PreGAN：面向主动容错边缘计算的抢占式迁移预测网络
分布式、并行与集群计算
2021-12-07 v1 机器学习
摘要
构建能够快速响应节点过载或故障的容错边缘系统颇具挑战，原因在于边缘设备的不可靠性以及现代应用严苛的服务截止时间。此外，不必要的任务迁移会给系统网络带来压力，从而催生对智能且节俭的故障恢复方案的需求。已有方法常难以适应高度波动的工作负载，或无法准确检测与诊断故障以实现最优补救。因此，亟需一种稳健且主动的容错机制来满足服务等级目标。本工作中，我们提出 PreGAN，一种使用生成对抗网络（GAN）预测抢占式迁移决策以实现容器化边缘部署中主动容错的复合 AI 模型。PreGAN 利用协同仿真与 GAN 相结合，学习小样本异常分类器并主动预测迁移决策，从而实现可靠计算。基于 Raspberry-Pi 的边缘环境下的大量实验表明，PreGAN 在故障检测、诊断与分类上优于最先进的基线方法，从而达成高质量服务。与所考虑基线中的最优方法相比，PreGAN 以故障检测准确率提升 5.1%、诊断得分更高及开销降低 23.8% 实现了这一点。
引用
@article{arxiv.2112.02292,
title = {PreGAN: Preemptive Migration Prediction Network for Proactive Fault-Tolerant Edge Computing},
author = {Shreshth Tuli and Giuliano Casale and Nicholas R. Jennings},
journal= {arXiv preprint arXiv:2112.02292},
year = {2021}
}
备注
Accepted in Infocom 2022