CN108376099A - 一种优化时延与能效的移动终端计算迁移方法 - Google Patents
一种优化时延与能效的移动终端计算迁移方法 Download PDFInfo
- Publication number
- CN108376099A CN108376099A CN201810041237.2A CN201810041237A CN108376099A CN 108376099 A CN108376099 A CN 108376099A CN 201810041237 A CN201810041237 A CN 201810041237A CN 108376099 A CN108376099 A CN 108376099A
- Authority
- CN
- China
- Prior art keywords
- computation
- module
- mobile terminal
- migration
- computation module
- 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
Links
- 238000013508 migration Methods 0.000 title claims abstract description 108
- 230000005012 migration Effects 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000005265 energy consumption Methods 0.000 claims abstract description 25
- 230000005540 biological transmission Effects 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 19
- 230000015572 biosynthetic process Effects 0.000 claims description 11
- 238000003786 synthesis reaction Methods 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 230000001617 migratory effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 230000007704 transition Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 3
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- AZFKQCNGMSSWDS-UHFFFAOYSA-N MCPA-thioethyl Chemical compound CCSC(=O)COC1=CC=C(Cl)C=C1C AZFKQCNGMSSWDS-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/34—Network arrangements or protocols for supporting network services or applications involving the movement of software or configuration parameters
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种优化时延与能效的移动终端计算迁移方法,该方法面向LTE应用,首先建立无线终端的计算迁移模型;在此基础上,构造迁移代价函数;最后,以减小时延与减小能耗为约束条件,通过分析应用程序的需求、移动终端计算能力及无线信道速率,合理实施计算迁移,达到综合优化移动终端运行时延与能耗的目标。本发明能够综合优化移动终端的计算能力与电池的续航能力,将适合计算迁移的组件通过无线信道传送到云端的远程服务器,利用远程服务器强大的计算能力,扩展移动终端的资源,提升移动终端的综合处理能力,减少本地的计算时延与能源消耗;仿真结果表明,本发明方法能够显著减小时延并提高能效。
Description
技术领域
本发明属于通信领域,涉及资源受限的移动终端计算迁移技术,具体涉及一种优化时延与能效的移动终端计算迁移方法,可用于在LTE应用环境下移动终端运行时延与能耗的优化。
背景技术
随着移动互联网的发展,智能移动终端的使用数量迅速增加。当前的移动终端配备了丰富的传感器和更高的屏幕分辨率,并能以更快的速率传输数据。移动应用程序的成熟度从执行基本计算的应用程序发展到3D游戏、高清视频流服务、图像处理、语音识别和增强现实应用程序。然而,由于尺寸和重量的约束,移动终端在计算能力、存储能力、电池续航能力等方面受到限制,这些都可能阻碍移动终端发展成为媒体消费设备。
