張艷飄,張璐

(河北經(jīng)貿(mào)大學(xué)信息技術(shù)學(xué)院，河北 石家莊 050061)

移動(dòng)云計(jì)算環(huán)境下終端任務(wù)卸載研究

張艷飄,張璐

(河北經(jīng)貿(mào)大學(xué)信息技術(shù)學(xué)院，河北 石家莊 050061)

隨著移動(dòng)計(jì)算技術(shù)的發(fā)展，移動(dòng)終端在計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)等方面的資源受限問題突出，現(xiàn)有移動(dòng)終端往往不能夠很好地支持復(fù)雜高端應(yīng)用的運(yùn)行。目前克服資源受限問題的解決方法之一就是將終端計(jì)算任務(wù)卸載遷移到云上，通過將計(jì)算任務(wù)轉(zhuǎn)移到云端，能夠提高任務(wù)處理效率并顯著降低能源消耗和設(shè)備時(shí)延等帶來的一系列問題，由此需要對(duì)移動(dòng)云計(jì)算任務(wù)卸載問題進(jìn)入深入的研究。本文主要內(nèi)容是介紹任務(wù)卸載遷移過程中的卸載策略，以及任務(wù)卸載的系統(tǒng)框架及相關(guān)技術(shù)。通過對(duì)任務(wù)卸載進(jìn)行系統(tǒng)分析之后，探討了卸載技術(shù)未來的發(fā)展方向與面臨的挑戰(zhàn)。

移動(dòng)云計(jì)算；任務(wù)卸載；卸載策略；卸載框架

1 背景

隨著移動(dòng)設(shè)備越來越普及，同時(shí)其用戶對(duì)于移動(dòng)終端的要求也越來越高。然而這些設(shè)備存在一些共同的問題，比如，處理器的運(yùn)算能力，內(nèi)存大小以及能源消耗方面都制約著用戶使用移動(dòng)設(shè)備時(shí)的良好體驗(yàn)。隨著移動(dòng)互聯(lián)網(wǎng)和云計(jì)算技術(shù)的快速發(fā)展，移動(dòng)云計(jì)算技術(shù)的出現(xiàn)使得對(duì)傳統(tǒng)數(shù)據(jù)的計(jì)算和存儲(chǔ)模式進(jìn)行重大改進(jìn)成為可能，移動(dòng)云計(jì)算通過將大量計(jì)算和存儲(chǔ)任務(wù)轉(zhuǎn)移到云端，進(jìn)而大量降低了終端的能耗問題和計(jì)算能力受限問題。

云卸載技術(shù)是一種能源優(yōu)化技術(shù)，主要是通過一個(gè)基于云計(jì)算的服務(wù)器將能源密集型的移動(dòng)應(yīng)用遷移到云端[1]。由于計(jì)算任務(wù)的多樣性以及云平臺(tái)的自身特性，在對(duì)終端任務(wù)進(jìn)行卸載之前，先要確定一種卸載策略，即任務(wù)怎么切割分配以及將切割的任務(wù)分配到云平臺(tái)的哪個(gè)資源節(jié)點(diǎn)上。任務(wù)的卸載效率直接影響移動(dòng)終端運(yùn)行的性能與用戶的良好體驗(yàn)。本文主要對(duì)任務(wù)卸載策略和移動(dòng)遷移系統(tǒng)的架構(gòu)進(jìn)行研究，探討了卸載技術(shù)未來的發(fā)展方向與面臨的挑戰(zhàn)。

2 任務(wù)卸載系統(tǒng)組成分析

在進(jìn)行任務(wù)卸載時(shí)，都要遵從一個(gè)統(tǒng)一的軟件架構(gòu)進(jìn)行計(jì)算的遷移，如圖1所示，一般將卸載系統(tǒng)架構(gòu)大致分為5個(gè)模塊[2]。

圖1 任務(wù)卸載架構(gòu)

圖2 任務(wù)卸載執(zhí)行過程示意圖

圖2是任務(wù)卸載過程中各個(gè)模塊執(zhí)行順序圖，其過程：

(1)資源監(jiān)測(cè)與剖析模塊主要對(duì)可用資源的數(shù)量進(jìn)行備案，當(dāng)任務(wù)執(zhí)行過程中可用資源發(fā)生動(dòng)態(tài)變化時(shí)能夠及時(shí)有效的通知應(yīng)用劃分模塊重新調(diào)整劃分策略。

