Original Title: Computation Offloading in Heterogeneous Multi-access Edge Computing
Source: research-information.bristol.ac.uk
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការបន្ធូរបន្ថយបន្ទុកកុំព្យូទ័រនៅក្នុងប្រព័ន្ធគណនានៅគែមបណ្ដាញពហុច្រកចូលដែលមានលក្ខណៈចម្រុះ

ចំណងជើងដើម៖ Computation Offloading in Heterogeneous Multi-access Edge Computing

អ្នកនិពន្ធ៖ Raghubir Singh (University of Bristol)

ឆ្នាំបោះពុម្ព៖ 2021

វិស័យសិក្សា៖ Electrical and Electronic Engineering

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហាដែនកំណត់នៃថាមពលថ្ម និងល្បឿនគណនារបស់ឧបករណ៍ចល័ត ព្រមទាំងដោះស្រាយបញ្ហាភាពយឺតយ៉ាវ (High Latency) ដែលកើតមាននៅក្នុងការគណនាលើ Cloud បែបបុរាណ ដោយងាកមកប្រើប្រាស់បច្ចេកវិទ្យាគណនានៅគែមបណ្ដាញ (MEC) វិញ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់ការបង្កើតគំរូគណិតវិទ្យា និងការពិសោធន៍តាមរយៈកុំព្យូទ័រ ដើម្បីវិភាគកត្តាដែលជះឥទ្ធិពលដល់ការបន្ធូរបន្ថយបន្ទុកកុំព្យូទ័រ (Computation Offloading) និងបង្កើតក្បួនដោះស្រាយដើម្បីបង្កើនប្រសិទ្ធភាព។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Linear Programming Optimization (CPLEX)
ការដោះស្រាយបញ្ហាគណិតវិទ្យាដើម្បីរកដំណោះស្រាយល្អបំផុត (Optimal Solution) ដោយប្រើកម្មវិធី IBM CPLEX
ផ្តល់នូវលទ្ធផលល្អឥតខ្ចោះបំផុតសម្រាប់ការរៀបចំកាលវិភាគនៃការ Offloading ប្រើប្រាស់ពេលវេលាយូរក្នុងការគណនា និងមិនស័ក្តិសមសម្រាប់បណ្តាញដែលមានឧបករណ៍ច្រើន (Not Scalable) ត្រូវបានប្រើជាមូលដ្ឋាន (Benchmark) ដើម្បីវាស់វែងប្រសិទ្ធភាពនៃវិធីសាស្ត្រ Heuristic (លទ្ធផលល្អបំផុតគឺ 100%)
Heuristic Algorithms (e.g., O^GS, O^DPD/M^T)
វិធីសាស្ត្រដោះស្រាយបញ្ហាបែបស្មានតាមលក្ខខណ្ឌ (Heuristic) ដែលបង្កើតឡើងដោយអ្នកស្រាវជ្រាវ (Distributed and Centralized)
ដំណើរការលឿនរហ័ស អាចប្រើប្រាស់ជាមួយបណ្តាញធំៗ និងផ្តល់លទ្ធផលប្រហាក់ប្រហែលនឹងដំណោះស្រាយល្អបំផុត មិនធានានូវលទ្ធផលល្អឥតខ្ចោះដូច Linear Programming ទេ (អាចមានគម្លាតបន្តិចបន្តួច) ផ្តល់លទ្ធផលលឿនជាង CPLEX យ៉ាងខ្លាំង ហើយមានគម្លាតពីដំណោះស្រាយល្អបំផុតត្រឹមតែ ១% ទៅ ២០% ប៉ុណ្ណោះ (អាស្រ័យលើកាលៈទេសៈ)
Local Processing
ការដំណើរការការងារនៅលើទូរស័ព្ទដៃផ្ទាល់ (Mobile Device) ដោយមិនបញ្ជូនទៅកាន់ Edge Server
មិនត្រូវការបណ្តាញអ៊ីនធឺណិត ឬការតភ្ជាប់ទៅកាន់ Server ប្រើប្រាស់ថាមពលថ្មច្រើន និងចំណាយពេលយូរសម្រាប់ការងារដែលមានទំហំធំ ឬស្មុគស្មាញ ចំណាយពេលយូរជាងការ Offloading យ៉ាងខ្លាំង (ជាពិសេសសម្រាប់កម្មវិធីស្មុគស្មាញ) និងស៊ីថ្មទូរស័ព្ទច្រើន