为了提升移动终端的续航能力、保证实时应用低延迟的要求,计算迁移技术日益引人关注。计算迁移是指移动终端将本地执行的任务通过无线信道传送到云端的远程服务器,利用远程服务器强大的计算能力,扩展移动终端的资源,为移动终端提供高效的计算服务。
移动终端的计算迁移首先要通过上行信道上传迁移数据,然后等待远程计算结果、最后在下行信道接收远程服务器返回的计算结果。这要求终端必须保持与远程服务器通信的数据连接,因此会消耗宝贵的电量。为了理解计算迁移的全部收益,应在确保减小应用程序计算时延的同时,充分考虑无线通信所带来的能耗增加与避免本地计算所节省的能量之间的折衷。在无线可变信道条件下,如何在任务的计算量、时延敏感性、能源消耗、无线信道带宽等诸多要素条件下决策计算实施迁移,以及具体迁移哪些数据,这具有很大挑战性。
近年来,有关学者提出了几种用于解决移动终端的资源可用性和可持续性问题的迁移机制。例如,在间歇性可用的云服务器条件下,采用基于马尔可夫决策过程MDP(MarkovDecision Process,MDP)方法辅助决策的能效的动态计算迁移方法;基于李雅普诺夫优化方法进行在线传输决策,目标是减小移动终端的能量消耗;采用合作博弈和非合作博弈的方法,解决分布式计算迁移问题;简单通用的“强制”计算迁移方法,等等。尽管在当前已有的方法已经在克服移动终端的能耗、提升移动终端的处理能力方面取得进展,但是毫无疑问,目前的研究方案在灵活控制实施计算迁移组件、综合考虑移动终端的能效与应用程序的时延敏感性、以及无线信道带宽的可变性等方面尚有明显不足。
发明内容
本发明针对现有技术中存在的问题,提出一种综合优化时延与能效的移动终端计算迁移方法及系统,在综合考虑任务计算量、时延敏感性、能源消耗、无线信道带宽等诸多要素条件下,决策计算实施迁移,以减少移动终端运行任务所需的时间,延长移动终端的电池寿命,提高计算性能,达到合理实施计算迁移的目的。
为了实现上述任务,本发明采用以下技术方案:
一种综合优化时延与能效的移动终端迁移方法,包括以下步骤:
步骤一,对于移动终端的应用程序,将应用程序的代码分解成多个计算组件,根据计算组件之间的关联,获取每个计算组件以及与该计算组件相关的关联计算组件的参数;
步骤二,构建用于评判所述计算组件迁移代价的迁移代价函数,并根据所述的迁移代价函数构造目标函数;
步骤三,对于每一个计算组件,获取减小计算时延的计算迁移条件以及提高能效的计算迁移条件;
步骤四,将减小移动终端的运行时延、提高能效转化为多约束条件的最优化问题并求解,根据求解结果实施迁移决策;
步骤五,应用程序将移动终端的本地计算产生的结果以及远程服务器的计算结果合成为应用程序的输出结果。
进一步地,获取每个计算组件以及与该计算组件相关的关联计算组件的属性,包括:
(1)获取计算组件的代码规模大小
设移动终端的应用程序的代码分解成n个计算组件,表示为M1,M2,…,Mn,对于一个具体计算组件Mi,获取Mi的代码大小为Codei,i∈[1,n];
(2)获取关联计算组件的传输代码规模大小、发送代码规模大小、接收代码规模的大小
记计算迁移过程中共有k个关联计算组件,k∈[1,2,…n],迁移任何一个计算组件i需要上述k个关联计算组件中的0-k个支持;设所述k个关联计算组件的传输代码规模大小分别为:tr1,tr2,…,trk;发送代码规模大小分别为:Send1,Send2,…,Sendk,接收代码规模大小分别为Rec1,Rec2,…,Reck。
进一步地,步骤二中所述的代价函数表示为:
上式中,向量(x1,x2,…,xn)表示计算组件的标记矢量,其中xi=0表示计算组件Mi在本地执行,xi=1表示计算组件Mi在远程服务器上执行。
进一步地,步骤二中所述的目标函数表示为:
进一步地,步骤三中所述的减小计算时延的计算迁移条件的获取方法包括:
步骤3.1,求解计算组件在本地执行所需时间tlocal;
步骤3.2,求解计算组件在执行计算迁移所需时间toffload;
步骤3.3,获取减小计算时延的计算迁移条件,即Th1=tlocal-toffload>0。
进一步地,步骤三中所述的提高能效的计算迁移条件的获取方法包括:
步骤3.4,求解计算组件在本地计算时的能耗Elocal;
步骤3.5,求解计算组件从本地迁移到远程服务器所需的能耗Eoffload;
步骤3.6,获取提高能效的计算迁移条件,即Th2=Elocal-Eoffload>0。
进一步地,步骤四中所述的最优化问题P表示为:
一种优化时延与能效的移动终端迁移系统,包括移动终端与远程服务器集群;
所述的移动终端包括依次连接的计算组件分解模块、组件迁移代价评估模块、无线信道带宽评估模块、服务器信息收集模块,所述的无线信道带宽评估模块上还依次连接有迁移决策模块、迁移执行模块以及结果合成模块,其中:
所述的计算组件分解模块用于将应用程序代码分解成各个计算组件;
所述的服务器信息收集模块用于收集远程服务器的系统信息和状态信息;
所述的无线信道带宽评估模块用于根据收集到的无线信号质量测算无线信道的带宽、接受速率和发送速率;
所述的组件迁移代价评估模块用于根据无线信道的带宽、接收速率和发送速率、远程服务器的系统信息,计算各个所述计算组件的迁移代价;
