Optimisation du déchargement des calculs multitâches dans un système Mobile Edge Computing

Abstract

Ceux qui suivent l’actualité du secteur des télécommunications auront forcément remarqué l’importance prise par le thème du Mobile Edge Computing (MEC) aux côtés de la 5G, de l’Internet des Objets (Internet of Things ou IoT) et de la virtualisation des fonctions réseaux (Network Function Virtualization ou NFV). Avec le phénomène de l’Internet des Objets, les objets connectés sont de plus en plus nombreux. En particulier, les appareils mobiles qui deviennent une partie essentielle de la vie quotidienne. Les utilisateurs mobiles accumulent une riche expérience de divers services à partir des applications mobiles qui se déplacent sur les dispositifs ou sur les serveurs distants via des réseaux sans fil. En conséquence, les ressources limitées ont un impact significatif sur l’amélioration de qualité de service (QoS). Avec les réseaux de cinquième génération (5G), l’Edge computing se définit comme une architecture informatique destinée aux environnements IoT : les ressources de calculs, la capacité de stockage et la puissance de calcul sont maintenues au plus proche des appareils mobiles intelligents (Smart Mobile Devices ou SMDs) qui génèrent les données. Plutôt que de transférer les données générées par des appareils connectés IoT vers le Cloud ou un Data Center, il s’agit de traiter les données en périphérie du réseau directement où elles sont générées. De plus, les appareils mobiles dépendent le plus souvent d’une source énergétique (batterie), des capacités de traitement et de stockage limitées. En conséquence, ces appareils doivent décharger une partie de leurs tâches lourdes qui nécessitent beaucoup de calculs et qui sont énergivores, vers un serveur MEC. Cette décision de déchargement est l’une des solutions à prendre dans certaines circonstances,notamment lorsque la batterie est faible. En outre, la fréquence du processeur local allouée au traitement a un impact considérable sur la consommation d’énergie des SMDs. De plus, lorsque les appareils mobiles gèrent de nombreuses tâches, la décision de décharger une tâche devient critique. En réalité, la prise de décision doit prendre en compte l’état du réseau sans fil, les ressources de traitement disponibles des deux côtés (SMD,MEC) et en particulier la puissance de la batterie disponible. Dans notre thèse, nous considérons un appareil mobile intelligent (SMD), dont la consommation de l’énergie est une contrainte, contenant une liste multitâches déchargeables qui sont soumises à une contrainte de délai ; et une station de base (SB) équipée d’un serveur MEC capable d’exécuter les tâches déchargeables transmises depuis le SMD. Notre objectif est de trouver une stratégie efficace de décision de déchargement afin d’optimiser la gestion des ressources et des données massives, le temps de traitement global des tâches et la consommation de l’énergie. Les problèmes d’optimisation formulés prennent en compte de manière progressive à la fois la capacité énergétique dédiée et les délais de traitement. Comme les problèmes obtenus sont NP-difficile, nous avons proposé plusieurs schémas des solutions heuristiques basées sur le recuit simulé et qui sont ensuite comparées avec une solution exacte basée, sur la méthode de la recherche par force brute ou recherche exhaustive. Afin d’évaluer et de comparer nos solutions, nous avons réalisé un ensemble d’expériences de simulation. Les résultats obtenus en termes de temps de traitement total et la consommation énergétique sont très encourageants. De plus, les schémas proposés génèrent les solutions dans des délais acceptables et réalisables.