The development of mobile processors has dramatically improved the performance of applications such as deep learning, AR/VR, and high-performance games on mobile platforms such as smartphones. According to purposes and users, requirements for the end performance of such high-performance mobile applications are increasingly advanced. Thus, it is essential to distribute computing and networking resources to ensure the requirements optimally. In this study, to ensure the performance of high-performance applications such as deep learning and high-definition video analysis on mobile platforms, we present i) optimal mobile computing and networking resource distribution techniques in edge computing. i) To maximize the performance of mobile applications, the maximum allocation of power to mobile processors rather reduces energy efficiency and causes thermal throttling due to overheating, which reduces user experience (QoE). Dynamic Voltage and Frequency Scaling (DVFS) is a technology that dynamically distributes power to each processor to increase the energy efficiency of mobile processors (E.g., CPUs, and GPUs.) and, indirectly, to prevent overheating. However, existing DVFS technology has limitations in operating optimally on mobile platforms. In addition, thermal throttling significantly reduces the performance of networking-based applications such as video streaming by limiting the performance of networking processors. Tackling those challenges, this study presents an adaptive control of processors that considers the operating environment and application of the mobile platform. ii) With the development of networking technology, edge computing can provide opportunities to overcome limitations of on-device computing, such as battery problems and overheating problems. In particular, real-time high-performance video analysis, which is challenging to do on a mobile platform, can be offloaded to an edge server to reduce latency and improve analysis accuracy. This video analysis offloading is operated in the order of data encoding on the mobile platform, network transmission, and analysis on the edge server. Existing offloading techniques used frame-down sampling, filtering, and so on to reduce the size of data to offload, focusing on reducing transmission time. However, the increased bandwidth of wireless networks and the commercialization of high-definition video are accelerating the bottleneck in encoding time on mobile platforms rather than transmission time. Therefore, in real-time video analysis using edge computing, computing resources and wireless networking resources on mobile platforms must be considered simultaneously rather than just reducing networking time to ensure stable performance. This study presents a trade-off newly formed on various wireless network resources and mobile platforms. And then, we present a technique that can adaptively control encoding quality to ensure end-performance by the convergence of mobile computing and networking resources.
모바일 프로세서의 발전은 스마트폰과 같은 모바일 플랫폼에서 딥러닝, AR/VR, 고성능 게임 등의 어플리케이션의 성능을 크게 향상시켰다. 이러한 고성능 모바일 어플리케이션의 엔드 성능에 대한 요구 사항은 목적, 사용자 등에 따라 점점 고도화되고 있으며, 이를 안정적으로 보장하기 위해서는 시변하는 환경에서 컴퓨팅과 네트워킹 자원을 최적으로 분배하는 것이 중요하다. 본 연구에서는 모바일 플랫폼에서 딥러닝, 고화질 비디오 분석 등의 고성능 어플리케이션의 성능을 보장하기 위해 i) 과열에 의한 모바일 어플리케이션 프로세서 및 5G 모뎀의 열 쓰로틀링을 방지하는 최적의 자원 관리 기술, ii) 엣지 컴퓨팅 시 모바일 컴퓨팅과 무선 네트워킹의 자원 분배 기술을 제시한다. i) 모바일 어플리케이션의 성능을 극대화하기 위해 모바일 프로세서에 전력을 최대로 배분하는 것은 오히려 에너지 효율성을 떨어뜨리고 과열에 의한 열쓰로틀링을 유발하여 사용자 경험 (QoE)를 감퇴시킨다. 동적 전압-주파수 할당 기술 (Dynamic Voltage and Frequency Scaling, DVFS)은 모바일 프로세서(CPU, GPU, 등)의 에너지 효율을 높이며 간접적으로는 과열을 방지하기 위해 동적으로 각 프로세서에 전력 분배를 하는 기술이다. 하지만 기존의 DVFS 기술은 모바일 플랫폼에서 최적으로 동작하는 데에는 한계가 있다. 또한, 열 쓰로틀링은 네트워킹 프로세서의 성능을 제한시킴으로써 비디오 스트리밍과 같은 네트워킹 기반 어플리케션의 성능을 크게 떨어뜨린다. 이를 극복하기 위해 본 연구에서는 모바일 플랫폼의 동작 환경 및 어플리케이션을 고려한 적응형 프로세서 제어 기술을 제시한다. ii) 엣지 컴퓨팅은 컴퓨테이션 오프로딩을 통하여 무선 네트워크의 발달과 더불어 기존에 모바일 플랫폼이 겪는 배터리 문제, 과열 문제 등의 한계를 극복하고 성능을 더욱 향상시킬 수 있다. 특히, 모바일 플랫폼에서 하기 어려운 실시간 고성능 비디오 분석을 엣지 서버에게 오프로딩함으로써 지연 시간을 낮출 수 있고 분석 정확도를 향상시킬 수 있다. 이러한 비디오 분석 오프로딩은 모바일 플랫폼에서의 데이터 인코딩, 네트워크 전송, 엣지 서버에서의 분석 순으로 동작된다. 기존의 오프로딩 기법은 최종 지연 시간을 줄이기 위해 프레임 다운샘플링, 필터링 등을 이용하여 오프로딩할 데이터 크기를 줄이고, 전송 시간 감소에 주목하였다. 하지만 향상되는 무선 네트워크의 가용 대역폭과 고화질 비디오의 상용화는 오히려 전송 시간보다 모바일 플랫폼에서의 인코딩 시간에 병목 현상이 일어남을 앞당기고 있다. 따라서 엣지 컴퓨팅을 이용한 실시간 비디오 분석 시, 최종 지연 시간을 안정적으로 보장하기 위해서는 네트워킹 시간만을 줄이기보다는 모바일 플랫폼의 컴퓨팅 자원과 무선 네트워킹 자원을 동시에 고려하여야만 한다. 본 연구에서는 다양한 무선 네트워크 자원과 모바일 플랫폼에서 새롭게 형성되는 trade-off를 제시하고, 이를 해결하기 위해 적응적으로 인코딩 품질을 제어하여 모바일 컴퓨팅과 네트워킹 자원의 융합을 통한 최종 성능 보장할 수 있는 기법을 제시한다.
