TEMIS: Provisionamento de Justiça na Utilização de Recursos Computacionais em Nuvens Veiculares

• Joahannes B. D. da Costa UNICAMP
• Allan M. de Souza UNICAMP
• Denis Rosário UFPA
• Leandro Villas UNICAMP

DOI: https://doi.org/10.5753/sbrc.2024.1225

Resumo

A Computação de Borda Veicular (VEC) fornece serviços de computação em nuvem mais próximo aos usuários veiculares, combinando recursos computacionais de veículos e de nós na borda da rede para a formação de Nuvens Veiculares (VCs). Nesse cenário, um escalonador de tarefas deve decidir quais tarefas serão executadas nas VCs disponíveis, considerando aspectos como mobilidade veicular e os requisitos das tarefas. Isso é importante para minimizar tanto o tempo de processamento quanto os custos monetários relacionados a utilização dos recursos. No entanto, essa otimização direta pode levar ao desbalanceamento no uso de recursos, degradando a eficiência do sistema em termos de performance e justiça na distribuição das cargas de trabalho. Nesse sentido, este trabalho apresenta o TEMIS, um escalonador de tarefas que considera aspectos contextuais e aplica uma função de seleção probabilística nas VCs para equilibrar a carga de processamento e aumentar a equidade no uso dos recursos veiculares. Comparado às soluções da literatura, o TEMIS apresenta um nível mais elevado de justiça na utilização dos recursos e pode escalonar um maior número de tarefas, ao mesmo tempo em que minimiza custos monetários e a latência do sistema.

Referências

Beraldi, R., Canali, C., Lancellotti, R., and Proietti Mattia, G. (2020). Randomized Load Balancing under Loosely Correlated State Information in Fog Computing. In 23rd International ACM Conference on Modeling, Analysis and Simulation of Wireless and Mobile Systems, pages 123–127. ACM.

Chen, C., Li, H., Li, H., Fu, R., Liu, Y., and Wan, S. (2022). Efficiency and Fairness Oriented Dynamic Task Offloading in Internet of Vehicles. IEEE Transactions on Green Communications and Networking, 6(3):1481–1493.

da Costa, J. B., de Souza, A. M., Meneguette, R. I., Cerqueira, E., Rosário, D., and Villas, L. A. (2022). Escalonamento de tarefas ciente de contexto para computaçao de borda veicular. In Anais do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 15–28. SBC.

da Costa, J. B., Lobato, W., de Souza, A. M., Cerqueira, E., Rosário, D., Sommer, C., and Villas, L. A. (2023a). Mobility-aware vehicular cloud formation mechanism for vehicular edge computing environments. Ad Hoc Networks, 151:103300.

da Costa, J. B. D., de Souza, A. M., Meneguette, R. I., Cerqueira, E., Rosário, D., Sommer, C., and Villas, L. (2023b). Mobility and Deadline-Aware Task Scheduling Mechanism for Vehicular Edge Computing. IEEE Transactions on Intelligent Transportation Systems, 24(10):11345–11359.

Hattab, G., Ucar, S., Higuchi, T., Altintas, O., Dressler, F., and Cabric, D. (2019). Optimized Assignment of Computational Tasks in Vehicular Micro Clouds. In 2nd International Workshop on Edge Systems, Analytics and Networking (EdgeSys 2019). ACM.

Hejja, K., Berri, S., and Labiod, H. (2022). Network slicing with load-balancing for task offloading in vehicular edge computing. Vehicular Communications, 34:100419.

Jain, R. K., Chiu, D.-M. W., Hawe, W. R., et al. (1984). A quantitative measure of fairness and discrimination. Eastern Research Laboratory, Digital Equipment Corporation, Hudson, MA, 21.

Ju, Y., Chen, Y., Cao, Z., Liu, L., Pei, Q., Xiao, M., Ota, K., Dong, M., and Leung, V. C. M. (2023). Joint Secure Offloading and Resource Allocation for Vehicular Edge Computing Network: A Multi-Agent Deep Reinforcement Learning Approach. IEEE Transactions on Intelligent Transportation Systems, 24(5):5555–5569.

Kashani, M. H. and Mahdipour, E. (2023). Load Balancing Algorithms in Fog Computing: A Systematic Review. IEEE Transactions on Services Computing, 16(2):1505–1521.

Keshari, N., Singh, D., and Maurya, A. K. (2022). A survey on Vehicular Fog Computing: Current state-of-the-art and future directions. Vehicular Communications, 38:100512.

Luo, Q., Li, C., Luan, T. H., and Shi, W. (2022). Minimizing the Delay and Cost of Computation Offloading for Vehicular Edge Computing. IEEE Transactions on Services Computing, 15(5):2897–2909.

McClure, S., Ousterhout, A., Shenker, S., and Ratnasamy, S. (2022). Efficient scheduling policies for Microsecond-Scale tasks. In 19th USENIX Symposium on Networked Systems Design and Implementation (NSDI 22), pages 1–18.

Mishra, S., Sahoo, M. N., Bakshi, S., and Rodrigues, J. J. P. C. (2020). Dynamic Resource Allocation in Fog-Cloud Hybrid Systems Using Multicriteria AHP Techniques. IEEE Internet of Things Journal, 7(9):8993–9000.

Ribeiro Jr, A., da Costa, J. B., Rocha Filho, G. P., Villas, L. A., Guidoni, D. L., Sampaio, S., and Meneguette, R. I. (2023). Harmonic: Shapley values in market games for resource allocation in vehicular clouds. Ad Hoc Networks, page 103224.

Xue, J., Wang, Q., Zhang, H., An, N., and An, C. (2023). Idle-parked vehicles assisted collaborative resource allocation in VEC based on Stackelberg game. Ad Hoc Networks, 142:103069.

Zhang, J., Guo, H., Liu, J., and Zhang, Y. (2020). Task Offloading in Vehicular Edge Computing Networks: A Load-Balancing Solution. IEEE Transactions on Vehicular Technology, 69(2):2092–2104.