基于移动云计算架构下的能效保护研究*

黎远松，梁金明

（四川理工学院计算机学院，四川自贡643000）

基于移动云计算架构下的能效保护研究*

黎远松，梁金明

（四川理工学院计算机学院，四川自贡643000）

当今，移动云计算市场所呈现出的显著的移动用户量激增，以及云计算服务所带来的巨大的商业利益，都驱动着移动云计算无限需求的扩展和商机的频现，在此基础上的大量应用带来的能量消耗问题带来了对移动云计算服务能效保护方面新的关注。针对云计算模式膨胀背景下能效问题的剧增及结合现有能效保护研究进展，提出了基于移动云计算能效保护模式，该模式结合迁移降耗，服务委托，基础管配等手段，对移动云进行效能管理及调整，实验结果表明，使用移动云计算效能保护模式的样本其效能得到了显著改善和提升，最终结论得出移动架构下能效保护模式对移动云整体效能的改进是非常有效的。

云计算，移动云，能效保护，移动计算，绿色计算

0　引言

绿色计算已经成为了一个流行的热议话题。一个题为“虚拟化的将来，云计算和绿色IT-全球技术和市场展望(2011-2016)”的新技术研究报告总结得出，全部的绿色IT市场预测数据的年复合增长率从2010年到2016年将增加40.5%，总计同期数据将超过16亿。按照TechNavio最近的预测描述，企业移动云计算市场在2011年至2015年间在北美将以18.12%的年复合增长率快速增长。

移动云计算(MCC)作为一个新出现的术语，它包括了移动计算，云计算，网络通信以及虚拟化技术等范畴。MCC在能效保护方面向我们同时提供了新的机会和挑战，通过利用计算资源，网络资源以及移动资源来提高资源利用率，共享和虚拟化处理能力，从而达到减支的目的。当今快速的移动设备用户的增加驱使了大量的对移动云基础设施，服务以及技术的新的需求。当下和将来的移动云基础设施及服务提供商必须考虑如何解决节能降耗问题及其可能面临的挑战。因此，对我们来说，去研究理解及评查当前最先进的在移动云计算能效保护方面的研究结果是必须的工作。

1　研究背景

1.1移动云计算

移动云计算(MCC)是一个资源富足的移动计算技术［1］，它可以利用面向无限制功能，存储和流动性的统一多种云和网络技术的弹性资源实现。它随时随地通过以太网或因特网信道服务于大多数移动设备，无论设备是否存在于异构环境和平台，都按照使用则付费的原则。

将主要受移动云计算促进的领域列举如下：1）用于移动设备增长的永无止境的对处理能力和电池寿命的研究需求。

2）配合增长的低端移动用户对不同应用服务的需求。

3）通过有效的移动连接到移动用户来最小化对已经存在的云基础设施和资源的资源共享和使用。

4）通过连接到无线云应用服务以消除存在的资源短缺问题和当前移动设备的局限性。

5）通过在MCC中提供虚拟多样性资源，包括移动设备，云计算服务和基础设施，以及无线网络和因特网。

1.2移动云的能效保护

通常来说，能效保护指的是尽力使得能量的消耗减少，这可以通过增加能量使用效率和减少能量消耗来实现，同时减少常规能源的消耗。因为移动云包括了计算服务基础设施，网络及移动设备，研究者们必须花费特殊的精力关注于MCC的能量节约，因为这必须考虑到在大规模计算和网络基础设施以及大容量移动设备用户的相关情况［2］。

2　移动设备的能效保护解决方案

2.1计算工作向云端迁移

该思想为将计算强度高的任务从移动设备迁移到移动云中的云服务节点以保存移动设备的能量并增加移动用户的体验感。这里存在两个问题：首先当决策是否将计算任务从移动客户端向云中迁移的时候，要确认什么是最适宜的判断条件［3］。其次在研究计算向云端迁移问题的时候，什么是我们要考虑的因素。

图1　移动云计算能效保护研究范畴

K.Kumar以基于对移动设备计算任务能效保护分析来处理和理解这些问题，这和在云服务端的分析处理是相对的。他们提出以下的式（1）来论证和解释从移动设备向云组件迁移计算任务之间的关系。以此公式推算，得出在迁移过程中的节能总量。

式（1）中I表示迁移计算指令的总数，K表示移动终端设备的处理速度（I/s），S表示云服务组件的吞吐速度(I/s)，Cp表示移动设备能源消耗量（W），Ip表示移动设备空闲期能源消耗量（W），Tp表示移动设备工作时能源消耗量（W），B表示吞吐交换的总字节数(byte)，BW表示网络带宽值。

