移動(dòng)云計(jì)算研究進(jìn)展與趨勢

崔勇 宋健 繆蔥蔥 唐俊

1 引言

隨著移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展和移動(dòng)應(yīng)用的極大豐富，移動(dòng)終端已經(jīng)成為人們工作生活不可或缺的一部分。移動(dòng)支付、移動(dòng)醫(yī)療、移動(dòng)游戲及虛擬現(xiàn)實(shí)等日益復(fù)雜的移動(dòng)應(yīng)用對移動(dòng)終端的計(jì)算能力、存儲(chǔ)容量、電池容量以及安全性提出了更高的要求。然而，由于重量、大小和散熱等因素的限制，移動(dòng)終端的計(jì)算、存儲(chǔ)資源與傳統(tǒng)的非移動(dòng)設(shè)備相比一直存在很大的差距，特別是移動(dòng)終端有限的電池容量，嚴(yán)重影響了用戶的應(yīng)用體驗(yàn)。為了突破移動(dòng)終端計(jì)算、存儲(chǔ)和電池等資源限制，為移動(dòng)用戶提供更加豐富的應(yīng)用，將云計(jì)算引入移動(dòng)環(huán)境，移動(dòng)云計(jì)算（mobile cloud computing，MCC）作為一種新的應(yīng)用模式應(yīng)運(yùn)而生。

1.1 移動(dòng)云計(jì)算的定義與特點(diǎn)

移動(dòng)云計(jì)算的主要目標(biāo)是應(yīng)用云端的計(jì)算、存儲(chǔ)等資源優(yōu)勢，突破移動(dòng)終端的資源限制，為移動(dòng)用戶提供更加豐富的應(yīng)用以及更好的用戶體驗(yàn)。其定義一般可以概括為移動(dòng)終端通過無線網(wǎng)絡(luò)，以按需、易擴(kuò)展的方式從云端獲得所需的基礎(chǔ)設(shè)施、平臺(tái)、軟件等資源或信息服務(wù)的使用與交付模式。

移動(dòng)用戶通過基站等無線網(wǎng)絡(luò)接入方式連接到Internet上的公有云。公有云的數(shù)據(jù)中心分布部署在不同的地方，為用戶提供可擴(kuò)展的計(jì)算、存儲(chǔ)等服務(wù)。內(nèi)容提供商也可以將視頻、游戲和新聞等資源部署在適當(dāng)?shù)臄?shù)據(jù)中心上，為用戶提供更加豐富高效的內(nèi)容服務(wù)。對安全性、網(wǎng)絡(luò)延遲和能耗等方面要求更高的用戶，可以通過局域網(wǎng)連接本地微云，獲得具備一定可擴(kuò)展性的云服務(wù)。本地微云也可以通過Internet連接公有云，以進(jìn)一步擴(kuò)展其計(jì)算、存儲(chǔ)能力，為移動(dòng)用戶提供更加豐富的資源。

移動(dòng)云計(jì)算由云計(jì)算發(fā)展而來，天然繼承了云計(jì)算的應(yīng)用動(dòng)態(tài)部署、資源可擴(kuò)展、多用戶共享以及多服務(wù)整合等優(yōu)勢。另外，移動(dòng)云計(jì)算還具有終端資源有限性、用戶移動(dòng)性、接入網(wǎng)異構(gòu)性以及無線網(wǎng)絡(luò)的安全脆弱性等特有屬性。

1.2 移動(dòng)云計(jì)算主要研究范疇

移動(dòng)云計(jì)算研究領(lǐng)域涵蓋廣泛，范圍涉及無線網(wǎng)絡(luò)、移動(dòng)計(jì)算、云計(jì)算等多個(gè)領(lǐng)域的相關(guān)技術(shù)。目前已經(jīng)有一些移動(dòng)云計(jì)算相關(guān)技術(shù)的綜述文獻(xiàn)。Fernando等人和Rahimi等人給出了移動(dòng)云計(jì)算的定義、體系框架，并重點(diǎn)介紹了移動(dòng)云計(jì)算的典型應(yīng)用場景及主要的計(jì)算遷移應(yīng)用。

本文對當(dāng)前移動(dòng)云計(jì)算的主要研究工作進(jìn)行歸類和梳理。該研究體系分為3層：最下層是移動(dòng)云計(jì)算面臨的主要挑戰(zhàn)，包括移動(dòng)終端資源受限性、用戶移動(dòng)性以及一系列的安全問題；第2層對這些挑戰(zhàn)對應(yīng)的主要關(guān)鍵技術(shù)及其重要研究成果進(jìn)行總結(jié)與分析，主要包括計(jì)算遷移、基于移動(dòng)云的位置服務(wù)、移動(dòng)終端節(jié)能以及數(shù)據(jù)安全與隱私保護(hù)等；最上層則重點(diǎn)介紹了在這些關(guān)鍵技術(shù)支撐下的移動(dòng)云計(jì)算新型應(yīng)用。

計(jì)算遷移作為移動(dòng)云計(jì)算的核心技術(shù)，主要解決移動(dòng)終端的計(jì)算和存儲(chǔ)資源受限問題，它以整個(gè)應(yīng)用或部分代碼/數(shù)據(jù)等形式，將移動(dòng)終端的存儲(chǔ)、計(jì)算等任務(wù)遷移到云端數(shù)據(jù)中心或高性能服務(wù)器上執(zhí)行，是移動(dòng)終端獲得靈活、高效服務(wù)的基本手段。學(xué)術(shù)界已經(jīng)針對擴(kuò)展移動(dòng)終端的計(jì)算、存儲(chǔ)能力、減少服務(wù)延遲、節(jié)約終端能耗等不同優(yōu)化目標(biāo)提出了一系列計(jì)算遷移方案。然而，為了設(shè)計(jì)高效可靠的計(jì)算遷移系統(tǒng)，還需要綜合考慮終端負(fù)載、任務(wù)屬性、網(wǎng)絡(luò)狀況以及應(yīng)用環(huán)境等多種測度。近年來，相關(guān)研究領(lǐng)域也開始得到學(xué)術(shù)界的重視。

用戶的移動(dòng)性是移動(dòng)云計(jì)算的重要特點(diǎn)之一。位置服務(wù)旨在精確高效地定位用戶位置，保證用戶可以在持續(xù)移動(dòng)過程中，隨時(shí)隨地按需獲取云端數(shù)據(jù)中心提供的豐富多樣、靈活高效的個(gè)性化定制服務(wù)。然而，傳統(tǒng)的定位技術(shù)已經(jīng)無法完全適應(yīng)智能家居中的病人監(jiān)護(hù)、體感游戲等移動(dòng)云計(jì)算新型應(yīng)用的需求。當(dāng)前學(xué)術(shù)界的研究熱點(diǎn)已經(jīng)主要集中到室內(nèi)軌跡追蹤與導(dǎo)航、精確定位與動(dòng)作識(shí)別等新型位置服務(wù)方面。然而，這些新型技術(shù)大多基于大量信息的收集、存儲(chǔ)以及復(fù)雜的運(yùn)算處理，這是資源受限的移動(dòng)終端無法勝任的。因此，大多數(shù)解決方案都基于云計(jì)算的模式設(shè)計(jì)實(shí)現(xiàn)。這些新型技術(shù)的發(fā)展必將進(jìn)一步促進(jìn)移動(dòng)云計(jì)算應(yīng)用的豐富，但也越來越依賴云計(jì)算的資源優(yōu)勢。

移動(dòng)云計(jì)算面臨的另一個(gè)主要挑戰(zhàn)是移動(dòng)終端電池容量的限制。受移動(dòng)終端體積、重量，以及電池技術(shù)水平的限制，終端可用電量很難在短期內(nèi)獲得大幅提升。為了延長移動(dòng)終端的可用時(shí)間，提高用戶體驗(yàn)，移動(dòng)終端節(jié)能技術(shù)也一直得到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。當(dāng)前終端節(jié)能技術(shù)研究的熱點(diǎn)主要集中在不同無線網(wǎng)絡(luò)環(huán)境下的傳輸節(jié)能，以及定位服務(wù)等能耗密集型應(yīng)用節(jié)能等方面。

另外，隨著移動(dòng)云計(jì)算應(yīng)用的迅速拓展與深入，人們已經(jīng)越來越習(xí)慣將通信錄、照片等個(gè)人信息備份在云端，甚至直接應(yīng)用手機(jī)完成電子支付。因此，移動(dòng)云計(jì)算環(huán)境中的數(shù)據(jù)安全與隱私保護(hù)也愈發(fā)重要。移動(dòng)云計(jì)算環(huán)境中，不僅要保證用戶外包到不可信云端的數(shù)據(jù)安全性、完整性，而且要保證用戶身份、訪問行為等信息的隱私安全，避免移動(dòng)終端由于受到惡意代碼攻擊造成的信息被竊、數(shù)據(jù)丟失，還要考慮移動(dòng)終端的資源受限等問題，設(shè)計(jì)滿足移動(dòng)終端需求的輕量級安全方案。云端數(shù)據(jù)安全、用戶隱私保護(hù)以及移動(dòng)終端安全已經(jīng)成為近年來信息安全領(lǐng)域研究的重要方向。

本文重點(diǎn)圍繞計(jì)算遷移、基于移動(dòng)云的位置服務(wù)等移動(dòng)云計(jì)算的支撐技術(shù)，以及移動(dòng)終端節(jié)能、數(shù)據(jù)安全與隱私保護(hù)等移動(dòng)云計(jì)算涉及的主要問題，介紹移動(dòng)云計(jì)算的研究現(xiàn)狀，特別是最新的研究進(jìn)展；然后對移動(dòng)云計(jì)算的典型應(yīng)用模式進(jìn)行了深入分析；最后討論了移動(dòng)云計(jì)算存在的一些問題以及未來的發(fā)展趨勢。

2 計(jì)算遷移技術(shù)

計(jì)算遷移技術(shù)的出現(xiàn)最早可以追溯到Cyber Foraging概念的提出，通過將移動(dòng)終端的計(jì)算、存儲(chǔ)等任務(wù)遷移到附近資源豐富的服務(wù)器執(zhí)行，減少移動(dòng)終端計(jì)算、存儲(chǔ)和能量等資源的需求。隨著云計(jì)算的發(fā)展，計(jì)算遷移開始應(yīng)用于云環(huán)境中，成為移動(dòng)云計(jì)算的重要支撐技術(shù)。計(jì)算遷移的總體目標(biāo)主要包括擴(kuò)展CPU處理能力、節(jié)約移動(dòng)終端能耗、減少服務(wù)延遲和節(jié)約處理成本等。

計(jì)算遷移可以概括為代理發(fā)現(xiàn)、環(huán)境感知、任務(wù)劃分、任務(wù)調(diào)度和執(zhí)行控制等步驟。然而，并不是所有計(jì)算遷移方案都包含全部步驟。其中，最為核心的執(zhí)行控制主要涉及如何連接到一個(gè)可靠的遠(yuǎn)程代理，傳遞執(zhí)行所需的信息，遠(yuǎn)程執(zhí)行并返回計(jì)算結(jié)果。

當(dāng)移動(dòng)應(yīng)用程序需要遷移時(shí)，應(yīng)用程序向操作系統(tǒng)類庫發(fā)送暫停請求并保存當(dāng)前運(yùn)行時(shí)狀態(tài)；系統(tǒng)類庫向本地代理發(fā)送通知信息；本地代理讀取此狀態(tài)，并將代碼或者虛擬機(jī)（virtual machine，VM）遷移至遠(yuǎn)端代理中；遠(yuǎn)端代理創(chuàng)建新的實(shí)例，復(fù)制應(yīng)用程序運(yùn)行，并將處理結(jié)果返回至移動(dòng)終端。

計(jì)算遷移方案一般按照劃分粒度進(jìn)行分類，主要包括基于進(jìn)程、功能函數(shù)的細(xì)粒度計(jì)算遷移，以及基于應(yīng)用程序、VM的粗粒度計(jì)算遷移等。

