CN104822175A - 一种适用于蜂窝网络的代码迁移方法及系统 - Google Patents

一种适用于蜂窝网络的代码迁移方法及系统 Download PDF

Info

Publication number
CN104822175A
CN104822175A CN201510182534.5A CN201510182534A CN104822175A CN 104822175 A CN104822175 A CN 104822175A CN 201510182534 A CN201510182534 A CN 201510182534A CN 104822175 A CN104822175 A CN 104822175A
Authority
CN
China
Prior art keywords
data
terminal
task
code migration
energy consumption
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510182534.5A
Other languages
English (en)
Other versions
CN104822175B (zh
Inventor
金海�
廖小飞
宋娇
陆枫
汤载阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201510182534.5A priority Critical patent/CN104822175B/zh
Publication of CN104822175A publication Critical patent/CN104822175A/zh
Application granted granted Critical
Publication of CN104822175B publication Critical patent/CN104822175B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种适用于蜂窝网络的代码迁移方法及系统，用于在本地网络端有多个终端的场景中减少蜂窝网络下代码迁移的能耗；代码迁移系统包括位于本地网络端的网络分析模块、网络处理模块、数据分发处理模块和能耗分析模块；代码迁移方法通过将计算密集型任务迁移到计算资源丰富的云平台端执行，将所需传输的数据通过更节能的端对端传输方式，将数据集中到数据聚合器上传输，并关闭部分终端的蜂窝网络，解决现有代码迁移系统在蜂窝网络下能耗过大的问题；采用本发明提供的代码迁移方法和系统可有效降低蜂窝网络下代码迁移系统的能耗。

