一个移动云环境下的多Cloudlet联合调度框架

郝赟

（四川大学计算机学院，成都 610065）

一个移动云环境下的多Cloudlet联合调度框架

越来越多的移动应用是计算密集型任务，这对移动设备的处理能力和续航提出挑战。将移动任务分流到位于移动用户附近的Cloudlet执行是一个高效的选择。基于常见的移动云环境下的计算模式，提出一个多Cloudlet联合调度系统架构,充分地利用云端无限资源的优势以及移动设备附近的闲置资源,以最大限度地解决移动终端任务处理的能耗和响应时间问题。进一步地，本文在该架构的基础上，提出一个多Cloudlet两极联合调度框架，通过联合各层的调度优势，以达到对整个系统整体调度性能优化。

Cloudlet；移动云计算；计算模式；联合调度；框架

0 引言

移动通信网络和互联网的相互融合形成了移动互联网的这种新兴的信息模式，它使得用户可随时随地使用移动设备通过无线网络（3G/4G/Wi-Fi等）访问互联网，解决了传统PC体积和重量较大、不易携带和可移动性差等缺点。尽管目前移动设备的处理能力和存储能力都得到了很大提升，但是针对日益复杂的移动任务，如计算密集型、实时交互型、高并发型等任务时，移动设备本身固有的一些缺陷包括处理能力、存储容量、电池续航、网络状况、可靠性等将成为性能瓶颈。

为了解决移动设备的固有限制,移动云计算中一种新的移动终端——Cloudlet-远端云的三层计算模型提供了另外一种思路[1]。Cloudlet是位于移动用户附近，由少数服务器、PC、移动设备等组成的一个移动设备和远端云通信的中转站或者直接服务移动设备的代理服务器，它以Wi-Fi方式接入[2]。与终端-云端的两层计算模型相比，这种三层模型在保留了云端强大的计算能力和存储能力的优势下，将任务的执行尽可能地从云端移动到Cloudlet上，这带来的好处是不言而喻的，如：接入方式从3G/4G过渡到Wi-Fi，使得传输速度得到极大提升，移动终端保持连接所消耗能量减小，延长了移动终端续航时间。执行体由远端云过渡到位于移动终端附近的Cloudlet，通信距离远远降低，使得通信时延和传输时延都得到极大程度的改善。另外，还消除了昂贵的3G/4G通信费用和企业云的租赁服务费用。

1 移动云计算的模式

根据移动云计算应用场景和定义的不同，移动云计算的模式也以不同的方式出现。正如 Niroshinie Fernando等人在文献[1]中所总结的一样，目前业内比较公认的主要有“移动设备-企业云”、“移动设备-移动设备云”和“移动设备-Cloudlet-企业云”三种基本模式以及这三种模式融合的其他混合模式。

1.1 “移动设备-企业云”模式

如图1所示，在这种模式下，移动终端的计算任务或存储任务将通过移动网络上传至远端的企业云服务器上进行处理，借助于企业云强大的计算能力和存储能力，任务的真正执行者其实是云服务器，而移动终端只是作为一个“瘦”客户端传输和接收数据[3]。

该模式的优势在于能够充分利用企业云资源，移动设备作为云服务的“瘦”客户端，只需要承担任务数据的输入和结果的展示，不但能大幅度减少移动终端自身执行移动任务带来的巨大能量消耗，延长电池使用时间，还能避免由于移动终端本身硬件限制以及操作系统的差异而带来的负面影响。同样地，该模式的劣势也非常明显，那就是对网络环境的高度依赖。由于无线网络的不稳定性，当移动设备处于网络信号差或者网络覆盖范围之外时，任务的执行将会受到很大的影响甚至失败。另外，该模式大多使用2G/3G/4G移动网络，任务的传输将需要消耗大量流量，从而产生大量的流量费用，对于移动用户来说是非常大的一个负担。