細(xì)粒度的計(jì)算遷移方案將應(yīng)用程序中計(jì)算密集型的部分代碼或函數(shù)以進(jìn)程的形式遷移到云端執(zhí)行。這類方案需要程序員通過標(biāo)注修改代碼的方式對程序進(jìn)行預(yù)先劃分。程序運(yùn)行時(shí)，依據(jù)遷移策略，只對那些能夠靠遠(yuǎn)程執(zhí)行節(jié)約資源的部分執(zhí)行計(jì)算遷移。粗粒度的計(jì)算遷移將全部的程序，甚至整個(gè)程序的運(yùn)行環(huán)境以VM 的形式遷移到代理上運(yùn)行。這類遷移方式不需要預(yù)先對應(yīng)用程序的代碼進(jìn)行標(biāo)注修改，減少了程序員的負(fù)擔(dān)。然而，這類方案的適用性具有一定的局限性，例如與用戶有頻繁交互的程序就無法應(yīng)用此類方案。

2.1 細(xì)粒度計(jì)算遷移

細(xì)粒度的計(jì)算遷移需要對程序進(jìn)行預(yù)先劃分標(biāo)注，只遷移計(jì)算密集型代碼部分，以實(shí)現(xiàn)盡可能少的數(shù)據(jù)傳輸。依據(jù)遷移策略，細(xì)粒度計(jì)算遷移一般可以分為靜態(tài)劃分和動(dòng)態(tài)劃分兩類方案。在程序運(yùn)行過程中，靜態(tài)劃分方案依據(jù)程序員的預(yù)先標(biāo)注策略實(shí)施遷移；動(dòng)態(tài)劃分方案則可以根據(jù)系統(tǒng)負(fù)載、網(wǎng)絡(luò)帶寬等狀態(tài)的變化，動(dòng)態(tài)調(diào)整劃分遷移區(qū)域，提高遷移效率和可靠性。

2.1.1 靜態(tài)劃分方案

早期的計(jì)算遷移技術(shù)大多采用靜態(tài)劃分方案，依靠程序員通過修改和標(biāo)注，將應(yīng)用程序靜態(tài)地分成兩個(gè)部分：一部分在移動(dòng)終端執(zhí)行；另一部分在遠(yuǎn)程服務(wù)器執(zhí)行。在Protium中，程序員將應(yīng)用程序分成顯示部分和服務(wù)部分，顯示部分在移動(dòng)終端運(yùn)行，服務(wù)部分在存儲(chǔ)能力和CPU計(jì)算資源豐富代理服務(wù)器上運(yùn)行。兩部分通過應(yīng)用程序定義的協(xié)議進(jìn)行交流。如果程序包含復(fù)雜的交叉狀態(tài)和顯示管理，那么程序就需要被改寫，這給程序員造成了很大的負(fù)擔(dān)。另外，由于程序員不可能精確掌握程序在CPU和內(nèi)存上的能量消耗，而且網(wǎng)絡(luò)狀態(tài)（帶寬，RTT）也是動(dòng)態(tài)變化的，因此這種靜態(tài)標(biāo)注的劃分方法并不能保證程序執(zhí)行的能量消耗最小化。

為了確保遷移決策的有效性，Li等人提出了基于能耗（包括通信能量和計(jì)算能量）預(yù)測的劃分方法。通信能量消耗取決于傳輸數(shù)據(jù)的大小和網(wǎng)絡(luò)帶寬，計(jì)算能量消耗取決于程序的指令數(shù)。基于計(jì)算和通信消耗，得到最優(yōu)化的程序劃分方案。對于一個(gè)給定的程序，通過分析計(jì)算時(shí)間和數(shù)據(jù)傳輸能耗構(gòu)造一個(gè)消耗圖，靜態(tài)地將程序分為服務(wù)器任務(wù)和用戶端任務(wù)。消耗圖通過基于分支定界的任務(wù)映射算法獲得，以最小化計(jì)算和傳輸?shù)目偰芰?。該算法通過修剪搜索空間以獲得最優(yōu)的解決方案。他們的模型用到了任務(wù)開始、任務(wù)終止、數(shù)據(jù)發(fā)送和數(shù)據(jù)請求等4種信息。原始的程序代碼中需要進(jìn)行遷移調(diào)用的部分會(huì)依據(jù)這些信息修改。遠(yuǎn)程管理也需要根據(jù)這些信息進(jìn)行上下文的狀態(tài)遷移。

Yang等人提出的方案綜合考慮了多種資源的利用情況，包括CPU、內(nèi)存和通信代價(jià)（例如帶寬資源），將移動(dòng)終端上的一些任務(wù)無縫地遷移到附近的資源比較豐富的筆記本（稱為代理）上。這種用戶—服務(wù)器的遷移結(jié)構(gòu)主要包括監(jiān)視器，遷移引擎、類方法等模塊。資源監(jiān)視器主要監(jiān)控內(nèi)存使用情況，CPU的利用率和目前的無線帶寬。遷移引擎將應(yīng)用分成一個(gè)本地劃分和多個(gè)遠(yuǎn)程劃分。類方法模塊則負(fù)責(zé)將類轉(zhuǎn)換為一個(gè)可以遠(yuǎn)程執(zhí)行的方法模塊。該方案將應(yīng)用程序分成（k＋1）個(gè)劃分，其中包括1個(gè)不可以遷移的劃分和k個(gè)不相交可遷移劃分，并將這些劃分組織成一個(gè)有向圖，頂點(diǎn)集代表Java類，邊集代表類之間的相互作用（調(diào)用和數(shù)據(jù)訪問）。他們提出的算法可以根據(jù)該有向圖給出接近最優(yōu)解的遷移方案。

Misco實(shí)現(xiàn)了集群式服務(wù)，支持將數(shù)據(jù)分發(fā)到網(wǎng)絡(luò)上多個(gè)節(jié)點(diǎn)并行處理應(yīng)用數(shù)據(jù)，以進(jìn)一步提高計(jì)算遷移的執(zhí)行效率。主服務(wù)器是一個(gè)集中式監(jiān)視器，負(fù)責(zé)MapReduce的實(shí)現(xiàn)。應(yīng)用程序被靜態(tài)地切分成映射（map）和歸約（reduce）兩個(gè)部分。映射函數(shù)將輸入的數(shù)據(jù)進(jìn)行處理，生成中間的鍵值對，并將所有生成的鍵值對歸類，組成相應(yīng)數(shù)據(jù)塊節(jié)點(diǎn)。所有數(shù)據(jù)塊節(jié)點(diǎn)通過歸約函數(shù)產(chǎn)生最后結(jié)果，并返回給主服務(wù)器。映射（map）和歸約（reduce）函數(shù)在應(yīng)用開發(fā)過程中通過開發(fā)者確認(rèn)，為移動(dòng)應(yīng)用提供分布式平臺(tái)。

靜態(tài)劃分方案大多假設(shè)通信開銷和計(jì)算時(shí)間可以在處理之前通過預(yù)測、統(tǒng)計(jì)等方法獲得。劃分方案一旦確定，在任務(wù)處理過程中將保持不變。然而，由于移動(dòng)終端的差異性和無線網(wǎng)絡(luò)狀態(tài)的復(fù)雜性，計(jì)算、通信等開銷很難準(zhǔn)確預(yù)知。

2.1.2 動(dòng)態(tài)劃分方案

為了克服靜態(tài)劃分方案無法適應(yīng)環(huán)境動(dòng)態(tài)變化的不足，動(dòng)態(tài)劃分方案可以根據(jù)連接狀態(tài)的變化調(diào)整遷移劃分區(qū)域，及時(shí)適應(yīng)環(huán)境變化，充分利用可用資源。

Chun等人提出的解決方案綜合考慮移動(dòng)終端電量、網(wǎng)絡(luò)連接狀態(tài)和實(shí)時(shí)帶寬等3種因素的變化，針對這3種環(huán)境的不同變化情況分別給出了解決方案，并針對遷移決策問題設(shè)計(jì)了普適性的形式化模型，但并沒有給出詳細(xì)的系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。在此之后，學(xué)術(shù)界又相繼提出了一系列針對特定應(yīng)用的計(jì)算遷移系統(tǒng)。例如，針對圖像識(shí)別和語音識(shí)別應(yīng)用的CogniServe，針對環(huán)境感知應(yīng)用的Odessa，針對社交應(yīng)用的SociableSense以及針對云游戲的Kahawai等。

MAUI的提出旨在提供一個(gè)通用的動(dòng)態(tài)遷移方案并盡量降低開發(fā)人員的負(fù)擔(dān)。程序員只需要將應(yīng)用程序劃分為本地方法和遠(yuǎn)端方法，而無需為每個(gè)程序制定遷移決策邏輯。程序運(yùn)行過程中，MAUI事件分析器基于收集的網(wǎng)絡(luò)狀態(tài)等信息動(dòng)態(tài)決策哪些遠(yuǎn)端方法需要遷移至云端執(zhí)行。代理執(zhí)行模塊按照決策執(zhí)行相應(yīng)的控制和數(shù)據(jù)傳輸工作。該系統(tǒng)通過向服務(wù)器發(fā)送10 KB的數(shù)據(jù)的簡單方法評估網(wǎng)絡(luò)的平均吞吐量，對于變化劇烈的無線網(wǎng)絡(luò)，其預(yù)測的準(zhǔn)確性有待提高。ThinkAir也是一個(gè)線程級的動(dòng)態(tài)遷移方案。與MAUI相比，該系統(tǒng)重點(diǎn)對服務(wù)端進(jìn)行了增強(qiáng)，可以為遷移任務(wù)動(dòng)態(tài)分配服務(wù)內(nèi)存等資源，提高了系統(tǒng)運(yùn)行的可靠性。Comet則在MAUI和ThinkAir的基礎(chǔ)上，利用分布式內(nèi)存共享技術(shù)和虛擬機(jī)同步技術(shù)支持多線程的并行遷移，進(jìn)一步提高了計(jì)算遷移的性能。Zhou等人設(shè)計(jì)的計(jì)算遷移系統(tǒng)，可以在程序運(yùn)行時(shí)基于無線信道、云端資源等上下文環(huán)境進(jìn)行動(dòng)態(tài)決策，在微云、公有云等多個(gè)云端動(dòng)態(tài)選擇服務(wù)者，實(shí)現(xiàn)代碼級的細(xì)粒度計(jì)算遷移。

需要注意的是，細(xì)粒度遷移導(dǎo)致了額外的劃分決策的消耗，因此劃分算法的優(yōu)劣直接影響了遷移效率，而且并不總是能獲得最優(yōu)解。另外，無論是依賴于程序員修改應(yīng)用程序源代碼方案，還是利用遠(yuǎn)程執(zhí)行管理來計(jì)算近似劃分的方案，都會(huì)引入額外的開銷，導(dǎo)致消耗更多的CPU能量或增加程序員的負(fù)擔(dān)。

2.2 粗粒度計(jì)算遷移

粗粒度計(jì)算遷移將整個(gè)應(yīng)用程序封裝在VM實(shí)例中發(fā)送到云端服務(wù)器執(zhí)行，以此減少細(xì)粒度計(jì)算遷移帶來的程序劃分、遷移決策等額外開銷。Cyber Foraging將附近計(jì)算能力較強(qiáng)的計(jì)算機(jī)作為代理服務(wù)器，為移動(dòng)終端提供計(jì)算遷移服務(wù)。在執(zhí)行應(yīng)用程序時(shí)，移動(dòng)終端首先向服務(wù)搜索服務(wù)器發(fā)送遷移請求。服務(wù)搜索服務(wù)器向移動(dòng)終端返回可用的代理服務(wù)器的IP地址和端口號(hào)。移動(dòng)終端繼而可以向相應(yīng)的代理服務(wù)申請計(jì)算遷移服務(wù)。每個(gè)代理服務(wù)器運(yùn)行多個(gè)獨(dú)立的虛擬服務(wù)，保證為每個(gè)應(yīng)用程序提供孤立的虛擬服務(wù)空間。Cyber Foraging利用局域網(wǎng)低延遲、高帶寬的特性為移動(dòng)終端提供高效的計(jì)算遷移服務(wù)。然而，基于代理發(fā)現(xiàn)和VM模板的部署方法，時(shí)間開銷和資源開銷都比較大。