Description

一种适用于蜂窝网络的代码迁移方法及系统
技术领域
本发明属于计算机通信技术领域，更具体地，涉及一种适用于蜂窝网络的代码迁移方法及系统。
背景技术
智能终端作为方便快捷的通信与娱乐工具，越来越成为人们生活的必需品。虽然智能终端的性能已经得到了很大的提升，但仍然难以支持一些复杂的应用，对诸如游戏、虚拟现实等一些计算密集型应用而言，其能耗-性能比很低，当前研究表明可通过代码迁移的方法解决这个问题。有别于传统的单机应用运行模式，在代码迁移系统中，用户并不需要将所有任务都放在本地终端执行，而是把计算密集型任务迁移到计算资源丰富的云平台端执行，既提升了任务执行速度，保障了用户体验，又节省了本地终端的能耗。
代码迁移系统采用的是客户机和服务器(Client/Server，简称C/S)网络架构，流式的数据在服务端和客户端之间进行传输，目前的实现方案中主要研究的是通过Wi-Fi网络进行数据传输。但在实际应用中，Wi-Fi网络的覆盖面有所局限，而且传输性能不稳定。蜂窝网络(如3G、LTE网络)可以有效克服这两个问题，但是由于长尾能耗的存在，蜂窝网络中的网络端口在每一个数据传输结束之后都将保持一段时间(约15s)的高能耗状态，在这段时间里网络中没有数据传输，造成了额外的能量消耗，使得智能终端的能耗-性能比更低。因此，如何减少系统在蜂窝网络下数据传输的能耗仍是代码迁移系统中亟需解决的问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种适用于蜂窝网络的代码迁移方法及系统，通过将计算密集型任务迁移到计算资源丰富的云平台端执行，并将所需传输的数据通过更节能的端对端传输方式，将数据集中到数据聚合器上传输，并关闭部分终端的蜂窝网络，解决现有代码迁移系统中在蜂窝网络下能耗过大的问题。
为实现上述目的，按照本发明的一个方面，提供了一种适用于蜂窝网络的代码迁移方法，用于在本地网络端有多个终端场景中减少蜂窝网络下代码迁移的能耗，具体如下：
(1)初始化移动端网络，各终端发送自身硬件信息至其相邻终端；其中，硬件信息为影响当前迁移策略决策的一个状态集，包括当前各终端的蜂窝网络开/闭情况、数据传输能力、传输单位数据所消耗的能量、各终端的相邻关系以及需要执行的任务的计算量；
(2)判断是否所有终端已关闭蜂窝网络，若是，则执行步骤(9)；若否，则执行步骤(3)；
(3)根据本地网络端终端设备的硬件信息以及待确定的参数获取线性方程组，采用线性规划的方法得到适用于蜂窝网络的代码迁移策略；其中，将所有待确定的参数视为一个未知数，将所有终端的硬件信息视为已知数，得到线性方程组；
其中，代码迁移策略是指对本地网络端中各终端需要执行的任务的迁移方案，对各终端而言，其任务总比率为1，迁移方案给出了通过相邻终端传输的数据比率、通过云对端传输的数据比率、直接本地执行的任务比率；
(4)根据代码迁移策略，从本地网络端蜂窝网络端口处于开启状态的终端中选择云对端传输的数据比率最小的终端，并关闭该终端设备的蜂窝网络端口；
(5)根据代码迁移策略，对各终端需执行的任务进行分发与处理：对于需要通过相邻终端传输的数据，将其通过端对端传输方式分发给相邻的数据聚合器，数据聚合器收集到所有相邻终端的碎片化数据后，集中传输给云平台端；对于需要本地执行的任务，则在数据本地处理模块直接执行该部分任务；对于需要由终端直接传输给云平台端的数据，则将这部分数据通过云对端传输方式发送给云平台端；
(6)分析当前情况下本地网络端所有终端设备执行完全部任务的总能耗；
(7)判断当前代码迁移策略下的总能耗是否小于前一次代码迁移策略下的总能耗；若是，则执行步骤(8)；若否，则执行步骤(9)；
(8)更新迁移系统中的代码迁移策略、总能耗，执行步骤(2)；
(9)输出代码迁移策略，完成代码迁移策略的最优化。
以上代码迁移方法优点在于：将高计算量的任务迁移到云平台端，以减少系统中本地终端的计算开销；通过更节能的端对端传输方式，将数据集中到数据聚合器上传输，并关闭部分终端的蜂窝网络，以减少系统中本地终端的传输开销。
优选地，步骤(5)中任务分发与处理具体包括以下子步骤：