所述的迁移决策模块用于根据各个计算组件的迁移代价、无线信道的带宽、接收速率和发送速率、远程服务器的系统信息,决定是否将计算组件迁移到远程服务器进行计算;
所述的迁移执行模块用于接收迁移决策模块的输出,并根据迁移决策模块的决策将需要迁移的计算组件及其关联计算组件发送给远程服务器;
所述的结果合成模块用于将本地执行的计算结果与迁移到远程服务器进行计算的结果合成,产生应用程序的最终输出;
所述的远程服务器集群包括由多个远程服务器连接组成的计算机。
本发明与现有技术相比具有以下技术特点:
1.本发明能够综合优化移动终端的计算能力与电池的续航能力,将适合计算迁移的模块通过无线信道传送到云端的远程服务器,利用远程服务器强大的计算能力,扩展移动终端的资源,提升移动终端的综合处理能力,减少本地的计算时延与能源消耗。
2.本发明能够灵活处理应用程序包含多个不同属性模块的情况,将适合计算迁移的模块迁移到云端远程服务器,其余的模块在本地执行,最后将远程服务器返回的计算结果与本地的计算结果合成为应用程序的最终输出结果。
3.本发明考虑到任务的计算量、时延敏感性、能源消耗、无线信道带宽等诸多要素构造计算迁移代价函数,并将其转换成最优化问题,通过整数线性规划ILP(IntegerLinear Programming,ILP)算法求解出最优解。
附图说明
图1为本发明计算迁移模型图;
图2是采用隐形枚举法求解流程图;
图3是本发明方法优化时延与能效的计算迁移方法流程图;
图4本发明方法的计算结果合成工作过程示意图;
图5是执行本发明方法与本地执行的处理时延对比图;
图6是执行本发明与本地执行的能量消耗对比图。
具体实施方式
本发明公开了一种综合优化时延与能效的移动终端迁移方法,包括以下步骤:
步骤一,对于移动终端的应用程序,将应用程序的代码分解成多个计算组件,根据计算组件之间的关联,获取每个计算组件以及与该计算组件相关的组件的属性;
本发明所述的移动终端,可以是例如手机、平板电脑等;所述的应用程序是指安装在移动终端上的程序,本方法首先对应用程序的代码分解成各个基本组件,本发明将这些基本组件称为计算组件。以安卓操作系统为例,安卓操作系统下应用程序的基本组件单元主要包括6类:Activities(活动)、Service(服务)、Content(内容)、Intent(意图)、Broadcast Receiver(广播接收器)、Notification(通知),这6类组件是安卓应用程序的基石,应用程序代码的通过检查AndroidManifest.xml来识别应用程序的各个组件,而每一个计算组件中包含特定的代码段。
由于计算组件之间在逻辑或数据传递关系上不是相互独立的,因此对于每一个计算组件,需要找出与之相关的其他计算组件,将其称之为关联计算组件(关联计算组件也是应用程序所分解成的计算组件中的一个或多个),然后获取所述计算组件以及其关联计算组件的参数。其中计算组件的属性包括代码规模大小(代码长度,单位:字节);关联计算组件的属性包括传输代码规模大小、发送代码规模大小、接收代码规模大小,其中获取参数具体包括:
(1)获取计算组件的代码规模大小
设移动终端的应用程序的代码分解成n个计算组件,表示为M1,M2,…,Mn,对于一个具体计算组件Mi,获取Mi的代码大小为Codei,i∈[1,n];
(2)获取关联计算组件的传输代码规模大小、发送代码规模大小、接收代码规模的大小
关联计算组件发送代码规模大小是指发送一个关联计算组件的字节数;接收代码规模大小是指接收一个关联组件所对应的远程服务器返回结果的字节数;传输代码规模大小是指关联组件发送代码规模大小与关联计算组件接收代码规模大小之和。
假设计算迁移过程中共有k个关联计算组件,k∈[1,2,…n]。迁移任何一个计算组件i需要上述k个关联计算组件中的0-k个支持。设这k个关联计算组件的传输代码规模大小分别为:tr1,tr2,…,trk;发送代码规模大小分别为:Send1,Send2,…,Sendk,接收代码规模大小分别为Rec1,Rec2,…,Reck。
具体考察编号为k的关联计算组件。在安卓操作系统下,关联计算组件k的发送代码规模大小Sendk等于这个组件的代码规模大小Codek;关联计算组件k接收代码规模大小与Sendk有关,具体由应用程序类型和用户具体要求决定。例如,当应用程序进行计算机视觉识别应用时,接收代码规模大小Reck是发送代码规模大小Sendk的1倍至w倍,w由用户依照自己的精度需求预先设定。
步骤二,构建用于评判所述计算组件迁移代价的迁移代价函数,并根据所述的迁移代价函数构造目标函数。
通过本步骤的迁移代价函数,可以计算每个计算组件的迁移代价,以便于根据迁移代价的大小来判断计算组件是在本地(移动终端)执行,还是将该计算组件发送到远程服务器执行。目标函数则是以迁移代价函数为基础,用以计算使得迁移所付出的代价之和最小。具体过程如下:
步骤2.1,构造迁移代价函数
上式中,f表示迁移代价函数,Codei表示计算组件Mi的代码规模大小,n表示计算组件的数量;tr1,tr2,…,trk表示关联计算组件的传输代码规模大小,k表示关联计算组件的个数;向量(x1,x2,…,xn)表示计算组件的标记矢量,其中xi=0表示计算组件Mi在本地执行,xi=1表示计算组件Mi在远程服务器上执行。
