CN109445956B

CN109445956B - 一种面向智能手表应用的云-端计算分载方法

Info

Publication number: CN109445956B
Application number: CN201811094222.9A
Authority: CN
Inventors: 刘譞哲; 黄罡; 余美华; 马郓
Original assignee: Peking University
Current assignee: Peking University
Priority date: 2018-09-19
Filing date: 2018-09-19
Publication date: 2022-07-22
Anticipated expiration: 2038-09-19
Also published as: CN109445956A

Abstract

本发明提供一种面向智能手表应用的云‑端计算分载方法，其步骤包括：由开发者于智能手表应用程序中对可分载的任务标记，并通过程序分析技术构建程序分析依赖图，去掉开发者标记的但又不可分载的任务；对分载的任务进行重构，增加远程调用逻辑以及不同网络情况下的在智能手表、智能手机及云服务器三层的分载策略；根据分载策略决定是本地调用还是远程调用，据以将分载的任务打包后分别在智能手表、智能手机、云服务器三层进行部署。本发明还提供一种面向智能手表应用的云‑端计算分载中间件。

Description

一种面向智能手表应用的云-端计算分载方法

技术领域

本发明属于软件技术领域，具体是一种面向智能手表应用的云-端计算分载方法。

背景技术

可穿戴设备近年来经历了爆炸式增长，有可能成为下一代流行的计算平台。常见的可穿戴设备包括智能手表、智能眼镜、智能手套和VR头盔等。IDC预测2019年全球可穿戴设备的出货量将超过2亿。智能手表是其中最典型、发展最快的一类可穿戴设备。目前主流的智能手表有搭载Watch OS的Apple Watch、搭载Android Wear OS的Gear、LG、Moto360、华为、华硕等。

智能手表的快速发展使得各种潜在的新应用如移动增强现实、语音识别和人脸识别成为可能。这些应用程序大大地方便了我们的日常生活。然而，这样的应用可能涉及复杂的AI算法，这需要很高的计算能力。另外，智能手表没有键盘或鼠标输入，所以通常采用更自然的输入方式，如音频输入和手势识别。这些新的输入方法也需要额外的识别与计算。然而，智能手表的计算、存储、电量等能力与智能手机或者是云端服务器相比仍然比较有限。

针对这个问题，一个直观的解决方案是计算分载，也就是将任务交给能力更强的设备进行计算。过去几年中，已经有不少研究人员都致力于设计关于可穿戴设备的计算分载系统，如Dust系统。然而，简单地把任务从可穿戴设备迁移到远程云服务器或附近的移动设备并不总能获得执行延迟或者电量消耗的好处，比如在网络连接不稳定或不可用时，这将严重损害用户体验。这是由于网络连接不稳定时，计算任务所需的数据状态和计算结果在传输时，耗时可能多于迁移到计算能力高的结点带来的计算时间的减少。而智能手表与智能手机一样具有较高的移动性，网络也有一定的不稳定性。因此，如何在不同的网络条件下都能够有较低的执行延迟和电量消耗是一个十分重要的问题。

发明内容

本发明的目的是提供一种面向智能手表应用的云-端计算分载方法，利用程序分析与重构技术将针对智能手表开发的应用重构，使得应用中的计算任务能在不同的网络条件下灵活地选择在云服务器、智能手机、智能手表端执行，从而达到节省电量或降低延迟的目的。

为达到上述目的，本发明采用的技术方案为：

一种面向智能手表应用的云-端计算分载方法，步骤包括：

由开发者于智能手表应用程序中对可分载的任务标记@offloadable，并通过程序分析技术构建程序分析依赖图，去掉开发者标记的但又不可分载的任务；

对分载的任务进行重构，增加远程调用逻辑以及不同网络情况下的在智能手表、智能手机及云服务器三层的分载策略；

根据分载策略决定是本地调用还是远程调用，据以将分载的任务打包后分别在智能手表、智能手机、云服务器三层进行部署。

进一步地，所述通过程序分析技术构建程序分析依赖图包括：引入Java程序静态分析技术构建静态的Java函数调用图(Function Call Graph)。

进一步地，所述开发者标记的但又不可分载的任务是指调用了智能手表本地特性的函数。

进一步地，对分载任务进行重构的方法是：通过添加函数代理，将调用本地的Java函数修改成调用该函数代理，该函数代理收集函数调用的参数以及上下文环境变量，发送至远端，调用后返回结果。

