모바일 엣지 컴퓨팅에서 효율적인 오프로드를 위한 학교 선택 메커니즘

본 논문은 모바일 엣지 컴퓨팅(MEC) 기술이 제공하는 근거리 클라우드 서비스가 모바일 디바이스(MD)의 배터리 수명과 연산 능력 한계를 극복하는 데 핵심적인 역할을 한다는 배경에서 출발한다. 기존 연구들은 대부분 단일 MEC 서버를 전제로 하여 에너지 소비와 실행 시간을 최소화하는 중앙 집중식 최적화 방식을 제안했으며, 이러한 접근법은 다중 서버·다중 사용자가 공존하는 현실적인 환경에서는 확장성 및 복잡도 문제를 야기한다. 따라서 저자들은 분산형 최적화 메커니즘을 탐구하고, 특히 ‘학교 선택(School Choice)’이라는 할당 메커니즘을 차용해 다중 MEC 서버와 이기종 사용자 간의 매칭 문제를 해결하고자 한다. 논문은 먼저 MEC와 5G 기술이 결합된 환경에서의 서비스 특성을 설명한다. MEC 서버는 저지연, 고대역폭, 근거리 위치 덕분에 전통적인 클라우드 대비 전송 에너지와 지연을 크게 감소시킬 수 있다. 그러나 다수의 서버가 서로 다른 컴퓨팅·스토리지 용량을 보유하고 있고, 사용자들은 서로 다른 작업량, 전송 요구, 가격 민감도를 가지고 있기 때문에, 단순히 가장 가까운 서버에 모두 할당하는 방식은 비효율적이다. 관련 연구 섹션에서는 중앙 집중식 오프로드(단일·다중 사용자·서버)와 분산형 오프로드(휴리스틱, 게임 이론, 강화 학습 등)를 광범위히 검토한다. 특히, 게임 이론 기반 접근법은 각 사용자가 로컬 정보를 바탕으로 독립적인 결정을 내리게 함으로써 중앙 컨트롤러의 부하를 감소시키지만, Nash Equilibrium을 찾는 과정이 복잡하고, 비용·에너지·지연을 동시에 고려하기엔 한계가 있다. 반면, 메커니즘 설계(경매·매칭 이론)는 시스템 전체 효율성을 보장하면서도 개별 에이전트의 전략적 행동을 설계할 수 있다. 본 연구는 이러한 배경을 토대로, 사용자와 서버를 각각 ‘학생’과 ‘학교’로 모델링하고, 학교 선택 메커니즘을 적용한다. 구체적인 시스템 모델은 다음과 같다. 각 사용자는 작업 크기 \(C_i\)와 데이터 전송량 \(D_i\)를 가지고 있으며, 오프로드 시 발생하는 전송 지연 \(t_{tx,i}=D_i/R_{ij}\)와 실행 지연 \(t_{comp,i}=C_i/f_j\)를 고려한다. 여기서 \(R_{ij}\)는 사용자 i와 서버 j 사이의 전송률, \(f_j\)는 서버 j의 CPU 클럭이다. 총 지연 \(T_{ij}=t_{tx,i}+t_{comp,i}\)는 사전에 정의된 마감 시간 \(T^{max}_i\) 이하이어야 한다. 에너지 소비는 전송 전력과 전송 시간에 비례하여 \(E_{ij}=P_i \cdot t_{tx,i}\) 로 모델링하고, 서버 사용 비용은 단위 연산당 가격 \(c_j\)에 따라 \(COST_{ij}=c_j \cdot C_i\) 로 정의한다. 사용자는 위 세 요소(가격, 에너지, 지연)를 가중치 \(w_1,w_2,w_3\) 로 결합한 효용 함수를 최소화하고, 이를 기반으로 선호 리스트를 생성한다. 서버는 거리 기반 우선순위 리스트를 유지한다. 즉, 서버 j는 사용자 i와의 물리적 거리가 가까울수록 높은 우선순위를 부여한다. 이때 서버는 실제로 선호를 표현하지 않으며, 단순히 물리적 제약에 의해 우선순위가 결정된다. 알고리즘 흐름은 다음과 같다. (1) 각 사용자는 자신의 작업에 대한 비용·에너지·지연을 추정하고, 마감 시간을 만족하는 서버 집합을 후보로 선정한다. (2) 후보 서버에 대한 선호 순위를 작성한다. (3) 서버는 우선순위에 따라 요청을 순차적으로 수용한다. 서버 용량이 초과되면, 낮은 우선순위 사용자는 다음 후보 서버로 이동한다. 이 과정을 모든 사용자가 할당될 때까지 반복한다. 이때 사용되는 매칭 알고리즘은 ‘불안정하지만 빠른’ 형태로, 전통적인 Gale‑Shapley 안정 매칭보다 계산량이 적어 실시간 요구에 부합한다. 수학적 최적화는 다중 목적 함수를 직접 풀지 않고, 위와 같은 할당 절차를 통해 근사해를 얻는다. 이는 NP‑hard인 혼합 정수 선형 프로그램(MILP) 문제를 회피하고, 시스템 규모가 커져도 선형 시간 복잡도로 실행 가능하게 만든다. 시뮬레이션 설정은 3개의 MEC 서버(각기 다른 CPU 클럭과 가격)와 50명의 사용자를 가정한다. 작업 크기와 데이터 양은 랜덤하게 배정하고, 전송률은 거리와 채널 모델에 따라 변한다. 비교 대상은 기존의 에너지 기반 오프로드, 가격 기반 오프로드, 그리고 휴리스틱 오프로드 결정 알고리즘(HODA)이다. 결과는 다음과 같다. 제안 알고리즘은 평균 비용을 기존 방법 대비 약 18 % 감소시켰으며, 평균 에너지 소비는 22 % 감소하였다. 또한 지연 제한을 만족하는 성공적인 오프로드 비율은 92 %로, HODA의 78 %보다 크게 향상되었다. 서버 자원 활용도 역시 균등하게 분산되어 특정 서버에 과부하가 발생하지 않았다. 논문의 기여는 크게 세 가지로 정리된다. 첫째, 다중 MEC 환경에서 사용자와 서버 간의 비대칭 선호·우선순위 구조를 명시적으로 모델링하고, 이를 할당 메커니즘에 적용한 점이다. 둘째, 학교 선택 메커니즘을 활용해 중앙 집중식 최적화 없이도 실시간으로 비용·에너지·지연을 동시에 최소화하는 매칭을 구현한 점이다. 셋째, 광범위한 시뮬레이션을 통해 제안 방법이 기존 기법 대비 비용·에너지·성공률 측면에서 우수함을 실증한 점이다. 하지만 몇 가지 한계도 존재한다. 서버가 단순히 거리 기반 우선순위만을 갖는 가정은 현실에서 서버가 자체적인 비용 구조나 서비스 품질(QoS) 요구를 가질 수 있다는 점을 간과한다. 또한 사용자의 이동성에 따라 거리와 전송률이 동적으로 변할 경우, 재할당 메커니즘이 필요하지만 본 논문에서는 정적인 매칭만을 고려하였다. 향후 연구에서는 서버의 다중 선호(가격·용량·QoS)와 사용자의 이동성 모델을 포함한 동적 재매칭 알고리즘을 개발하고, 실제 MEC 테스트베드에서의 구현 및 실험을 통해 실용성을 검증할 필요가 있다.