步骤2.2,构造目标函数
计算组件迁移到远程服务器所需付出代价表示为远程执行计算的传输代价,这其中既包括传输计算组件所付出的代价,也应该包括为执行远程服务而必须传输所有计算组件的关联计算组件的代价。执行计算迁移应使得付出的所有代价之和最小。步骤2.1构建的迁移代价函数的后半部分表示不同组件的依赖关系,即一个组件的输出是另一个组件的输入。计算迁移应使得付出的所有代价之和最小,可据此构造计算迁移的目标函数minf:
步骤三,对于每一个计算组件,获取减小计算时延的计算迁移条件以及提高能效的计算迁移条件;具体包括以下步骤:
步骤3.1,求解计算组件在本地执行所需时间tlocal;
用tlocal表示本地运算所需要的时间,tlocal可以由在本地执行的指令数Ilocal与本地执行速率Rlocal的比值求出:
步骤3.2,求解计算组件在执行计算迁移所需时间toffload;
toffload包括:(i)远程服务器执行运算所需要的时间;(ii)发送迁移数据Dsend及附加数据Dadd的所需要的时间;(iii)移动终端接收远程服务器的计算结果所需要的时间。于是:
Dsend和Drec分别是发送计算组件的数据规模大小和接收远程服务器返回计算结果的数据大小(单位:字节);Dadd是发送关联计算组件的数据规模大小;Bsend和Brec分别是发送和接收数据时的带宽;Rremote是云服务器执行指令的速率;
其中:
步骤3.3,获取减小计算时延的计算迁移条件
为了实现时延最小化的目标,必须保证执行计算迁移需要的时间小于本地运行所需的时间,即Th1=tlocal-toffload>0;
步骤3.4,求解计算组件在本地计算时的能耗Elocal;
设本地能耗为Elocal,它可以表示为在本地执行的指令数Ilocal、本地执行速率Rlocal以及移动终端执行指令所需的功率Plocal的函数:
其中Plocal是移动终端本身的技术参数。
步骤3.5,求解计算组件从本地迁移到远程服务器所需的能耗Eoffload;
Eoffload包括:(i)等待迁移结果返回的等待能耗Ewait;(ii)传输迁移数据的能耗,包括发送能耗Esend和接收能耗Erec;(iii)传输附加数据(关联计算组件)所需的附加能耗Eadd:
Eoffload=Esend+Ewait+Erec+Eadd=Psend·(tsend+tadd)+Plocal·twait+Prec·trec,
其中,Psend是移动终端发送数据功率,Prec是接收数据时的功率,均为移动终端本身的技术指标参数。
步骤3.6,获取提高能效的计算迁移条件
为了实现能效优先的目标,必须保证计算组件从本地迁移到远程服务器所需要的能耗小于本地运行所需的能耗,即Th2=Elocal-Eoffload>0;
这里有:
其中,Ilocal表示本地执行的指令数。参考ARM体系结构每条指令占4个字节,有:
步骤四,将减小移动终端的运行时延、提高能效转化为多约束条件的最优化问题并求解,根据求解结果实施迁移决策。
步骤4.1,构建以减小移动终端的运行时延、提高能效为目标的问题,并将其转化为多约束条件的最优化问题P:
即:当将同时满足Th1=tlocal-toffload>0、Th2=Elocal-Eoffload>0、且使得目标代价函数f的值达到最小的计算组件及其关联计算组件迁移至远程服务器进行计算;不能同时满足上述条件就不进行计算迁移,而是在本地计算;
步骤4.2,求解问题P的最优化解(x1,x2,…,xn)
问题P属于0-1整数规划问题ILP(Integer Linear Programming,ILP)问题,我们采用隐形枚举法求解P的最优解(x1,x2,…,xn),算法流程如图2。
步骤4.3,实施迁移决策
依据(x1,x2,…,xn)实施迁移决策:对于最优化解(x1,x2,…,xn)矢量,xi值的数值决定是否将相对应的计算组件Mi以及其关联计算组件迁移到云端远程服务器,xi=1表示将计算组件Mi及其关联计算组件迁移到远程服务器上执行计算,xi=0表示计算组件Mi在本地执行;远程服务器将计算结果返回给移动终端;
步骤五,设Mi的计算结果为Ri,应用程序将本地计算产生的结果Ri(xi=0,i=0,1,…n)与云计算中心的远程服务器返回的计算结果Ri(xi=1,i=0,1,…n)合成为最终的应用程序输出结果。计算结果合成的工作过程示意图参见4。
本发明进一步提供了一种用于实现上述方法的系统,包括移动终端与远程服务器集群;
所述的移动终端包括依次连接的计算组件分解模块、组件迁移代价评估模块、无线信道带宽评估模块、服务器信息收集模块,所述的无线信道带宽评估模块上还依次连接有迁移决策模块、迁移执行模块以及结果合成模块,其中:
所述的计算组件分解模块用于将应用程序代码分解成各个计算组件;
所述的服务器信息收集模块用于收集远程服务器的系统信息和状态信息;
所述的无线信道带宽评估模块用于根据收集到的无线信号质量测算无线信道的带宽、接受速率和发送速率;