进一步地，所述网络情况包括传输数据的速率和信号强度。

进一步地，所述本地调用和远程调用被限定为：若智能手表端为本地调用，则智能手机端和云服务器端的调用为远程调用；若智能手机端为本地调用，则只有云服务器端的调用为远程调用。

进一步地，所述分载策略包括：

一任务首次被执行时，则由本地调用改为远程调用，获取下一层执行的参数和网络情况；

若该参数能够达到一预定的分载目标，包括缩小执行延迟时间、降低执行能耗，则将该任务从当前层分载到下一层作为决策，在下次于相同或相近的网络情况下执行该任务时直接做出该决策。

进一步地，由python脚本将分载的任务打包成jar包，分别在智能手表、智能手机、云服务器三层进行部署。

一种面向智能手表应用的云-端计算分载中间件，部署于智能手表、智能手机、云服务器三层，包括：

一任务队列模块，用于将重构的可分载任务存于一配置文件中，再读取该配置文件以得到可分载任务的队列；

一本地分析器，用于获取一任务在本地执行所需要的时间以及电量消耗数据；

一存储模块，包括智能手机端和云服务器端的SQLite数据库，用于本地存储上述时间和电量消耗数据；

一网络监控器，用于获取任务执行分载时的网络情况，包括传输数据的速率和信号强度；

一电量模型模块，用于根据系统状态和当前层的网络情况估算运行时的耗电量；

一运行时分析器，用于根据电量模型模块估算的耗电量和下一层的反馈信息计算执行总时间；

一任务分载器，用于将上述获得的数据整合一起；

一分载策略模块，用于根据从任务分载器得到的整合数据作出分载策略，以及用于不同层之间的网络通信。

进一步地，上述中间件可将分载的任务制成jar包，该jar包被智能手表的Wear模块和智能手机的Mobile模块引入，被云服务器直接运行以调用分载来的任务。

本发明方法的核心思想为：利用程序分析技术对应用进行分拆，然后在具体分载过程中，利用不同网络条件下的反馈信息进行计算结点的分载选择决策。具体操作为首先由开发者针对可以迁移的计算任务模块标记@offloadable，然后用python脚本分析任务依赖并打包成jar包，之后将该jar包部署在智能手表、智能手机、云服务器三层，使得计算任务可以在三层执行，通过上述系统将任务合理地进行三层调度来达到降低执行延迟、节省电量的目的。

与现有技术相比，本发明的积极效果为：本发明通过轻量级的开发者标记任务，函数的改写，引入运行时中间件和针对不同网络条件的分载策略，使得智能手表应用的计算任务能够在云、智能手机、智能手表之间选择最合适的节点执行，从而达到降低执行延迟、节省电量的目标。

附图说明

图1为本发明的云-端计算分载方法所依赖的中间件框架图。

具体实施方式

为使本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图作详细说明如下。

本发明提供的一种面向智能手表应用的云-端计算分载方法的步骤详细说明如下：

1)可分载任务的标记：

开发者首先在智能手表应用程序中对认为可分载的任务(函数)标记@offloadable。并非所有的任务都是可分载的，该可分载指的是任务相对独立，不依赖于特定的智能手表本地特性，否则属于不可分载，比如输入输出任务，其依赖于手表屏幕以及麦克风，所以不可分载。

为了保证标记的准确性，引入程序分析技术，构建程序分析依赖图，通过该图去掉开发者标记的但又不可分载的任务；具体为引入Java程序静态分析技术，构建静态的Java函数调用图，然后依据该调用图去掉调用了智能手表本地特性的函数。

2)可分载任务的重构：

因为可分载的任务需要根据网络情况决定是在远端执行还是本地执行，所以需要通过程序分析和重构技术对分载函数进行重构：i.通过添加函数代理，将本地的Java函数调用修改成调用这个函数代理；ii.函数代理收集函数调用的参数以及上下文环境变量，发送至远端，调用后返回结果。通过该重构以增加远程调用逻辑以及不同网络情况下的分载策略，根据该策略决定是本地调用还是远程调用，该远程调用是指非本地端的调用，若手表上为本地调用，则智能手机端和云服务器端的调用为远程调用；若智能手机端为本地调用，则只有云服务器端的调用为远程调用，不考虑手机到手表的分载策略。