(5.1)根据代码迁移策略判断当前终端是否有任务需要迁移，若是，则确定所迁移任务的比率，并执行步骤(5.2)；若否，则执行步骤(5.8)；
(5.2)判断当前终端蜂窝网络端口是否处于开启状态，若是，则执行步骤(5.3)；若否，则执行步骤(5.5)；
(5.3)接收相邻终端发送过来的数据，并将数据进行聚合；
(5.4)根据代码迁移策略和本地网络端终端相邻关系判断是否已接收到所有相邻终端需要发送到云端的数据，若是，则执行步骤(5.7)；若否，则执行步骤(5.3)；
(5.5)将需要迁移的任务比率通过端对端传输方式发送给相邻的数据聚合器；
(5.6)根据代码迁移策略判断是否已将所有需要迁移的任务发送给了相邻的数据聚合器，若是，则执行步骤(5.8)；若否，则执行步骤(5.5)；
(5.7)将所有接收到的其他相邻终端的数据以及自身需要发送的数据聚合之后集中传输到云平台端，以减少长尾能耗出现的次数；
(5.8)根据代码迁移策略，处理需要本地执行的任务。
按照本发明的另一方面，提供了一种适用于蜂窝网络的代码迁移系统，包括网络分析模块、网络处理模块、数据分发处理模块和能耗分析模块；
其中，网络分析模块的数据端作为与终端之间交互数据的端口；网络处理模块的输入端连接网络分析模块的输出端；数据分发处理模块的第一输入端连接网络处理模块的第一输出端，第二输入端连接网络处理模块的第二输出端，第三输入端连接网络处理模块的第三输出端；第四端用作与云平台数据交互的端口；能耗分析模块的第一输入端连接数据分发处理模块的第一输出端，第二输入端连接数据分发处理模块的第二输出端，第三输入端连接数据分发处理模块的第三输出端；
其中，网络分析模块位于本地网络端，用于分析本地网络端所有终端设备的硬件信息；将所有待确定的参数视为一个未知数，将所有终端的硬件信息视为已知数，获取线性方程组，采用线性规划的方法得到适用于蜂窝网络的代码迁移策略；其中，硬件信息为影响当前迁移策略决策的一个状态集，包括当前各终端的蜂窝网络开/闭情况、数据传输能力、传输单位数据所消耗的能量、各终端的相邻关系、需要执行的任务的计算量；其中，代码迁移策略是指对本地网络端中各终端需要执行的任务的迁移方案，对各终端而言，其任务总比率为1，迁移方案给出了通过相邻终端传输的数据比率、通过云对端传输的数据比率、直接在本地执行的任务比率；
其中，网络处理模块用于根据代码迁移策略，从本地网络端蜂窝网络端口处于开启状态的终端中找出云对端传输数据比率最少的终端，关闭该终端设备的蜂窝网络端口；
其中，数据分发处理模块用于根据代码迁移策略确定对各终端需要执行的任务的分发与处理方案；
其中，能耗分析模块用于分析当前情况下本地网络端所有终端设备执行全部任务的总能耗，并判断当前代码迁移策略下的总能耗是否小于前一次代码迁移策略下的总能耗,决定是否需要对迁移策略进行进一步调整。
优选地，数据分发处理模块包括并列的端对端数据传输模块、数据本地处理模块和云对端数据传输模块；
其中，端对端数据传输模块的输入端作为数据分发处理模块的第一输入端，连接网络处理模块的第一输出端；数据本地处理模块的输入端作为数据分发处理模块的第二输入端，连接网络处理模块的第二输出端；云对端数据传输模块的输入端作为数据分发处理模块的第三输入端，连接网络处理模块的第三输出端；云对端数据传输模块的数据端作为数据分发处理模块的第四端，用于与云平台进行数据交互；
端对端数据传输模块的输出端作为数据分发处理模块的第一输出端，连接能耗分析模块的第一输入端；数据本地处理模块的输出端作为数据分发处理模块的第二输出端，连接能耗分析模块的第二输入端；云对端数据传输模块的输出端作为数据分发处理模块的第三输出端，连接能耗分析模块的第三输入端；
其中，端对端数据传输模块用于根据迁移策略确定终端之间的数据分发方案,将需要通过端对端传输方式传输的数据分发到相邻的数据聚合器；其中，数据聚合器是指本地网络端中的网速更快的终端，在传输相同数据的情况下,这类终端消耗的能量更少；被作为数据聚合器的终端可接收/发送其相邻终端的数据；
数据本地处理模块用于根据迁移策略执行需要在本地执行的任务；