如果Cp，Ip，Tp均为恒定，按照式（1）可以推导出正数，这意味着迁移减少了能量消耗，反之则不然。然而如果需要被无线传输的数据有类似安全等方面的需求，那么即使服务器处理速度为M倍，这种情况下的一个加密处理则将会导致综合能源的消耗，该消耗可以由式（2）得出：

这里Ap表示由于类似加密需求导致的附加指令数带来的额外能源开销。如果该加密算法在移动设备端执行，那么这里的Ap就可以降为0，从而该额外能源消耗将可以被避免。另外不论是否需要数据传输，迁移都需要移动设备来随时扫描可用的无线接入口，这意味着大量迁移的分时数量不确定性同时增加了来自于移动设备对网络发现操作过程中的能源消耗［4］。

2.2移动设备的资源管理

当前移动平台和操作系统可以支持执行移动客户端应用而无需在移动资源管理效率方面投入太多关注。然而，在保存移动设备充足的能量方面的支持是不够的。Vallina-Rodriguez提出了扩展安卓操作系统的概念，它通过整合以下两个手段延长了移动设备的电池寿命：

1）一个用户中心的主动资源管理系统，该系统基于周期性地监控用户环境，习惯以及操作行为。

2）接入移动设备可以从邻近的移动设备通过本地无线网和社会网络接入资源。

扩展安卓操作系统架构，包括了3个主要组件：行为管理，接入控制管理，以及扩展安卓操作系统管理。行为管理是负责监控和表示用户行为的，运行期间安卓资源和其应用架构的使用［5］。接入控制管理包括了所有类似用户基本信息，公用密钥和策略，以及必需的IPC通信机制等等必需的信息。扩展安卓操作系统管理是用于负责本地资源管理，邻居设备发现，以及基于预测算法以决策接入模式的核心组件。

2.3Ad-Hoc移动云的任务委托服务

G.Huerta-Canepa提出了一个ad-hoc移动云架构，该架构的一部分任务是在移动设备本地执行，并将剩余部分委托给邻近的正在运行相同任务的移动设备执行。该ad-hoc移动云架构包括了：应用管理组件，资源管理组件，上下文管理组件，点到点组件，以及迁移管理组件。虽然结果显示该架构可以节能，但它需要研究判定如何识别稳固的节点，且需采用从邻居进行的接收机制，以及处理通过附加的计算决策带来的能量消耗。

3　无线通信的能效保护

3.1通过有效无线接口发现的能效保护

当今高端移动设备都装备有多功能广播接口，例如Wi-Fi，3G和4G。通过这些不同接口提供弹性的通信和能效保护选项，已存在的通信协议例如TCP和UDP都不能用于这些选项。

为了同时支持多种网络路径并且转换到一个激活的能效条件最好的链路上，C.Pluntke使用MPTCP提出了两个多通路计划算法［6］。他们被作为基于马尔可夫决策处理的MDP调度算法和无限逻辑自动机识别。

使用MADP调度算法其调度是以执行动态的基于在每一个可变时间间隔ΔT的不完全信息及部分信息以使用马尔可夫决策处理机制，可以把其表示为：

其中F为不同接口的一系列状态，M为一系列在ΔT时间间隔到达时选择下一接口的活动，T为在由一个状态切换至另一个状态过程中，由应用和能源模式下推导出的转换可能性，P代表一个执行在一个特殊操作下的状态转换代价函数。图2描述的两个有限状态自动机被分别用于推导3G和Wi-Fi各自的能量模式。SCM为专用信道模型，FICM为转发接入信道模型。

图2　简单3G和Wi-Fi接口有限状态自动机

使用无限逻辑自动机（ORACLE）需要基于完全信息计划离线执行。它作为一个低限制服务以及比较引导参照使用，具体表示如下：

这里CORACLE和CMADP表示离线能量消耗和在线MPTCP各自的调度算法，C3G和CWi-Fi表示通过传统3G和Wi-Fi接口各自的能量消耗。实验结果显示MADP调度算法和无限逻辑自动机调度算法是这几者中能量效率最高的。这里同样需要考虑迁移中云服务端的消耗问题。

3.2通过无线通信的能效保护

移动设备扫描附近的Wi-Fi接入口是非常频繁的，这个过程消耗了非常大的设备能量。为了最小化扫描Wi-Fi网络的消耗，F.Xia提出了辅助GPS方案，该方案核心思想是使移动设备周期性地扫描Wi-Fi接口并存储网络信息(例如服务集标识，BS集群服务集表示，时间戳，位置以及作用范围等信息)到一个日志文件，并使用该日志提供给执行向附近的Wi-Fi接入口进行操作切换的移动用户［7］。