该分载策略为针对不同网络条件给出如何在智能手表、智能手机及云服务器三层分载的决策，包括：

给定一个分载目标，如执行延迟尽可能小，给定一个特定的任务，如果是首次执行该任务，则将该任务由本地调用改为远程调用，获取下一层执行时间和网络情况的反馈信息；

如果在当前网络条件下将该任务分载到下一层执行总时间比本地执行时间(存储在本地文件/SQLite数据库中)要少，或者是分载后的电量消耗更少(如果分载目标是降低能耗)，则将该任务从当前层分载到下一层就是值得的，记录下这个决策，方便下次执行任务时，在类似的网络情况下直接决策；

3)可分载任务的部署：

由python脚本将可分载的任务打包成jar包，分别在智能手表、智能手机、云服务器三层进行部署。

一种面向智能手表应用的云-端计算分载中间件，部署于智能手表、智能手机、云服务器三层，包含的模块主要有任务队列模块、本地分析器、存储模块、运行时分析器、网络监控器、电量模型模块、任务分载器、分载策略模块，具体说明如下：

对于任务队列模块，上述方法中的重构的可分载任务将会存于一个配置文件中，然后读取该配置文件得到可分载任务的队列；

对于本地分析器，其在运行之前通过随机给定合法输入后，获取某个特定任务在某个特定层本地执行所需要的时间以及电量消耗数据；

对于存储模块，在智能手机层和云服务层含有SQLite数据库，用于将上述本地分析器获取的时间和电量消耗数据存储于本地文件中；

对于网络监控器，其是用于获取任务执行分载时的网络情况，也就是传输数据的速率以及信号强度；

对于电量模型模块，根据系统的状态以及当前所在层的网络情况估算运行时的电量消耗；

对于运行时分析器，其利用电量模型模块估算运行时任务的运行消耗的电量以及根据后一层的反馈信息得到执行总时间；

对于任务分载器，其负责将以上几个模块的数据整合一起传递给分载策略模块；

分载策略模块，用于作出是否分载的决策，同时也负责不同层之间的网络通信。

其中，对于Android智能手表应用，其可应用于智能手表的Wear模块和智能手机的Mobile模块，通常智能手机如果有发起远程请求，则有对应的远程云端模块。

上述中间件的具体制品为一个jar包，在智能手表Wear模块和智能手表的Mobile模块中引入这个jar包，对于云服务器端，则可以直接运行这个jar包。

针对本发明的方法，现举一具体实施例，本例中选取的智能手表应用是一个语音识别应用，它是基于CMU的Sphinx engine编写的。图1所示为一种中间件框架，用于本实施例，以用来说明如何利用本发明的方法对智能手表的应用进行云-端的计算分载。本方法的步骤如下：

1)开发者需要对智能手表应用中的认为可分载的函数(即任务)进行标记@offloadable，标记了decode、tranlate等函数；

2)通过程序分析依赖图可以发现，其中的decode函数是相对独立可分载的，它接受一个语音数据的输入，输出识别结果字符串。

3)改写decode函数的实现，将整个函数的调用改成条件判断下的本地调用或远程调用。具体来说，条件判断就是由分载策略根据当前网络情况以及任务情况决定是否进行分载。远程调用的逻辑则是新建一个socket，传输函数的输入、要执行函数的名称，获取socket返回结果后完成任务，该逻辑具体为：i.通过添加函数代理，将本地的Java函数调用修改成调用这个函数代理；ii.函数代理收集函数调用的参数以及上下文环境变量，建立socket连接至远端，并发送这些所需参数与变量至远端执行后返回结果。

4)将包括decode在内的分载函数打包成jar部署在智能手表、智能手机、云服务器三层上运行。

5)在智能手表Wear模块和智能手机的Mobile模块中引入上述的根据网络情况动态分载决策的中间件jar包。对于云服务器端，可以直接运行这个中间件jar包，由中间件jar包负责去调用具体的函数。

为了验证本发明方法的技术效果，现设计了如下一系列的实验。

实验用到的硬件设施为：LG G Watch智能手表、三星Galaxy S5智能手机、运行Ubuntu16.04系统的阿里云服务器(4核CPU，2.5GHz，8GB内存)。