云对端数据传输模块用于根据迁移策略确定本地网络端与云平台端间的数据分发方案，将需要该终端直接传输给云平台端的数据通过云对端传输方式发送给云平台端。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)由于本发明提供的代码迁移系统及方法通过云对端数据传输模块将计算密集型任务迁移到云端服务器，减少了本地终端执行的任务，既节省了计算开销，又加快了任务执行速率，提升了用户体验；
(2)本发明提供的代码迁移系统及方法中，端对端数据传输模块可采用Wi-Fi、蓝牙等速度更快、能量消耗更小的传输方法，避免了大部分的网络延时和能量消耗，进一步达到提高迁移速度并降低能耗的目的；
(3)本发明提供的代码迁移系统及方法中，通过代码迁移策略将本地网络端中网速快的一些终端作为数据聚合器，数据聚合器将碎片化的数据聚合后集中传输到云平台端，减少了长尾能耗的出现频率，从而减少传输开销；
(4)本发明提供的代码迁移系统及方法中，对于网速慢的终端的蜂窝网络端口，采取关闭的策略，减少了不必要的长尾能耗；
(5)本发明提供的代码迁移系统及方法与现有技术中采用Wi-Fi传输方式比较，增加了系统网络的覆盖面，不再为Wi-Fi的覆盖面所局限，并保证了网络传输性能的稳定性；
(6)本发明提供的代码迁移系统及方法与现有技术中只使用蜂窝网络传输的方式比较，提高了数据传输效率，降低了系统的能耗需求，保证了用户体验。
附图说明
图1是本发明实施例1的代码迁移系统的系统框图；
图2是本发明实施例2的代码迁移方法的工作流程图；
图3是本发明实施例2的本地网络端结构图；
图4是本发明实施例2的代码迁移策略示意图；
图5是本发明实施例2的代码迁移方法的数据分发与处理工作流程图；
图6是本发明实施例2随任务计算量变化的总能耗示意图；
图7是本发明实施例2随任务计算量变化的能耗节省百分比示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1是本发明实施例1的代码迁移系统的结构框图；如图1所示，本发明实施例1的代码迁移系统包括位于本地网络端的网络分析模块1、网络处理模块2、数据分发处理模块3以及能耗分析模块4；
其中，网络分析模块1的数据端作为与终端之间交互数据的端口；网络处理模块2的输入端连接网络分析模块1的输出端；数据分发处理模块3的第一输入端连接网络处理模块2的第一输出端，第二输入端连接网络处理模块2的第二输出端，第三输入端连接网络处理模块2的第三输出端；第四端用作与云平台数据交互的端口；能耗分析模块4的第一输入端连接数据分发处理模块3的第一输出端，第二输入端连接数据分发处理模块3的第二输出端，第三输入端连接数据分发处理模块3的第三输出端；
网络分析模块1用于分析本地网络端所有终端设备的硬件信息，将所有待确定的参数视为一个未知数，将所有终端的硬件信息视为已知数，获取线性方程组，采用线性规划的方法得到适用于蜂窝网络的代码迁移策略；
网络处理模块2用于根据代码迁移策略，从本地网络端蜂窝网络端口处于开启状态的终端中选择出云对端传输的数据比率最少的终端，并关闭该终端设备的蜂窝网络端口；
数据分发处理模块3用于从代码迁移策略中识别出对各终端需要执行的任务的分发与处理方案；
能耗分析模块4分析当前情况下本地网络端所有终端设备执行全部任务的总能耗，并判断当前代码迁移策略下的总能耗是否小于前一次代码迁移策略下的总能耗。
在实施例1中，数据分发处理模块3还包括端对端数据传输模块31、数据本地处理模块32、云对端数据传输模块33；
其中，端对端数据传输模块31的输入端作为数据分发处理模块3的第一输入端，连接网络处理模块2的第一输出端；数据本地处理模块32的输入端作为数据分发处理模块3的第二输入端，连接网络处理模块2的第二输出端；云对端数据传输模块33的输入端作为数据分发处理模块3的第三输入端，连接网络处理模块2的第三输出端；云对端数据传输模块33的数据端作为数据分发处理模块3的第四端，用于与云平台进行数据交互；
端对端数据传输模块31根据迁移策略确定终端之间的数据分发方案,具体的完成将需要通过端对端传输方式传输的数据发送到相邻的数据聚合器的工作；