所述的组件迁移代价评估模块用于根据无线信道的带宽、接收速率和发送速率、远程服务器的系统信息,计算各个所述计算组件的迁移代价;
所述的迁移决策模块用于根据各个计算组件的迁移代价、无线信道的带宽、接收速率和发送速率、远程服务器的系统信息,决定是否将计算组件迁移到远程服务器进行计算;
所述的迁移执行模块用于接收迁移决策模块的输出,并根据迁移决策模块的决策将需要迁移的计算组件及其关联计算组件发送给远程服务器;
所述的结果合成模块用于将本地执行的计算结果与迁移到远程服务器进行计算的结果合成,产生应用程序的最终输出;
所述的远程服务器集群包括由多个远程服务器连接组成的计算机。
各模块协同工作过程如下:
计算组件分解模块接收终端应用程序代码,并将应用程序代码分解成计算组件;服务器信息收集模块接收无线信号,并从中提取远程服务器的基本状态信息,并将此信息发送给无线信道带宽评估模块和迁移决策模块;无线信道带宽评估模块接收无线信号,依据无线信号质量评估无线信道带宽、发送速率、接收速率,并将所掌握的所有信息发送给组件迁移代价评估模块和迁移决策模块;迁移决策模块接收组件迁移代价模块发送来的评估结果、无线信道带宽评估模块发送来的无线信道带宽、发送速率与接收速率,以及服务器状态收集模块发送来的远程服务器状态信息,执行本发明设计的计算迁移算法,决定是否将计算组件迁移到云端远程服务器;迁移执行模块接收迁移决策模块的输出,并依据决策模块的决策将需要迁移的组件发送给远程服务器;远程服务器通过无线信道接收移动终端发送来的迁移数据,计算出结果后返回给无线终端;无线终端的结果合成模块接收本地计算结果和远程服务器计算结果,合成后作为终端应用程序的最终输出结果。
本发明的效果可以通过以下仿真结果进一步说明:
1.仿真条件
采用具有LTE功能的NS-3网络仿真器来评估设计的无线终端的综合优化时延与能效的计算迁移方法在的性能。远程服务器使用Intel i7-3700k CPU,在主频3.9GHz的处理能力为105DMIPS,8GB RAM,运行Windows Server 2008操作系统;LTE移动终端采用三星Galaxy S5,使用高通Snapdragon-801CPU,在主频2.5GHz处理能力为3.3×104DMIPS,2GBRAM,操作系统Android 4.4。移动终端通过LTE eNB(Evolved Node B)接入网络,无线信道上、下行取相等带宽10MHz;移动终端执行的应用程序代码大小为0.2~2.0MByte(步长取0.2MByte),取上传指令数等于应用程序的字节数,即等于应用程序的长度。详细仿真参数如下表所示:
2.仿真内容
仿真1,分别在上述的网络仿真器中执行本发明方法与本地处理方法,根据得到的数据制成图5。图5表明,本发明公开的计算迁移方法能否获得更短的处理延迟与任务需要处理的数据量密切相关。当任务的数据量小于400KB时,执行时间的差异微乎其微;当任务的数据量大于400KB时,与本地处理相比,计算迁移总能取得更小的处理时延;当任务的数据量为2000KB时,执行计算迁移算法能够将处理时延减小28%。
仿真2,分别采用本发明方法与本地处理方法,用上述参数产生的NS-3网络仿真器进行计算迁移仿真,仿真中统计两种方法在不同数据长度下的能耗,根据得到的数据制成图6。图6表明,本发明公开的计算迁移方法能够获得明显的能效收益。具体来说,当任务的数据量小于100KB时,应用计算迁移与本地执行的时延几乎没有差别;当任务的数据量大于100KB时,与本地执行相比,执行计算迁移总能获取是更高的能效;当任务的数据量为2000KB时,执行计算迁移算法能够减小65%能耗,节能效果非常显著。
Claims (8)
1.一种优化时延与能效的移动终端计算迁移方法,其特征在于,包括以下步骤:
步骤一,对于移动终端的应用程序,将应用程序的代码分解成多个计算组件,根据计算组件之间的关联,获取每个计算组件以及与该计算组件相关的关联计算组件的参数;
步骤二,构建用于评判所述计算组件迁移代价的迁移代价函数,并根据所述的迁移代价函数构造目标函数;
步骤三,对于每一个计算组件,获取减小计算时延的计算迁移条件以及提高能效的计算迁移条件;
步骤四,将减小移动终端的运行时延、提高能效转化为多约束条件的最优化问题并求解,根据求解结果实施迁移决策;
步骤五,应用程序将移动终端的本地计算产生的结果以及远程服务器的计算结果合成为应用程序的输出结果。
2.如权利要求1所述的优化时延与能效的移动终端计算迁移方法,其特征在于,步骤一中所述的获取每个计算组件以及与该计算组件相关的关联计算组件的参数,包括:
(1)获取计算组件的代码规模大小
设移动终端的应用程序的代码分解成n个计算组件,表示为M1,M2,…,Mn,对于一个具体计算组件Mi,获取Mi的代码大小为Codei,i∈[1,n];
(2)获取关联计算组件的传输代码规模大小、发送代码规模大小、接收代码规模的大小
记计算迁移过程中共有k个关联计算组件,k∈[1,2,…n],迁移任何一个计算组件i需要上述k个关联计算组件中的0-k个支持;设所述k个关联计算组件的传输代码规模大小分别为:tr1,tr2,…,trk;发送代码规模大小分别为:Send1,Send2,…,Sendk,接收代码规模大小分别为Rec1,Rec2,…,Reck。
