Pricing-Driven Resource Allocation in the Computing Continuum

1. Problema

O artigo aborda o desafio complexo de alocação de recursos no continuum de computação (que engloba borda, névoa e nuvem). O problema central consiste em selecionar um subconjunto de nós de infraestrutura geograficamente distribuídos e heterogêneos para atender a uma carga de trabalho específica, minimizando custos e satisfazendo restrições funcionais (capacidade de recursos) e não funcionais (latência, localização, orçamento, restrições de interoperabilidade entre provedores).

À medida que as infraestruturas crescem em escala e heterogeneidade, o espaço de decisão torna-se combinatorialmente explosivo. Abordagens existentes frequentemente formulam esse problema como tarefas de otimização restrita usando representações ad-hoc de topologias e demandas, o que dificulta a generalização, a comparação entre soluções e a captura de relações complexas entre múltiplos provedores.

2. Metodologia

A proposta central do trabalho é reinterpretar o problema de alocação de recursos através da lente dos modelos de preços (pricings) utilizados em ecossistemas de Software as a Service (SaaS). A premissa é que as estruturas de preços (planos e add-ons) definem implicitamente um espaço de configuração válido, que pode ser explorado sistematicamente.

A metodologia segue um fluxo de trabalho em três etapas principais:

1. Mapeamento de Topologia para iPricing:

   • A topologia de infraestrutura (nós, capacidades, provedores, regras de negócio e exclusões mútuas) é projetada no domínio de preços.
   • Nós de infraestrutura são mapeados como add-ons, tipos de nós como features e restrições de interoperabilidade como exclusões de add-ons.
   • Os custos são modelados como expressões simbólicas baseadas no uso efetivo de recursos (ex: memória e armazenamento), em vez de preços fixos, permitindo flexibilidade.

2. Codificação de Demanda e Solicitação:

   • A demanda agregada (vetor de recursos necessários) e as restrições de solicitação (orçamento máximo, número máximo de nós, distância geográfica, provedores permitidos) são usadas para especializar o iPricing.
   • As expressões de preço simbólicas são resolvidas com base na demanda real, gerando preços mensais concretos.
   • Um filtro é aplicado para restringir o espaço de busca, garantindo que apenas configurações que atendam aos limites de uso e restrições de request sejam consideradas.

3. Otimização e Retorno ao Domínio de Infraestrutura:

   • O motor de análise de preços PRIME (que mapeia iPricings para Problemas de Satisfação de Restrições com Otimização - CSP) é utilizado para explorar o espaço de configuração.
   • O motor busca a configuração de implantação ótima em termos de custo que satisfaça todas as restrições.
   • A solução é então mapeada de volta para o domínio de infraestrutura, identificando o conjunto exato de dispositivos a serem utilizados.

3. Contribuições Principais

O artigo apresenta quatro contribuições originais:

1. Formulação Baseada em Preços: Uma nova formulação do problema de alocação de recursos no continuum de computação, onde o espaço de configuração da infraestrutura é representado estruturalmente como um iPricing.
2. Fluxo de Trabalho de Otimização: Um processo que utiliza o motor PRIME para explorar esses espaços de configuração e calcular implantações ótimas em custo, atendendo a requisitos funcionais e não funcionais.
3. Geração de Cenários Sintéticos: Processos definidos para gerar realisticamente topologias de infraestrutura e demandas de carga de trabalho, permitindo a criação de cenários reprodutíveis.
4. Dataset de Benchmarking: A disponibilização de um conjunto de dados com 9.600 cenários de alocação pré-calculados, cobrindo diferentes tamanhos de topologia, níveis de demanda e objetivos de otimização, para apoiar pesquisas futuras.

4. Resultados da Avaliação

Os autores avaliaram a proposta através de um experimento sistemático com 9.600 casos de teste, variando o tipo de aplicação (CCTV, VR, Robótica, LiDAR), o tamanho da topologia e a intensidade da demanda. As perguntas de pesquisa (RQs) foram respondidas da seguinte forma:

• RQ1 (Expressividade do Modelo): O modelo baseado em preços demonstrou ser suficientemente expressivo para representar todos os 9.600 cenários, incluindo restrições de interoperabilidade complexas entre múltiplos provedores, sem necessidade de adaptações ad-hoc.
• RQ2 (Capacidades de Otimização): O fluxo de trabalho conseguiu identificar configurações viáveis e ótimas em custo para todos os casos testados onde uma solução existia. Para casos inviáveis, o sistema reportou corretamente a ausência de solução, sem falhas silenciosas.
• RQ3 (Escalabilidade):
  • O tempo de execução mostrou-se insensível ao crescimento da demanda (número de usuários), pois isso apenas afunila as restrições sem expandir o espaço de decisão.
  • O tempo de execução aumentou com o número de nós candidatos, mas de forma previsível. Cenários com até 200 nós candidatos foram resolvidos em menos de 3 segundos, e até para infraestruturas maiores, os tempos permaneceram na ordem de segundos, indicando viabilidade para ambientes de planejamento real.

5. Significado e Implicações

O trabalho tem implicações conceituais e práticas significativas:

• Unificação de Abstrações: Demonstra que a alocação de recursos (geralmente tratada em camadas de infraestrutura) e a composição de serviços (tratada em camadas de software) compartilham uma fundação estrutural similar. Ao usar "preços" como uma abstração unificada, o trabalho borra a fronteira entre variabilidade de nível de serviço e de infraestrutura.
• Reutilização de Ferramentas: Permite a reutilização de ferramentas de análise de preços e motores de CSP existentes (como o PRIME) para resolver problemas complexos de computação distribuída.
• Generalização: Sugere que os modelos de preços não são apenas artefatos comerciais para SaaS, mas modelos gerais de variabilidade capazes de estruturar espaços de decisão em múltiplas camadas do continuum de computação.
• Reprodutibilidade: A disponibilização do dataset e das ferramentas (artefato de pesquisa) estabelece uma base sólida para comparação e benchmarking futuro na área de alocação de recursos.

Em resumo, o artigo propõe uma mudança de paradigma, utilizando a estrutura de preços como uma representação de propósito geral para espaços de configuração, oferecendo uma abordagem escalável, expressiva e otimizada para a alocação de recursos em ambientes de computação heterogêneos e multi-provedor.