数据本地处理模块32根据迁移策略执行需要在本地执行的任务比率；
云对端数据传输模块33根据迁移策略确定本地网络端与云平台端间的数据分发方案，将需要该终端直接传输给云平台端的数据通过云对端传输方式发送给云平台端。
如图2所示，是本发明实施例2的代码迁移方法的工作流程图，本发明提供的代码迁移方法包括以下步骤：
(1)移动端网络初始化，各终端发送自身硬件信息至其相邻终端；其中，硬件信息包括当前各终端的蜂窝网络开/闭情况、数据传输能力、传输单位数据所消耗的能量、各终端的相邻关系以及需要执行的任务的计算量；
在实施例2中，以包括8个手机终端的本地网络端为例，终端间的邻接关系可用网络图中节点的连接情况E表示，具体如图3所示，其中，Li表示各终端数据传输能力，Di表示需要执行的任务计算量；
用集合T表示蜂窝网络处于开启状态的终端集合，这些终端可直接与云平台端通信；用集合S表示蜂窝网络处于关闭状态的终端集合，如果这些终端需要与云端服务器通信，需要将数据先通过端对端传输方式发送给相邻的数据聚合器，数据聚合器再将收集到的碎片化数据集中传输给云平台端；用集合P来表示被选为数据聚合器的终端集合，这些终端具有网速更快的特点，在传输相同数据的情况下,所消耗的能量更少,被作为数据聚合器的终端可接收/发送其相邻终端的数据；
(2)判断是否所有终端已关闭蜂窝网络，即集合T是否为空，若是，则执行步骤(9)；若否，则执行步骤(3)；
(3)分析本地网络端所有终端设备的硬件信息，将所有待确定的参数视为一个未知数，将所有终端的硬件信息视为已知数，获取线性方程组，采用线性规划的方法获取适用于蜂窝网络的代码迁移策略；
其中，代码迁移策略是指对本地网络端中各终端需要执行的任务的迁移方案，对各终端而言，其任务总比率为1，迁移方案给出了通过相邻终端传输的数据比率、通过云对端传输的数据比率、直接本地执行的任务比率。在实施例2中用矩阵A＝[αij]表示代码迁移策略，如图4所示，矩阵中每一行表示每一个任务的迁移情况，每一列表示每一个终端处理数据的情况，每一个值αij表示任务i迁移到终端j的任务比率；其中，矩阵最后一列β列表示任务i在本地终端i上执行的任务比率；
(4)根据代码迁移策略，从本地网络端蜂窝网络端口处于开启状态的终端中选择云对端传输的数据比率最小的终端，并关闭该终端设备的蜂窝网络端口；从图4所示矩阵可分析出，第一终端、第三终端、第五终端、第七终端和第八终端的蜂窝网络端口已经被关闭，这些终端与云平台端之间的数据通信量为0；
(5)从代码迁移策略中获取出对各终端需要执行的任务的分发与处理方案，进行任务分发与处理；以实施例2中第一终端的任务为例进行阐述，在如图4所示的矩阵中，矩阵A的第1行，即第一终端的75.5％比率的任务通过端对端传输方式传输给第二终端，而剩余的24.5％比率的任务通过端对端传输方式传输给第四终端；另一方面，分析被作为数据聚合器的第二终端的数据传输情况，即矩阵A的第2列，第二终端通过端对端传输方式接收第一终端的75.5％比率的任务以及第八终端的58.64％比率的任务，再连同第二终端本身的100％比率的任务聚合之后集中通过云对端传输方式传输给云平台端；
在本发明实施例2中，第二终端、第四终端和第六终端具有更佳的网速，因此被作为数据聚合器，可接收/发送其相邻终端的数据；云平台端与本地终端的运算速度相差较大，从矩阵A的最后一列β列可以看出，所有任务都被迁移到云平台端执行，本地数据处理模块处理的任务为0；
(6)分析当前情况下本地网络端所有终端设备执行完全部任务的总能耗；
(7)判断当前代码迁移策略下的总能耗是否小于前一次代码迁移策略下的总能耗；若是，则执行步骤(8)；若否，则执行步骤(9)；在本发明实施例2中，图4中矩阵所示的代码迁移策略已经是最优迁移方案，因此将执行步骤(9)；
(8)更新迁移系统中的代码迁移策略、总能耗，返回执行步骤(2)；
(9)输出代码迁移策略，完成代码迁移策略的最优化；在本发明实施例2中，将输出矩阵A。
图5是本发明上述代码迁移方法的数据分发与处理工作流程图。如图5所述，本发明代码迁移方法中数据分发与处理方法的工作流程包括以下步骤：
