论文部分内容阅读
近年来,随着移动智能设备的普及,移动云计算技术得到飞速发展。目前移动设备访问云资源与固定设备一样,通过网络发送至各级路由到达远程云服务器。然而移动设备和PC机相比具有动态性和不规律性。如果按照上述的发送方式,在请求过程中会遇到较高的网络延迟并产生较大的传输能耗,在网络不稳定以及不可预知的因素下甚至会造成请求失败等问题。且随着云数据中心规模的扩大与集中,可扩展性差、资源利用率低、人力硬件成本高、需要付费使用等问题越发明显。诸如移动数据流等数据密集型应用日益增多,移动用户的体验需求越来越高,希望在反应时间阈值的前提下尽可能快速的执行程序。因此,如何提高移动数据流应用的执行效率是面临的挑战之一。其次,应用程序需要消耗巨大的电量,而移动设备电池容量有限,难以维持长时间运行,能耗过快等问题突显出来。鉴于以上问题,本文主要工作有以下三个方面:(1)针对移动智能设备自身动态性、不规律性问题以及请求远程云过程中遇到的高网络代价等问题。如何能够既得到云计算所带来的优势,同时又不被远距离网络传输等因素所限制成为本文一个研究问题。本文分析移动用户上网特点,结合移动用户兴趣以及地理位置划分微云中心,利用移动终端之间的交互提出基于兴趣相关和节点交互的微云逻辑结构。该结构通过引入移动用户兴趣分类的思想,对移动用户兴趣进行分类,根据移动终端之间交互完成时间、执行任务的满意度从而计算出每个移动终端的测度,并以此制定移动用户之间逻辑连接规则,进而形成微云结构。(2)针对移动智能设备能耗巨大,难以维持越来越多的计算任务以及长时间保持运行,加之目前用户对体验需求的提高,要求尽可能降低响应时间的问题。本文在提出的微云逻辑结构基础上,通过分析移动计算卸载过程,抓住应用程序特点,从组件任务量以及组件之间依赖关系建立数据流应用模型;分析移动设备不同状态下工作过程,完成移动终端能耗模型,计算卸载过程中数据流应用响应时间模型以及无线通信模型的建立,通过改进细菌觅食算法中的趋化操作设计了一种低能耗和响应时间约束的微云计算卸载方法。(3)通过搜集数据与建立实验环境对以上两部分进行了实验验证。微云结构优化验证,通过实验对移动终端兴趣模型中语义相关度阈值、阻尼系数、特征维数等相关参数取值进行确定,以期获得性能最大化参数。然后将改进的特征选取算法和常见的特征选取算法进行对比实验,其次将本文所提出移动终端兴趣分类算法与Bayes、SVM、KNN等分类算法进行实验比较,结果表明本文所提算法在宏平均准确率、宏平均召回率以及宏平均F1值都远高于被比较算法。同时通过实验在结构的稳定性和可扩展方面验证了本文微云逻辑拓扑结构的有效性。计算卸载算法验证,实验过程中采用控制变量法,将本文所提计算卸载方法与其他研究者的计算卸载方法进行比较。通过在不同的无线网络带宽值状况,不同移动智能终端状况,不同任务数量状况以及微云自身特点等方面进行详细实验验证,结果充分证明了本文所提出计算卸载方法在程序计算响应时间以及智能终端能耗两方面的优势。