(2)資源需求預(yù)測(cè)模塊負(fù)責(zé)預(yù)測(cè)計(jì)算任務(wù)對(duì)于資源的使用需求，進(jìn)一步生成相對(duì)應(yīng)的本地執(zhí)行成本和遠(yuǎn)程執(zhí)行成本，最后根據(jù)成本的預(yù)測(cè)信息進(jìn)行劃分決策。

(3)在應(yīng)用劃分階段，根據(jù)資源需求模塊的預(yù)測(cè)情況以及與資源監(jiān)測(cè)模塊實(shí)時(shí)進(jìn)行通信，生成候選方案，進(jìn)一步根據(jù)用戶偏好產(chǎn)生一種最優(yōu)方案。

(4)遷移執(zhí)行模塊根據(jù)相應(yīng)的機(jī)制對(duì)應(yīng)用劃分模塊生成的最優(yōu)方案采取執(zhí)行動(dòng)作。

3 任務(wù)卸載策略研究

任務(wù)卸載的主要的目的就是降低終端能耗，如果在任務(wù)卸載的過程中導(dǎo)致更多的的資源浪費(fèi)，則進(jìn)行任務(wù)遷移就沒必要發(fā)生，故而在進(jìn)行任務(wù)卸載之前，需要先判斷任務(wù)是否需要進(jìn)行卸載，判斷的依據(jù)根據(jù)以下計(jì)算：

在系統(tǒng)上執(zhí)行所需要的時(shí)間：

(1)

將任務(wù)遷移到云端所需要的時(shí)間：

(2)

(3)

由于移動(dòng)云計(jì)算的移動(dòng)性、可用資源代理的能力、資源數(shù)量隨時(shí)發(fā)生變化。根據(jù)將任務(wù)卸載的決策時(shí)間的不同,可以將卸載分為靜態(tài)卸載(static offloading)和動(dòng)態(tài)卸載(dynamic offloading)[3]。靜態(tài)卸載是指在任務(wù)進(jìn)行遷移之前，卸載策略已經(jīng)固定。動(dòng)態(tài)卸載是指在任務(wù)進(jìn)行遷移的過程中，卸載策略根據(jù)任務(wù)執(zhí)行的的情況進(jìn)行實(shí)時(shí)的調(diào)整。

3.1 靜態(tài)卸載

Messer[4]提出了一個(gè)能夠利用其它計(jì)算資源動(dòng)態(tài)透明地建立一個(gè)分布式平臺(tái)的方法，這個(gè)方法降低了移動(dòng)設(shè)備的運(yùn)行時(shí)間。文獻(xiàn)[5]提出自適應(yīng)的K+1分割算法,該分區(qū)策略是將特定的應(yīng)用分為一個(gè)本地執(zhí)行分區(qū)和K個(gè)代理執(zhí)行分區(qū)，分區(qū)步驟分為三步：合并不可卸載的頂點(diǎn)，粗糙分區(qū)和細(xì)致分區(qū)。另外這些分區(qū)滿足設(shè)備用戶和移動(dòng)終端設(shè)備資源方面的約束。

i),ii)被限制在了iii)條件下。

文獻(xiàn)[6]提出了一個(gè)支持細(xì)粒度的系統(tǒng)-MAUI，考慮用戶當(dāng)前的連接條件并采用整數(shù)規(guī)劃來設(shè)計(jì)遷移算法，支持細(xì)粒度的卸載策略能夠最大程度的節(jié)省能源。

靜態(tài)卸載策略可以使用戶采用更加有效的算法對(duì)任務(wù)進(jìn)行劃分以及能夠得到更好的遷移策略。然而在實(shí)際的操作中，移動(dòng)終端的移動(dòng)性限制了靜態(tài)卸載策略的執(zhí)行效率，從整體上影響著任務(wù)卸載的性能。