(5.1)根据代码迁移策略判断当前终端是否有任务需要迁移，若是，则确定所迁移任务的比率，并执行步骤(5.2)；若否，则执行步骤(5.8)；
(5.2)判断当前终端蜂窝网络端口是否处于开启状态，若是，则执行步骤(5.3)；若否，则执行步骤(5.5)；
(5.3)接收相邻终端发送过来的数据，并将数据进行聚合；如图4所示的矩阵中，以被作为数据聚合器的第二终端为例，即矩阵A的第2列，第二终端会通过端对端传输方式接收第一终端的75.5％比率的任务以及第八终端的58.64％比率的任务；
(5.4)根据代码迁移策略和本地网络端终端相邻关系判断是否已接收到所有相邻终端所需发送到云端的数据，若是，则执行步骤(5.7)；若否，则执行步骤(5.3)；
(5.5)将需要迁移的任务比率通过端对端传输方式发送给相邻的数据聚合器；以第一终端的任务为例，即矩阵A的第1行，第一终端的75.5％比率的任务将通过端对端传输方式传输给第二终端，而剩余的24.5％比率的任务会通过端对端传输方式传输给第四终端；
(5.6)根据代码迁移策略判断是否已将所有需要迁移的任务发送给了相邻的数据聚合器，若是，则执行步骤(5.8)；若否，则执行步骤(5.5)；
(5.7)将所有接收到的其他相邻终端的数据以及自身需要发送的数据聚合之后集中传输到云平台端；如图4所示的矩阵中，以第二终端为例，第二终端将75.5％比率的第一终端的任务、58.64％比率的第八终端的任务和100％比率的第二终端的任务聚合，之后通过云对端传输方式传输给云平台端，以此减少长尾能耗出现的次数；
(5.8)根据代码迁移策略，处理需要本地执行的比率的任务；在本发明实施例中，云平台端与本地终端的运算速度相差较大，从矩阵A的最后一列β列可以看出，所有任务都被迁移到云平台端执行，本地数据处理模块处理的任务为0。
本发明实施例2的代码迁移方法中，如图4的矩阵所示的代码迁移策略中，第1、3、5、7和8列的值均为0，表明所对应的第一终端、第三终端、第五终端、第七终端和第八终端已经关闭了蜂窝网络端口，不能直接与云服务器端进行数据传输，即闭合终端集合为S＝[1,3,5,7,8]，因此，能够得到蜂窝网络处于开启状态的终端集合为T＝[2,4,6]；对第2列、第4列和第6列的值进行分析，除了本身需要传输的任务外，这些终端还收到了相邻节点传输过来的数据，这意味着第二终端、第四终端和第六终端被选为了数据聚合器，即数据聚合器终端集合为P＝[2,4,6]。
在本发明实施例2的代码迁移方法中，此时本地网络端总能耗如图6所示，能耗节省百分比如图7所示；在任务计算量较小时，如D＝2.5时，将任务全部迁移到云端的策略COAC的能耗比原始的任务全部本地执行的策略CON更高；另一方面，从图7可以看出，本发明提供的代码迁移策略COTA可以得到20.3％的节能效果，这得益于COTA方案下关闭了一定数量的终端的蜂窝网络，减少了长尾能耗的出现；实施例2中，COTA方案所消耗的能量少于其余两种方案，表明通过数据聚合器来进行代码迁移的方法在减少能耗方面是有效的。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种适用于蜂窝网络的代码迁移方法，其特征在于，具体如下：
(1)初始化移动端网络，各终端发送自身硬件信息至各终端的相邻终端；其中，硬件信息为影响当前迁移策略决策的一个状态集，包括当前各终端的蜂窝网络开/闭情况、数据传输能力、传输单位数据所消耗的能量、各终端的相邻关系以及需要执行的任务的计算量；
(2)判断是否所有终端已关闭蜂窝网络，若是，则执行步骤(9)；若否，则执行步骤(3)；
(3)根据本地网络端终端设备的硬件信息以及待确定的参数获取线性方程组，采用线性规划的方法得到适用于蜂窝网络的代码迁移策略；其中，将所有待确定的参数视为一个未知数，将所有终端的硬件信息视为已知数，得到线性方程组；
其中，代码迁移策略是指对本地网络端中各终端需要执行的任务的迁移方案，对各终端而言，其任务总比率为1，迁移方案给出了通过相邻终端传输的数据比率、通过云对端传输的数据比率、直接本地执行的任务比率；
(4)根据代码迁移策略，从本地网络端蜂窝网络端口处于开启状态的终端中选择云对端传输的数据比率最小的终端，并关闭该终端设备的蜂窝网络端口；
