云環(huán)境下基于標(biāo)記的移動應(yīng)用劃分方法

樊 新，高 曙

(武漢理工大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，湖北 武漢430070)

隨著通信技術(shù)和信息技術(shù)的快速發(fā)展，移動設(shè)備得到迅猛發(fā)展，各種免費的、付費的、有創(chuàng)意的、實用的移動應(yīng)用產(chǎn)品如雨后春筍般涌現(xiàn)，如手機網(wǎng)絡(luò)游戲、多媒體、微信等手機應(yīng)用產(chǎn)品。面對用戶無限增長的應(yīng)用需求，移動設(shè)備有限的內(nèi)存和電池容量正成為移動設(shè)備發(fā)展的瓶頸。為解決其資源受限，延長其續(xù)航時間，滿足用戶的應(yīng)用需求，研究人員通常利用云計算，將應(yīng)用進(jìn)行劃分并遷移到云端執(zhí)行，從而擴展設(shè)備資源，節(jié)省其能耗［1-2］。移動應(yīng)用劃分模型如圖1 所示。

圖1 移動應(yīng)用劃分模型

目前，國內(nèi)外對該問題的研究主要是利用云計算技術(shù)，其正成為解決移動設(shè)備資源受限最有效的途徑。國內(nèi)在移動設(shè)備資源受限領(lǐng)域的研究起步比較晚，主要是理論方面的研究，如伍宇［3］提出了一種自適應(yīng)負(fù)載均衡模型。該模型根據(jù)移動設(shè)備應(yīng)用程序上下文和遠(yuǎn)程服務(wù)器負(fù)載等信息，通過決策引擎決定移動應(yīng)用任務(wù)執(zhí)行的位置(本地或者遠(yuǎn)程服務(wù)器)，以擴展移動設(shè)備資源，降低其能量消耗。章鐵飛等［4］提出了一種節(jié)能算法，其核心思想是比較任務(wù)在不同執(zhí)行方式下的能耗期望，采用其中能耗期望最小的方式執(zhí)行任務(wù)。在應(yīng)用方面，國內(nèi)云存儲發(fā)展迅速，百度、華為、騰訊等公司相繼推出云存儲，擴展了移動設(shè)備數(shù)據(jù)存儲。

國外在這方面的研究比較深入，取得了可喜的成果。微軟公司針對移動設(shè)備資源受限等問題，設(shè)計了MAUI 靜態(tài)劃分系統(tǒng)［5］。該系統(tǒng)實現(xiàn)了移動應(yīng)用代碼級別劃分，較好地擴展了移動設(shè)備資源，節(jié)省了能耗，但是增加了開發(fā)人員的負(fù)擔(dān)。張新文等提出了一種彈性應(yīng)用劃分模型Weblet［6］。該模型能夠?qū)?yīng)用劃分成多個Weblet的構(gòu)件，并且在運行時能夠?qū)eblet 進(jìn)行動態(tài)配置，不僅減輕了開發(fā)人員的負(fù)擔(dān)，而且擴展了設(shè)備資源。但是其實現(xiàn)過程復(fù)雜，模型本身能量消耗比較大。在應(yīng)用方面，主要有Amazon 的AWS、EC2、SDB 和S3;Google 的Google Storage、App Engine 和微軟的Azure Plateform 等［7-8］。

綜合現(xiàn)有相關(guān)研究成果，筆者采用基于標(biāo)記的移動應(yīng)用劃分方法。該方法結(jié)合動態(tài)劃分和靜態(tài)劃分的優(yōu)點，充分考慮移動應(yīng)用具體功能結(jié)構(gòu)，事先對應(yīng)用可遷移的模塊進(jìn)行標(biāo)記，引入遷移能耗模型，動態(tài)決定應(yīng)用標(biāo)記模塊執(zhí)行位置(移動設(shè)備端執(zhí)行或者云端執(zhí)行)。該方法不僅應(yīng)用劃分簡單、合理，而且只需編程人員事先對可轉(zhuǎn)移模塊進(jìn)行標(biāo)記，減輕了編程人員的開發(fā)負(fù)擔(dān)，避免了劃分算法復(fù)雜而導(dǎo)致其自身能耗過大的問題。同時能夠根據(jù)網(wǎng)絡(luò)實際環(huán)境，動態(tài)改變執(zhí)行策略，最終達(dá)到擴展移動設(shè)備資源，節(jié)省其能耗的目的。