針對廣域網(wǎng)傳輸延遲過長的問題，Satyanarayanan等人最先提出微云（Cloudlet）的概念，把微云定義為一種可信任的、資源豐富的計(jì)算設(shè)備或一群計(jì)算設(shè)備向附近的移動(dòng)終端提供計(jì)算資源。Cloudlet模式克服廣域網(wǎng)時(shí)延問題，通過局域網(wǎng)提供低延時(shí)、高帶寬的實(shí)時(shí)交互式服務(wù)。Cloudlet模式可以進(jìn)一步細(xì)分為移動(dòng)微云模式和固定微云模式。固定微云模式以計(jì)算能力較強(qiáng)的臺(tái)式計(jì)算機(jī)提供云計(jì)算服務(wù)，通常這種連接方式能夠提供較大的帶寬和計(jì)算資源。移動(dòng)微云通過移動(dòng)終端組建微云，旨在隨時(shí)隨地提供接入服務(wù)。

與Cyber Foraging依賴服務(wù)搜索服務(wù)器進(jìn)行代理發(fā)現(xiàn)的機(jī)制不同，Cloudlet將移動(dòng)終端上運(yùn)行的應(yīng)用程序以VM的形式直接映像遷移至附近指定服務(wù)器執(zhí)行，簡化了移動(dòng)終端功能。服務(wù)器通過互聯(lián)網(wǎng)與云端數(shù)據(jù)中心相連，可以將復(fù)雜的計(jì)算任務(wù)和延時(shí)要求不高的任務(wù)遷移到云端執(zhí)行，進(jìn)一步提高計(jì)算遷移的處理能力。此框架的不足在于，將移動(dòng)終端運(yùn)行環(huán)境整體克隆到服務(wù)器，對服務(wù)器的資源管理能力以及硬件水平都出了更高的要求。

虛擬執(zhí)行環(huán)境（virtualized execution environment）不再依賴專用的服務(wù)器，而是利用VM技術(shù)直接在云端為移動(dòng)終端建立運(yùn)行環(huán)境。云端為每個(gè)應(yīng)用創(chuàng)建新的虛擬機(jī)實(shí)例，將遷移的VM克隆至虛擬機(jī)實(shí)例中執(zhí)行。該方案通過在移動(dòng)終端的操作系統(tǒng)和硬件間設(shè)置中間件，以支持運(yùn)行時(shí)負(fù)載遷移，移動(dòng)終端和云服務(wù)器中虛擬機(jī)實(shí)例的同步，并支持傳輸狀態(tài)的暫停和恢復(fù)機(jī)制。然而，中間件及同步機(jī)制給移動(dòng)終端帶來了計(jì)算與流量的額外開銷。

Clonecloud同樣采用VM 技術(shù)直接在云端建立運(yùn)行環(huán)境，不需要操作系統(tǒng)和應(yīng)用程序作任何額外的改動(dòng)。Clonecloud還針對不同類型的應(yīng)用設(shè)計(jì)了3種不同的遷移算法來進(jìn)一步優(yōu)化遷移效率。除了將語音識(shí)別、圖像處理等計(jì)算密集型的任務(wù)遷移到云端，將安全性檢測也遷移至云端服務(wù)器，進(jìn)一步減輕終端負(fù)擔(dān)。然而，基于應(yīng)用程序多樣性的遷移策略增加了移動(dòng)終端的開銷，單線程的部署方式也增加了系統(tǒng)運(yùn)行時(shí)的抖動(dòng)。為了克服無線網(wǎng)絡(luò)不穩(wěn)定等弊端，Tango通過部署多副本的方式，在服務(wù)器與移動(dòng)終端同時(shí)執(zhí)行計(jì)算任務(wù)，將最快返回的執(zhí)行結(jié)果作為輸出，進(jìn)一步提高了系統(tǒng)的可靠性。

3 基于移動(dòng)云的位置服務(wù)

位置服務(wù)作為移動(dòng)云計(jì)算不可或缺的一項(xiàng)支撐技術(shù)，一直得到學(xué)術(shù)界的廣泛關(guān)注。文獻(xiàn)[50]圍繞位置服務(wù)的體系架構(gòu)，對主流定位技術(shù)、位置索引及查詢處理等技術(shù)進(jìn)行了總結(jié)，幫助我們?nèi)嫔钊氲卣J(rèn)識(shí)了位置服務(wù)。基于GPS等傳統(tǒng)定位技術(shù)的位置服務(wù)覆蓋范圍大，技術(shù)成熟，已經(jīng)在軍事、交通等諸多領(lǐng)域得到了廣泛應(yīng)用。然而，由于其存在穿透力弱，定位能耗大等問題，已經(jīng)無法完全滿足精確室內(nèi)定位、用戶動(dòng)作識(shí)別等新的移動(dòng)應(yīng)用需求。例如，購物中心的自動(dòng)導(dǎo)購指引服務(wù)、智能家居中的病人監(jiān)護(hù)等。移動(dòng)云計(jì)算模式已經(jīng)被用來構(gòu)建新型的位置服務(wù)解決這些問題，并成為其重要支撐技術(shù)。本章重點(diǎn)對基于移動(dòng)云的室內(nèi)軌跡追蹤與導(dǎo)航、精確定位與動(dòng)作識(shí)別以及海量位置信息管理等近兩年學(xué)術(shù)界研究的熱點(diǎn)進(jìn)行深入分析與總結(jié)。

3.1 室內(nèi)軌跡追蹤與導(dǎo)航

由于室內(nèi)空間范圍小，對導(dǎo)航的精度要求更高。另外，建筑物內(nèi)部的空間結(jié)構(gòu)、拓?fù)潢P(guān)系比室外復(fù)雜得多，這對室內(nèi)導(dǎo)航技術(shù)提出了更高的要求。當(dāng)前針對室內(nèi)軌跡追蹤與導(dǎo)航的研究主要通過群智的方式收集移動(dòng)用戶沿途拍攝的照片、手機(jī)信號(hào)強(qiáng)度，并與加速、慣性等手機(jī)傳感器數(shù)據(jù)融合，追蹤用戶行動(dòng)軌跡，繪制建筑物內(nèi)部平面圖，進(jìn)而實(shí)現(xiàn)實(shí)時(shí)的定位導(dǎo)航。這些歷史信息的收集、存儲(chǔ)以及運(yùn)算處理，需要耗費(fèi)大量的存儲(chǔ)與計(jì)算資源，這是普通移動(dòng)終端無法勝任的。因此，大多數(shù)解決方案都是基于公有云或者通過構(gòu)建微云模式服務(wù)器設(shè)計(jì)實(shí)現(xiàn)的。

針對構(gòu)造室內(nèi)地圖需要進(jìn)行現(xiàn)場勘測，耗費(fèi)大量人力物力的問題，LiFS通過收集用戶移動(dòng)過程中的手機(jī)信號(hào)強(qiáng)度，構(gòu)造高維信號(hào)強(qiáng)度指紋空間，將此映射為室內(nèi)平面圖。Jigsaw、iMoon等系統(tǒng)則通過從移動(dòng)用戶處收集照片構(gòu)建3D點(diǎn)云，以此為基礎(chǔ)在云端服務(wù)器上構(gòu)造建筑物內(nèi)部地圖。iMoon還允許用戶拍照后上傳到云端，與云端存儲(chǔ)的地圖進(jìn)行匹配，以實(shí)現(xiàn)實(shí)時(shí)定位。Dong等人利用基于密度的沖突檢測技術(shù)對iMoon進(jìn)行改進(jìn)，進(jìn)一步提高了系統(tǒng)在障礙物位置的信息完善度，以及群智建立初始階段的定位性能。Travi-Navi，F(xiàn)OLLOWME等系統(tǒng)通過收集用戶上傳的照片、手機(jī)WiFi信號(hào)強(qiáng)度指紋，實(shí)現(xiàn)用戶行動(dòng)軌跡記錄，并采用加速、慣性等手機(jī)傳感器數(shù)據(jù)進(jìn)行校正。然后，基于這些軌跡信息繪制室內(nèi)平面圖，實(shí)現(xiàn)室內(nèi)高精度的導(dǎo)航服務(wù)。

3.2 室內(nèi)精確定位與動(dòng)作識(shí)別

近年來興起的智能家居、體感游戲等新型應(yīng)用，不僅對目標(biāo)物體的定位精度提出了更高要求，還需要對用戶的特定動(dòng)作進(jìn)行識(shí)別。當(dāng)前針對室內(nèi)精確定位與動(dòng)作識(shí)別的研究通常以移動(dòng)終端的無線信號(hào)強(qiáng)度（received signal strength indicator，RSSI）、信號(hào)抵達(dá)時(shí)間（time of arrival，TOA）和信號(hào)抵達(dá)角度（angle of arrival，AOA）等數(shù)據(jù)為輸入，通過數(shù)學(xué)模型求解位置坐標(biāo)。這些數(shù)據(jù)的存儲(chǔ)、處理以及復(fù)雜的求解運(yùn)算一般都需要在云端完成。

3.2.1 精確室內(nèi)定位

Lim等人將定位的WiFi訪問點(diǎn)（access point，AP）增加到3個(gè)，將收集到的RSS和AOA信息發(fā)送到云端服務(wù)器，執(zhí)行三角測量算法進(jìn)行實(shí)時(shí)跟蹤定位，將定位精度提高到0.5～0.75 m區(qū)間內(nèi)。Array Track基于AOA實(shí)現(xiàn)移動(dòng)終端的室內(nèi)定位和實(shí)時(shí)跟蹤，并通過MIMO技術(shù)和多路徑抑制算法來減少室內(nèi)多路徑反射的影響，將定位精度進(jìn)一步提高到幾十厘米級，同時(shí)將時(shí)延控制在100 ms左右。為了提高TOA在有限的無線信道中的分辨率，Tone Track利用捷變頻技術(shù)提高帶寬利用率。AP在相鄰信道獲得3個(gè)數(shù)據(jù)包的情況下，就可以達(dá)到90 cm的定位精度。SpotFi 利用超分辨率算法和估算技術(shù)計(jì)算多徑分量的AOA，在普通AP上實(shí)現(xiàn)了40 cm的定位精度。WiTrack2.0基于人體反射的無線電信號(hào)，在服務(wù)器端執(zhí)行傅里葉變換，實(shí)現(xiàn)了同時(shí)對5個(gè)人的定位，定位精度達(dá)到11.7 cm。

3.2.2 動(dòng)作識(shí)別

基于WiFi的人體動(dòng)作識(shí)別是當(dāng)前學(xué)術(shù)界研究的熱點(diǎn)之一。WiHear通過專門的定向天線獲取由唇形變化帶來信道狀態(tài)信息（channel state information，CSI）變化，在云端服務(wù)器上運(yùn)行機(jī)器學(xué)習(xí)算法，根據(jù)人體發(fā)音時(shí)唇形的不同來辨別發(fā)出的單詞，并基于上下文進(jìn)行糾錯(cuò)。由于并沒有有效地消除噪聲，因此該系統(tǒng)需要通過定向的天線來得到更高的精度。WiDeo基于目標(biāo)物體動(dòng)作對WiFi信號(hào)反向散射的反射，實(shí)現(xiàn)對目標(biāo)物體的定位及動(dòng)作識(shí)別，在多人同時(shí)做動(dòng)作的環(huán)境下，能達(dá)到7 cm的識(shí)別精度。E-eyes利用不同運(yùn)動(dòng)動(dòng)作帶來CSI振幅不同來辨別包括洗澡、走路、洗碗等9種日常用戶的行為，但基本是以位置為導(dǎo)向的判斷方法。CRAME除了可以像E-eyes一樣識(shí)別人們的日常行為動(dòng)作外，還通過CSI-speed和隱式馬爾可夫模型推測用戶的移動(dòng)速度和動(dòng)作的幅度變化。在CRAME研究的基礎(chǔ)上，作者又提出了識(shí)別鍵盤敲擊動(dòng)作的WiKey，識(shí)別準(zhǔn)確率達(dá)到93.5%。也有一些學(xué)者基于RFID、VLC甚至聲音實(shí)現(xiàn)人體動(dòng)作識(shí)別、位置標(biāo)記等。Yang等人提出Tadar系統(tǒng)，通過RFID識(shí)別墻體另一側(cè)的人體動(dòng)作變化。Luxapose、PIXEL等系統(tǒng)則嘗試?yán)靡苿?dòng)設(shè)備內(nèi)置的照相機(jī)捕捉LED燈光的高頻閃爍實(shí)現(xiàn)定位?；赩LC的LiSense系統(tǒng)，利用遮擋二維陰影信息重新構(gòu)造人體的三維骨架圖。EchoTag則是通過手機(jī)揚(yáng)聲器主動(dòng)發(fā)出聲音信號(hào)，由麥克風(fēng)感測回聲的方式，實(shí)現(xiàn)精度1 cm的室內(nèi)位置標(biāo)記。