3.如权利要求1所述的优化时延与能效的移动终端计算迁移方法,其特征在于,步骤二中所述的代价函数表示为:
上式中,向量(x1,x2,…,xn)表示计算组件的标记矢量,其中xi=0表示计算组件Mi在本地执行,xi=1表示计算组件Mi在远程服务器上执行。
4.如权利要求1所述的优化时延与能效的移动终端计算迁移方法,其特征在于,步骤二中所述的目标函数表示为:
5.如权利要求1所述的优化时延与能效的移动终端计算迁移方法,其特征在于,步骤三中所述的减小计算时延的计算迁移条件的获取方法包括:
步骤3.1,求解计算组件在本地执行所需时间tlocal;
步骤3.2,求解计算组件在执行计算迁移所需时间toffload;
步骤3.3,获取减小计算时延的计算迁移条件,即Th1=tlocal-toffload>0。
6.如权利要求1所述的优化时延与能效的移动终端计算迁移方法,其特征在于,步骤三中所述的提高能效的计算迁移条件的获取方法包括:
步骤3.4,求解计算组件在本地计算时的能耗Elocal;
步骤3.5,求解计算组件从本地迁移到远程服务器所需的能耗Eoffload;
步骤3.6,获取提高能效的计算迁移条件,即Th2=Elocal-Eoffload>0。
7.如权利要求1所述的优化时延与能效的移动终端计算迁移方法,其特征在于,步骤四中所述的最优化问题P表示为:
8.一种优化时延与能效的移动终端迁移系统,其特征在于,包括移动终端与远程服务器集群:
所述的移动终端包括依次连接的计算组件分解模块、组件迁移代价评估模块、无线信道带宽评估模块、服务器信息收集模块,所述的无线信道带宽评估模块上还依次连接有迁移决策模块、迁移执行模块以及结果合成模块,其中:
所述的计算组件分解模块用于将应用程序代码分解成各个计算组件;
所述的服务器信息收集模块用于收集远程服务器的系统信息和状态信息;
所述的无线信道带宽评估模块用于根据收集到的无线信号质量测算无线信道的带宽、接受速率和发送速率;
所述的组件迁移代价评估模块用于根据无线信道的带宽、接收速率和发送速率、远程服务器的系统信息,计算各个所述计算组件的迁移代价;
所述的迁移决策模块用于根据各个计算组件的迁移代价、无线信道的带宽、接收速率和发送速率、远程服务器的系统信息,决定是否将计算组件迁移到远程服务器进行计算;
所述的迁移执行模块用于接收迁移决策模块的输出,并根据迁移决策模块的决策将需要迁移的计算组件及其关联计算组件发送给远程服务器;
所述的结果合成模块用于将本地执行的计算结果与迁移到远程服务器进行计算的结果合成,产生应用程序的最终输出;
所述的远程服务器集群包括由多个远程服务器连接组成的计算机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810041237.2A CN108376099B (zh) | 2018-01-16 | 2018-01-16 | 一种优化时延与能效的移动终端计算迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810041237.2A CN108376099B (zh) | 2018-01-16 | 2018-01-16 | 一种优化时延与能效的移动终端计算迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108376099A true CN108376099A (zh) | 2018-08-07 |
CN108376099B CN108376099B (zh) | 2020-06-23 |
Family
ID=63016676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810041237.2A Expired - Fee Related CN108376099B (zh) | 2018-01-16 | 2018-01-16 | 一种优化时延与能效的移动终端计算迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108376099B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109445956A (zh) * | 2018-09-19 | 2019-03-08 | 北京大学 | 一种面向智能手表应用的云-端计算分载方法 |
CN110851277A (zh) * | 2019-11-08 | 2020-02-28 | 中国石油大学(华东) | 一种增强现实场景下基于边云协同的任务调度策略 |
CN112188551A (zh) * | 2020-09-29 | 2021-01-05 | 广东石油化工学院 | 一种计算迁移方法、计算终端设备及边缘服务器设备 |
CN112733357A (zh) * | 2021-01-04 | 2021-04-30 | 西安建筑科技大学 | 一种异构空间网络数传任务协同规划方法 |