图 1 “移动设备-企业云”模式

图2 “移动设备-移动设备云”模式

1.2 “移动设备-移动设备云”模式

如图2所示，“移动设备-移动设备云”模式和传统意义上的移动云计算不同，它是云计算技术和移动设备网络的结合，“云”端不再仅仅局限于服务器集群。在该模式中，多个移动设备位于同一个局域网内，每个移动设备都可以成为云计算服务的计算节点，也可以作为云计算的客户端，他们通过特定协议连接组成一个移动设备网络，该网络扮演着“云”的角色，向网络内或网络外其他的移动设备提供服务，在很多地方被称之为“本地云”或“微云”[4]。该模式常见的应用案例有：无线传感器网络（WSN）数据分析应用、恶劣网络环境下的并行的计算密集型应用等。在这种模式下，移动设备的闲置资源得以最大限度充分利用的同时，还能有效避免移动设备通过移动网络产生的巨大流量消耗。

1.3 “移动设备-Cloudlet-企业云”模式

图3 “移动设备-Cloudlet-企业云”模式

如图3所示，Yaser Jararweha等人在文献[5]中提出Cloudlet的概念来作为移动云计算的另一种解决方案，在该模式中，Cloudlet可以扮演多种角色。一方面，Cloudlet可以作为移动终端与云端通信的中继器，这样可以将移动终端通过移动蜂窝网络连接到云端的方式过渡为无线网+有线网络的通信方式，不仅能大幅缩减通信延迟，还能避免移动用户使用移动蜂窝网络产生的巨大的流量费用。另一方面，由于Cloudlet本身是由少数具备一定计算能力和存储能力的服务器或者普通台式电脑等组成的，故它也可以被认为是一个位于本地的“微云”，它也可以向移动终端提供资源和服务，在该种服务模式下，移动终端和云端的通信延迟被降到最低。该模式除了能应用到之前两种模式所能应用的案例外，还比较适合实时性要求较高的任务，如：在线大型游戏、实时网络交互、高响应比任务执行等。事实上，“移动设备-Cloudlet-企业云”这种模式是均衡了云计算强大的资源能力、平台能力与移动蜂窝网络资源匮乏的一种折中的方案，使用该种模式一定程度上不仅能利用云端丰富的资源，还能尽可能降低通信延迟以及移动蜂窝网络产生的巨大的流量费用，优势是显而易见的。

2 移动协作多Cloudlet联合调度系统架构

尽管常见的移动云计算模式都能满足一定场景下的计算需求，但正如以上讨论，都存在着明显的缺陷与不足。因此，为了能更大限度地适应当前复杂多变的移动环境，本文在传统的三种移动云计算模式的基础上提出一个移动协作Cloudlet联合调度系统（Mobile Cooperative Cloudlet Computing,M3C）三层架构。

图4 移动协作Cloudlet联合调度系统（M3C）架构图

如图4所示，该架构主要由三层实体组成：移动终端层、Cloudlet层和远端云层。位于该架构最底层的移动终端层由各式各样的移动智能设备和无线网络（2G/ 3G/4G/Wi-Fi）组成，移动智能设备上的移动任务根据不同的用户QoS和系统状况可选择将移动任务在本地执行、通过无线网络分流到Cloudlet网络中或分流到远端云执行，移动设备只需要接收执行结果即可。位于该架构中间层是由多个处理能力各异的Cloudlet、位于Cloudlet附近的无线接入点以及有线网络组成，这些Cloudlet之间可能有直接有线网络连接，每个Cloudlet都可通过有线网络访问互联网络，Cloudlet附近的无线接入点则可以通过无线网络（Wi-Fi）接收来自移动用户的任务请求，Cloudlet网络下行可通过无线网络和移动智能设备通信，上行可通过有线网络和远端云通信，因此，Cloudlet中间层不仅可以为移动终端提供资源以满足移动任务需要，还可以成为移动智能设备和远端云的通信媒介，以降低移动设备和远端云的通信时延。位于该架构最顶层的是远端云，该层可以为移动用户提供充足的计算资源和存储资源，当移动用户不能连接到Cloudlet层，或是Cloudlet层的资源不足以满足用户需求时，移动用户可通过Cloudlet层或直接将任务分流到云端进行处理，该层的主要功能为Cloudlet层的有效扩充。通常来说，Cloudlet层大多都能满足移动用户的资源需求。

