CN105100500B - 基于移动云计算的临界数据卸载方法 - Google Patents
基于移动云计算的临界数据卸载方法 Download PDFInfo
- Publication number
- CN105100500B CN105100500B CN201510543581.8A CN201510543581A CN105100500B CN 105100500 B CN105100500 B CN 105100500B CN 201510543581 A CN201510543581 A CN 201510543581A CN 105100500 B CN105100500 B CN 105100500B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- data
- mfrac
- mobile terminal
- 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.)
- Expired - Fee Related
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于移动通信领域,尤其涉及移动云计算数据卸载。基于移动云计算的临界数据卸载方法,首先通过计算出云端虚拟机的运算能力,从而确定能否将数据传输到云端进行处理。而后,在截止时间已知的条件下,又通过蒙特卡罗估计方法,来估计临界数据量阈值,选择出最优的执行策略。本发明相比于只在手机端和云端进行选择处理,可以使得手机消耗的能量最小。
Description
技术领域
本发明属于移动通信领域,尤其涉及移动云计算数据卸载。
背景技术
随着云计算技术的不断发展,云计算的应用领域越来越广泛。同时,智能手机时代的到来,移动终端受制于受电池容量和材料等原因,移动设备的续航能力不足对于手机的发展和体验是个不小的瓶颈。云计算技术的应用,能够将终端的数据量计算发送到云端服务器上处理,再将处理后的数据返回终端,从而节省移动设备的电量。
为了解决这个问题,目前优化的研究点是:1)在离线状态下,通过固定的传输速率和传输功率,调度数据的执行方案;2)在动态实时的情况下,通过对任务进行实时的调度,选择最优传输方案。
发明内容
本发明针对现有技术的不足,提出在动态实时的情况下,在移动应用的截止时间内,基于临界数据阈值的方法,通过蒙特卡罗模拟的方法,估计出临界阈值,从而选择最优的调度策略,相比于只在手机端和云端进行选择处理,可以使得手机消耗的能量最小。
为了方便的描述本发明的内容,首先对本发明所使用的属于进行介绍:
截止时间:移动终端处理数据,应用程序等待完成的最短时间T;
云端运算能力:衡量云端虚拟机运算的指标γ;
传输功率:包含移动端从云端发送功率Ptp和接收功率Prp;
临界阈值:一个数据量临界切换值,根据这个值来选择执行策略;
速率:包含移动端传输速率Rts和接收速率Rrs。
本发明的技术方案为:
本发明首先通过计算出云端虚拟机的运算能力,从而确定能否将数据传输到云端进行处理。而后,在截止时间已知的条件下,又通过蒙特卡罗估计方法,来估计临界数据量阈值,选择出最优的执行策略。
基于移动云计算的临界数据卸载方法,包括如下步骤:
S1、移动终端开始执行移动程序,所述移动终端测量出需要执行的总的数据量的大小为λ;
S2、计算数据能够在云端卸载的最低运算指标其中,表示数据能够在云端卸载的最低运算指标,FX(ρ)为关于X的分布函数,X的概率密度函数为所述f(w)服从Gamma分布,α、β为能耗因子,f为移动终端CPU的频率,U为移动终端CPU的上电电压,k表示CPU有效电容参数,k=10-11,参数ρ=0.995表示数据执行成功的概率,X满足W=LX,L表示CPU处理的数据量大小,W表示CPU处理L大小的数据量所需的周期数;
S3、若S2所述则转入S6,任务数据在移动端执行,若S2所述则转入S4,其中,γ为云端的运算能力;
S4、在不同的截止时间内,估计临界数据切换阈值
S5、选择最优的数据传输策略,若时,进入S6,若时,进入S7;
S6、任务数据都在移动端执行,并进入S8,消耗的能量为
S7、任务数据在移动端和云端并行执行,并进入S8,即将数据量分为两部分,在移动端执行的数据量为λm,在云端执行的数据量为λsend,其中,λm=λ-λsend,消耗的能量为
S8、数据执行完成,返回S1更新需要处理的数据量λ,重新选择最优的执行策略。
进一步地,S4所述估计临界数据切换阈值采用蒙特卡罗估计方法,具体为:
S41、ELocal=EC,其中,表示在截止时间内移动端消耗的能量,
表示分别在移动端处理和云端处理所消耗的总能量,x表示在区间[0,n]内的一个随机变量整数,即表示单位时间内执行成功的数据量大小,Φ(x)表示数据执行成功的累积分布函数,所述Φ(x)可以根据历史数据统计得到,Δλ表示将数据量分为n份,每一份的数据量大小,λreceive表示移动端接收到云端的数据量,n∈[0,n*],且j表示在每一份数据量在区间内的能耗因子,j∈[1,x],且j为正整数;
S42、根据S41所述ELocal=EC解出
进一步地,S2所述α=4,β=200。
本发明的有益效果是:
本发明与现有的云计算卸载方法相比,更加适用于未来实时动态的云计算架构,采用数据量临界阈值的估计方法,经过仿真验证,使用最优执行策略的能耗要更小。
附图说明
图1是移动云计算数据卸载系统框图。
图2是数据并行处理框图。
图3是通过三种方案处理数据量的能耗对比图。
具体实施方式
下面结合实施例和附图,详细说明本发明的技术方案。
以无线传感器在体域网的应用为例,移动云计算数据卸载系统框图如图1所示。
假设的条件如下:
执行的数据量为λ,λ的取值范围是0~30Mbits,仿真中假设的数据包的量有102,移动端的传输速率和传输功率都是按照4G(FDD-LTE)的标准,移动端采用高通1GHz,2G内存的CPU架构,截止时间分为三种情况,分别是10ms,30ms和50ms。
实施例:
步骤1、移动终端开始执行移动程序。此时,终端可以测量出需要执行的总的数据量的大小为λ。
步骤2、计算云端运算执行指标。数据要在云端执行,云端的运算能力γ须满足其中,表示数据能够在云端卸载的最低运算指标,FX(ρ)表示关于X的分布函数,X的概率密度函数为该函数服从Gamma分布,α、β为因子,f、U分别表示移动终端CPU的频率和上电电压。