Citations (6)
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 |
CN105812461A (zh) * | 2016-03-09 | 2016-07-27 | 福州大学 | 一种移动云环境情景感知计算迁移方法 |
US20170013495A1 (en) * | 2015-07-10 | 2017-01-12 | Lg Electronics Inc. | Method and apparatus for an input data processing via a local computing or offloading based on power harvesting in a wireless communication system |
CN106909449A (zh) * | 2017-01-11 | 2017-06-30 | 西可通信技术设备(河源)有限公司 | 一种移动终端程序的计算迁移方法与装置 |
CN106936892A (zh) * | 2017-01-09 | 2017-07-07 | 北京邮电大学 | 一种自组织云多对多计算迁移方法及系统 |
CN107370799A (zh) * | 2017-07-05 | 2017-11-21 | 武汉理工大学 | 一种混合移动云环境中高能效的多用户在线计算迁移方法 |
-
2018
- 2018-01-16 CN CN201810041237.2A patent/CN108376099B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170013495A1 (en) * | 2015-07-10 | 2017-01-12 | Lg Electronics Inc. | Method and apparatus for an input data processing via a local computing or offloading based on power harvesting in a wireless communication system |
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 |
CN105812461A (zh) * | 2016-03-09 | 2016-07-27 | 福州大学 | 一种移动云环境情景感知计算迁移方法 |
CN106936892A (zh) * | 2017-01-09 | 2017-07-07 | 北京邮电大学 | 一种自组织云多对多计算迁移方法及系统 |
CN106909449A (zh) * | 2017-01-11 | 2017-06-30 | 西可通信技术设备(河源)有限公司 | 一种移动终端程序的计算迁移方法与装置 |
CN107370799A (zh) * | 2017-07-05 | 2017-11-21 | 武汉理工大学 | 一种混合移动云环境中高能效的多用户在线计算迁移方法 |
Non-Patent Citations (1)
Title |
---|
张文柱: "移动云环境下高能效的移动终端计算迁移策略", 《西安电子科技大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109445956A (zh) * | 2018-09-19 | 2019-03-08 | 北京大学 | 一种面向智能手表应用的云-端计算分载方法 |
CN109445956B (zh) * | 2018-09-19 | 2022-07-22 | 北京大学 | 一种面向智能手表应用的云-端计算分载方法 |
CN110851277A (zh) * | 2019-11-08 | 2020-02-28 | 中国石油大学(华东) | 一种增强现实场景下基于边云协同的任务调度策略 |
CN112188551A (zh) * | 2020-09-29 | 2021-01-05 | 广东石油化工学院 | 一种计算迁移方法、计算终端设备及边缘服务器设备 |
CN112188551B (zh) * | 2020-09-29 | 2023-04-07 | 广东石油化工学院 | 一种计算迁移方法、计算终端设备及边缘服务器设备 |
CN112733357A (zh) * | 2021-01-04 | 2021-04-30 | 西安建筑科技大学 | 一种异构空间网络数传任务协同规划方法 |
CN112733357B (zh) * | 2021-01-04 | 2024-01-23 | 西安建筑科技大学 | 一种异构空间网络数传任务协同规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108376099B (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Optimization of lightweight task offloading strategy for mobile edge computing based on deep reinforcement learning | |