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះតម្រូវឱ្យមានការវិនិយោគលើហេដ្ឋារចនាសម្ព័ន្ធបណ្តាញ និងឧបករណ៍ដែលមានសមត្ថភាពខ្ពស់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រើប្រាស់ទិន្នន័យដែលបានមកពីការពិសោធន៍លើកុំព្យូទ័រ (Numerical Simulation) ដោយផ្អែកលើប៉ារ៉ាម៉ែត្របច្ចេកទេស និងកម្មវិធីវិទ្យាសាស្ត្រស្តង់ដារ មិនមែនជាទិន្នន័យប្រើប្រាស់ជាក់ស្តែងពីអ្នកប្រើប្រាស់នៅកម្ពុជាទេ។ នេះមានន័យថា លទ្ធផលអាចប្រែប្រួលនៅពេលអនុវត្តក្នុងបរិបទជាក់ស្តែងដែលមានភាពមិនប្រក្រតីនៃបណ្តាញ (Network instability) នៅតាមតំបន់ដាច់ស្រយាលនៃកម្ពុជា។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនេះមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់កម្ពុជា ខណៈពេលដែលប្រទេសកំពុងត្រៀមខ្លួនសម្រាប់បច្ចេកវិទ្យា 5G និង Smart City។

ការអនុវត្តវិធីសាស្ត្រ Heuristic នេះនឹងជួយឱ្យអ្នកផ្តល់សេវាទូរគមនាគមន៍នៅកម្ពុជាអាចគ្រប់គ្រងធនធានបណ្តាញបានប្រសើរជាងមុន និងផ្តល់បទពិសោធន៍ល្អដល់អ្នកប្រើប្រាស់។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ១. សិក្សាមូលដ្ឋានគ្រឹះ Optimization និង Python: និស្សិតគួរចាប់ផ្តើមរៀនភាសា (Python) និងស្វែងយល់ពីបណ្ណាល័យសម្រាប់ Optimization ដូចជា (Pyomo) ឬ (SciPy) ដើម្បីអាចបង្កើតម៉ូដែលគណិតវិទ្យាបាន។
  2. ២. ការពិសោធន៍បង្កើត Offloading Decision Algorithm: សាកល្បងសរសេរកូដដើម្បីបង្កើតក្បួនសម្រេចចិត្ត (Algorithm) ថាតើការងារមួយគួរធ្វើនៅលើទូរស័ព្ទ ឬបញ្ជូនទៅ Server ដោយផ្អែកលើទំហំទិន្នន័យ និងល្បឿនអ៊ីនធឺណិត។
  3. ៣. ការប្រើប្រាស់ Simulation Tools: រៀនប្រើប្រាស់កម្មវិធី Simulation ដូចជា (EdgeCloudSim) ឬ (iFogSim) ដើម្បីធ្វើតេស្តក្បួនដោះស្រាយរបស់អ្នកក្នុងបរិស្ថានដែលមានទូរស័ព្ទច្រើនគ្រឿង។
  4. ៤. ការអនុវត្តជាក់ស្តែងខ្នាតតូច (Prototype): បង្កើតប្រព័ន្ធសាកល្បងដោយប្រើ (Raspberry Pi) ជា Edge Server និងទូរស័ព្ទ Android ដើម្បីធ្វើការ Offload កម្មវិធីតូចៗ (ដូចជាការសម្គាល់មុខមនុស្ស) និងវាស់វែងថាមពលថ្ម។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Multi-access Edge Computing (MEC) គឺជាបច្ចេកវិទ្យាដែលនាំយកសមត្ថភាពគណនានិងការផ្ទុកទិន្នន័យមកដាក់ឱ្យជិតអ្នកប្រើប្រាស់បំផុត (នៅតាមបង្គោលអង់តែន ឬ Base Station) ដើម្បីកាត់បន្ថយពេលវេលាបញ្ជូន និងបង្កើនល្បឿននៃការឆ្លើយតប។ ដូចជាការមានចង្ក្រានបាយតូចមួយនៅក្បែរតុអាហាររបស់អ្នក ដើម្បីចម្អិនម្ហូបបានលឿន ជាជាងការកុម្ម៉ង់ម្ហូបពីភោជនីយដ្ឋានដែលនៅឆ្ងាយ។
