移动云计算中能耗最小化数据传输策略研究

随着移动云计算的发展及用户对移动终端的性能要求的提升,将移动终端复杂的计算和存储需求转移到云端进行处理是移动云计算的必然趋势.因此,如何降低移动终端和云端能耗,提高能量利用率及增强用户体验是绿色云计算急需解决的关键问题之一.本文主要研究移动云计算数据传输过程中的能耗优化问题并提出一种基于最优停止理论的最小化单位数据的平均能耗传输策略;基于秘书问题的最优传输策略.通过构建具有多个应用的数据传输队列模型,在基于所选应聘者的绝对名次均值最小的秘书问题,提出放过k个应聘者后见优则录的规则,并证明该规则存在最优k值.仿真结果表明,本文提出的优化策略具有较小的单位数据平均能耗,更优的能耗效率及较佳的侦测效率.

随着移动设备的快速发展及广泛应用,手机和PAD等移动终端已经成为了人们聊天、娱乐和办公的主要设备.然而，移动终端受其尺寸和能量的限制,始终存在计算能力弱、存储空间小以及电池续航时间短等各类问题[1.因此,为了弥补移动终端的各种不足,将复杂的计算和存储需求转移到云端进行处理是移动云计算的必然趋势.据统计,截至2017年,移动云流量已经占整个移动流量的84%.而且根据IDC的预测,2020年全球移动数据总量将达40000 EB,年复合增长率达36% ,移动云流量将占整个移动流量的94% ;而中国互联

网数据流量增长速度更为突出,2020年中国互联网数据流量将达8806 EB,占全球数据产量的22% ,年复合增长率达49% '.这对移动终端和云端之间数据传输效率提出了巨大的挑战.一种较好的数据传输策略能节省移动终端的能耗,优化和提升移动终端的性能.因此,本文在移动云计算中对移动终端和云端数据传输过程中的能耗进行优化,提出一种基于最优停止理论的优化策略来降低移动终端的能耗,提高能量利用率,增加用户体验度,为促进移动云计算的发展打下坚实的基础.

移动云计算的数据传输信道与传统互联网无线信道一样,都是随着时空的变化实时更新[2].若移动终端传输功率

保持不变,则传输速率越大,相同时间内被传输的数据量就越大,单位数据的平均能耗就越小.更进一步,移动终端若对无线链路的信道状况持续观测,进而选择质量好的时刻发送数据可以大大降低数据传输的能耗.

事实上,移动终端选择信道状况较好时刻传输数据的问题是一个分布式机会调度问题3.我们可以用最优停止规则求解该问题.最优停止规则是决策者基于连续观察到的随机变量,以最大化报酬或最小化期望成本为目标,决定选择一个合适的时刻以采取给定的行为.在学者们的研究中最优停止理论解决了许多最优化问题.例如,文献[4]采用最优停止理论研究自组织网络中信息消耗的最优调度问题.文献[5]在移动网络中利用最优停止理论研究多个发送终端使用相同信道进行数据分发的能耗优化问题.文献[6]利用最优停止理论获得最优中继节点的最优期望报酬,从而实现最优能效路由策略.

在最优停止规则问题中,我们的目标是在成本函数中找

到传输速率最大时的一个停止规则,开以此刻理平术及这双据以最小化单位数据的平均能耗.本文主要研究移动云计算

数据传输过程中的能耗优化问题,提出基于最优停止规则的数据传输能耗优化策略.其具体研究思路如下:在给定的数据生成速率下,通过构建具有多个应用的数据传输队列模型,在基于所选应聘者的绝对名次均值最小的秘书问题,提出放过k个应聘者后见优则录的规则,对传输过程中的能耗,延时等综合考虑,最小化单位数据的平均能耗.

本文的组织结构如下:第2节介绍相关研究工作;第3节阐述系统模型及相关理论;第4节讨论基于最优停止理论的期望能耗最小化优化策略;第5节进行仿真实验并分析实验结果;最后第6节总结全文并讨论下一步的研究工作.

