kan genom att allokera hårdvaruresurser i MEC-infrastrukturen till applikationer på ett optimalt sätt både förbättra tillgängligheten och prestandan hos applikationerna och sänka sina driftkostnader.
Många utmaningar
Det finns dock flera utmaningar att överbrygga. Den första är att avgöra hur mycket beräkningskapacitet som behöver installeras, och var i nätet denna bör placeras för kostnads- och prestandaoptimal drift av hela MEC-infrastrukturen.
Den andra, relaterade, utmaningen är hur mycket kapacitet som ska allokeras till varje applikation, och var i nätet detta ska ske för att få bästa möjliga prestanda till lägsta möjliga kostnad. Den tredje utmaningen är hur ett ramverk bör designas för att förenkla utveckling av nya applikationer som kan köras var som helst i MEC-infrastrukturen, allt från de centrala datacentren ända ut till de mobila enheterna.
I sitt avhandlingsarbete definierar Amardeep Metha modeller och algoritmer såväl som simuleringsverktyg och programvaruramverk för att hantera utmaningarna med resursallokering ien heterogen MEC-miljö bestående av mobila enheter, utspridda beräkningsnoder och centraliserade datacenter.
Sparar mycket i driftskostnader
– Med de metoder jag tagit fram kan en telekom-operatör optimera installationen av en MEC-infrastruktur och spara upp till 67 procent av driftkostnaderna för bandbreddskrävande applikationer, säger Amardeep Metha.
Forskningen har utförts vid institutionen för datavetenskap vid Umeå Universitet i samarbete med forskare vid Lunds Universitet och Ericsson Research.
Avhandlingen:
Resource Allocation for Mobile Edge Clouds
Kontakt:
Amardeep Mehta, Institutionen för datavetenskap, amardeep.mehta@umu.se