Computation Offloading គឺជាដំណើរការនៃការផ្ទេរការងារគណនាដែលស្មុគស្មាញពីឧបករណ៍ចល័ត (ដូចជាទូរស័ព្ទដែលមានថាមពលថ្មតិច) ទៅឱ្យម៉ាស៊ីនមេ (MEC Server) ដែលមានអនុភាពខ្លាំងជាងធ្វើការជំនួស ដើម្បីសន្សំសំចៃថ្ម និងទទួលបានលទ្ធផលលឿនជាងមុន។ ដូចជាការសុំឱ្យមិត្តភក្តិដែលមានកម្លាំងខ្លាំង ជួយស្ពាយកាតាបធ្ងន់ជំនួសអ្នក ដើម្បីឱ្យអ្នកអាចដើរបានលឿននិងមិនសូវហត់។
Heuristic Algorithms គឺជាវិធីសាស្ត្រដោះស្រាយបញ្ហាដោយប្រើក្បួនកាត់ ឬការប៉ាន់ស្មានដែលមានហេតុផល ដើម្បីទទួលបានចម្លើយដែល "ល្អល្មមទទួលយកបាន" ក្នុងរយៈពេលខ្លី ជាជាងការចំណាយពេលយូរហួសហេតុដើម្បីរកចម្លើយដែលល្អឥតខ្ចោះ។ ដូចជាការជ្រើសរើសផ្លូវកាត់ដើម្បីទៅដល់គោលដៅបានលឿន ទោះបីជាវាមិនមែនជាផ្លូវដែលល្អបំផុត ១០០% ក៏ដោយ ក៏វាចំណេញពេលជាងការគណនាផ្លូវគ្រប់ច្រកល្ហក។
Latency សំដៅលើរយៈពេលពន្យារពេលនៃការបញ្ជូនទិន្នន័យចាប់ពីពេលដែលសំណើត្រូវបានផ្ញើចេញ រហូតដល់ពេលដែលទទួលបានចម្លើយត្រឡប់មកវិញ។ នៅក្នុងប្រព័ន្ធ MEC ការកាត់បន្ថយ Latency គឺជាគោលដៅចម្បង។ ដូចជាពេលដែលអ្នកនិយាយទូរស័ព្ទឆ្លងប្រទេស ហើយមានការយឺតយ៉ាវបន្តិច (Delay) មុននឹងឮសំឡេងភាគីម្ខាងទៀតឆ្លើយតប។
Heterogeneous Network គឺជាបណ្តាញទំនាក់ទំនងដែលផ្សំឡើងដោយឧបករណ៍ចម្រុះប្រភេទគ្នា ធ្វើការជាមួយគ្នា ដូចជាមានទាំង Server លឿន Server យឺត និងទូរស័ព្ទដែលមានកម្លាំងនិងល្បឿនអ៊ីនធឺណិតខុសៗគ្នា។ ដូចជាចរាចរណ៍នៅលើផ្លូវដែលមានទាំងរថយន្តទំនើប ម៉ូតូ និងឡានដឹកទំនិញធុនធ្ងន់ធ្វើដំណើររួមគ្នា ដែលទាមទារការសម្របសម្រួលផ្សេងៗគ្នា។
Makespan គឺជាមង្វាស់ពេលវេលាសរុបដែលប្រើប្រាស់ដើម្បីបញ្ចប់កិច្ចការទាំងអស់នៅក្នុងបញ្ជី ដោយរាប់ចាប់ពីពេលចាប់ផ្តើមរហូតដល់កិច្ចការចុងក្រោយគេបង្អស់ត្រូវបានបញ្ចប់។ ការកាត់បន្ថយ Makespan គឺសំខាន់ណាស់ក្នុងការរៀបចំកាលវិភាគការងារ។ ដូចជាពេលដែលអ្នកដាំបាយ (២០នាទី) និងចៀនពង (៥នាទី) ព្រមគ្នា នោះពេលវេលាដែលម្ហូបទាំងអស់ឆ្អិន (Makespan) គឺ ២០នាទី (មិនមែន ២៥នាទីទេ)។
Linear Programming គឺជាវិធីសាស្ត្រគណិតវិទ្យាដើម្បីស្វែងរកដំណោះស្រាយដែលល្អបំផុត (Optimal Solution) ក្រោមលក្ខខណ្ឌកំណត់ជាក់លាក់។ ក្នុងឯកសារនេះ វាត្រូវបានប្រើប្រាស់ជាស្តង់ដារប្រៀបធៀបដើម្បីវាស់វែងភាពត្រឹមត្រូវនៃក្បួនដោះស្រាយ Heuristic។ ដូចជាការប្រើប្រាស់ម៉ាស៊ីនគិតលេខដ៏ទំនើបដើម្បីគណនាផ្លូវដែលចំណាយសាំងតិចបំផុតយ៉ាងជាក់លាក់ ដោយមិនមានកំហុស។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