Mobile Edge Computing (MEC) is the concept of placing a cloud computing server to run at the network edge near the user. MEC is expected to achieve the QoS requirements of latency-sensitive applications, compute-intensive applications, and high-bandwidth applications. If users leave the limited coverage of an MEC server, they cannot receive services directly from that through a radio access network (RAN). The faster the user moves, the higher the probability of leaving the coverage of an MEC server. Seamless service migration should be implemented to assure service continuity. However, the time required for service migration is not negligible; thus, the frequent service migration should be avoided. In this study, we define the service consumption plan optimization problem and prove its NP-completeness. To solve the problem, we proposed a genetic algorithm-based method and partial re-planning methods. We conducted vast experiments to evaluate the algorithm with respect to other baselines based on real-world data sources. The results showed that the proposed method generates improved service consumption plans than other baselines in all the scenarios we set out.
모바일 엣지 컴퓨팅(Mobile Edge Computing, MEC) 환경에서는 클라우드 컴퓨팅 서버를 사용자 근처의 네트워크에 배치한다. MEC 환경은 지연에 민감한 애플리케이션, 집중적인 컴퓨팅 자원이 사용되는 애플리케이션 및 고대역이 필요한 애플리케이션의 제공하는 데에 도움이 될 것으로 기대되고 있다. 사용자가 MEC 서버의 좁은 네트워크 영역을 벗어나게 되면, 그로부터 무선 접속망 (Radio Access Network, RAN)을 통해 서비스를 제공받을 수 업게 된다. 사용자가 빠르게 움직일수록 MEC 서버의 네트워크 영역을 벗어날 확률이 높아진다. 연속적인 서비스 제공을 보장하려면, 원활한 서비스 마이그레이션이 구현되어야 한다. 그러나 서비스 마이그레이션에는 적지 않은 시간이 소요되므로, 잦은 서비스 마이그레이션이 일어나지 않도록 해야 한다. 이를 해결하기 위해서 본 연구에서는 서비스 소비 계획 최적화 문제를 정의하고, 그 문제가 NP 완전 문제임을 증명했다. 문제의 답을 찾기 위해서 유전 알고리즘에 기반한 기법과 부분 재계획 기법을 제안했다. 제안한 기법들을 평가하기 위해 MEC 환경에서의 서비스 사용에 영향을 줄 수 있는 요소들을 바꾸어가며 실제 도시 환경의 데이터를 기반으로 실험을 수행했다. 실험한 모든 환경에서, 우리가 제안한 기법이 다른 베이스라인 기법들과 비교해 더 나은 서비스 소비 계획을 생성하는 것으로 나타났다.