3.2 動(dòng)態(tài)卸載

文獻(xiàn)[7]利用模糊控制模型研發(fā)出一種推理機(jī)制，在任務(wù)卸載時(shí)自適應(yīng)地解決了兩個(gè)關(guān)鍵的決策問題：及時(shí)觸發(fā)的自適應(yīng)卸載機(jī)制和進(jìn)行應(yīng)用程序分區(qū)策略的智能選擇。文獻(xiàn)[8]指出任務(wù)卸載過程中的消耗的時(shí)間依賴于數(shù)據(jù)的大小以及可用的無線寬帶，該文獻(xiàn)動(dòng)態(tài)地計(jì)算通信時(shí)所消耗的時(shí)間，自適應(yīng)地選擇執(zhí)行計(jì)算的處理器或者服務(wù)器，以盡量減少執(zhí)行時(shí)間。W Fan[9]提出了一種自適應(yīng)的應(yīng)用程序組件映射算法，旨在最大限度地減少計(jì)算成本和資源間的通信成本。它可以為終端提供一個(gè)合適的任務(wù)卸載解決方案，為當(dāng)前環(huán)境降低了算法增量成本。文獻(xiàn)中將應(yīng)用程序組件的多分配問題轉(zhuǎn)化為一個(gè)圖的映射模型，最后將其演變?yōu)橐粋€(gè)尋路問題,該算法能夠動(dòng)態(tài)地調(diào)整解的精度，提高傳輸速度、處理速度以及搜索速度。

文獻(xiàn)[10]提出了一種基于Lyapunov優(yōu)化動(dòng)態(tài)卸載算法，該算法能夠解決較低復(fù)雜度的卸載問題，根據(jù)無線網(wǎng)絡(luò)的連接和應(yīng)用的延時(shí)要求來優(yōu)化移動(dòng)終端的能耗。柳興提出了一種任務(wù)聯(lián)合執(zhí)行的節(jié)能算法，該算法利用一次遷移最優(yōu)特性在遺傳算法的基礎(chǔ)上進(jìn)行算法優(yōu)化。經(jīng)驗(yàn)證表明該算法能夠有效提高算法的收斂速度，顯著地減少了移動(dòng)終端的能耗[11]。Wu[12]等人提出基于層次分析法的多目標(biāo)決策分析法(AHP)和逼近理想解的排序方法(TOPSIS)，能夠在模糊環(huán)境下建議并決定選擇哪個(gè)卸載云是最適合的。B Gao[13]在文獻(xiàn)中首先提出一個(gè)能在移動(dòng)設(shè)備之間協(xié)調(diào)的一個(gè)網(wǎng)絡(luò)，建立一個(gè)包括各種特性的工作流的軟件和網(wǎng)絡(luò)硬件設(shè)備的模型，利用這個(gè)模型構(gòu)建目標(biāo)函數(shù)并指導(dǎo)卸載決策。最后根據(jù)這些目標(biāo)函數(shù)和它們動(dòng)態(tài)的變化，提出了一個(gè)啟發(fā)式算法以產(chǎn)生相應(yīng)的動(dòng)態(tài)卸載計(jì)劃。

釆用動(dòng)態(tài)卸載策略能夠使任務(wù)在執(zhí)行的過程中適應(yīng)資源的變化,提高了算法的執(zhí)行效率。但是在實(shí)際運(yùn)行過程中，資源的實(shí)時(shí)監(jiān)測(cè)以及頻繁動(dòng)態(tài)的調(diào)整而產(chǎn)生的切換對(duì)于任務(wù)計(jì)算和通信而言都會(huì)產(chǎn)生很大一部分的額外開銷。

4 代表性卸載框架比較分析

CloneCloud是最早出現(xiàn)的基于云計(jì)算遷移系統(tǒng)，它采用動(dòng)態(tài)分析與靜態(tài)分析結(jié)合的方式，在細(xì)粒度級(jí)別實(shí)現(xiàn)應(yīng)用程序的自動(dòng)劃分。該系統(tǒng)將應(yīng)用程序中的一部分線程卸載到云平臺(tái)執(zhí)行，同時(shí)相應(yīng)的任務(wù)遷移機(jī)制是以最優(yōu)化執(zhí)行時(shí)間或者降低手機(jī)能耗為目標(biāo)來確定應(yīng)用程序的分割點(diǎn)[14]。如圖3所示為CloneCloud框架架構(gòu)。