Zhang et al. | A kind of effective data aggregating method based on compressive sensing for wireless sensor network | |
CN111819872B (zh) | 信息传输方法、装置、通信设备及存储介质 | |
Jameel et al. | Simultaneous harvest-and-transmit ambient backscatter communications under Rayleigh fading | |
CN108376099A (zh) | 一种优化时延与能效的移动终端计算迁移方法 | |
Ke et al. | Joint optimization of data offloading and resource allocation with renewable energy aware for IoT devices: A deep reinforcement learning approach | |
Luo et al. | QoE-driven computation offloading for edge computing | |
CN111176929A (zh) | 一种面向边缘联邦学习的高能效计算通信联合优化方法 | |
CN110557769A (zh) | 基于深度强化学习的c-ran计算卸载和资源分配方法 | |
Samek et al. | The convergence of machine learning and communications | |
Zhao et al. | Impact of direct links on intelligent reflect surface-aided MEC networks | |
Chakraborty et al. | Sustainable task offloading decision using genetic algorithm in sensor mobile edge computing | |
CN106793031B (zh) | 基于集合竞优算法的智能手机能耗优化方法 | |
CN104767833A (zh) | 一种移动终端的计算任务的云端转移方法 | |
CN109831808A (zh) | 一种基于机器学习的混合供电c-ran的资源分配方法 | |
CN104796900A (zh) | 基于拍卖理论的蜂窝网络中d2d通信资源分配方法 | |
CN110519849A (zh) | 一种针对移动边缘计算的通信和计算资源联合分配方法 | |
CN109672568A (zh) | 一种边缘计算网络中绿色能源分配和协调定价的方法 | |
Tripathi et al. | Data-driven optimizations in IoT: A new frontier of challenges and opportunities | |
Yi et al. | DMADRL: A distributed multi-agent deep reinforcement learning algorithm for cognitive offloading in dynamic MEC networks | |
Wang et al. | Minimizing energy consumption of IoT devices for O-RAN based IoT systems | |
Zhang et al. | Map2schedule: An end-to-end link scheduling method for urban v2v communications | |
CN110647396A (zh) | 端云协同低功耗带宽受限智能应用实现方法 | |
Zhao et al. | Adaptive delay-constrained resource allocation in mobile edge computing for Internet of Things communications networks | |
Puttaswamy et al. | An efficient reconfigurable workload balancing scheme for fog computing network using internet of things devices |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20200623 |
|
CF01 | Termination of patent right due to non-payment of annual fee |