3 多Cloudlet联合调度框架

传统的云计算任务调度技术目前已经趋于成熟，而移动任务在移动终端和M3C系统内的调度问题的研究较少，涉及到的调度实体为移动终端和Cloudlet，为了更加清晰地刻画出不同终端实体的调度策略的不同，本文将移动终端和M3C的调度分开讨论，据此，本文提出一个多Cloudlet两级联合调度框架。如图5所示，该调度框架主要包含的实体对象为移动终端和M3C，每个实体对象所包含的调度组件如图所示。移动终端产生的移动任务，首先在移动终端上进行第一级调度，移动终端的决策器根据移动任务的时间评估模型、能耗评估模型和成功率评估模型做出分流决策：本地执行、分流到M3C和分流到远端云。当任务分流M3C后，M3C中的调度器再对任务进行第二级的调度，为任务分配合适的Cloudlet和主机资源。

图5 多Cloudlet两极联合调度框架

4 结语

本文综合常见的移动云计算模式，提出了一个更具广泛适应性的新的移动云计算架构，并在该架构的基础上，提出了一个多Cloudlet两极联合调度框架，通过联合各层的调度优势，以达到对整个系统整体调度性能优化，该计算架构和调度框架具有较强的理论意义。尽管通过引入Cloudlet中间网络层可以极大限度地提升移动终端的邻近服务能力，但是也引入了很多新的研究问题，如各个Cloudlet之间以怎样的协议协同工作、如何实现Cloudlet系统自管理、如何解决Cloudlet系统中的网络异构带来的问题、如何处理移动用户连接间歇性带来的服务质量下降和任务失败等问题[6]，在我们所提出的计算架构和调度框架的基础上，下一步将着重研究这些问题。

[1]Niroshinie Fernando,Seng W.Loke,Wenny Rahayu.Mobile Cloud Computing：A Survey[J].Future Generation Computer Systems, 2013,29（1）:184-106.

[2]Magurawalage,C.M.S.,Yang,K.,Hu,L.，Zhang,J.Energy-Efficient and Network-Aware Offloading Algorithm for Mobile Cloud Computing[J].Computer Networks,2014,74:22-33.

[3]Ravi,A,Peddoju,S.K..Mobility Managed Energy Efficient Android Mobile Devices Using Cloudlet[A].Students′Technology Symposium（TechSym）,Kharagpur:IEEE[C]，2014:402-407.

[4]Yang Zhang,Niyato D.,Ping Wang.Offloading in Mobile Cloudlet Systems with Intermittent Connectivity[J].Mobile Computing,IEEE Transactions on，2015，14（12）:2516-2529.

[5]Yaser Jararweha,Lo′ai Tawalbehb,Fadi Ababneh,et al.Scalable Cloudlet-Based Mobile Computing Model[J].Procedia Computer Science,2014,34:434-441.

[6]Abdullah Gani,Golam Mokatder Nayeem,Muhammad Shiraz,et al.A Review on Interworking and Mobility Techniques for Seamless Connectivity in Mobile Cloud Computing[J].Journal of Network and Computer Applications,2014,43:84-102.

A Scheduling Framework of Jointly Cloudlets in Mobile Cloud Computing

HAO Yun
（College of Computer Science,Sichuan University,Chengdu 610065）

A growing number of mobile applications are computationally intensive tasks,which poses a challenge to processing power and battery life of mobile devices.Moving tasks to Cloudlet which collocated with mobile users for execution is an efficient choice.Based on the common computing model in mobile cloud,proposes a scheduling system architecture of jointly Cloudlets,it takes full advantages of cloud infinite resources and idle resources nearby mobile devices,which can maximize the energy consumption and response time of mobile tasks.Furthermore,on the basis of this architecture,also proposes a bipolar scheduling framework of jointly Cloudlets,which can optimize the overall scheduling performance of the whole system by combining the scheduling advantages of each layer.

Cloudlet;Mobile Cloud Computing;Computing Model;Joint Scheduling;Framework

1007-1423（2017）09-0031-04

10.3969/j.issn.1007-1423.2017.09.008

郝赟

（四川大学计算机学院，成都 610065）

郝赟（1994-），男，贵州毕节人，硕士，研究方向为移动云计算

2017-02-22

2017-03-20