(5)根据代码迁移策略，对各终端需执行的任务进行分发与处理：对于需要通过相邻终端传输的数据，将其通过端对端传输方式分发给相邻的数据聚合器，数据聚合器收集到所有相邻终端的碎片化数据后，集中传输给云平台端；对于需要本地执行的任务，则在数据本地处理模块直接执行该部分任务；对于需要由终端直接传输给云平台端的数据，则将这部分数据通过云对端传输方式发送给云平台端；
(6)分析当前情况下本地网络端所有终端设备执行完全部任务的总能耗；
(7)判断当前代码迁移策略下的总能耗是否小于前一次代码迁移策略下的总能耗；若是，则执行步骤(8)；若否，则执行步骤(9)；
(8)更新迁移系统中的代码迁移策略、总能耗，执行步骤(2)；
(9)输出代码迁移策略，完成代码迁移策略的最优化。
2.如权利要求1所述的代码迁移方法，其特征在于，步骤(5)所述任务分发与处理具体包括以下子步骤：
(5.1)根据代码迁移策略判断当前终端是否有任务需要迁移，若是，则确定所迁移任务的比率，并执行步骤(5.2)；若否，则执行步骤(5.8)；
(5.2)判断当前终端蜂窝网络端口是否处于开启状态，若是，则执行步骤(5.3)；若否，则执行步骤(5.5)；
(5.3)接收相邻终端发送过来的数据，并将数据进行聚合；
(5.4)根据代码迁移策略和本地网络端终端相邻关系判断是否已接收到所有相邻终端所需发送到云端的数据，若是，则执行步骤(5.7)；若否，则执行步骤(5.3)；
(5.5)将需要迁移的任务比率通过端对端传输方式发送给相邻的数据聚合器；
(5.6)根据代码迁移策略判断是否已将所有需要迁移的任务发送给了相邻的数据聚合器，若是，则执行步骤(5.8)；若否，则执行步骤(5.5)；
(5.7)将所有接收到的其他相邻终端的数据以及自身需要发送的数据聚合之后集中传输到云平台端，以减少长尾能耗出现的次数；
(5.8)根据代码迁移策略，处理需要本地执行的任务。
3.一种适用于蜂窝网络的代码迁移系统，用于在有多个终端的本地网络端场景中减少蜂窝网络下代码迁移的能耗；其特征在于，包括网络分析模块、网络处理模块、数据分发处理模块和能耗分析模块；
所述网络分析模块位于本地网络端，用于分析本地网络端所有终端设备的硬件信息；并根据硬件信息采用线性规划的方法获取适用于蜂窝网络的代码迁移策略；
所述网络处理模块用于根据代码迁移策略，从本地网络端蜂窝网络端口处于开启状态的终端中找出云对端传输数据比率最少的终端，关闭该终端设备的蜂窝网络端口；
所述数据分发处理模块用于根据代码迁移策略对各终端任务进行分发与处理；
所述能耗分析模块用于分析当前情况下本地网络端所有终端设备执行全部任务的总能耗，并判断当前代码迁移策略下的总能耗是否小于前一次代码迁移策略下的总能耗。
4.如权利要求3所述的系统，其特征在于，所述数据分发处理模块包括并列的端对端数据传输模块、数据本地处理模块和云对端数据传输模块；
所述端对端数据传输模块用于根据迁移策略确定终端之间的数据分发方案,将需要通过端对端传输方式传输的数据分发到相邻的数据聚合器；其中，数据聚合器是指本地网络端中的网速更快的终端；
所述数据本地处理模块用于根据迁移策略执行需要在本地终端执行的任务；
所述云对端数据传输模块用于根据迁移策略确定本地网络端与云平台端间的数据分发方案，将需要由终端直接传输给云平台端的数据通过云对端传输方式发送给云平台端。
CN201510182534.5A 2015-04-16 2015-04-16 一种适用于蜂窝网络的代码迁移方法及系统 Active CN104822175B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510182534.5A CN104822175B (zh) 2015-04-16 2015-04-16 一种适用于蜂窝网络的代码迁移方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510182534.5A CN104822175B (zh) 2015-04-16 2015-04-16 一种适用于蜂窝网络的代码迁移方法及系统