通过上式计算出值,与云端γ值进行比较。若云端的运算能力γ小于最低指标则跳到步骤5,任务数据在移动端执行;若云端的运算能力γ大于等于最低指标否则进入步骤3。
步骤3、估计临界数据切换阈值。利用蒙特卡罗估计方法,对数据量阈值进行估计。
ELocal=EC,其中,ELocal表示在截止时间内移动端消耗的能量,EC表示将数据在移动端处理和云端处理消耗的总能量, Φ(x)表示数据执行成功的累积分布函数,可以根据历史数据统计得到,Δλ表示将数据量分为n份,每一份的数据量大小,λreceive表示移动端接收到云端的数据量。由ELocal=EC,可以解得数据量切换阈值对截止时间10ms,30ms和50ms,的值分别是0.8×106bits,1.02×106bits和1.5×106bits。
步骤4、选择最优的数据传输策略。当时,进入步骤5,当时,进入步骤6。
步骤5、任务数据都在移动端执行,并进入步骤7。
步骤6、任务数据在移动端和云端并行执行,并进入步骤7。即将数据量分为两部分,一部分在移动端执行的数据量为λm,一部分在云端执行的数据量为λsend,λm=λ-λsend。
步骤7、数据执行完成,返回步骤1。更新需要处理的数据量λ,重新选择最优的执行策略。
Claims (3)
1.基于移动云计算的临界数据卸载方法,其特征在于,包括如下步骤:
S1、移动终端开始执行移动程序,所述移动终端测量出需要执行的总的数据量的大小为λ;
S2、计算数据能够在云端卸载的最低运算指标其中,表示数据能够在云端卸载的最低运算指标,FX(ρ)为关于X的分布函数,X的概率密度函数为所述f(w)服从Gamma分布,α、β为能耗因子,f为移动终端CPU的频率,U为移动终端CPU的上电电压,k表示CPU有效电容参数,k=10-11,参数ρ=0.995表示数据执行成功的概率,X满足W=LX,L表示CPU处理的数据量大小,W表示CPU处理L大小的数据量所需的周期数,Ptp表示移动端从云端的发送功率,Prp表示移动端从云端的接收功率;
S3、则转入S6,任务数据在移动端执行,则转入S4,其中,γ为云端的运算能力;
S4、在不同的截止时间内,估计临界数据切换阈值
S5、选择最优的数据传输策略,若时,进入S6,若时,进入S7;
S6、任务数据都在移动端执行,并进入S8,消耗的能量为
S7、任务数据在移动端和云端并行执行,并进入S8,即将数据量分为两部分,在移动端执行的数据量为λm,在云端执行的数据量为λsend,其中,λm=λ-λsend,消耗的能量为λreceive表示移动端接收到云端的数据量,Rrs表示移动端接收速率;
S8、数据执行完成,返回S1更新需要处理的数据量λ,重新选择最优的执行策略。
2.根据权利要求1所述的基于移动云计算的临界数据卸载方法,其特征在于:S4所述估计临界数据切换阈值采用蒙特卡罗估计方法,具体为:
S41、ELocal=EC,其中,表示在截止时间内移动端消耗的能量,
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mi>C</mi>
</msub>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>x</mi>
</munderover>
<mi>&Phi;</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>x</mi>
<mi>&Delta;</mi>
<mi>&lambda;</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>KU</mi>
<mn>2</mn>
</msup>
<msubsup>
<mi>F</mi>
<mi>X</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>(</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>x</mi>
</munderover>
<mi>&Phi;</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>x</mi>
<mi>&Delta;</mi>
<mi>&lambda;</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<mi>f</mi>
</mfrac>
<msubsup>
<mi>F</mi>
<mi>X</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>(</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>c</mi>
<mi>e</mi>
<mi>i</mi>
<mi>v</mi>
<mi>e</mi>
</mrow>
</msub>
<msub>
<mi>R</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
</mfrac>
</mrow>
<mrow>
<mfrac>
<mn>1</mn>
<msub>
<mi>R</mi>
<mrow>
<mi>t</mi>
<mi>s</mi>
</mrow>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>&gamma;fF</mi>
<mi>X</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mi>f</mi>
</mfrac>
<msubsup>
<mi>F</mi>
<mi>X</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<msup>
<mi>kU</mi>
<mn>2</mn>
</msup>
<msubsup>
<mi>F</mi>
<mi>X</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>(</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>R</mi>