圖3 CloneCloud卸載框架

Kosta[15]等人提出的Think Air框架能夠?qū)⑹謾C(jī)應(yīng)用遷移到云平臺(tái)上，這個(gè)系統(tǒng)架構(gòu)利用云計(jì)算中智能手機(jī)虛擬化的概念提出任務(wù)卸載的方法，它可以完成方法級(jí)別的卸載。該計(jì)算架構(gòu)包括四個(gè)設(shè)計(jì)目標(biāo)：動(dòng)態(tài)適應(yīng)環(huán)境、開發(fā)人員易使用、通過云計(jì)算的性能改進(jìn)、計(jì)算能力的動(dòng)態(tài)擴(kuò)展。楊彬[16]等人提出一種輕量級(jí)分布式計(jì)算卸載框架(DCOF)，該框架將移動(dòng)應(yīng)用程序以分布式的形式在終端和云端進(jìn)行配置。這種方法很大程度的降低了任務(wù)遷移過程中帶來的開銷，同時(shí)有效降低資源的消耗。

文獻(xiàn)[17]提出的COMET架構(gòu)允許線程根據(jù)工作負(fù)載在機(jī)器之間自由遷移。為了便于卸載，使用DSM技術(shù)來保持堆、棧和鎖定狀態(tài)一致性。這些技術(shù)構(gòu)成了分布式虛擬機(jī)的基礎(chǔ)，允許遷移線程數(shù)量的一致性。該架構(gòu)只需要程序二進(jìn)制文件就能夠確保多線程程序正確執(zhí)行，并不需要進(jìn)行手動(dòng)操作，同時(shí)能夠有效提高計(jì)算速度以及抵抗網(wǎng)絡(luò)和服務(wù)器產(chǎn)生的故障。B Zhou[18]提出的mcloud卸載架構(gòu)包括移動(dòng)設(shè)備，附近的云團(tuán)以及公共云服務(wù)，旨在提高移動(dòng)服務(wù)的性能和可用性。移動(dòng)設(shè)備網(wǎng)絡(luò)性能的影響是通過基于上下文的卸載算法在選擇無線介質(zhì)和云資源時(shí)產(chǎn)生的，該框架同時(shí)也支持系統(tǒng)的故障檢測(cè)和恢復(fù)策略。Karim[19]提出的研究重點(diǎn)是如何將移動(dòng)設(shè)備利用不同的框架轉(zhuǎn)移到云計(jì)算。文中提出了一個(gè)數(shù)學(xué)模型來解決這個(gè)問題，該模型設(shè)計(jì)了三種實(shí)現(xiàn)方法：1)利用模糊邏輯解決計(jì)算卸載問題，2)利用模糊神經(jīng)網(wǎng)絡(luò)分析解決計(jì)算卸載問題，3)利用機(jī)器學(xué)習(xí)來解決計(jì)算卸載問題。這三種方法的共同點(diǎn)就在于它們環(huán)境和設(shè)備的參數(shù)是動(dòng)態(tài)變化的，在運(yùn)行時(shí)能夠有效判斷是否對(duì)任務(wù)進(jìn)行遷移，有效降低了的設(shè)備能源的消耗以及減少了時(shí)間上的延遲。

Gao[20]開發(fā)了一套節(jié)能負(fù)荷卸載框架-WGAO,該框架能夠?qū)崿F(xiàn)移動(dòng)工作流在移動(dòng)云平臺(tái)上的高效執(zhí)行。設(shè)計(jì)中首先制定兩個(gè)移動(dòng)云平臺(tái)的能源目標(biāo)，第一個(gè)目標(biāo)是最大限度地減少整體能源成本的平臺(tái)，第二個(gè)目標(biāo)的長(zhǎng)壽命的平臺(tái)?？紤]到每個(gè)設(shè)備的剩余電池功率，作者構(gòu)建兩個(gè)目標(biāo)的優(yōu)化模型，并開發(fā)兩個(gè)有效的算法近似最優(yōu)解。根據(jù)模擬結(jié)果，利用貪婪自主卸載(GAO)算法來產(chǎn)生最優(yōu)分配方案。文獻(xiàn)[21]為計(jì)算遷移到云平臺(tái)提出了主動(dòng)服務(wù)遷移框架-ASM，它采用輕量級(jí)的分布式部署，通過在真實(shí)移動(dòng)環(huán)境下的進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果顯示該框架能夠有效提升任務(wù)執(zhí)行的效率。