Publications (2)

Publication Number Publication Date
CN104822175A true CN104822175A (zh) 2015-08-05
CN104822175B CN104822175B (zh) 2018-04-10

Family

ID=53732309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510182534.5A Active CN104822175B (zh) 2015-04-16 2015-04-16 一种适用于蜂窝网络的代码迁移方法及系统

Country Status (1)

Country Link
CN (1) CN104822175B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106982264A (zh) * 2017-05-16 2017-07-25 华中科技大学 基于移动云环境下代码迁移的终端节能方法及系统
WO2017128702A1 (zh) * 2016-01-27 2017-08-03 中兴通讯股份有限公司 应用的移动性的处理方法及装置
CN107436811A (zh) * 2017-07-07 2017-12-05 广东工业大学 移动云问题中涉及任务调度的任务迁移方法
CN107967170A (zh) * 2017-11-30 2018-04-27 深圳先进技术研究院 迁移计算方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070025381A1 (en) * 2005-07-29 2007-02-01 Jay Feng Method and apparatus for allocating processing in a network
CN101448326A (zh) * 2008-12-18 2009-06-03 清华大学 一种数据访问方法
CN103412635A (zh) * 2013-08-02 2013-11-27 清华大学 数据中心节能方法及装置
CN103731484A (zh) * 2013-12-25 2014-04-16 华中科技大学 一种面向移动云计算的节能传输方法及中间件系统
CN104519106A (zh) * 2013-10-08 2015-04-15 中兴通讯股份有限公司 一种任务迁移方法及网络控制器

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070025381A1 (en) * 2005-07-29 2007-02-01 Jay Feng Method and apparatus for allocating processing in a network
CN101448326A (zh) * 2008-12-18 2009-06-03 清华大学 一种数据访问方法
CN103412635A (zh) * 2013-08-02 2013-11-27 清华大学 数据中心节能方法及装置
CN104519106A (zh) * 2013-10-08 2015-04-15 中兴通讯股份有限公司 一种任务迁移方法及网络控制器
CN103731484A (zh) * 2013-12-25 2014-04-16 华中科技大学 一种面向移动云计算的节能传输方法及中间件系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017128702A1 (zh) * 2016-01-27 2017-08-03 中兴通讯股份有限公司 应用的移动性的处理方法及装置
CN106982264A (zh) * 2017-05-16 2017-07-25 华中科技大学 基于移动云环境下代码迁移的终端节能方法及系统
CN107436811A (zh) * 2017-07-07 2017-12-05 广东工业大学 移动云问题中涉及任务调度的任务迁移方法
CN107967170A (zh) * 2017-11-30 2018-04-27 深圳先进技术研究院 迁移计算方法、装置、设备及存储介质
CN107967170B (zh) * 2017-11-30 2020-11-10 深圳先进技术研究院 迁移计算方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN104822175B (zh) 2018-04-10

Similar Documents

Publication Publication Date Title
CN108809695B (zh) 一种面向移动边缘计算的分布上行链路卸载策略
CN111475274B (zh) 云协同多任务调度方法及装置
Geng et al. Energy-efficient computation offloading in cellular networks
Yu et al. Pre-migration of vehicle to network services based on priority in mobile edge computing
CN103294521B (zh) 一种降低数据中心通信负载及能耗的方法
CN113286329B (zh) 基于移动边缘计算的通信和计算资源联合优化方法
US11968122B2 (en) Joint optimization method and system for delay and spectrum occupation in cloud-edge collaborative network
CN111274035A (zh) 边缘计算环境下的资源调度方法、装置和计算机设备
CN110489176B (zh) 一种基于装箱问题的多接入边缘计算任务卸载方法
Chakraborty et al. Sustainable task offloading decision using genetic algorithm in sensor mobile edge computing
Li Resource optimization scheduling and allocation for hierarchical distributed cloud service system in smart city
Panigrahi et al. EEOA: Improving energy efficiency of mobile cloudlets using efficient offloading approach
Ren et al. Collaborative edge computing and caching with deep reinforcement learning decision agents
Munir et al. Intelligent service fulfillment for software defined networks in smart city
Wang et al. Dynamic offloading scheduling scheme for MEC-enabled vehicular networks
CN104822175A (zh) 一种适用于蜂窝网络的代码迁移方法及系统
CN103841647A (zh) 基于基站资源池的多粒度可伸缩封装装置和方法
CN112235387B (zh) 一种基于能量消耗最小化的多节点协作计算卸载方法
Tham et al. A load balancing scheme for sensing and analytics on a mobile edge computing network
Wang et al. Joint offloading decision and resource allocation in vehicular edge computing networks
Rzepka et al. SDN-based fog and cloud interplay for stream processing
Ravi et al. Mobility managed energy efficient Android mobile devices using cloudlet
Laroui et al. Virtual mobile edge computing based on IoT devices resources in smart cities
CN103731484B (zh) 一种面向移动云计算的节能传输方法及中间件系统
Van Le et al. An optimization-based approach to offloading in ad-hoc mobile clouds

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant