A Unified Coding Framework for Distributed Computing with Straggling Servers
通过对一些线性计算任务在“计算延迟”和“通信负载”之间进行权衡,提出了一种适用于离散服务器的分布式计算的统一编码框架。我们表明,[1]-[3]的编码方案重复中间计算以创建编码多播机会以减少通信负载,[4],[5]的编码方案生成冗余中间计算以对抗离散服务器可以被视为所提出的框架的特殊实例,通过考虑这种权衡的两个极端:从而分别最小化通信负载或计算等待时间。此外,通过所提出的编码框架实现的延迟-负载折衷允许在该折衷上的任何点处系统地操作以执行分布式计算任务。我们还证明了延迟负载的权衡,这是一个恒定的乘法差距内实现的权衡在两个端点的信息理论下限。
2016-09-06 cs.DC cs.IT math.IT
A Fundamental Storage-Communication Tradeoff for Distributed Computing with Straggling Nodes
用于分布式计算的放置交付阵列(Comp-PDA)最近被提出作为用于为类MapReduce系统构造通用计算方案的框架。在这项工作中,我们将这一概念扩展到具有离散节点的系统,即,涉及其中节点的子集不能在适当的时间内完成所分配的MAP计算的系统。与以往的大多数工作,专注于计算线性函数,我们的结果是通用的,适用于任意映射和减少功能。我们的贡献如下。首先,我们展示了如何构建一个通用的编码计算方案MapReduce类系统与离散节点从任何给定的Comp-PDA。我们还描述了所产生的方案的Comp-PDA参数的存储和通信负载。然后,我们证明了一个信息理论的逆界的存储通信(SC)的折衷实现的通用计算计划离散节点。我们表明,信息理论界匹配的编码计算方案与离散节点对应的Maddah-Ali和Niesen(MAN)PDA,即,到描述Maddah-Ali和Niesen的编码缓存方案的Comp-PDA。有趣的是,相同的Comp-PDA(MAN-PDA)对于任何数量的离散节点都是最优的,这意味着最优编码计算方案的映射阶段不需要适应系统中离散节点的数量。我们最后证明,虽然点,完全躺在基本的SC权衡不能实现与Comp-PDA,需要更少的文件数量比MAN-PDA,这是可能的一些点,靠近SC的权衡。对于后面的这些点,所请求的文件数量的减少可以是系统节点数量的指数。
2020-04-27 cs.IT math.IT
Communications, Caching and Computing for Mobile Virtual Reality: Modeling and Tradeoff
无线虚拟现实(VR)正在成为5G网络的重要用例。沉浸式VR体验要求以超低延迟传输大量数据,因此需要超高的传输速率。这一挑战可以在很大程度上通过被称为移动边缘计算(MEC)的最新网络架构来解决,该架构在无线网络的边缘实现了缓存和计算能力。本文提出了一种新的基于MEC的移动VR交付框架,该框架能够提前缓存部分视场(FOV),并在移动VR设备上运行某些后处理程序。为了优化移动VR设备的资源分配,我们制定了一个联合缓存和计算决策问题,以最小化平均所需的传输速率,同时满足给定的延迟约束。当FOV是均匀的,我们得到了一个封闭形式的表达的最佳联合政策,揭示了有趣的通信缓存计算权衡。当视场不均匀时,通过将问题转化为线性约束的不定二次规划问题,然后应用凹凸规划方法,得到了该问题的局部最优解。数值结果表明,所提出的移动虚拟现实交付框架在节省通信带宽,同时满足低延迟要求的巨大承诺。
2018-06-23 cs.IT math.IT
Communications-Caching-Computing Tradeoff Analysis for Bidirectional Data Computation in Mobile Edge Networks
随着现代移动通信的出现,例如,在线游戏、增强现实交付等,一种新颖的双向计算任务模型正在作为5G的重要用例出现,其中每个任务的输入数据由两部分组成,一部分在移动终端实时生成,另一部分主动源自互联网。在本文中,为了便于分析,我们认为在一个移动边缘网络,其中包括一个移动边缘计算(MEC)服务器和一个移动终端,都启用计算和缓存功能的同构双向计算任务模型。每个任务可以通过三种机制来完成,即,具有本地缓存的本地计算、不具有本地缓存的本地计算以及在MEC服务器处的计算。为了最小化平均带宽,我们制定了联合缓存和计算的延迟,缓存大小和平均功耗约束下的优化问题。我们推导出最优策略和最小带宽的封闭形式的表达式。通过分析和数值计算,说明了通信、计算和缓存之间的权衡,为网络设计者提供了有见地的指导。