3.3 海量位置信息管理

在移動(dòng)云計(jì)算環(huán)境中，一方面，定位技術(shù)不斷發(fā)展，為移動(dòng)應(yīng)用提供越來越精準(zhǔn)的位置信息；另一方面，隨著用戶數(shù)量的增長和移動(dòng)應(yīng)用的豐富，用戶位置、軌跡等數(shù)據(jù)量爆發(fā)式增長，查詢請求劇增、查詢空間變得更廣，位置服務(wù)系統(tǒng)也越來越依賴云平臺(tái)進(jìn)行用戶位置軌跡等數(shù)據(jù)的存儲(chǔ)、計(jì)算、索引和查詢等管理，從而減輕移動(dòng)端的存儲(chǔ)和計(jì)算負(fù)載。

面對龐大的用戶位置和運(yùn)動(dòng)軌跡等歷史數(shù)據(jù)，學(xué)者們基于云平臺(tái)的分布式處理方法，提出高效的索引查詢方案，旨在向用戶提供快速的查詢響應(yīng)。Ma等人將Map-Reduce架構(gòu)用在大規(guī)模歷史軌跡數(shù)據(jù)處理方面，該方案把時(shí)間和空間軌跡數(shù)據(jù)存儲(chǔ)在不同節(jié)點(diǎn)上。在處理查詢時(shí)，在不同的節(jié)點(diǎn)分別執(zhí)行查詢操作，再合并輸出查詢結(jié)果。Eldawy等人將Hadoop上的Map-Reduce架構(gòu)改進(jìn)，設(shè)計(jì)了用于分布式處理空間數(shù)據(jù)的SpatialHadoop系統(tǒng)。SHAHED將現(xiàn)有的SpatialHadoop系統(tǒng)，用于衛(wèi)星數(shù)據(jù)處理。文中將衛(wèi)星的數(shù)據(jù)按時(shí)間、空間存儲(chǔ)在不同的節(jié)點(diǎn)上，在索引端建立多重Quad-tree時(shí)空索引結(jié)構(gòu)，查詢時(shí)返回時(shí)空衛(wèi)星數(shù)據(jù)的熱點(diǎn)圖。

另外，用戶針對這些海量位置數(shù)據(jù)的信息查詢需求也越來越旺盛。而隨著查詢數(shù)據(jù)庫變多、查詢空間變得更加廣泛，移動(dòng)終端的計(jì)算能力和電池能耗無法滿足大數(shù)據(jù)下的查詢服務(wù)。針對位置頻繁變化的移動(dòng)終端，有些研究致力于索引技術(shù)的改進(jìn)，提出了基于R-tree、B＋-tree、Quad-tree等索引結(jié)構(gòu)，綜合利用歷史軌跡、當(dāng)前位置等信息查詢索引，旨在提高查詢的性能。Cong等人提出的算法，綜合考慮空間相似度和標(biāo)注信息相關(guān)度，通過倒排表和R-tree索引，返回k個(gè)最相關(guān)的空間對象。Zhang等人提出m最近關(guān)鍵字查詢，用于找到m個(gè)空間最近并滿足m個(gè)用戶給定的關(guān)鍵字空間對象。還有一些研究則希望通過將信息查詢與推薦相結(jié)合，以進(jìn)一步提高用戶體驗(yàn)。Shi等人挖掘社交網(wǎng)絡(luò)中群體用戶潛在行為和喜好的相似性，設(shè)計(jì)LGM 群體行為挖掘和推薦模型。

4 移動(dòng)終端節(jié)能技術(shù)

移動(dòng)終端電池容量增長速度緩慢，迅速豐富的移動(dòng)應(yīng)用與移動(dòng)終端有限的電量的矛盾愈發(fā)突出。移動(dòng)終端電量已成為良好用戶體驗(yàn)的瓶頸，也得到了學(xué)術(shù)界的廣泛關(guān)注。為了深入理解移動(dòng)終端能耗管理的研究，本節(jié)從數(shù)據(jù)傳輸節(jié)能、定位服務(wù)節(jié)能等方面對節(jié)能方案進(jìn)行梳理。

4.1 數(shù)據(jù)傳輸節(jié)能

隨著移動(dòng)云計(jì)算的推廣應(yīng)用，移動(dòng)終端無線傳輸?shù)臄?shù)據(jù)量快速增長。無線數(shù)據(jù)傳輸能耗占移動(dòng)終端能耗的比例也越來越大。WiFi和Cellular網(wǎng)絡(luò)是目前應(yīng)用最廣泛的無線傳輸技術(shù)，因此網(wǎng)絡(luò)的傳輸節(jié)能的研究也大多基于這兩類網(wǎng)絡(luò)開展。

4.1.1 Cellular網(wǎng)絡(luò)傳輸節(jié)能

移動(dòng)終端通過Cellular網(wǎng)絡(luò)傳輸數(shù)據(jù)通常采用無線資源控制協(xié)議（radio resource control，RRC）。針對RRC協(xié)議全過程的移動(dòng)終端能耗測量顯示，移動(dòng)終端網(wǎng)絡(luò)接口在完成數(shù)據(jù)傳輸后，會(huì)從高能耗狀態(tài)轉(zhuǎn)移到中間能耗狀態(tài)，即尾能耗狀態(tài)，其功率約為高能耗狀態(tài)的50%。尾能耗狀態(tài)結(jié)束后才會(huì)進(jìn)入低能耗狀態(tài)，功率約為高能耗狀態(tài)的1%。尾能耗狀態(tài)的設(shè)計(jì)是為了減輕狀態(tài)轉(zhuǎn)換的延遲和開銷，然而數(shù)據(jù)傳輸過程中存在的過多尾能耗狀態(tài)卻大大降低了移動(dòng)終端的能耗利用率。

目前針對尾能耗狀態(tài)節(jié)能的研究主要集中在兩個(gè)方面：一是通過改變尾能耗時(shí)間閾值來減少跳至尾能耗狀態(tài)次數(shù)及時(shí)間；二是通過傳輸調(diào)度來減少尾能耗。Labiod等人通過實(shí)驗(yàn)數(shù)據(jù)來獲得最優(yōu)靜態(tài)快速休眠時(shí)間閾值，然而這沒有在真正意義上消除尾能耗，且不準(zhǔn)確的估算會(huì)造成額外的開銷。TailTheft機(jī)制通過虛擬收尾機(jī)制和雙隊(duì)列調(diào)度算法進(jìn)行預(yù)取數(shù)據(jù)和延遲傳輸?shù)膫鬏斦{(diào)度，以消除尾能耗。與調(diào)整時(shí)間閾值相比，此方法減少了錯(cuò)誤估算造成的跳轉(zhuǎn)延時(shí)和開銷，但此方法并不適用于小數(shù)據(jù)傳輸。TailEnder協(xié)議通過對應(yīng)用實(shí)現(xiàn)延遲或預(yù)取策略，合并數(shù)據(jù)發(fā)送狀態(tài)，減少傳輸過程中尾時(shí)間，達(dá)到節(jié)能目的。Zhao等人提出了基于GBRT的預(yù)測算法來預(yù)測用戶下載網(wǎng)頁后的瀏覽時(shí)間，當(dāng)瀏覽時(shí)間大于一定閾值時(shí)，設(shè)備狀態(tài)將從尾能耗狀態(tài)跳至低能耗狀態(tài)。Cui等人設(shè)計(jì)了自適應(yīng)在線調(diào)度算法PerES來最小化尾能耗和傳輸能耗，使能耗任意接近最優(yōu)調(diào)度解決方案。

4.1.2 WiFi網(wǎng)絡(luò)傳輸節(jié)能

移動(dòng)終端在WiFi網(wǎng)絡(luò)中的能耗浪費(fèi)主要源于CSMA機(jī)制中空閑監(jiān)聽（IL）狀態(tài)下的能耗。移動(dòng)終端在IL狀態(tài)下的功耗和數(shù)據(jù)傳輸時(shí)的功耗相當(dāng)，是Cellular網(wǎng)絡(luò)IDLE狀態(tài)功耗的40倍左右。目前對于WiFi的能耗優(yōu)化主要是基于802.11節(jié)電模式（PSM），即通過睡眠調(diào)度算法減少IL狀態(tài)的時(shí)間來達(dá)到節(jié)能目的。根據(jù)Zhang等人的測量，PSM通過捆綁下行數(shù)據(jù)包來減少網(wǎng)絡(luò)層延遲，減少了不必要IL時(shí)間。然而，由于載波感測和競爭使用的存在，PSM本身不能夠減少IL時(shí)間。他們發(fā)現(xiàn)IL下即使使用PSM策略仍然消耗了大量能耗，在繁忙網(wǎng)絡(luò)中IL消耗能量占到80%，在網(wǎng)絡(luò)接近空閑狀態(tài)下消耗能量也占到60%。

另外，一些學(xué)者針對具體應(yīng)用提出了相應(yīng)的節(jié)能方案。Bui等人重點(diǎn)針對網(wǎng)頁載入的能耗問題，通過感知網(wǎng)絡(luò)狀態(tài)而動(dòng)態(tài)調(diào)整下載策略和畫面渲染的方式，在保證用戶體驗(yàn)前提下，實(shí)現(xiàn)了節(jié)能24.4%的效果。Zhang等人則通過減少視頻尾流量和動(dòng)態(tài)分配信道方式，將WiFi條件下的視頻傳輸能耗減少了29%～61%。

4.1.3 Cellular與WiFi切換節(jié)能

由于WiFi網(wǎng)絡(luò)的有效傳輸速率大于Cellular網(wǎng)絡(luò)，一些研究基于這一事實(shí)，研究Cellular與WiFi的切換節(jié)能，目標(biāo)是將負(fù)載從Cellular網(wǎng)絡(luò)遷移至WiFi網(wǎng)絡(luò)，從而減少數(shù)據(jù)傳輸?shù)目傮w能耗。

Rahmati等人利用Cellular網(wǎng)絡(luò)和WiFi網(wǎng)絡(luò)的互補(bǔ)優(yōu)勢，基于網(wǎng)絡(luò)狀況的估計(jì)，智能地選擇節(jié)能的方式來傳輸數(shù)據(jù)。為了避免周期性掃描WiFi帶來不必要的能耗，文中設(shè)計(jì)了內(nèi)容感知算法，估算WiFi網(wǎng)絡(luò)分布和信號(hào)強(qiáng)度，只有在WiFi信號(hào)強(qiáng)度比較強(qiáng)時(shí)進(jìn)行掃描，減少了35%的能耗。Yetim 等人比較了4種調(diào)度算法，旨在最小化Cellular網(wǎng)絡(luò)使用，從而減少數(shù)據(jù)傳輸能耗，并在真實(shí)的系統(tǒng)上進(jìn)行了實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果顯示，基于MILP調(diào)度策略通過預(yù)測數(shù)據(jù)請求，在傳輸調(diào)度時(shí)檢測WiFi的可用性和吞吐量，決策是否需要進(jìn)行切換，最大限度地節(jié)約開銷和能量。值得指出的是，Cellular與WiFi切換主要的開銷包括切換過程中的時(shí)間開銷、數(shù)據(jù)流的遷移開銷以及移動(dòng)終端從多個(gè)WiFi接入點(diǎn)中選擇接入點(diǎn)的計(jì)算開銷。Cellular與WiFi切換節(jié)能的研究必須將這些開銷考慮在內(nèi)。

4.2 定位服務(wù)節(jié)能

在移動(dòng)云計(jì)算環(huán)境中，越來越多的應(yīng)用程序提供位置服務(wù)。然而，定位過程中實(shí)時(shí)通信和計(jì)算的能量消耗較大。定位服務(wù)的節(jié)能也就成為節(jié)能研究的一個(gè)重要方向。定位節(jié)能研究主要可分為基于移動(dòng)終端的優(yōu)化和基于云的優(yōu)化兩類?；谝苿?dòng)終端的優(yōu)化主要是通過預(yù)測或改變移動(dòng)終端選擇數(shù)據(jù)源的方式實(shí)現(xiàn)節(jié)能；基于云的優(yōu)化則主要通過將定位計(jì)算遷移到云端或獲取云端共享定位數(shù)據(jù)達(dá)到節(jié)能效果。