將各種卸載框架進(jìn)行比較分析，如表1所示。

表1 任務(wù)卸載架構(gòu)比較

5 結(jié)束語與展望

移動(dòng)云計(jì)算的任務(wù)卸載問題是解決移動(dòng)終端設(shè)備資源受限的關(guān)鍵措施，作者主要從卸載策略以及卸載框架兩大方面進(jìn)行了梳理分析，未來移動(dòng)云計(jì)算任務(wù)卸載未來還需要在以下幾個(gè)方面進(jìn)行深入研究：

(1)設(shè)計(jì)更加完善的卸載策略和框架。移動(dòng)卸載過程涉及到計(jì)算、網(wǎng)絡(luò)、能源以及節(jié)能等方面的內(nèi)容，以往卸載策略或框架上的研究往往只是針對(duì)某一方面進(jìn)行優(yōu)化和加強(qiáng)，并不能統(tǒng)籌考慮各個(gè)制約因素。所以在以后的研究當(dāng)中，應(yīng)該綜合考慮各方面的受限因素，設(shè)計(jì)提出更加完善的卸載策略。為了資源進(jìn)行高效利用，整合現(xiàn)在已有的卸載方法，形成統(tǒng)一的框架，使得計(jì)算遷移具有普適性。

(2)及時(shí)進(jìn)行垃圾處理。在程序運(yùn)行中會(huì)產(chǎn)生很多垃圾，然而這些垃圾有一部分是執(zhí)行失敗的應(yīng)用程序，未來研究當(dāng)中要設(shè)計(jì)一個(gè)合適的決策來決定這些碎片垃圾是要重啟執(zhí)行還是要丟棄，以避免不必要的資源浪費(fèi)。

(3)設(shè)計(jì)有效的監(jiān)控策略。移動(dòng)用戶最大特點(diǎn)是時(shí)常處于移動(dòng)當(dāng)中，所以有必要當(dāng)移動(dòng)用戶在服務(wù)區(qū)之間移動(dòng)時(shí)，設(shè)計(jì)有效的監(jiān)控策略，根據(jù)上下文定時(shí)檢查應(yīng)用程序的卸載情況。

(4)云端能夠進(jìn)行最優(yōu)匹配。加強(qiáng)與多個(gè)不同云資源供應(yīng)商之間協(xié)調(diào)，獲取多個(gè)云計(jì)算實(shí)例以及資源管理策略，方便以后在進(jìn)行計(jì)算卸載時(shí)與云端能夠進(jìn)行最優(yōu)匹配。

(5)綜合考慮策略。大部分的執(zhí)行卸載策略都是基于移動(dòng)終端(比如降低終端能耗，資源等問題)。在移動(dòng)云計(jì)算中也該設(shè)計(jì)一種綜合考慮云端的資源問題的遷移策略(比如負(fù)載均衡，計(jì)算就近原則等等)。

[1] TILEVICH E，KWON Y W.Cloud-based execution to improve mobileapplication energy efficiency[J].Computer,2014,47(1):75-77．

[2] 張文麗，郭兵.智能移動(dòng)終端計(jì)算遷移研究[J].計(jì)算機(jī)學(xué)報(bào),2016.

[3] 楊從有.移動(dòng)云計(jì)算基于多屬性決策的計(jì)算卸載任務(wù)切換管理[D].云南大學(xué)，2013.

[4] Messer A，Greenberg I,Bernadat P,et al.Towards a distributed platform for resource-constraine-d devices[C].Distributed Computing Systems，2002.Proceedings.22nd International Conference on.IEEE，2002:43-51.

[5] Ou S，Yang K，Liotta A.An adaptive multi-constraint partitioning algorithm for offloading inpervasive systems[C].Pervasive Computing and Communications，2006:116-125.

[6] CUERVO E，BAIAsuBRAMANIAN A．CHO D K，et al．MAUl： making smartphones last longer with code oftoad[c].ACMMobisys．San Francisco：ACM.2010：49-62．

[7] Gu X，Nahrstedt K，Messer A，et al.Adaptive offloading inference for delivering applications in'pervasive computing environments[C].Pervasive Computing and Communications，2003.(PerCom 2003).Proceedings of the First IEEE International Conference on.IEEE，2003:107-114.