2020-01-12 cs.IT eess.SP math.IT
Derivation Depth as an Information Metric: Axioms, Coding Theorems, and Storage--Computation Tradeoffs
Koguan School of Law, China Institute for Smart Justice, School of Computer Science, Shanghai Jiao Tong University(上海交通大学)
本文提出推导深度作为信息度量,通过编码定理和存储-计算权衡,解决信息查询的存储与计算成本优化问题。
2026-10-20 cs.IT math.IT
Exploiting Computation Replication for Mobile Edge Computing: A Fundamental Computation-Communication Tradeoff Study
移动边缘计算(MEC)网络中的任务卸载的现有工作通常假设任务在单个边缘节点(EN)处执行一次。如果下行链路信道经历强干扰或深衰落,则将计算结果从EN下载回到移动用户可能遭受长延迟。本文利用MEC网络中的计算复制的思想来加速下载阶段。计算复制允许每个用户将其任务卸载到多个EN用于重复执行,以便在不同的EN处创建计算结果的多个副本,然后可以实现传输协作,从而减少结果下载的通信延迟。然而,计算复制也可能增加任务上传的通信延迟,尽管计算负载明显增加。这项工作的主要贡献是渐近地描述了一个顺序最优的上传-下载通信延迟对在一个多用户多服务器MEC网络中的给定的计算负载。分析表明,当计算负载在一定范围内增加时,二进制卸载时下载时间呈反比减少,部分卸载时下载时间呈线性减少,但上传时间呈线性增加。
2020-04-01 cs.IT math.IT
Generalized Lagrange Coded Computing: A Flexible Computation-Communication Tradeoff for Resilient, Secure, and Private Computation
Southwest Jiaotong University(西南交通大学);Southeast University(东南大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
针对分布式计算中任意多元多项式评估,提出广义拉格朗日编码计算(GLCC)码,同时实现弹性、安全和隐私,并较LCC码在训练时间上加速达2.5-3.9倍。
2024-11-06 cs.IT cs.LG math.IT
On the Tradeoff Between Computation and Communication Costs for Distributed Linearly Separable Computation
本文研究分布式线性可分计算问题,它是现有的许多分布式计算问题如分布式梯度下降和分布式线性变换的推广。在这个问题中,主节点要求$N$分布式工作节点计算$K$数据集的线性可分函数,该函数是$K$消息的一组$K_c$线性组合(每个消息是一个数据集的函数)。我们将一些数据集分配给每个工作者,然后工作者计算相应的消息并返回这些消息的某个函数,这样主工作者就可以从$N$中的任何$N_r$的答案中恢复任务函数。在文献中,已经考虑了$K_c = 1$或计算成本最小的特定情况。在本文中,我们专注于一般情况(即,通用$K_c$和通用计算成本),并且旨在找到最小通信成本。我们首先提出了一个新的通信成本的约束下流行的循环分配(广泛认为在文献中),分配数据集的工人在一个循环的方式下的逆界。基于现有的分布式计算策略不能达到逆界的观点,提出了一种新的分布式计算方案.当$K_c$较大时,该算法对任何分配都是最优的;当工作者和数据集数目相等或$K_c$较小时,该算法对循环分配是最优的.此外,它是在循环分配的情况下,其余情况下的一个因素2阶最优。
2020-10-04 cs.IT math.IT
The Complexity-Rate Tradeoff of Centralized Radio Access Networks