4.2.1 基于移動(dòng)終端的能耗優(yōu)化

基于移動(dòng)終端的能耗優(yōu)化主要有兩類方法：一是動(dòng)態(tài)預(yù)測（dynamic prediction，DP）；二是動(dòng)態(tài)選擇（dynamic selection，DS）。兩類方法都是旨在通過能耗較小的傳感器實(shí)現(xiàn)定位，從而降低高能耗GPS的使用率。DP通過能耗較少的傳感器（如指南針、加速度傳感器等）估算當(dāng)前位置的不確定度。當(dāng)不確定度超出誤差閾值時(shí)，將觸發(fā)GPS重新進(jìn)行定位。DS根據(jù)當(dāng)前定位技術(shù)的覆蓋和精度的需求動(dòng)態(tài)地選擇使用GPS，WiFi和GSM定位。

Leonhardi等人最先提出基于時(shí)間和距離的追蹤。后續(xù)的研究正式地提出了動(dòng)態(tài)追蹤技術(shù)，主要用于節(jié)能和GPS定位。Farrell等人在通信延遲和目標(biāo)速度恒定不變的前提下，結(jié)合查詢和報(bào)告協(xié)議，給出特定環(huán)境最優(yōu)參數(shù)值。You等人在定位精確度和延遲、定位目標(biāo)速度以及用于判斷定位目標(biāo)移動(dòng)的加速度都是恒定不變的前提下，提出的追蹤定位方法將定位精度提高了56.34%，能耗減少了68.92%。動(dòng)態(tài)追蹤技術(shù)進(jìn)一步發(fā)展，分成了現(xiàn)在的動(dòng)態(tài)預(yù)測和動(dòng)態(tài)選擇技術(shù)。

EnTracked架構(gòu)作為最主要的動(dòng)態(tài)預(yù)測方案，首先由移動(dòng)終端通過GPS獲得初始位置后關(guān)閉GPS。當(dāng)用戶移動(dòng)時(shí)，由感應(yīng)器探測用戶移動(dòng)狀態(tài)，并通過速度和精確度評估模塊估算用戶的速度。當(dāng)估算的誤差超過預(yù)設(shè)的誤差閾值時(shí)，再次開啟GPS進(jìn)行定位。EnTracked的問題在于，加速度傳感器在定位過程中一直處于工作狀態(tài)，這在某些場景下可能會(huì)比開啟GPS定位的能耗更大。另外，此方法只能檢測用戶的突然移動(dòng)，而手機(jī)持續(xù)高速移動(dòng)可能導(dǎo)致定位失敗。

Kjaergaard等人針對EnTracked的不足，提出軌跡追蹤的概念，并在EnTracked的基礎(chǔ)上改進(jìn)提出了EnTracked 2。EnTracked 2通過前進(jìn)感知策略得到一系列連續(xù)位置來確定當(dāng)前的位置。它通過指南針檢測用戶前進(jìn)方向和方向變化，根據(jù)速度和方向計(jì)算用戶現(xiàn)在與原來位置的距離。同時(shí)根據(jù)指南針給出的初始走向計(jì)算用戶的移動(dòng)距離。當(dāng)用戶運(yùn)動(dòng)方向發(fā)生變化時(shí)，上述兩種計(jì)算方法得到的位置會(huì)產(chǎn)生偏差。當(dāng)偏差大于誤差閾值時(shí)，GPS會(huì)更新用戶的位置。相比于EnTracked，EnTracked 2大大提高了GPS開啟的間隔；基于占空比（duty-cycle）策略，提高了傳感器和指南針的使用效率；基于速度閾值策略支持對不同移動(dòng)方式的檢測；簡化的移動(dòng)軌跡算法減少了信息的發(fā)送，降低了通信開銷。然而，當(dāng)請求的誤差閾值比較小時(shí)，EnTracked 2的錯(cuò)誤率較高。

在城市環(huán)境中，由于建筑物等干擾，GPS定位不是非常精確，甚至難以獲得。RAPS同時(shí)使用DP和DS策略，在GPS不可用的情況下，實(shí)現(xiàn)了基于手機(jī)基站的定位服務(wù)。RAPS記錄當(dāng)前手機(jī)基站ID和RSS信息，基于歷史速度信息估算用戶當(dāng)前位置。RAPS還提出了多移動(dòng)用戶間位置信息共享。RAPS的不足在于，它專門為市區(qū)行人制定策略，并不適用于其他場景，且RSS列表服務(wù)需要在云端數(shù)據(jù)中心的支持下才能有效工作。Nodari等人則基于運(yùn)行軌跡建模減少終端與定位服務(wù)器通信的方式實(shí)現(xiàn)節(jié)能。

4.2.2 基于云的能耗優(yōu)化

除上述在移動(dòng)終端上實(shí)現(xiàn)的優(yōu)化策略外，學(xué)者們又提出了借助云端來減少移動(dòng)終端能耗的方案，主要包括基于存儲(chǔ)歷史軌跡信息的定位、遷移計(jì)算密集型任務(wù)至云端和通過鄰近移動(dòng)終端分享精確位置信息實(shí)現(xiàn)定位。

（1）基于歷史軌跡信息的定位節(jié)能

電子地圖近年來發(fā)展迅速，用戶位置和軌跡信息通常被收集并存儲(chǔ)在云端。通過適當(dāng)?shù)睦迷贫说男畔ⅲ脩艨梢砸员容^節(jié)能的方式獲取位置信息。用戶的移動(dòng)通常是在同一時(shí)間段內(nèi)移動(dòng)到某個(gè)區(qū)域，具有時(shí)空一致性。這意味著我們可以高效地在部分區(qū)域進(jìn)行定位。基于歷史軌跡信息的定位通過云端存儲(chǔ)的大量歷史位置和軌跡信息，結(jié)合用戶移動(dòng)性進(jìn)行定位。

路線圖最先應(yīng)用于提高車輛追蹤的精度。VTrack將路線圖匹配和WiFi定位相結(jié)合，以提高定位精度和降低能耗。CTrack擴(kuò)展了VTrack的功能，通過歷史數(shù)據(jù)庫匹配一系列的GSM信號(hào)塔進(jìn)行定位。CTrack將地理位置分為同一大小的方格，每個(gè)方格擁有周圍GSM以及信號(hào)強(qiáng)度的列表。CTrack還進(jìn)一步利用能耗較低的傳感器如指南針、感應(yīng)器來增加定位精度。這些通過地理位置描繪用戶信息的方法自動(dòng)建立并更新數(shù)據(jù)集，隨著定位的持續(xù)進(jìn)行，用戶的數(shù)據(jù)集非常龐大，冗余嚴(yán)重。

（2）基于計(jì)算遷移的定位節(jié)能

將定位服務(wù)的信號(hào)解碼和計(jì)算處理遷移至云端服務(wù)器也是定位節(jié)能重要的一類方法。A-GPS在原始GPS基礎(chǔ)上減少了接收信號(hào)的多普勒頻移和碼相移的不確定性，支持了更大的覆蓋范圍。A-GPS通過遷移能耗密集型部分不僅為了節(jié)約能量，也為后期節(jié)能提供了空間。LEAP將先前跟蹤得到的碼相位與CTN結(jié)合，在無需解碼和定位計(jì)算的前提下產(chǎn)生新的碼相位，以節(jié)約能量。CO-GPS（cloud-offloaded GPS）對LEAP進(jìn)行擴(kuò)展，將原始GPS信號(hào)傳輸至云端進(jìn)行處理。實(shí)驗(yàn)表明傳輸2 ms的數(shù)據(jù)足以用于定位，傳輸10 ms的數(shù)據(jù)（40 KB）可以使定位精度達(dá)到35 m。更高精確度的需求需要更多數(shù)據(jù)的傳輸，這必將帶來更多的傳輸能耗和服務(wù)器存儲(chǔ)能耗。用戶可以根據(jù)精度需求權(quán)衡能耗和定位精度。

（3）基于共享信息的定位節(jié)能

通過共享其他設(shè)備的位置信息以減少自身的定位開銷，是定位節(jié)能的另一種重要方式。Dhondge等人提出ECOPS系統(tǒng)，移動(dòng)終端通過WiFi建立虛擬ad-hoc網(wǎng)絡(luò)共享位置信息。移動(dòng)終端分為兩種模式：位置廣播者（PB）和位置接受者（PR）。當(dāng)移動(dòng)終端擁有足夠的電池電量和最新的位置信息，它就可以成為PB，否則就是PR。系統(tǒng)通過權(quán)衡位置精確度和能耗來定義位置信息的有效時(shí)間。PB通過WiFi熱點(diǎn)向PR提供最新的位置信息，PR盡可能地搜集GPS坐標(biāo)和信號(hào)強(qiáng)度（RSSI），并在相應(yīng)范圍內(nèi)搜集最近的3個(gè)PB，通過3點(diǎn)測量法進(jìn)行定位。當(dāng)搜集的PB只有一個(gè)或兩個(gè)時(shí)，PR就將PB的位置或兩PB的交集作為定位點(diǎn)。

5 數(shù)據(jù)安全與隱私保護(hù)

移動(dòng)用戶在獲得云計(jì)算豐富服務(wù)的同時(shí)，也面臨越來越多數(shù)據(jù)泄漏、竊聽和隱私暴露等安全威脅。為了深入理解移動(dòng)云計(jì)算安全的研究方向，本節(jié)從云端數(shù)據(jù)安全、用戶隱私保護(hù)和移動(dòng)終端安全等方面對目前主要的安全方案進(jìn)行了總結(jié)分析。

5.1 云端數(shù)據(jù)安全

移動(dòng)云計(jì)算環(huán)境中，用戶的數(shù)據(jù)和計(jì)算任務(wù)通過無線網(wǎng)絡(luò)遷移到并不完全可信的云端數(shù)據(jù)中心，而且還要支持在線查詢、多用戶數(shù)據(jù)共享等。這不僅面臨來自外部攻擊者的威脅，甚至可能由于云服務(wù)提供者的內(nèi)部攻擊或不當(dāng)操作，造成數(shù)據(jù)泄露、損壞或丟失。針對這些新型的安全威脅，研究者們在傳統(tǒng)安全機(jī)制的基礎(chǔ)上，提出了一系列針對云端數(shù)據(jù)安全的創(chuàng)新解決方案。

5.1.1 身份認(rèn)證與訪問控制

身份認(rèn)證是云端數(shù)據(jù)安全存儲(chǔ)的關(guān)鍵技術(shù)。針對移動(dòng)終端計(jì)算資源受限和移動(dòng)性等特點(diǎn)，Chow等人設(shè)計(jì)了一種結(jié)合TrustCube和隱式認(rèn)證的云認(rèn)證平臺(tái)。為了避免由于多用戶并行訪問造成的服務(wù)性能下降，認(rèn)證服務(wù)以第3方服務(wù)器的形式部署到云端。TrustCube作為一種開放標(biāo)準(zhǔn)的云認(rèn)證基礎(chǔ)設(shè)施，支持多種認(rèn)證方式。隱式認(rèn)證不通過用戶存儲(chǔ)的數(shù)據(jù)、生物計(jì)量信息來認(rèn)證用戶，而是應(yīng)用數(shù)學(xué)統(tǒng)計(jì)模型，將用戶的行為習(xí)慣轉(zhuǎn)化成概率認(rèn)證分?jǐn)?shù)，認(rèn)證用戶的合法性。

為了保證安全性，用戶數(shù)據(jù)需要以密文形式存儲(chǔ)在云端，但這給數(shù)據(jù)訪問共享帶來一定困難。一是大規(guī)模用戶的數(shù)據(jù)共享需要大量密鑰，生成、分發(fā)和保管這些密鑰比較困難；二是如果實(shí)施細(xì)粒度的訪問控制，則會(huì)成倍的增加密鑰數(shù)量；三是當(dāng)用戶訪問權(quán)限更新或撤銷時(shí)，需要重新生成新的密鑰，勢必引入巨大的計(jì)算量。另一個(gè)重要問題是傳統(tǒng)的訪問控制方法需要依賴于一個(gè)可信的服務(wù)器，而該假設(shè)在不可信云計(jì)算環(huán)境中是不成立的。針對上述問題，研究者提出一系列新的密碼機(jī)制，如可選擇加密和基于屬性的加密。ABE以用戶屬性為公鑰，通過引入訪問結(jié)構(gòu)將密文或用戶私鑰與屬性關(guān)聯(lián)，能夠靈活地表示訪問控制策略，對數(shù)據(jù)進(jìn)行細(xì)粒度訪問授權(quán)，且具有良好的系統(tǒng)擴(kuò)展性，是實(shí)現(xiàn)云數(shù)據(jù)訪問控制的理想方案。

