Preempção Condicional de Pacotes baseada na Vida Média Residual para Otimização da Age of Information em Sistemas Ciberfísicos

• Paulo César Prandel UnB
• Priscila Solis Barreto UnB

DOI: https://doi.org/10.5753/sbrc.2022.222346

Resumo

No estudo de Sistemas Ciberfísicos, a Age of Information (AoI) surge como um novo conceito ao representar o grau de atualização da informação que um monitor possui em relação a uma entidade ou processo remoto que envia atualizações periodicamente. O gerenciamento de pacotes é um conjunto de técnicas e políticas que priorizam, bloqueiam ou executam a preempção (descarte e substituição) de pacotes que chegam a um servidor e que pode ser utilizada para otimização da AoI. As técnicas no estado da arte, como a LGFS (do inglês Last Generated First Served) possuem comportamento estático, executando a mesma ação para todos os pacotes: LGFS-S executa a preempção em serviço e LGFS-W e executa na fila de espera. O presente estudo propõe uma nova técnica de preempção condicional chamada LGFS-C, a qual utiliza o conceito de vida média residual para decidir a política a ser aplicada a um pacote em serviço ou na fila de espera. Para um modelo de fila simples, demonstra-se que a técnica LGFS-C alcança sempre resultados iguais ou superiores aos das outras técnicas, para qualquer distribuição de tempo de serviço para o servidor. A técnica proposta foi validada através de simulações, com o uso de uma ferramenta computacional especialmente desenvolvida para esse propósito.

Referências

Akar, N. (2021). Discrete-time queueing model of age of information with multiple information sources. IEEE Internet of Things Journal, pages 1–1.

Bedewy, A. M., Sun, Y., and Shroff, N. B. (2017a). Age-optimal information updates in multihop networks. pages 576–580.

Bedewy, A. M., Sun, Y., and Shroff, N. B. (2017b). Optimizing data freshness, throughput, and delay in multi-server information-update systems.

Bedewy, A. M., Sun, Y., and Shroff, N. B. (2019). Minimizing the age of information through queues. IEEE Transactions on Information Theory, 65(8):5215–5232.

Bhattacharyya, S. S. and Wolf, M. C. (2020). Research challenges for heterogeneous cyberphysical system design. Computer, 53(7):71–75.

Costa, M., Codreanu, M., and Ephremides, A. (2014). Age of information with packet management. In 2014 IEEE International Symposium on Information Theory, pages 1583–1587.

Costa, M., Codreanu, M., and Ephremides, A. (2016). On the age of information in status update systems with packet management. IEEE Transactions on Information Theory, 62(4):1897–1910.

Gupta, R. C. and Bradley, D. M. (2004). Representing the mean residual life in terms of the failure rate.

Inoue, Y., Masuyama, H., Takine, T., and Tanaka, T. (2019). A general formula for the stationary distribution of the age of information and its application to single-server queues. IEEE Transactions on Information Theory, 65(12):8305–8324.

Kaul, S., Yates, R., and Gruteser, M. (2012a). Real-time status: How often should one update? In 2012 Proceedings IEEE INFOCOM, pages 2731–2735.

Kaul, S. K., Yates, R. D., and Gruteser, M. (2012b). Status updates through queues. In 2012 46th Annual Conference on Information Sciences and Systems (CISS), pages 1–6.

Kosta, A., Pappas, N., Ephremides, A., and Angelakis, V. (2019). Age of information performance of multiaccess strategies with packet management. Journal of Communications and Networks, 21(3):244–255.

Moltafet, M., Leinonen, M., and Codreanu, M. (2020). On the age of information in multi-source queueing models. IEEE Transactions on Communications, 68(8):5003– 5017.

Mugdadi, A.-R. and Teweldemedhin, A. (2013). Two nonparametric estimators of the mean residual life. REVSTAT – Statistical Journal, 11(3):301–315.

Najm, E. and Nasser, R. (2016). Age of information: The gamma awakening. In 2016 IEEE International Symposium on Information Theory (ISIT), pages 2574–2578.

Pappas, N., Gunnarsson, J., Kratz, L., Kountouris, M., and Angelakis, V. (2015). Age of information of multiple sources with queue management. In 2015 IEEE International Conference on Communications (ICC), pages 5935–5940.

Prandel, P. C. and Barreto, P. S. (2021). Computational modeling of age of information for cyber-physical systems. In 2021 IEEE Latin-American Conference on Communications (LATINCOM), pages 1–6.

Sun, Y., Uysal-Biyikoglu, E., and Kompella, S. (2018). Age-optimal updates of multiple information flows.

Yates, R. D. and Kaul, S. K. (2019). The age of information: Real-time status updating by multiple sources. IEEE Transactions on Information Theory, 65(3):1807–1827.

Yates, R. D., Sun, Y., Brown, D. R., Kaul, S. K., Modiano, E., and Ulukus, S. (2021). Age of information: An introduction and survey. IEEE Journal on Selected Areas in Communications, 39(5):1183–1210.