网络方面，设置了4种不同的网络条件，如下所示：

1)智能手表通过蓝牙与智能手机连接，距离为1米；智能手机与远程的云服务器通过Wi-Fi连接。

2)智能手表通过蓝牙与智能手机连接，距离为10米；智能手机与远程的云服务器通过Wi-Fi连接。

3)智能手表通过蓝牙与智能手机连接，距离为1米；智能手机与远程的云服务器通过3G连接。

4)智能手表通过蓝牙与智能手机连接，距离为10米；智能手机与远程的云服务器通过3G连接。

将本发明的基于反馈信息的不同网络条件分载的分载策略与下面三个策略进行比较：

a)将所有任务都分载到智能手机。

b)将所有任务都通过智能手机分载到远程的云服务器。

c)所有任务都运行在智能手表。

实验表明：在网络条件1)、3)下，由于智能手表与智能手机网络连接良好，因此将任务分载到智能手机是值得的，此时，策略a)与本发明策略一致，要优于无分载的策略c)；

在网络条件4)下，由于网络连接不佳，因此将任务通过网络分载是不可取的，此时，策略c)与本发明策略一致，要优于其余的分载策略。也就是说，在不同的网络情况下，本发明提供的分载方法总是最优的。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求书所述为准。

Claims

1.一种面向智能手表应用的云-端计算分载方法，步骤包括：

开发者于智能手表应用程序中对可分载的任务进行标记，该可分载的任务是指相对独立且不依赖于特定的智能手表本地特性的任务，并构建程序分析依赖图，去掉开发者标记的但又不可分载的任务，该开发者标记的但又不可分载的任务是指调用了智能手表本地特性的函数；

对分载的任务进行重构，增加远程调用逻辑以及不同网络情况下的在智能手表、智能手机及云服务器三层的分载策略；该分载策略包括：一任务首次被执行时，则由本地调用改为远程调用，获取下一层执行的参数和网络情况；若该参数能够达到一预定的分载目标，包括缩小执行延迟时间、降低执行能耗，则将该任务从当前层分载到下一层作为决策，在下次于相同或相近的网络情况下执行该任务时直接做出该决策；

2.如权利要求1所述的方法，其特征在于，通过程序分析技术构建所述程序分析依赖图，所述程序分析依赖图包括：引入Java程序静态分析技术构建静态的Java函数调用图。

3.如权利要求1所述的方法，其特征在于，对分载的任务进行重构的方法是：通过添加函数代理，将调用本地的Java函数修改成调用该函数代理，该函数代理收集函数调用的参数以及上下文环境变量，发送至远端，调用后返回结果。

4.如权利要求1所述的方法，其特征在于，所述网络情况包括传输数据的速率和信号强度。

5.如权利要求1所述的方法，其特征在于，所述本地调用和远程调用被限定为：若智能手表端为本地调用，则智能手机端和云服务器端的调用为远程调用；若智能手机端为本地调用，则只有云服务器端的调用为远程调用。

6.如权利要求1所述的方法，其特征在于，由python脚本将分载的任务打包成jar包，分别在智能手表、智能手机、云服务器三层进行部署。

7.一种面向智能手表应用的云-端计算分载中间件，部署于智能手表、智能手机、云服务器三层，包括：

一任务队列模块，用于将重构的可分载任务存于一配置文件中，再读取该配置文件以得到可分载任务的队列，该可分载任务是指相对独立且不依赖于特定的智能手表本地特性的任务；

一任务分载器，用于将上述获得的数据整合一起；

一分载策略模块，用于根据从任务分载器得到的整合数据作出分载策略，以及用于不同层之间的网络通信；该分载策略包括：一任务首次被执行时，则由本地调用改为远程调用，获取下一层执行的参数和网络情况；若该参数能够达到一预定的分载目标，包括缩小执行延迟时间、降低执行能耗，则将该任务从当前层分载到下一层作为决策，在下次于相同或相近的网络情况下执行该任务时直接做出该决策。

8.如权利要求7所述的面向智能手表应用的云-端计算分载中间件，其特征在于，将分载的任务制成jar包，该jar包被智能手表的Wear模块和智能手机的Mobile模块引入，被云服务器直接运行以调用分载来的任务。