5.1.2 輕量級的數(shù)據(jù)完整性保證

云端的不可靠性、來自外部的攻擊以及移動(dòng)用戶的誤操作都可能對存儲(chǔ)在云端的數(shù)據(jù)造成破壞。Tanenbaum等人和Wang等人提出了針對單一數(shù)據(jù)擁有者的云端數(shù)據(jù)完整性保護(hù)方案，允許用戶在不訪問數(shù)據(jù)的前提下，遠(yuǎn)程驗(yàn)證云端數(shù)據(jù)的完整性。Itani等人在保證數(shù)據(jù)完整性的同時(shí)，考慮了移動(dòng)終端的節(jié)能問題。他們提出的框架中，由協(xié)處理器為用戶數(shù)據(jù)生成并維護(hù)相應(yīng)的消息認(rèn)證碼，客戶端只需要通過消息認(rèn)證碼驗(yàn)證數(shù)據(jù)的完整性，節(jié)約了網(wǎng)絡(luò)帶寬和移動(dòng)終端能量的消耗。

如何保證多用戶共同擁有數(shù)據(jù)的完整性是云端數(shù)據(jù)完整性保護(hù)面臨的特有挑戰(zhàn)。Wang等人基于環(huán)簽名技術(shù)設(shè)計(jì)了同態(tài)驗(yàn)證器，可以保證多個(gè)用戶修改共享數(shù)據(jù)時(shí)的數(shù)據(jù)完整性。他們在此基礎(chǔ)上又提出了Panda，以支持用戶的撤銷操作。然而，Panda的完整性保護(hù)基于多個(gè)用戶的操作與云操作無沖突的假設(shè)，并且檢查開銷與用戶量和數(shù)據(jù)量呈線性關(guān)系，一定程度上限制了方案的可擴(kuò)展性。為了解決這些問題，Yuan等人提出了基于多項(xiàng)式認(rèn)證標(biāo)簽和安全代理標(biāo)簽的完整性驗(yàn)證技術(shù)。此方案引入第3方審計(jì)（third party auditor，TPA），用于檢查云端數(shù)據(jù)完整性。此方案支持多用戶公開的完整性檢查和多用戶修改、撤銷操作，能夠抵御用戶與云端的共謀攻擊，并且能保持恒定的完整性檢查計(jì)算開銷。

5.1.3 基于外包計(jì)算的機(jī)密性保護(hù)

在傳統(tǒng)的加密機(jī)制保護(hù)下，用戶如果想將已經(jīng)上傳至云端的文件進(jìn)行修改或者共享給其他用戶，就需要將整個(gè)文件下載修改后再次加密，上傳至云端。為了實(shí)現(xiàn)保持密文狀態(tài)下對文件的操作，研究者們提出了代理重加密機(jī)制。代理重加密機(jī)制允許在不解密的情況下，將對應(yīng)一個(gè)密鑰的密文轉(zhuǎn)化為對應(yīng)另一個(gè)密鑰的密文。這就允許在不暴露原始數(shù)據(jù)和密鑰前提下，將頻繁的數(shù)據(jù)操作遷移至云端?？紤]到移動(dòng)終端的資源限制，Khan等人對現(xiàn)有的代理重加密機(jī)制進(jìn)行改進(jìn)，提出了基于增量的代理重加密機(jī)制，使得移動(dòng)終端在修改文件時(shí)，只需要對修改部分進(jìn)行操作，減少冗余信息的下載與上傳，進(jìn)一步減少了移動(dòng)用戶的流量和能耗開銷。

可查詢加密和同態(tài)加密旨在提供密文狀態(tài)下的安全查詢服務(wù)。另外，密鑰的可靠分發(fā)是數(shù)據(jù)機(jī)密性保護(hù)的基礎(chǔ)。鑒于移動(dòng)設(shè)備的資源有限，Wang等人通過基于身份的密鑰封裝機(jī)制，設(shè)計(jì)了匿名密鑰批量分發(fā)系統(tǒng)，滿足了可穿戴醫(yī)療設(shè)備頻繁、高效更新密鑰的需求。

5.2 用戶隱私保護(hù)

除了保護(hù)用戶的數(shù)據(jù)安全外，用戶隱私保護(hù)也是移動(dòng)云計(jì)算中受到廣泛關(guān)注的問題。移動(dòng)云計(jì)算中涉及的隱私主要是指個(gè)人或者組織不愿向他人透露的敏感信息，例如個(gè)人身份、家庭住址、健康狀況、習(xí)慣愛好、活動(dòng)位置以及查詢行為等，其相應(yīng)的保護(hù)技術(shù)主要包括身份隱私保護(hù)、位置信息保護(hù)以及查詢特征保護(hù)技術(shù)等。

（1）身份隱私保護(hù)

在多用戶數(shù)據(jù)共享時(shí)一般采用基于公鑰加密機(jī)制的環(huán)簽名技術(shù)實(shí)現(xiàn)用戶身份隱私保護(hù)，可以防止云服務(wù)提供者在驗(yàn)證用戶身份時(shí)獲得用戶的個(gè)人身份信息。然而，這種方案無法很好地適應(yīng)群組中的用戶頻繁加入離開的場景。為了解決這個(gè)問題，Jung等人基于ABE設(shè)計(jì)了匿名訪問控制機(jī)制，用用戶的屬性信息替代用戶身份信息進(jìn)行身份認(rèn)證，以避免身份信息的泄漏。

（2）位置隱私保護(hù)

針對用戶的位置隱私，Riboni等人提出了隱私保護(hù)模型，在保證通信安全的前提下，向朋友發(fā)送自己的精確位置信息。Duckham等人提出了模糊位置機(jī)制，以降低用戶位置信息的精確度的方式來保護(hù)用戶的位置隱私。感知助手通過定制第三方應(yīng)用的傳感器訪問策略，防止惡意應(yīng)用通過訪問傳感器竊取用戶隱私信息。

（3）行為隱私保護(hù)

對查詢隱私的保護(hù)主要采用安全索引、虛擬查詢等方法進(jìn)行保護(hù)。安全索引主要是應(yīng)用安全索引函數(shù)建立索引與數(shù)據(jù)之間的映射關(guān)系。通過隱藏索引與原始數(shù)據(jù)之間的對應(yīng)關(guān)系，防止查詢造成原始數(shù)據(jù)的泄露。虛擬查詢是通過在一個(gè)真實(shí)請求中夾雜N個(gè)虛假請求來掩飾用戶的真實(shí)信息。為了減少服務(wù)器處理額外N個(gè)請求的負(fù)擔(dān)，Mascetti等人提出的方案中，將產(chǎn)生的虛假請求組成網(wǎng)格，每個(gè)虛假請求在每個(gè)網(wǎng)格頂點(diǎn)上。服務(wù)器端使用相同的方法將信息返回給用戶，用戶通過過濾得到所需的真實(shí)信息。

5.3 移動(dòng)終端安全

移動(dòng)云計(jì)算應(yīng)用除了面臨傳統(tǒng)云計(jì)算的安全威脅外，還面臨著許多針對移動(dòng)終端的特有安全威脅，例如惡意代碼（惡意代碼病毒、蠕蟲和特洛伊木馬等）造成的信息被竊、操作系統(tǒng)漏洞造成的數(shù)據(jù)丟失、通過不安全的接入點(diǎn)訪問網(wǎng)絡(luò)等。檢測并抵御這些安全威脅最直接的辦法就是在移動(dòng)終端上安裝安全軟件。例如，支持Android系統(tǒng)的Norton Mobile Security Lite具有遠(yuǎn)程鎖定、反惡意軟件、在線更新等功能；Kaspersky Mobile Security更是集病毒防護(hù)、反惡意軟件、防盜、防火墻等功能于一身。

在移動(dòng)云計(jì)算環(huán)境中，安全軟件的功能完備性和持續(xù)運(yùn)行能力都在一定程度上受到移動(dòng)終端處理能力、能量等限制。針對這一矛盾，Oberheide等人提出了基于云的安全軟件平臺(tái)。客戶端只需要安裝一個(gè)輕量級的代理程序，監(jiān)測系統(tǒng)中的文件操作行為，而復(fù)雜的病毒防護(hù)、攻擊檢測等功能則由云端服務(wù)器完成。與傳統(tǒng)的安全軟件相比，這種云支持的安全軟件不僅功能大大增強(qiáng)，而且可以節(jié)約30%的能耗。

為了從根本上增強(qiáng)移動(dòng)終端的整體安全性，有些學(xué)者通過內(nèi)核代碼分析、功能測量等方式對Android、Windows Mobile和iPhone OS等操作系統(tǒng)進(jìn)行了綜合的安全評測，并在此基礎(chǔ)進(jìn)行了操作系統(tǒng)安全性增強(qiáng)的嘗試。Yuan等人針對Android系統(tǒng)設(shè)計(jì)的基于機(jī)器學(xué)習(xí)的惡意軟件檢測方法可以達(dá)到96%的精確性?？尚庞?jì)算工作組則希望通過在移動(dòng)設(shè)施上植入移動(dòng)可信模塊（mobile trusted module，MTM）的方式，為移動(dòng)設(shè)施提供安全啟動(dòng)、登錄認(rèn)證、程序完整性保護(hù)、數(shù)據(jù)加密保護(hù)等安全功能。然而，由于缺少完備的公鑰基礎(chǔ)設(shè)施支持，這種方法目前還沒有得到廣泛的應(yīng)用。

6 移動(dòng)云計(jì)算典型應(yīng)用

隨著移動(dòng)云計(jì)算技術(shù)的持續(xù)發(fā)展，各類新型應(yīng)用也應(yīng)運(yùn)而生，典型的有移動(dòng)云存儲(chǔ)、微云應(yīng)用、基于群智的應(yīng)用和移動(dòng)云游戲等。這些應(yīng)用對前文所述的計(jì)算遷移、基于移動(dòng)云的位置服務(wù)、移動(dòng)終端節(jié)能及安全保護(hù)等技術(shù)的依賴關(guān)系看出，移動(dòng)云應(yīng)用一般需要多項(xiàng)移動(dòng)云計(jì)算關(guān)鍵技術(shù)的共同支持。一方面為了增強(qiáng)應(yīng)用功能和優(yōu)化應(yīng)用性能，會(huì)根據(jù)需求選用相應(yīng)遷移技術(shù)、位置服務(wù)或節(jié)能技術(shù)；另一方面也越來越傾向于綜合選用多種安全技術(shù)來共同保障移動(dòng)應(yīng)用的安全性。

6.1 移動(dòng)云存儲(chǔ)移動(dòng)

云存儲(chǔ)服務(wù)作為新興的移動(dòng)云計(jì)算應(yīng)用，得到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。Drago等人最先對目前主流的商業(yè)云存儲(chǔ)服務(wù)Dropbox進(jìn)行測量研究。Dropbox在存儲(chǔ)文件時(shí)將文件控制信息（元數(shù)據(jù)信息、Hash值等）和數(shù)據(jù)信息分開，分別存儲(chǔ)在控制服務(wù)器和存儲(chǔ)服務(wù)器。服務(wù)器在多個(gè)地區(qū)分布式部署，就近為用戶提供服務(wù)，減少用戶接入的時(shí)延和帶寬成本。在后續(xù)的工作中，Drago等人又進(jìn)一步對4個(gè)主要商用的云存儲(chǔ)服務(wù)Box、Dropbox、GoogleDrive、OneDrive進(jìn)行了測量比較，研究發(fā)現(xiàn)Dropbox已經(jīng)實(shí)現(xiàn)增量編碼、冗余消除和文件壓縮等云存儲(chǔ)優(yōu)化機(jī)制。對云端已經(jīng)存在的數(shù)據(jù)塊，移動(dòng)終端采用冗余消除技術(shù)只上傳文件的控制信息。當(dāng)云端文件發(fā)生小部分修改時(shí)，移動(dòng)終端采用增量編碼技術(shù)，只上傳數(shù)據(jù)塊修改的部分。當(dāng)上傳可壓縮文件時(shí)，移動(dòng)終端通過壓縮技術(shù)減少文件本身的冗余信息，節(jié)約文件在云端的存儲(chǔ)空間。采用這些優(yōu)化技術(shù)不僅節(jié)約了數(shù)據(jù)上傳帶寬，而且減少了云端的存儲(chǔ)資源占用。