图3　模式切换系统架构及建议切换模式流程

该系统架构在图3（a）给出，描述了主要组件和工作流程。蜂窝数据率将在移动设备上被按照所选择的采样间隔周期性监控。收集蜂窝数据率对决策是否需要切换到另一个邻近的Wi-Fi网络是非常有用的。无论何时，一个切换决策的作出，都会引发为了保持网络连接和通信的查找相邻可用Wi-Fi网络接入点的模式切换。图3（b）显示了建议切换模式的流程图，该流程包含了4个切换步骤。

3.3使用基于协议架构的能效保护

F.R.Dogar提出了一个称为“小睡”的能效保护策略，该策略旨在保存设备能量，当数据传输发生在一个使用高带宽（例如802.11）接入与低带宽链接(例如DSL)的结合的混合网络的环境。数据分发速度介于慢链接和快链接的结果之间，这导致了数据包的延迟。慢速链接总体上减慢了分发的时间。但是移动设备必须保持唤醒状态，因为TCP需要在整个数据传输过程中保持两端的活跃。“小睡”系统在数据包之间逐渐增加小的时间间隔以逐步适应当设备收到发送来的休眠模式指令以节省能量，而实际上分发时间却没有任何变化，但却需要执行一个大的时间间隔的情况。这里有3个主要的组成部分：

1）“小睡”代理服务器：其在有线和无线环节中均扮演了一个翻译及解耦的角色。

2）工作负载提示：其提供了关于转换内容类型的信息。

3）调度程序：其为“小睡”系统的核心。它对基于转换尺寸，睡眠模式代价，有线环境的带宽利用率，以及无线环境的带宽利用率的合理睡眠时间作出决策。

4　云基础设施的能效保护

4.1云服务基础设施管理

云服务数据中心的基础设施带来全国每年1.5%的能源消耗，该数据从2006年开始每年增长18%。当服务器处于闲置状态时，大量能源被消耗，这种闲置通常是由于资源管理不足导致的。M.Guazzone提出了一个动态资源管理架构（图4所示），该架构无需拥有对系统情况的预先了解，并且在对物理资源最小化能源消耗的基础上，最大化服务质量以保持服务满意度（SLA）。

图4　资源管理系统架构图

按照计划，多级别用户应用被部署在云基础设施上，每一级应用被部署在一个独立的宿主机所在的虚拟机上。该架构的核心为资源管理，它包括了迁移管理、宿主机管理、以及应用管理。资源管理其主要目标在于持续监控性能以及每一个在虚拟机上部署应用实例的有效性。迁移管理负责通过紧密地监控涵盖的虚拟机的能量消耗状态来制定迁移策略。应用管理提供应用需要的所有资源能力以满足目标服务水平。宿主机管理必须要服从来自应用管理的CPU需求。这里采用均衡策略用来计算CPU占用率的需求：

Si指的是入分享占用率，P指的是宿主机上的n个虚拟机的总能力(0＜P＜1)。

结论中实验性地比较了动态的途经与另外两个途经：静态服务等级目标途经及静态能量途经。前者的服务在最小化能量消耗上具有非常高的满意度，后者的能量消耗减少量是最多的。

4.2基于能效保护的服务应用管理

缺乏效能定位以及动态应用工作负载迁移可能导致服务器能量分配不足。B.Li提出了一个称为末端云的数据中心的能量保护策略。末端云使用了一个能量感知启发性算法以得出应用的定位和工作负载响应的调度计划。该启发性算法关键点有：工作负载到达事件，工作负载离程事件，工作负载规模恢复事件。

按照图5所示，末端云架构由一些功能组件所组成。主要有：全局控制器、虚拟机控制器、资源供应管理以及性能监控。全局控制器由集中管理器、任务调度组成，当其组件被安装到任意节点时被全局部署。集中管理器对虚拟机控制器的启动，停止以及工作负载行为迁移产生应用定位调度。资源供应管理优化了该途径并且避免了频繁的应用迁移。

图5　末端云架构图

4.3基于能效保护的内容迁移

从主体云计算数据中心向本地云数据中心或者移动云计算数据中心进行内容迁移，是另一条减少能源损耗的途径。该技术在处理绝大多数基于内容的应用上都是十分有用的，例如远程教育、远程会议等。