1 移動應(yīng)用劃分方法

1.1 轉(zhuǎn)移能耗模型

針對移動設(shè)備資源受限、能力有限，一些密集型應(yīng)用程序僅依靠移動設(shè)備無法滿足用戶應(yīng)用需求或者根本無法運行的情況，可以將一個應(yīng)用程序看成是一個由多個功能模塊組成的有向圖(V，E)，移動應(yīng)用功能模塊有向圖如圖2 所示。圖2中每個頂點表示應(yīng)用程序的一個功能模塊，頂點的權(quán)重表示每個模塊在移動設(shè)備端的執(zhí)行時間;每個邊表示各功能模塊之間的聯(lián)系，每條邊的權(quán)重表示兩個頂點間的信息交互量。應(yīng)用程序劃分執(zhí)行能耗由本地執(zhí)行能耗和網(wǎng)絡(luò)數(shù)據(jù)傳輸能耗兩部分組成，如式(1)所示。

圖2 移動應(yīng)用功能模塊有向圖

式中：Pc為移動設(shè)備CPU 運行單位時間內(nèi)消耗的能量;Tc(v)為移動應(yīng)用模塊在移動端運行的時間。

由于手機信號網(wǎng)絡(luò)和WiFi 網(wǎng)絡(luò)幾乎時刻都在變化，為了便于研究，假設(shè)單位時間內(nèi)網(wǎng)絡(luò)狀態(tài)是穩(wěn)定的。如果數(shù)據(jù)傳輸時間很短，則假設(shè)顯然成立;長時間的數(shù)據(jù)傳輸過程也可以被劃分成多個短時間的數(shù)據(jù)傳輸過程，因此這樣的假設(shè)是合理的，在該前提下，無線數(shù)據(jù)傳輸能耗公式如下：

式中：M(vl，vs)為兩模塊之間網(wǎng)絡(luò)傳輸數(shù)據(jù)量;k為某時刻無線網(wǎng)絡(luò)的傳輸速率;Pwifi為無線網(wǎng)絡(luò)單位時間內(nèi)消耗的能量。

由式(1)～式(3)可知，移動應(yīng)用中每個標(biāo)記功能模塊執(zhí)行的位置與當(dāng)前無線網(wǎng)絡(luò)傳輸質(zhì)量和云端執(zhí)行時間密切有關(guān)。當(dāng)無線網(wǎng)絡(luò)傳輸質(zhì)量高、云端服務(wù)器應(yīng)用響應(yīng)時間快時，應(yīng)將應(yīng)用中標(biāo)記模塊轉(zhuǎn)移到云端執(zhí)行;否則，移動應(yīng)用標(biāo)記模塊應(yīng)保留在本地客戶端執(zhí)行。當(dāng)應(yīng)用模塊在移動設(shè)備端執(zhí)行時，移動設(shè)備所需消耗的能量等于其模塊處理消耗的能量;當(dāng)應(yīng)用模塊在云端執(zhí)行時，移動設(shè)備所需消耗的能量等于其模塊與客戶端數(shù)據(jù)傳輸消耗的能量。移動應(yīng)用劃分節(jié)省能耗的計算公式如下：

式中：Eclient為移動應(yīng)用中可轉(zhuǎn)移模塊在客戶端執(zhí)行移動設(shè)備所需消耗的能量;Eoffload為移動應(yīng)用中可轉(zhuǎn)移模塊在云端執(zhí)行移動設(shè)備所需消耗的能量。如果Esave＞0，則移動應(yīng)用中該可轉(zhuǎn)移模塊應(yīng)轉(zhuǎn)移到云端執(zhí)行，如果Esave＜0，則移動應(yīng)用中該可轉(zhuǎn)移模塊應(yīng)保留在移動設(shè)備端執(zhí)行。

1.2 基于標(biāo)記的移動應(yīng)用劃分方法

移動應(yīng)用劃分系統(tǒng)利用云計算豐富的資源和強大的信息處理能力，通過無線網(wǎng)絡(luò)，將移動設(shè)備端高能耗或密集型計算任務(wù)轉(zhuǎn)移到云端執(zhí)行，從而達(dá)到擴展移動設(shè)備資源，節(jié)省其能耗的目的。為了更加具體地說明基于標(biāo)記的移動應(yīng)用劃分方法，筆者采用移動對象位置預(yù)測系統(tǒng)作為研究對象來具體說明其設(shè)計思路。移動對象位置預(yù)測主要通過客戶端收集用戶位置信息，通過對位置信息進(jìn)行分析處理，預(yù)測用戶未來運動趨勢［9-10］。獲知用戶運動趨勢，可以根據(jù)用戶未來運動趨勢推薦用戶感興趣的相關(guān)服務(wù)。移動對象位置預(yù)測由收集用戶位置信息、用戶位置信息預(yù)處理、用戶位置信息處理預(yù)測和顯示用戶位置信息預(yù)測結(jié)果4 個功能模塊組成。移動對象位置預(yù)測系統(tǒng)功能流程如圖3 所示。

