论文部分内容阅读
近年来,随着大数据、云计算、物联网技术的发展,移动应用对设备的存储和计算能力要求也越来越高,所以移动设备端常常将大量数据迁移到云端进行存储和计算,来解决设备自身存储容量有限、计算能力不足等问题。但是移动设备往往位于离云端较远的地方,所以在数据迁移过程中,可能会带来比较高的迁移延迟。对响应时间要求比较严格的应用而言,例如:高清视频直播、自然语言处理、人脸识别等,高迁移延迟是无法容忍的。所以人们引进朵云来解决这个问题,即将小型云部署在离移动设备较近的位置,为用户提供云服务。当前人们的研究主要着眼于朵云的放置和部署策略,但在朵云部署后的优化配置环节仍然面临着新的挑战:1)在大型室内场景下,以事件或目的聚集的人群,他们的位置分布往往具有集群效应,并会随着事件的改变而发生位置变动,此时朵云单纯放置无法满足移动用户的服务需求。2)对于大型的活动场所,人群的移动非常频繁,此时朵云的静态部署无法满足移动用户的服务需求,需要做相应的朵云优化配置。针对移动应用环境中朵云的放置和使用面临的上述挑战,本文对朵云优化配置方法做了相应的研究工作。具体而言,本文的主要工作包括以下几个方面:1)在一些热门大型室内场景下,移动人群以一定的目的或事件聚集。为了提高朵云部署在该环境下的使用效率,本文提出了一种朵云静态优化配置方法。该方法分为三个步骤:移动设备定位、确定区域内的设备集合以及静态优化配置策略实现。详细而言,步骤一通过现有的移动设备定位技术获取每一个区域内设备的坐标位置,并把它提交至数据处理中心,通过算法获得区域内的设备集合。最后根据实际需求设定密度阈值,并通过贪婪算法来选择满足需求的朵云数目。通过上面的朵云静态优化配置方法,不仅节约了朵云运行成本,还保障了更多用户的云服务。2)针对大型活动区域内,人群移动性较强的场景,本文提出了一种朵云动态优化配置方法。该方法通过设备中心位置识别、朵云中心位置确定和朵云动态放置三个步骤来完成。在步骤一中,将朵云移动路径抽象成一张图,并对活动区域路径图进行了定义。在朵云动态放置的步骤中引入移动朵云的概念:将朵云部署在可移动机械设备上(如:扫地机器人),通过设置朵云实时调整的移动算法让该机械设备自动调整位置。该方法能够有效解决朵云固定放置利用效率低下的问题,在节约朵云使用的数量的同时,让尽可能多的用户享受到云服务。3)为了扩大朵云在物联网中的应用范畴,本文将朵云与雾计算相结合,并在两个热门物联网应用场景下进行了模拟实验:一是市中心最大的国际会议交流中心;二是大型智能商场的网络化构建。结果显示了本文提出的两种方法相对于朵云被策略性放置后未进行优化配置的状态具有更高的利用效率,即能用更少的朵云数目覆盖一定数目的移动设备。