[8] Nimmagadda Y.Kumar K，Lu Y H，et al.Real-time moving object recognition and trackingusing computation offloading[C].Intelligent Robots and Systems (IROS)，2010 IEEE/RSJ International Conference on.IEEE，2010:2449-2455.

[9] W Fan，Y Liu,B Tang .Adaptive Application Component Mapping for Parallel Computation Offloading in Variable Environments[J].Ksii Transactions on Internet & Information Systems，2015,9(11)：4347-4366.

[10] Huang D，Wang P，Niyato D.A dynamicoffloading algorithm for mobile computing[J].IEEE Trans.on Wireless Communications，2012，11(6):1991-1995.

[11] 柳興,李建彬等.移動(dòng)云計(jì)算中一種任務(wù)聯(lián)合執(zhí)行的節(jié)能算法[J].計(jì)算機(jī)學(xué)報(bào)，2017.

[12] H Wu,Q Wang，K Wolter.Methods of cloud-path selection for offloading in mobile cloud computing systems[J] IEEE 5th International Conference on Cloud Computing Technology and Science，2012:443-448.

[13] B Gao，L He，L Liu，K Li.SA Jarvis.From Mobiles to Clouds: Developing Energy-aware Offloading Strategies for Workflows.Acm[C].IEEE International Conference on Grid Computing,2012，45(1):139-146

[14] Byung-Gon Chun,Sunghwan Ihm ,et al.CloneCloud：Elasticexecution between mobile device and cloud[C].ACM EuroSys.New York：ACM.2011：301-314．

[15] KOSTA S，AUCINAS A，HUI P，et al．ThinkAir：Dynamic resourceallocation and parallel execution in the cloud for mobile code offloading[C].IEEE INFOCOM．Orlando：1EEE，2012：945-953．

[16] 楊彬,移動(dòng)云計(jì)算中分布式計(jì)算卸載框架的研究[J].軟件，2015.

[17] Mark S.Gordon,D.Anoushe Jamshidi,et al.COMET: Code Offload by Migrating Execution Transparently[C].Usenix Conference on Operating Systems Design & Implementation，2012:93-106.

[18] B Zhou,,R Calheiros,S Srirama,R Buyya.mCloud: A Context-aware Offloading Framework for Heterogeneous Mobile Cloud[J].IEEE Transactions on Services Computing,1939,PP(99):1-1.

[19] Karim，S.M.Azharul，M.S.A study of computation offloading frameworks for mobile cloud computing[D].THE UNIVERSITY OF TEXAS AT SAN ANTONIO ,2016.

[20] Gao，Bo.Developing Energy-Aware Workload Offloading Frameworks in Mobile Cloud Computing[D].University of Warwick，2015.

[21] M Shiraz，A Gani.A lightweight active service migration framework for computational offloading in mobile cloud computing[J].The Journal of Supercomputing，2014,68(2):978-995.

Theresearchoftaskoffloadinginmobilecloudcomputing

ZHANGYan-piao，ZHANGLu

(Information&TechnologyCollege,HebeiUniversityofEconomics&Business,ShijiazhuangHebei050061,China)

With the development of mobile technology，the problem of limited resources for mobile terminals in computing，storage and network is outstanding，modern mobile terminals are often not able to support high-end applications run well.Today，one of the solutions to overcome the problem of limited resources is discharging the task to the cloud computing,through shifting to the cloud computing，we can improve the processing efficiency and significantly reduce energy consumption and the delay of equipment，etc.So there is a need to carry out in-depth research on mobile cloud computing task unloading problem.The main content of this article is to introduce the task offloading strategy in the process of migration，unloading system framework and task.Through analysising the task after offloading system,we will discusses the development direction of the future and the challenge for unloading technology.

Mobile Cloud Computing;Task offload;Offloading strategy;Offloading framework

2017-08-14

張艷飄(1991-),女，河北邢臺(tái)人，碩士研究生，研究方向：移動(dòng)云計(jì)算與大數(shù)據(jù).

1001-9383(2017)03-0011-07

TP393

A