<mrow>
<mi>t</mi>
<mi>s</mi>
</mrow>
</msub>
</mfrac>
<mo>-</mo>
<mfrac>
<msub>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mi>e</mi>
<mi>n</mi>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>&gamma;F</mi>
<mi>X</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
<mi>f</mi>
</mrow>
</mfrac>
<mo>)</mo>
<mo>+</mo>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>c</mi>
<mi>e</mi>
<mi>i</mi>
<mi>v</mi>
<mi>e</mi>
</mrow>
</msub>
<msub>
<mi>R</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
表示分别在移动端处理和云端处理所消耗的总能量,x表示在区间[0,n]内的一个随机变量整数,即表示单位时间内执行成功的数据量大小,Φ(x)表示数据执行成功的累积分布函数,所述Φ(x)可以根据历史数据统计得到,Δλ表示将数据量分为n份,每一份的数据量大小,λreceive表示移动端接收到云端的数据量,n∈[0,n*],且j表示在每一份数据量在区间内的能耗因子,j∈[1,x],且j为正整数;
S42、根据S41所述ELocal=EC解出
3.根据权利要求1所述的基于移动云计算的临界数据卸载方法,其特征在于:S2所述α=4,β=200。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510543581.8A CN105100500B (zh) | 2015-08-31 | 2015-08-31 | 基于移动云计算的临界数据卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510543581.8A CN105100500B (zh) | 2015-08-31 | 2015-08-31 | 基于移动云计算的临界数据卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105100500A CN105100500A (zh) | 2015-11-25 |
CN105100500B true CN105100500B (zh) | 2017-11-03 |
Family
ID=54579994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510543581.8A Expired - Fee Related CN105100500B (zh) | 2015-08-31 | 2015-08-31 | 基于移动云计算的临界数据卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105100500B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105516281A (zh) * | 2015-11-30 | 2016-04-20 | 武汉理工大学 | 基于移动云环境低能耗和负载均衡的计算迁移方法和装置 |
CN105843685A (zh) * | 2016-03-17 | 2016-08-10 | 哈尔滨理工大学 | 基于任务分配的移动终端计算卸载方法 |
CN105893083B (zh) * | 2016-03-29 | 2019-06-11 | 华中科技大学 | 云环境下基于容器的移动代码卸载支撑系统及其卸载方法 |
CN106900011B (zh) * | 2017-02-28 | 2020-04-07 | 重庆邮电大学 | 一种基于mec的蜂窝基站间任务卸载方法 |
CN107454136B (zh) * | 2017-06-12 | 2019-12-27 | 北京邮电大学 | 一种基于端到端p2p的计算卸载方法、装置及控制设备 |
US20190047581A1 (en) * | 2017-08-14 | 2019-02-14 | GM Global Technology Operations LLC | Method and apparatus for supporting mission-critical applications via computational cloud offloading |
CN108494855A (zh) * | 2018-03-26 | 2018-09-04 | 安徽笛申科技有限公司 | 一种基于本地化和云平台同步的SaaS负载均衡方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102238230A (zh) * | 2010-05-07 | 2011-11-09 | 美国博通公司 | 用于在云计算中卸载隧道数据包的方法和系统 |
CN103281350A (zh) * | 2013-04-18 | 2013-09-04 | 百度在线网络技术(北京)有限公司 | 移动终端及其应用程序的管理方法、系统和云端服务器 |
CN104158855A (zh) * | 2014-07-24 | 2014-11-19 | 浙江大学 | 基于遗传算法的移动服务组合计算卸载方法 |
EP2819052A1 (fr) * | 2013-06-25 | 2014-12-31 | Orange | Procédé et serveur de traitement d'une requête d'accès d'un terminal à une ressource informatique |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9251115B2 (en) * | 2013-03-07 | 2016-02-02 | Citrix Systems, Inc. | Dynamic configuration in cloud computing environments |
