Efektywne energetycznie wielodostępowe przetwarzanie brzegowe w sieci 5G; Energy efficient Multi-access Edge Computing in 5G network
Paweł Kryszkiewicz
TL;DR
The paper addresses energy-efficient multi-access edge computing in 5G by formulating a joint optimization of computation and communication across MEC and cloud resources. It develops a mathematical MEC model including energy and latency terms, e.g., $P_{\mathrm{cp}}$, $P_{\mathrm{comm}}$, $D_{\mathrm{cp}}$, and $D_{\mathrm{comm}}$, and solves a MINLP via successive convex approximation with Hungarian assignment. The key contributions are a quantified compute and communication energy framework, an integrated optimization approach, and insights showing substantial energy savings through MEC-cloud cooperation and intelligent task placement. The findings highlight practical potential for reducing energy consumption in MEC deployments while meeting latency constraints, enabling energy-efficient, low-latency services in 5G networks.
Abstract
Multi-access edge computing is a technique that combines the use of communication networks and remote computing resources. It allows to perform complex computational tasks for devices with low computing power while maintaining low latencies. However, it is important to effectively allocate the computing tasks to individual nodes. The work will present how the multi-access edge computing system can be integrated into the 5G network, as well as how resources can be distributed between individual nodes to minimize energy consumption. Some new degrees of freedom will be presented, which enable a significant reduction in energy consumption compared to existing solutions for independent optimization of the computation and communication parts. -- Wielodostępowe przetwarzanie brzegowe jest techniką łączącą wykorzystanie sieci komunikacyjnych i oddalonych zasobów obliczeniowych. Pozwala wykonać złożone zadania obliczeniowe na potrzeby urządzeń o niewielkiej mocy obliczeniowej przy zachowaniu niewielkich opóźnień. Istotne jest jednak efektywne zarządzanie przydziałem zadań obliczeniowych do poszczególnych węzłów. W pracy przedstawiono jak system przetwarzania brzegowego może być zintegrowany z siecią 5G, a także jak można rozdzielić zasoby między poszczególne węzły, żeby zminimalizować zużycie energii. Przedstawiony zostanie szereg nowych stopni swobody, które umożliwiają znaczne obniżenie zużycia energii w stosunku do istniejących rozwiązań niezależnej optymalizacji części obliczeniowej i komunikacyjnej.