移動對象位置預(yù)測系統(tǒng)中的收集用戶位置信息和顯示用戶位置信息預(yù)測結(jié)果這兩個功能模塊與移動設(shè)備聯(lián)系緊密，必須在移動設(shè)備端執(zhí)行。而用戶位置信息預(yù)處理和用戶位置信息處理預(yù)測模塊同移動設(shè)備聯(lián)系不大，同時這兩個功能模塊信息分析處理工作量巨大，編程人員事先應(yīng)該將這兩個可轉(zhuǎn)移的模塊進(jìn)行標(biāo)記。根據(jù)轉(zhuǎn)移能耗模型，結(jié)合用戶當(dāng)前網(wǎng)絡(luò)質(zhì)量，決定標(biāo)記模塊執(zhí)行的位置，從而達(dá)到擴展設(shè)備資源，節(jié)省其能耗的目的。劃分流程如下：

(1)詳細(xì)分析移動應(yīng)用功能模塊并按照功能模塊對應(yīng)用進(jìn)行劃分，找出其中與本地客戶端聯(lián)系不大并且能耗高、計算密集型的功能模塊，將這些可轉(zhuǎn)移模塊進(jìn)行標(biāo)記。

(2)在移動應(yīng)用使用過程中，收集用戶上下文信息，例如無線網(wǎng)絡(luò)網(wǎng)速、無線網(wǎng)絡(luò)信號強度和應(yīng)用請求相應(yīng)時間等信息。當(dāng)應(yīng)用請求到來時，根據(jù)客戶端上下文信息，結(jié)合轉(zhuǎn)移能耗模型，決定標(biāo)記模塊執(zhí)行位置(本地客戶端執(zhí)行或云端服務(wù)器執(zhí)行)。

(3)云端服務(wù)器執(zhí)行完應(yīng)用請求后，通過無線網(wǎng)絡(luò)，將處理的應(yīng)用結(jié)果返回本地客戶端顯示。

圖3 移動對象位置預(yù)測系統(tǒng)功能流程圖

2 實驗驗證與結(jié)果分析

2.1 實驗環(huán)境

硬件環(huán)境：移動設(shè)備為華為525 Android 智能手機;硬件參數(shù)為四核CPU，頻率為1 228 MHz;電池容量為1 700 mAh，支持WCDMA、3G 和WiFi，內(nèi)存1 G;操作系統(tǒng)為Android OS4.1。服務(wù)器端硬件環(huán)境：Intel Core i3 CUP 2.53 GHz，內(nèi)存4 G;服務(wù)器為Think E40 筆記本電腦，內(nèi)存4 G，硬盤250 G，操作系統(tǒng)為ubuntu linux12.04。

軟件環(huán)境：Eclipse 集成開發(fā)環(huán)境，Android SDK，JDK1.7，HBase 數(shù)據(jù)庫，Hadoop 偽分布式處理環(huán)境。

能耗測試工具：為了測量智能手機能量消耗情況，使用智能手機電量測量軟件PowerTutor。PowerTutor 可以實時顯示智能手機各軟件和硬件電量消耗水平，包括LCD、CPU、3G、WiFi 的電量消耗，系統(tǒng)開發(fā)環(huán)境如表1 所示。

表1 系統(tǒng)開發(fā)環(huán)境

2.2 實驗結(jié)果分析

筆者設(shè)計對比實驗，其中一組是基于標(biāo)記的移動應(yīng)用劃分預(yù)測系統(tǒng)，另一組是未進(jìn)行劃分的預(yù)測系統(tǒng)，分別部署到在校學(xué)生智能手機上。通過對此反復(fù)測驗，記錄兩組系統(tǒng)時間運行結(jié)果，包括系統(tǒng)執(zhí)行時間和系統(tǒng)能量消耗情況等信息。為了減少測量的誤差，采用多次測量實驗取平均值的辦法記錄實驗數(shù)據(jù)，移動用戶位置預(yù)測系統(tǒng)測試記錄數(shù)據(jù)如表2 所示。

表2 移動用戶位置預(yù)測系統(tǒng)測試記錄數(shù)據(jù)