US9130831B2 (en) * | 2013-11-07 | 2015-09-08 | International Business Machines Corporation | Streaming state data for cloud management |
-
2015
- 2015-08-31 CN CN201510543581.8A patent/CN105100500B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102238230A (zh) * | 2010-05-07 | 2011-11-09 | 美国博通公司 | 用于在云计算中卸载隧道数据包的方法和系统 |
CN103281350A (zh) * | 2013-04-18 | 2013-09-04 | 百度在线网络技术(北京)有限公司 | 移动终端及其应用程序的管理方法、系统和云端服务器 |
EP2819052A1 (fr) * | 2013-06-25 | 2014-12-31 | Orange | Procédé et serveur de traitement d'une requête d'accès d'un terminal à une ressource informatique |
CN104158855A (zh) * | 2014-07-24 | 2014-11-19 | 浙江大学 | 基于遗传算法的移动服务组合计算卸载方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105100500A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105100500B (zh) | 基于移动云计算的临界数据卸载方法 | |
Sung et al. | Electrochemical model of a lithium-ion battery implemented into an automotive battery management system | |
Wang et al. | The effect of local current density on electrode design for lithium-ion batteries | |
CN109245135A (zh) | 电池储能参与电网削峰填谷调度的方法及装置 | |
CN102004670A (zh) | 一种基于MapReduce的自适应作业调度方法 | |
CN104899103A (zh) | 一种移动云计算终端节能调度方法和装置 | |
CN104767833B (zh) | 一种移动终端的计算任务的云端转移方法 | |
CN109510869A (zh) | 一种基于边缘计算的物联网服务动态卸载方法及装置 | |
Jones et al. | Fluid queue models of battery life | |
Soni et al. | Reducing the data transmission in WSNs using time series prediction model | |
CN110061924A (zh) | 一种报文转发方法、装置及相关产品 | |
CN103455375A (zh) | Hadoop云平台下基于负载监控的混合调度方法 | |
CN116470543A (zh) | 一种虚拟电厂的运行控制方法、装置、设备及介质 | |
CN105978058B (zh) | 充换电站充电效率的计算方法和装置 | |
CN108170523A (zh) | 一种移动云计算的随机任务序列调度方法 | |
CN103580922A (zh) | 一种基于混合优化的电力通信网络应用服务器过载控制方法 | |
Dasika et al. | A framework for battery-aware sensor management | |
US10718800B2 (en) | Method for determining and optimising the energy consumption of a production system | |
Nataf et al. | Online estimation of battery lifetime for wireless sensors network | |
CN104933110A (zh) | 一种基于MapReduce的数据预取方法 | |
Chetto et al. | Real-time scheduling for energy harvesting sensors | |
CN112001571B (zh) | 一种基于马尔科夫链的区块链性能分析方法及装置 | |
Dai et al. | A non-cooperative game algorithm for task scheduling in wireless sensor networks | |
Huasong et al. | Control of a self-assembly modular robot system over a wireless ZigBee network | |
Nataf et al. | Accurate online estimation of battery lifetime for wireless sensors network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171103 Termination date: 20200831 |
|
CF01 | Termination of patent right due to non-payment of annual fee |