一个由基于Wi-Fi的广域网接入组成的移动网络，或者由基于3G或WiMax的宽带接入网络组成的网络，均视为智能终端网络。因特网是由宽带网关、数据中心网关、以太网开关、供应者边界路由、核心路由以及波分多路复用光纤连接。主体云计算数据中心由内容服务和硬盘阵列组成。移动云计算数据中心由除了小型扩展外的其他所有主体云计算中心元素组成。如果移动云计算数据中心能按照需求进行精心设计，移动云计算数据中心的能量消耗将大幅度减小。

实验结果显示，使用该途径，能量消耗可以减少至63%～70%。然而，当移动云计算数据中心和主体云计算数据中心的能量消耗比例占得更多或者几乎相等的条件下，移动云计算数据中心将变得低效。由于在绿色计算中移动云计算数据中心在能效保护方面扮演了举足轻重的角色，这是由于内容本地化带来的益处。也许当购买或维护同样一系列的数据中心的设备时花销变得更高时，采用该途径是不可行的。另外，更多的研究需要在其他的云服务中找到有效的解决方案，例如SaaS和PaaS。

5　结束语

移动云计算由于其巨大的市场前景逐渐成为了当下的研究热点。移动云的绿色计算和移动计算服务的研究，也由于移动云供应商对可以降低成本目的的能效解决方案的探寻而变得炙手可热。

很明显，该问题在当下的研究结论和技术领域的重点还只是更多地关注于特殊场景下的有代表性的移动云计算应用中。因此，在解决多样化的绿色计算问题及移动云需求问题上的优良架构和解决方案中，其在基础设施综合效能保护方面还有一定缺陷。当前和将来的研究重点是推进创新的基于实时分析和智能决策的能效保护基础设施的发展。

［1］Sanaei Z.Tripod of Requirements in Horizontal Heterogeneous Mobile cloudComputing［J］.Journal of Convergence Information Technology，2012，31（4）：794-795.

［2］钱琼芬,李春林,张小庆,等.云数据中心虚拟资源管理研究综述［J］.计算机应用研究,2012，39（2）：5-8.

［3］Li K.Energy Efficient Scheduling of Parallel Tasks on Multiprocessor Computers［J］.The Journal of Supercomputing，2010（5）:1-25.

［4］Baskiyar S，Palli K.Low Power Scheduling of Drags to Minimize Finish times［J］.High Performance Computing-HiPC, 2006（13）：353-362.

［5］Braun T,Siegel H,Beck N,et al.A Comparison of Eleven static Heuristics for Mapping a Class of Independent Tasks onto Heterogeneous Distributed Computing systems［J］. Journal of Parallel and Distributed computing，2001（6）：810-837.

［6］Sotomayor B,Montero R S,Llorente I M,et al.Virtual Infrastructure Management in Private and Hybrid Clouds［M］.Los Angeles:IEEE Internet Comput，2009.

［7］Zhu W,Luo C,Wang J,et al.Multimedia Cloud Computing［J］.IEEE Signal Processing Magazine，2011（28）：59-69.

Energy Saving in Mobile Cloud Computing

LI Yuan-song，LIANG Jin-ming
（School of Computer Science，Sichuan University of Science and Engineering，Zigong 643000，China）

Nowadays,a significant increase in mobile users which is indicated by the mobile cloud computing market，as well as the commercial interests come from the demand for the service of the mobile cloud computing，are driving the infinite expansion and business opportunities of the mobile cloud computing.On the basis of the energy consumption problem which brought by a large number of applications brings more attention to the computing service efficiency to protect mobile cloud.In this paper，the cloud computing model for expansion in the context of rapid increase energy efficiency and energy efficiency combined with research progress to protect existing，proposed to calculate the energy efficiency of cloud-based mobile protection mode，which combines the migration energy，service commission，base tube with other means of moving cloud performance management and adjustment，the experimental results show that the use of mobile cloud computing performance protection mode sample its performance has been significantly improved and upgraded，the final conclusions in mobile architectures energy efficiency performance improvements in protected mode on the mobile cloud as a whole is very effective.

cloud computing，mobile cloud，energy saving，mobile computing，green computing

TP391

A

1002-0640（2015）08-0150-05

2014-06-27

2014-07-09

四川省教育厅科研基金(13ZAO125)；四川省高校重点实验室开放基金(2014WZY05)；企业信息化与物联网测控技术四川省高校重点实验室基金（2014WZY03）；软件工程专业综合改革基金资助项目（B12201002）

黎远松（1970-），男，重庆开县人，硕士，副教授。研究方向：智能算法设计等。