CN105100500A - 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
- CN105100500A CN105100500A CN201510543581.8A CN201510543581A CN105100500A CN 105100500 A CN105100500 A CN 105100500A CN 201510543581 A CN201510543581 A CN 201510543581A CN 105100500 A CN105100500 A CN 105100500A
- Authority
- CN
- China
- Prior art keywords
- data
- rho
- lambda
- mobile terminal
- data volume
- 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
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***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***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。
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。
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,
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 true CN105100500A (zh) | 2015-11-25 |
CN105100500B 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) |
Cited By (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 |
CN105893083A (zh) * | 2016-03-29 | 2016-08-24 | 华中科技大学 | 云环境下基于容器的移动代码卸载支撑***及其卸载方法 |
CN106900011A (zh) * | 2017-02-28 | 2017-06-27 | 重庆邮电大学 | 一种基于mec的蜂窝基站间任务卸载方法 |
CN107454136A (zh) * | 2017-06-12 | 2017-12-08 | 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 |
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 |
CN109388483A (zh) * | 2017-08-14 | 2019-02-26 | 通用汽车环球科技运作有限责任公司 | 用于通过计算云卸载来支持关键任务应用的方法和设备 |
Citations (6)
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*** |
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、***和云端服务器 |
WO2014138206A1 (en) * | 2013-03-07 | 2014-09-12 | Citrix Systems, Inc. | Dynamic configuration in cloud computing environments |
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 |
US20150127776A1 (en) * | 2013-11-07 | 2015-05-07 | 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 (6)
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*** |
WO2014138206A1 (en) * | 2013-03-07 | 2014-09-12 | Citrix Systems, Inc. | Dynamic configuration in cloud computing environments |
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、***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 |
US20150127776A1 (en) * | 2013-11-07 | 2015-05-07 | International Business Machines Corporation | Streaming state data for cloud management |
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 |
Cited By (10)
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 |
CN105893083A (zh) * | 2016-03-29 | 2016-08-24 | 华中科技大学 | 云环境下基于容器的移动代码卸载支撑***及其卸载方法 |
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***及其卸载方法 |
CN106900011A (zh) * | 2017-02-28 | 2017-06-27 | 重庆邮电大学 | 一种基于mec的蜂窝基站间任务卸载方法 |
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 |
CN107454136A (zh) * | 2017-06-12 | 2017-12-08 | 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 |
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 |
CN109388483A (zh) * | 2017-08-14 | 2019-02-26 | 通用汽车环球科技运作有限责任公司 | 用于通过计算云卸载来支持关键任务应用的方法和设备 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN105100500B (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105100500A (zh) | 基于移动云计算的临界数据卸载方法 | |
CN102111337B (zh) | 任务调度方法和*** | |
CN102004670B (zh) | 一种基于MapReduce的自适应作业调度方法 | |
CN102593829B (zh) | 计及关键支路的输电断面确定方法与装置 | |
Munir et al. | Risk-aware energy scheduling for edge computing with microgrid: A multi-agent deep reinforcement learning approach | |
CN102130454B (zh) | 基于计算机辅助设计的电力***动态稳定控制方法及*** | |
CN105072292A (zh) | 一种应用控制方法及终端 | |
Khan et al. | A goal programming based energy efficient resource allocation in data centers | |
CN102624546A (zh) | 功耗封顶的控制方法、设备和*** | |
CN103399626A (zh) | 面向混合计算环境的功耗感知的并行应用调度***及方法 | |
CN107728466A (zh) | 一种适用于数控***固定优先级可靠性感知能耗优化方法 | |
CN110830560A (zh) | 一种基于强化学习的多用户移动边缘计算迁移方法 | |
Vo | Implementing energy saving techniques for sensor nodes in IoT applications | |
Qin et al. | Dynamic programming solution to distributed storage operation and design | |
Stangaciu et al. | Energy efficiency in real-time systems: A brief overview | |
CN116470543A (zh) | 一种虚拟电厂的运行控制方法、装置、设备及介质 | |
Castro et al. | Modeling the energy harvested by an RF energy harvesting system using gamma processes | |
CN116826815B (zh) | 基于电池模组的充电管理方法、能源管理器及相关介质 | |
Goubaa et al. | Scheduling periodic and aperiodic tasks with time, energy harvesting and precedence constraints on multi-core systems | |
CN109889970A (zh) | 一种定位方法及装置、电子设备和存储介质 | |
Hasanloo et al. | Dynamic harvesting-and energy-aware real-time task scheduling | |
CN110098628B (zh) | 一种储能需量控制***及其防逆流方法和装置 | |
CN105137244A (zh) | 用于实现电力***中静态电压稳定监测的方法及*** | |
CN115313447A (zh) | 一种混合储能***充放电状态实时优化控制方法 | |
Chetto et al. | Real-time scheduling for energy harvesting sensors |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171103 Termination date: 20200831 |