相关研究工作

近年来,在移动云计算数据传输过程中如何降低移动终端和云端能耗吸引了大量学者们的研究.研究者们主要关注两个方向:一是在移动终端和云端优化数据模型降低能耗;二是在数据传输过程中优化算法降低能耗.

在移动终端和云端能耗优化的研究中,文献[2]构建了一个云协助移动平台.基于该平台,移动应用程序可以在移动端执行,也可以在云端执行.当在移动终端执行程序时,通过调节CPU频率优化能耗;当在云端执行程序时,通过优化数据传输率来最小化能耗.文献[7]提出一种协作移动云系统.该系统形成多个UE( User Equipment)联盟并接收来自基站请求的部分数据,然后相互交换各自接收的数据,大大节约了时间成本和能耗开销.文献[8]对于移动终端数据卸载提出一个联合协作和信道选择框架,以合作的方式执行数据卸载到云端;并用马尔可夫近似法设计一个分布式信道选择算法，使得每个移动终端都能自行组织成没有整网信息交换的稳定结构,且仅在相同信道实现移动设备之间的数据交换.文献[9]提出一个联合卸载模型.移动设备可以在本地执行任务，将任务卸载给其他移动设备或者按照模型控制器的分配将任务直接传输到云端执行;而且通过指纹技术描述各个任务的相似度,移动设备可以相互共享相似任务的计算资源,达到缓

解数据流量压力及减少移动终端能耗的目的.文献[10]在能源匮乏和数据匮乏的移动设备之间进行联合协作来共享资源.移动设备将计算任务卸载到云端时,能量匮乏且具有能量收集模块的移动设备通过能量分割策略从数据匮乏的移动设备中收集能量,而且能量匮乏的移动设备也会帮助数据匮乏的移动设备进行计算.

在移动云计算数据传输过程能耗优化的研究中,文献[11]提出了一种应用层自适应传输协议.该协议使用随机优化框架,通过一种低复杂度和低开销的在线算法来决定无线连接是否是高效的.对于是否高效能,本文并不设定阈值来判断,而是在实现多应用能量延时平衡中自适应做出传输决策.文献[12]提出一种新颖的数据传输优化算法:DTM算法.本文在云端和移动终端的中间增加了代理服务器层,该层负责处理移动终端的请求和来自云端的响应;DTM算法通过并行

处理和缓存技术优化传输任务,在保证致据传输质量的有优下,有助于减少移动设备的能耗和用户的等待时间.文献

[13]提出了一种新颖的在线预取技术,该技术将预测和预取在一个时间周期内同时进行,实时预测数据,避免预取大量不需要的数据.文献[ 14]基于单用户MCO( Mobile computationoffloading)系统,提出了一种在线预取技术.该技术在程序运行时,将任务级的计算预测与实时预取无缝集成在一起,当数据被执行的可能性超过阈值时,就预取将要使用的数据,并且数据预取的规模随着数据被执行的可能性线性增长.文献[ 15]基于李雅普诺夫优化,在移动终端和云端数据传输过程中提出了一种新的高效能的数据传输策略.该策略在满足时间延时情况下,在信道状态良好的时刻主动自适应地抓取频繁使用的数据,避免在信道状态不佳时刻取数据造成不必要的能量消耗.文献[ 16]从用户的角度对能耗和延时折中优化.该文考虑三个QoE(Quality of Experience)域,推导出包含能量和延时的QoE感知成本函数,提出一个高效的近似动态程序优化算法.文献[17]在雾计算系统中,利用排队论深入研究能耗、延时和支付成本在数据卸载过程中的联合优化.分别对移动终端,雾端和云端建立不同的队列模型,使用标量化方法,将多目标优化问题转化成单目标优化问题,从而达到降低移动终端能耗的目的.

综上所述,研究者们虽然对移动云计算的移动终端和云端及数据传输过程中的能耗进行优化,但并没有综合考虑数据动态到达和延时等因素.所以本文基于最优停止理论,综合考虑能耗、带宽和延时等因素,在数据动态到达的前提下,最小化传输单位数据的平均能耗.

关键词：物联网网关