在集中式RAN中,来自多个RAP的信号在数据中心中集中处理。集中式RAN支持高级干扰协调策略,同时利用数据处理资源的弹性供应。它特别适合密集部署,例如在大型建筑物内,RAP通过光纤连接,许多小区未得到充分利用。本文考虑集中式RAN的计算需求,目的是阐明池化计算资源的好处。提出了一种新的分析框架,量化的计算负荷与集中处理的上行链路信号中存在的块瑞利衰落,距离相关的路径损耗,和分数功率控制。定义了几个新的性能指标,包括计算中断概率,中断复杂度,计算增益,计算分集,和复杂度-速率权衡。通过与符合3GPP LTE标准的模拟器进行数值比较,证实了分析框架的有效性。使用开发的指标,它表明,集中的计算资源提供了更高的净吞吐量,每计算资源相比,本地处理。
2015-08-09 cs.IT cs.NI math.IT
Heterogeneous Coded Distributed Computing: Joint Design of File Allocation and Function Assignment
研究了异构MapReduce计算系统中计算与通信的折衷问题,其中每个分布式节点具有不同的计算能力.我们首先获得一个可实现的通信负载为任何给定的计算负载和任何给定的功能分配在每个节点。建议的文件分配策略有两个步骤:首先,输入文件被划分成不相交的批次,每个可能具有不同的大小和计算的一个不同的节点,然后,每个节点计算额外的文件从其非计算文件根据其冗余计算能力。在Shuffle阶段中,由于不同节点之间的重复文件分配,利用了编码的多播机会。在此基础上,我们进一步提出了计算感知和混洗感知的函数分配。我们证明,通过使用适当的功能分配,我们可实现的通信负载为任何给定的计算负载是在一个恒定的乘法间隙内的最佳等效均匀系统具有相同的平均计算负载。数值结果表明,我们的方案与洗牌意识的功能分配实现了更好的计算-通信权衡比现有的作品在某些情况下。
2019-08-19 cs.IT math.IT
Towards the Tradeoff Between Service Performance and Information Freshness
在过去的十年中,对数据驱动的实时服务的需求出现了前所未有的增长。这些服务受到新兴应用的推动,这些应用需要快速注入数据流并实时计算更新的分析结果。在许多这样的应用中,经常共享计算资源以处理来自信息源的更新和来自终端用户的查询。这需要联合调度更新和查询,因为服务提供商需要在收到用户查询时做出关键决策:要么立即使用当前可用但可能过时的信息进行响应,要么首先处理新的更新,然后使用更新鲜的信息进行响应。因此,服务性能和信息新鲜度之间的权衡自然出现在这种情况下。为此,我们提出了一个简单的单服务器两个队列模型,捕获的更新和查询的耦合调度,并旨在设计调度策略,可以正确地解决性能和新鲜度之间的重要权衡。具体而言,我们认为响应时间作为性能指标和年龄的信息(AoI)作为新鲜度指标。在演示了最简单的FCFS策略的局限性之后,我们提出了两个基于阈值的策略:优先查询的Query-k策略和优先更新的Update-k策略。然后,我们严格分析的响应时间和峰值AoI(PAoI)的阈值为基础的政策。此外,我们提出了联合(M,N)的政策,它允许灵活地优先更新或查询,通过选择不同的值的两个阈值M和N。最后,我们进行模拟评估的响应时间和PAoI的建议政策。结果表明,我们提出的基于阈值的策略可以有效地控制性能和新鲜度之间的平衡。
2019-03-01 cs.IT cs.PF math.IT
Model Complexity of Program Phases
College of Information and Computer Sciences(信息与计算机科学学院);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
针对资源受限序列预测模型的实现成本与预测质量权衡尚未被充分探究的问题,本文构建了相关理论与实证流程,用于研究深度神经网络等模型族的权衡空间,助力理解模型部署的理论与实践极限。
2023-10-05 cs.IT cs.LG math.IT
Energy Efficiency and Spectral Efficiency Tradeoff in RIS-Aided Multiuser MIMO Uplink Transmission
