PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.14489v1cs.DC

EdgeFaaS: 함수 기반 엣지 컴puting 프레임워크

EdgeFaaS: A Function-based Framework for Edge Computing

엣지 컴puting은 엣지 자원이 역량과 용량 면에서 매우 다양하고, 수많은 사용자와 물리 세계에 걸쳐 고도로 분산되어 있으므로 고유한 과제를 수반한다. 기존 분산 컴puting 프레임워크는 이러한 수준의 이질성과 분산을 충분히 처리할 수 없다. 본 논문은 사물인터넷(IoT), 엣지, 클라우드에 분산된 이질적 자원을 컴puting에 효과적으로 활용할 수 있도록 엣지 애플리케이션을 지원하는 새로운 함수 기반 엣지 컴puting 프레임워크인 EdgeFaaS를 제안한다. 함수 가상화(function virtualization)와 스토리지 가상화(storage virtualization)를 제안하여 분산되고 이질적인 물리적 자원을 추상화하고, 함수를 배포·실행하고 데이터를 저장·접근하기 위한 일관된 가상 인터페이스를 제공한다. EdgeFaaS는 다양한 엣지 컴puting 워크플로에 대한 포괄적 지원을 제공하면서, 동시에 사용자가 설정을 유연하게 조정하고 다양한 중요한 트레이드오프를 탐색할 수 있게 한다. 사용성을 입증하기 위해, 본 논문은 지리적으로 분산된 100개 이상의 IoT 기기, 엣지 서버, 클라우드 서비스로 구성된 실제 테스트베드에서 비디오 분석, 연합 학습(federated learning), 오디오 분류를 위한 EdgeFaaS 상의 세 가지 대표적인 워크플로의 구현과 평가를 제시한다. EdgeFaaS는 사용자가 분산되고 이질적인 자원 전체에 걸쳐 이러한 워크플로의 배포 설정을 유연하게 탐색할 수 있게 한다. 예를 들어, 사용자는 IoT, 엣지, 클라우드 자원에 걸쳐 비디오 처리 파이프라인의 함수 배치(function placement)를 쉽게 변경하고 연산 비용과 통신 비용 사이의 트레이드오프를 연구할 수 있으며, 계층적 연합 학습 시스템에서 클러스터 수와 크기를 유연하게 조정하고 학습 정확도와 속도 사이의 트레이드오프를 탐색할 수 있다.