基于上述研究，Cui等人從移動(dòng)終端的角度對上述云存儲(chǔ)服務(wù)進(jìn)行相關(guān)研究。通過測量發(fā)現(xiàn)，移動(dòng)終端通過持續(xù)的HTTP（S）連接來保持各終端數(shù)據(jù)一致性，同一管理賬戶的數(shù)據(jù)一旦通過某一終端更改，就會(huì)通過推送機(jī)制同步至云端其他移動(dòng)終端。文中還從同步開銷、同步完成時(shí)間和能耗對上述服務(wù)進(jìn)行測量對比，發(fā)現(xiàn)各個(gè)服務(wù)都有各自的優(yōu)缺點(diǎn)。各服務(wù)實(shí)現(xiàn)了不同粒度的靜態(tài)文件分塊，Dropbox還實(shí)現(xiàn)了冗余消除。在網(wǎng)絡(luò)狀況不穩(wěn)定的無線環(huán)境下，移動(dòng)終端存在數(shù)據(jù)同步延遲過大甚至同步失敗，小部分文件修改竟產(chǎn)生上百乃至上千倍的同步數(shù)據(jù)量，這些都很大程度上降低了移動(dòng)云存儲(chǔ)服務(wù)的同步效率。

針對測量中發(fā)現(xiàn)的問題，Cui等人設(shè)計(jì)了QuickSync系統(tǒng)，從同步時(shí)延、同步開銷等方面進(jìn)行優(yōu)化，很大程度上提高了云存儲(chǔ)的同步效率。QuickSync系統(tǒng)在本地同步文件夾上監(jiān)聽到文件添加或修改操作會(huì)觸發(fā)文件同步。內(nèi)容定義分塊器通過CDC（content defined chunking）算法將文件切分成多個(gè)長度不均等的數(shù)據(jù)塊，再將每個(gè)數(shù)據(jù)塊的控制信息和數(shù)據(jù)信息傳輸給冗余消除器。冗余消除器通過與本地?cái)?shù)據(jù)庫進(jìn)行對比，對數(shù)據(jù)塊執(zhí)行冗余消除和增量編碼操作，并將數(shù)據(jù)信息存放在批量同步器。冗余消除器將控制信息備份至本地，并傳輸至云端。批量同步器通過延遲確認(rèn)和批量傳輸機(jī)制將數(shù)據(jù)流上傳至云端。

QuickSync系統(tǒng)實(shí)現(xiàn)的CDC算法、冗余消除機(jī)制和批量同步算法大大減少了同步的數(shù)據(jù)量和完成時(shí)間。移動(dòng)云存儲(chǔ)服務(wù)還可以在TL（tail latency）、多云傳輸?shù)认嚓P(guān)方面進(jìn)行更深入的研究。隨著學(xué)術(shù)界和工業(yè)界越來越重視移動(dòng)云存儲(chǔ)服務(wù)，IETF也開始著手推動(dòng)相關(guān)領(lǐng)域協(xié)議的標(biāo)準(zhǔn)化。

目前的云存儲(chǔ)服務(wù)已經(jīng)基本解決了單個(gè)應(yīng)用的跨平臺(tái)、跨設(shè)備的同步問題，但各類服務(wù)還基本處于互不相干的獨(dú)立工作狀態(tài)，即單個(gè)應(yīng)用只能解決用戶的單個(gè)問題，用戶信息也是碎片化的存儲(chǔ)在不同位置。IFTTT的推出，旨在利用開放的API，將Twitter、Dropbox等各個(gè)網(wǎng)站或應(yīng)用通過工作流串聯(lián)起來，通過觸發(fā)器和響應(yīng)動(dòng)作的方式，實(shí)現(xiàn)多種應(yīng)用的通信和協(xié)同工作，整合增強(qiáng)云服務(wù)的功能，為用戶提供智能化的信息服務(wù)。例如將用戶保存到印象筆記中的文檔自動(dòng)備份到Dropbox；將用戶收到的特定標(biāo)簽的郵件以短信形式自動(dòng)轉(zhuǎn)發(fā)到用戶手機(jī)上等。然而，IFTTT目前只支持特定應(yīng)用。如何開放性地支持多種應(yīng)用，并允許移動(dòng)用戶自定義任務(wù)工作流程還需要進(jìn)一步的研究。

另外，由于存儲(chǔ)容量、接入帶寬、訪問延遲、服務(wù)類型以及服務(wù)價(jià)格等因素限制，70%以上的移動(dòng)用戶都同時(shí)應(yīng)用多個(gè)云服務(wù)商提供的服務(wù)。UniDrive、AONT-RS、DEPSKY和scc等系統(tǒng)，旨在通過多云協(xié)作的方式增強(qiáng)用戶數(shù)據(jù)的可用性。然而，目前提出的以客戶端為中心的多云協(xié)作的體系架構(gòu)，需要客戶端維護(hù)多份數(shù)據(jù)副本并分別上傳到不同云端，增加了客戶端計(jì)算、網(wǎng)絡(luò)傳輸?shù)拈_銷。另外，這種架構(gòu)也無法滿足多用戶數(shù)據(jù)分享的需求。用戶數(shù)據(jù)在多云之間安全高效的同步、共享必將成為移動(dòng)云計(jì)算領(lǐng)域新的研究課題。

6.2 微云應(yīng)用

Cloudlet模式減少了移動(dòng)終端接入延遲，提高了網(wǎng)絡(luò)帶寬，其應(yīng)用模式非常的多樣化。Quwaider等人就通過個(gè)人終端、組網(wǎng)設(shè)備等組成通信網(wǎng)絡(luò)建立了基于Cloudlet的數(shù)據(jù)采集處理系統(tǒng)，分析人體相關(guān)信號(hào)信息，但僅適用于輕量級的數(shù)據(jù)采集分析。由于Cloudlet服務(wù)器的性能決定了移動(dòng)用戶享受的服務(wù)效果，一些學(xué)者從計(jì)算能力、服務(wù)延遲對于應(yīng)用遷移至遠(yuǎn)端Cloud還是本地Cloudlet做了相關(guān)研究。Li等人認(rèn)為Cloudlet提供的總計(jì)算能力取決于Cloudlet的計(jì)算性能、節(jié)點(diǎn)的生存周期和可到達(dá)時(shí)間，用戶根據(jù)計(jì)算需求選擇計(jì)算任務(wù)遷移方式。Fesehaye等人從移動(dòng)環(huán)境下數(shù)據(jù)傳輸跳數(shù)動(dòng)態(tài)選擇文件編輯、視頻流播放和網(wǎng)絡(luò)會(huì)議等云應(yīng)用數(shù)據(jù)遷移方式。

上述研究都依賴于集中式云架構(gòu)，Wu等人提出了一個(gè)基于Cloudlet的多邊資源交換架構(gòu)，每個(gè)移動(dòng)終端都可以部署一個(gè)微云向其他移動(dòng)終端提供計(jì)算資源。文中提供以市場為導(dǎo)向的移動(dòng)資源交易方式，設(shè)計(jì)貿(mào)易機(jī)制和競價(jià)策略，實(shí)現(xiàn)高效的資源交換，增大Cloudlet網(wǎng)絡(luò)覆蓋范圍。

Cloudlet管理問題是一個(gè)目前比較大的挑戰(zhàn)。目前Cloudlet架構(gòu)中主要的解決方案是使用VM技術(shù)來簡化Cloudlet管理。用戶在使用前預(yù)先定制VM，使用后清除，以此來確保每次使用的微云架構(gòu)能恢復(fù)到原始狀態(tài)。VM寄宿在Cloudlet架構(gòu)的永久軟件環(huán)境中，相比于進(jìn)程級遷移更加的穩(wěn)定，而且對編程語言的要求低、限制少。另外，Cloudlet多基于無線局域網(wǎng)設(shè)計(jì)實(shí)現(xiàn)，而無線局域網(wǎng)的通信距離有限，因此終端的移動(dòng)性是Cloudlet系統(tǒng)有效工作所必有考慮的因素。

6.3 基于群智的應(yīng)用

現(xiàn)在的移動(dòng)終端除了擁有越來越強(qiáng)大的處理能力外，通常還內(nèi)置定位、光線和位移等多種傳感器，這促使群智應(yīng)用逐漸從固定電腦轉(zhuǎn)向了移動(dòng)終端。移動(dòng)群智服務(wù)主要應(yīng)用在自然環(huán)境檢測、基礎(chǔ)設(shè)施監(jiān)視和移動(dòng)社交等場景。移動(dòng)終端可以作為數(shù)據(jù)提供方向云端提供信息，也可以作為被服務(wù)方從云端獲取服務(wù)。

Yan等人提出了基于iPhone的mCrowd平臺(tái)，利用傳感器進(jìn)行位置感知的圖像采集和道路監(jiān)視，iPhone用戶既是服務(wù)提供者，也同時(shí)可以享受平臺(tái)提供的服務(wù)。Eagle等人提出的txteagle主要基于群智為用戶提供語言翻譯、市場調(diào)查和語音轉(zhuǎn)錄等服務(wù)。MobileWorks、mClerk為發(fā)展中國家的用戶提供光學(xué)字符識(shí)別（optical character recognition，OCR）等服務(wù)。MobileWorks平臺(tái)字符識(shí)別速率非?？?，精確度非常高（99%）。Jigsaw通過從移動(dòng)用戶收集的位置、空間大小等信息，結(jié)合用戶的移動(dòng)軌跡重構(gòu)建筑物內(nèi)部結(jié)構(gòu)，為室內(nèi)定位提供依據(jù)。Ou等人則通過收集到的移動(dòng)用戶在不同位置的手機(jī)信號(hào)強(qiáng)度來預(yù)測未來的信號(hào)強(qiáng)度，并以此為基礎(chǔ)調(diào)度數(shù)據(jù)傳輸，實(shí)現(xiàn)手機(jī)節(jié)能的目的。

有些學(xué)者嘗試在機(jī)會(huì)型感知網(wǎng)絡(luò)上實(shí)現(xiàn)群智系統(tǒng)。Wang等人和Xie等人的研究側(cè)重于優(yōu)化消息的傳遞效率，減少通信的開銷和能耗。Tuncay等人的研究更加側(cè)重于參與式感知框架，包括傳感器更新階段和提前啟動(dòng)數(shù)據(jù)收集階段。上述研究都基于特定的應(yīng)用，目標(biāo)是以最快的方式和最小的開銷來傳送最大的數(shù)據(jù)量至數(shù)據(jù)匯集點(diǎn)，并沒有考慮到基于位置相關(guān)的數(shù)據(jù)來提高覆蓋范圍的問題。Karaliopoulos等人通過潛在的優(yōu)化方法為確定性和隨機(jī)性用戶移動(dòng)場景設(shè)計(jì)最低成本集覆蓋。

激勵(lì)機(jī)制是基于群智服務(wù)必須考慮的一個(gè)問題。學(xué)者們在任務(wù)分配、獎(jiǎng)勵(lì)分配以及用戶選擇角度開展了一系列研究。Gao等人對每個(gè)時(shí)隙中如何選取最優(yōu)用戶來最大化總貢獻(xiàn)值進(jìn)行了深入研究。文中提出基于Lyapunov算法的在線競拍策略和考慮到未來信息（完整的或隨機(jī)的）的離線策略，以提高用戶服務(wù)率和社會(huì)貢獻(xiàn)率。Zhang等人基于用戶行為偏好，設(shè)計(jì)了預(yù)算有限情況下的任務(wù)分配策略和定價(jià)機(jī)制，以此提高任務(wù)處理效率并節(jié)約任務(wù)開支。