如表2 所示，設(shè)計4 組對比實驗，用戶軌跡量分別為1 000 條、2 500 條、4 000 條和5 500 條，記錄4 組部署了未劃分預(yù)測系統(tǒng)和應(yīng)用劃分預(yù)測系統(tǒng)的實際運行情況。實驗發(fā)現(xiàn)未劃分預(yù)測系統(tǒng)隨著用戶軌跡信息量的增大，其運行的質(zhì)量急劇下降，能量消耗急劇上升;而應(yīng)用劃分預(yù)測系統(tǒng)執(zhí)行效果良好、穩(wěn)定，其能量消耗少且穩(wěn)定。其中在系統(tǒng)運行性能方面，應(yīng)用劃分預(yù)測系統(tǒng)比未劃分預(yù)測系統(tǒng)運行時間更短，執(zhí)行質(zhì)量更高;在系統(tǒng)能量消耗方面，應(yīng)用劃分預(yù)測系統(tǒng)比未劃分預(yù)測系統(tǒng)分別節(jié)省能耗12%、25%、79%和89%。應(yīng)用劃分與未劃分系統(tǒng)執(zhí)行時間和能耗對比如圖4 和圖5 所示。

由圖4 和圖5 可知，由于移動設(shè)備是資源受限的設(shè)備，需要處理的軌跡信息隨著用戶軌跡量的增長迅速膨脹，未劃分預(yù)測系統(tǒng)的運作質(zhì)量越來越差，能耗越來越高，甚至無法運行。而應(yīng)用劃分預(yù)測系統(tǒng)利用云計算豐富的資源，將資源密集型和高能耗的標(biāo)記模塊轉(zhuǎn)移到云端執(zhí)行，使系統(tǒng)運行狀態(tài)良好、穩(wěn)定，擴展了移動設(shè)備資源、節(jié)省了其能耗。通過對比實驗結(jié)果，充分驗證了基于標(biāo)記的移動應(yīng)用劃分方法的節(jié)能效果和實用性。

圖4 應(yīng)用劃分與未劃分系統(tǒng)執(zhí)行時間對比圖

圖5 應(yīng)用劃分與未劃分系統(tǒng)能耗對比圖

3 結(jié)論

筆者提出了基于標(biāo)記的移動應(yīng)用劃分方法，根據(jù)移動應(yīng)用功能結(jié)構(gòu)，事先對其進(jìn)行劃分，將可轉(zhuǎn)移的功能模塊進(jìn)行標(biāo)記。收集用戶當(dāng)前上下文信息，結(jié)合轉(zhuǎn)移能耗模型，決定標(biāo)記功能模塊執(zhí)行位置(云端執(zhí)行或本地移動設(shè)備端執(zhí)行)。云端任務(wù)執(zhí)行完成后，通過無線網(wǎng)絡(luò)將運行結(jié)果返回移動設(shè)備端，從而實現(xiàn)擴展移動設(shè)備資源，節(jié)省其能耗的目的。

［1］MIETTINEN A P，NURMINEN J K. Energy efficiency of mobile clients in cloud computing［C］∥Proceedings of the 2nd USENIX Conference on Hot Topics in Cloud Computing. ［S.l.］：USENIX Association，2010：4-14.

［2］KOVACHEV D，YU T，KLAMMA R. Adaptive computation offloading from mobile devices into the cloud［C］∥2012 IEEE 10th International Symposium on Parallel and Distributed Processing with Applications(ISPA).［S.l.］：IEEE，2012：784 -791.

［3］伍宇.移動計算中自適應(yīng)負(fù)載轉(zhuǎn)移決策模型研究［D］.上海：復(fù)旦大學(xué)圖書館，2012.

［4］章鐵飛，陳天洲.基于移動設(shè)備云遷移的節(jié)能決策算法［J］.中國科學(xué)：信息科學(xué)，2012，42(3)：333-342.

［5］CUERVO E，BALASUBRAMANIAN A，CHO D，et al.MAUI：making smartphones last longer with code offload［C］∥The 8th International Conference on Mobile Systems，Applications，and Services. ［S.l.］：ACM，2010：49-62.

［6］ZHANG X W，KUNJITHAPATHAM A，JEONG S，et al.Towards an elastic application model for augmenting the computing capabilities of mobile devices with cloud computing［J］. Mobile Networks and Applications，2011，16(3)：270 -284.

［7］CONDIE T，CONVAY N，ALVARO P，et al. MapReduce online［C］∥NSDI. ［S.l.］：［s.n.］，2010：20-35.

［8］DEAN J，GHEMAWAT S. MapReduce：a flexible data processing tool［J］. Communications of the ACM，2010，53(1)：72 -77.

［9］GAO H，TANG J，LIU H. Mobile location prediction in spatio-temporal context［C］//Nokia Mobile Data Challenge Workshop. ［S.l.］：［s.n.］，2012：1543-1550.

［10］YAVAS G，KATSAROS D，ULUSOY ?，et al. A data mining approach for location prediction in mobile environments［J］. Data ＆ Knowledge Engineering，2005，54(2)：121 -146.