可重构智能表面(RISs)的出现使我们能够通过采用低成本的无源反射单元来建立可编程的无线电波传播,以满足无线通信的需要。本文研究了多用户多输入多输出(MIMO)上行通信中能量效率(EE)和频谱效率(SE)之间的非平凡折衷,该折衷由配备离散移相器的RIS辅助。为了减少所需的信令开销和能量消耗,我们的传输策略的设计是基于部分信道状态信息(CSI),包括统计CSI的RIS和用户终端(UT)之间的RIS和基站之间的瞬时CSI。为了研究EE-SE权衡,我们开发了一个用于UT的发射预编码和RIS反射波束成形的联合优化的框架,以最大化称为资源效率(RE)的性能度量。对于UT的预编码设计,借助于UT的最优发射方向的封闭解,将其简化为UT的发射功率的设计。为了避免计算嵌套积分的期望中涉及的高复杂性,我们推导出一个渐近确定性的目标表达式。对于RIS相位的设计,通过利用同伦、加速投影梯度和优化最小化方法,提出了一种迭代均方误差最小化方法。数值结果表明,我们提出的优化框架的有效性和快速收敛速度。
2020-11-19 cs.IT math.IT
Towards Optimal Tradeoff Between Data Freshness and Update Cost in Information-update Systems
在本文中,我们考虑一个离散时间的信息更新系统,其中服务提供商可以主动检索信息从信息源更新其数据和用户查询的数据在服务提供商。一个例子是基于众包的应用程序。为了让用户满意,应用程序希望为用户提供新鲜的数据,其中新鲜度是由信息量(AoI)来衡量的。然而,维护新数据需要应用频繁地更新其数据库,这导致更新成本(例如,奖金)。因此,在需要做出更新决策的服务提供商处,在AoI和更新成本之间存在自然的权衡。为了捕捉这种权衡,我们制定了一个优化问题的目标是最小化总成本,这是陈旧成本(这是一个功能的AoI)和更新成本的总和。然后,我们提供了两个有用的指导方针,有效的更新策略的设计。遵循这些准则,并假设聚合请求到达过程是伯努利,我们证明了存在一个基于阈值的政策,是最佳的所有在线政策,从而专注于类基于阈值的政策。此外,我们推导出封闭形式的公式计算长期平均成本下的任何阈值为基础的政策,并获得最佳阈值。最后,我们使用合成数据和真实轨迹进行了大量的模拟,以验证我们的理论结果,并证明了基于阈值的最优策略相比,几个基线政策的优越性能。
2023-01-09 cs.IT math.IT
Energy-Delay Tradeoff in Helper-Assisted NOMA-MEC Systems: A Four-Sided Matching Algorithm
为了保证能量/时延敏感用户设备的服务质量,在支持非正交多址接入(NOMA)的移动边缘计算(MEC)系统中,设计了一种助手辅助的资源分配策略.为了实现能量消耗和延迟之间的折衷,我们引入了一种新的性能度量,称为\emph{energy-delay tradeoff},它被定义为能量消耗和延迟的加权和。将用户关联、资源块(RB)分配、功率分配、任务分配和计算资源分配的联合优化问题转化为一个混合整数非线性规划问题,其目标是最小化最大能量-时延折衷。由于具有耦合和0-1变量的所述问题的非凸性,该问题不能以多项式复杂度直接求解。为了解决这一挑战,我们首先解耦成一个权力分配,任务分配和计算资源分配(PATACRA)的子问题制定的问题。然后,从PATACRA子问题得到的解决方案,我们等价地将原问题转化为离散用户关联和RB分配(DUARA)问题。对于PATACRA子问题,提出了一种迭代参数凸逼近算法。然后,基于从PATACRA子问题获得的解,我们首先将DUARA问题建模为四边匹配问题,然后提出一种低复杂度的四边UE-RB-helper-server matching(FS-URHSM)算法。理论分析表明,所提出的算法是保证收敛到多项式复杂性的稳定的解决方案。最后,仿真结果表明,我们所提出的算法在能量消耗和延迟方面的优越性能。
2023-01-25 cs.IT eess.SP math.IT
Learning-Based Task Offloading for Vehicular Cloud Computing Systems
车载云计算(VCC)是为了有效利用和共享车载计算和存储资源而提出的。然而,由于车辆的移动性,网络拓扑结构,无线信道状态和可用的计算资源变化迅速,难以预测。在这项工作中,我们开发了一个基于学习的任务卸载框架,使用多臂强盗(MAB)理论,使车辆能够学习潜在的任务卸载性能,其相邻的车辆与过多的计算资源,即服务车辆(SeVs),并最大限度地减少平均卸载延迟。通过重新设计经典MAB算法的效用函数,提出了一种自适应可变置信上限(AVUCB)算法,并在其基础上增加了负载感知和发生感知。该算法能有效适应动态的车载环境,在学习过程中平衡探索与利用之间的权衡,在理论性能保证的前提下快速收敛到最优SeV。仿真结果表明,该算法在合成场景和实际高速公路场景下均能获得接近最优的时延性能。
2018-04-03 cs.IT math.IT