隨著移動(dòng)社交應(yīng)用的快速發(fā)展，移動(dòng)社交網(wǎng)絡(luò)與群智服務(wù)的結(jié)合也越來越受到研究者關(guān)注。Xiao等人研究提出了基于移動(dòng)社交網(wǎng)絡(luò)（mobile social networks，MSN）的復(fù)雜計(jì)算和傳感任務(wù)分配方案。

在移動(dòng)過程中，每當(dāng)請求方遇到鄰近空閑用戶時(shí)，給其分配處理任務(wù)，直到所有任務(wù)都分配完畢。服務(wù)方完成任務(wù)時(shí)將處理結(jié)果返回給請求方。請求方還可以通過無線接入點(diǎn)向固定式計(jì)算機(jī)分配任務(wù)。就近任務(wù)分配原則有效降低了傳輸開銷。然而，由于用戶的移動(dòng)性，如何保證動(dòng)態(tài)的用戶集高效可靠地完成任務(wù)是需要進(jìn)一步研究的問題。

6.4 移動(dòng)云游戲

作為移動(dòng)云計(jì)算的典型應(yīng)用，移動(dòng)云游戲?qū)鹘y(tǒng)游戲的復(fù)雜計(jì)算遷移到云端，移動(dòng)終端只需向云端發(fā)送游戲指令，云端執(zhí)行游戲計(jì)算、數(shù)據(jù)存儲(chǔ)任務(wù)，并將游戲畫面編碼成實(shí)時(shí)視頻流傳輸至移動(dòng)終端。這不僅極大地?cái)U(kuò)展了移動(dòng)終端的執(zhí)行能力，更提高了游戲的平臺(tái)兼容性和升級維護(hù)的靈活性。

游戲平穩(wěn)性和實(shí)時(shí)性是移動(dòng)云游戲重要的性能指標(biāo)，尤其是數(shù)據(jù)傳輸延時(shí)對用戶體驗(yàn)影響極大。Huang等人設(shè)計(jì)開發(fā)了GamingAnyWhere，旨在從響應(yīng)時(shí)延、網(wǎng)絡(luò)負(fù)載和視頻質(zhì)量等方面對移動(dòng)云游戲系統(tǒng)進(jìn)行優(yōu)化，并與OnLive、Gaikai、StreamMyGame等當(dāng)前主流的移動(dòng)云游戲服務(wù)進(jìn)行了對比。為了進(jìn)一步降低延遲，Chao等人提出了基于UDP的數(shù)據(jù)傳輸協(xié)議Pangolin，解決TCP傳輸數(shù)據(jù)的不可并發(fā)性。Pangolin基于馬爾可夫決策理論自適應(yīng)決策，通過在線查表，發(fā)送冗余前向糾錯(cuò)數(shù)據(jù)包等方式進(jìn)行優(yōu)化控制，降低數(shù)據(jù)包丟失概率，并將傳輸延遲從4 s多降低到1 s。此協(xié)議已經(jīng)納入到Xbox SDK中，真正在工業(yè)界發(fā)揮效用。Outatime則通過預(yù)測未來狀態(tài)、基于圖像的狀態(tài)近似、快速狀態(tài)點(diǎn)檢測與回滾以及狀態(tài)壓縮傳輸?shù)确绞?，最高可以將網(wǎng)絡(luò)延遲減少120 ms。然而，由于無線接入方式的多樣性，無線帶寬抖動(dòng)等特有屬性，交互的實(shí)時(shí)性和游戲畫面的流暢性仍是移動(dòng)云游戲研究領(lǐng)域需要重點(diǎn)解決的問題。

7 發(fā)展趨勢與展望

7.1 移動(dòng)云計(jì)算的功能增強(qiáng)

（1）計(jì)算遷移中高效的環(huán)境感知與決策

隨著移動(dòng)云計(jì)算應(yīng)用的普及，學(xué)者們針對不同應(yīng)用場景提出了一系列計(jì)算遷移方案。然而，計(jì)算遷移技術(shù)要得到更廣泛的應(yīng)用，以下幾個(gè)問題有待進(jìn)一步深入研究：一是對本地執(zhí)行和遠(yuǎn)程執(zhí)行代價(jià)（移動(dòng)終端能耗、傳輸流量以及執(zhí)行時(shí)間等）的準(zhǔn)確預(yù)估。二是對系統(tǒng)狀態(tài)和環(huán)境信息（終端電量、系統(tǒng)負(fù)載以及網(wǎng)絡(luò)帶寬等）的高效收集。以上兩點(diǎn)都是做出有效的遷移決策的基礎(chǔ)。三是用戶數(shù)據(jù)的安全與隱私保護(hù)，這是計(jì)算遷移技術(shù)推廣應(yīng)用的基礎(chǔ)。另外，統(tǒng)一的體系架構(gòu)、規(guī)范的API接口等也是計(jì)算遷移技術(shù)得以廣泛應(yīng)用必須進(jìn)一步研究的。

（2）基于精準(zhǔn)定位與動(dòng)作識(shí)別的移動(dòng)云計(jì)算服務(wù)增強(qiáng)

室內(nèi)定位技術(shù)作為近兩年學(xué)術(shù)界的研究熱點(diǎn)，其定位精度、系統(tǒng)性能等都有大幅提高。近年來，隨著室內(nèi)定位技術(shù)研究的不斷深入，學(xué)者們已經(jīng)從單純的追求定位精度的優(yōu)化，進(jìn)一步擴(kuò)展到對目標(biāo)物體的移動(dòng)軌跡、動(dòng)作識(shí)別等的研究。如何針對多樣的用戶需求、復(fù)雜多樣的室內(nèi)室外場景，基于用戶的位置及行為特征，為用戶提供個(gè)性化的、高效便捷的云服務(wù)將是未來需要進(jìn)一步重點(diǎn)研究的方向。

（3）基于新型通信技術(shù)與網(wǎng)絡(luò)架構(gòu)的移動(dòng)云計(jì)算服務(wù)增強(qiáng)

最新提出的5G 通信技術(shù)不僅提供了更加高速的網(wǎng)絡(luò)接入，并且對微基站、終端對終端直連通信（device to device，D2D）以及室內(nèi)定位等提供了更好支持。如何將5G提供的新特性應(yīng)用于移動(dòng)云環(huán)境，為用戶提供更加多樣、高效的服務(wù)將是學(xué)術(shù)界未來研究的一個(gè)重要方向。如何將軟件定義網(wǎng)絡(luò)（software-define networking，SDN）與5G網(wǎng)絡(luò)相結(jié)合，為移動(dòng)云計(jì)算提供智能高效的網(wǎng)絡(luò)管理、靈活健壯的網(wǎng)絡(luò)服務(wù)也將是未來需要進(jìn)一步重點(diǎn)研究的方向。

7.2 移動(dòng)云計(jì)算的服務(wù)質(zhì)量保障

（1）適應(yīng)異構(gòu)無線網(wǎng)絡(luò)的移動(dòng)云計(jì)算高效持續(xù)服務(wù)

目前已逐步推廣應(yīng)用的通信技術(shù)已經(jīng)可以為移動(dòng)用戶提供高達(dá)百兆的傳輸速率，為用戶享受更豐富的移動(dòng)云計(jì)算服務(wù)提供了基礎(chǔ)。然而爆炸式增長的移動(dòng)流量與有限的帶寬資源、空口資源之間的矛盾依然突出。認(rèn)知無線電技術(shù)有望成為提高帶寬利用率的有效方法。另外，將Cellular網(wǎng)絡(luò)流量有效遷移到WiFi網(wǎng)絡(luò)也是解決空口資源緊張問題的重點(diǎn)研究方向。移動(dòng)用戶的連續(xù)移動(dòng)以及在多種無線網(wǎng)絡(luò)間的頻繁切換，是用戶享受穩(wěn)定、持續(xù)的接入云端數(shù)據(jù)中心，享受互操作性服務(wù)面臨的又一阻礙。因此，適應(yīng)接入網(wǎng)絡(luò)異構(gòu)性的自適應(yīng)協(xié)議，尤其是對速率自適應(yīng)和擁塞控制機(jī)制支持，也將是提高移動(dòng)云計(jì)算性能的一個(gè)重點(diǎn)研究方向。

（2）高效的云端數(shù)據(jù)一致性保障

在復(fù)雜的無線環(huán)境下，保證用戶終端與云端數(shù)據(jù)的一致性，也是保證移動(dòng)云計(jì)算服務(wù)質(zhì)量面臨的重要挑戰(zhàn)。最近的一些研究成果，多采用多復(fù)本發(fā)送、冗余備份的方式實(shí)現(xiàn)終端數(shù)據(jù)的有效發(fā)送，以及多終端與云端間的數(shù)據(jù)一致性。然而，這種機(jī)制卻無形中增加了移動(dòng)終端的流量和能耗開銷。特別是針對終端能耗的受限，如何將數(shù)據(jù)一致性保護(hù)機(jī)制與能耗優(yōu)化的傳輸機(jī)制結(jié)合，實(shí)現(xiàn)更好傳輸性能與能耗的協(xié)調(diào)折衷，也是移動(dòng)云計(jì)算應(yīng)用必須研究的。

7.3 安全可用的移動(dòng)云服務(wù)

（1）面向移動(dòng)終端的安全保護(hù)方案

移動(dòng)云計(jì)算環(huán)境中，用戶通過無線網(wǎng)絡(luò)將數(shù)據(jù)或計(jì)算任務(wù)外包給并不完全可信的云端數(shù)據(jù)中心，這使得用戶不僅面臨傳統(tǒng)的來自外部的攻擊，甚至可能由于云服務(wù)提供者的內(nèi)部攻擊或不當(dāng)操作，造成數(shù)據(jù)泄露、損壞或丟失。針對這些安全威脅，研究者們在傳統(tǒng)安全機(jī)制基礎(chǔ)上，提出了可查詢加密、同態(tài)加密、可選擇加密以及基于屬性的加密]等一系列創(chuàng)新安全解決方案。然而，這些解決方案大都依賴計(jì)算復(fù)雜度更高的密碼體制。如何實(shí)現(xiàn)復(fù)雜的安全機(jī)制與移動(dòng)終端有限的資源之間的協(xié)調(diào)折衷，在保證安全性的同時(shí)，盡量減少對服務(wù)質(zhì)量的影響是移動(dòng)云計(jì)算安全領(lǐng)域面臨的挑戰(zhàn)。

（2）基于云的移動(dòng)終端安全防護(hù)技術(shù)

針對移動(dòng)終端的安全威脅，如何為處理能力、電量等資源受限的移動(dòng)終端提供有效的入侵檢測、病毒防護(hù)等功能也是需要進(jìn)一步的深入研究。將復(fù)雜的密碼機(jī)制、安全防護(hù)功能以保密的方式遷移到云端，將是移動(dòng)云安全領(lǐng)域發(fā)展的必然趨勢。另外，如何處理好加密機(jī)制與傳輸優(yōu)化中的增量同步、冗余消除等機(jī)制的沖突，云端數(shù)據(jù)共享與用戶隱私保護(hù)的沖突，以及位置隱私保護(hù)與基于精確定位的移動(dòng)云計(jì)算服務(wù)等方面沖突，也是移動(dòng)云計(jì)算安全研究中必須考慮的問題。

8 結(jié)束語

隨著無線數(shù)據(jù)通信和移動(dòng)互聯(lián)網(wǎng)的廣泛應(yīng)用，移動(dòng)云計(jì)算技術(shù)得到了迅速發(fā)展，受到了學(xué)者們的廣泛關(guān)注，并在計(jì)算遷移、基于移動(dòng)云的位置服務(wù)、終端節(jié)能以及數(shù)據(jù)安全與隱私保護(hù)等方面開展了深入的研究，取得了一系列重要研究成果。本文對這些成果進(jìn)行了系統(tǒng)的總結(jié)和分析，并進(jìn)一步指出了未來的一些研究發(fā)展方向。

然而，隨著虛擬現(xiàn)實(shí)、智能家居等新型應(yīng)用的不斷涌現(xiàn)，以及移動(dòng)應(yīng)用向醫(yī)療、教育、金融等領(lǐng)域的進(jìn)一步滲透，移動(dòng)云計(jì)算在高效性、可靠性和安全性等方面還面臨著許多新的技術(shù)挑戰(zhàn)，也為研究者提出了一系列新的研究課題。