车载自组织云中基于路径可预测的计算卸载策略研究

发布时间：2020-05-11 22:22

【摘要】：随着车辆数目的快速增加以及车辆智能化需求的不断增强,资源受限车辆所产生的计算密集型任务影响着车辆用户的服务体验。过去通常利用云计算为资源受限车辆提供计算和存储等资源,车辆终端通过将计算任务上传至云服务器,云服务器根据用户需求为计算任务分配可用资源并由云服务器代理执行的过程称为计算卸载。计算卸载的主要目的是降低本地设备的任务完成时间。然而传统的云计算存在着执行成本高、带宽资源有限以及云端负载严重等问题。在车载计算环境下,按照是否有基础设施支持主要将车载云计算划分成有基础设施支持的车载云及由异构车辆自行组成的车载自组织云。由于车载自组织云的高动态性,导致了计算卸载过程中车与车的通信环境变化频繁,进而可能致使任务完成时间过长。在车载自组织云的计算卸载过程中,如何选择最合适的目标节点进行计算卸载是保证任务高效执行的关键,基于泛洪的计算卸载算法可以有效地解决目标节点选择对计算卸载的影响,但该算法会造成资源的过度浪费,故如何在减少资源占用率的前提下,合理的使用现有资源为资源受限车辆提供优质的计算卸载服务是本文的研究重点。为解决降低资源占用率和提升计算卸载性能这2个问题,本文的主要工作如下:(1)对比分析了有无DTN支持的车辆自组织云的计算卸载效果,证明了DTN技术能够有效的保证任务完成时间;(2)对比分析车载自组织云中的随机卸载、最小执行时间、最小跳数算法,引入了基于路径可预测、基于部分泛洪和基于泛洪的计算卸载算法从而提升计算卸载性能;(3)为了降低资源占用率,提出了基于部分泛洪的算法,对比分析了基于路径可预测和基于泛洪的计算卸载算法。实验结果表明:(1)就任务等待时间和任务完成时间两项指标,基于DTN的车载自组织云中的计算卸载相较于无DTN支持的车载自组织云分别节省了56.76%和40.88%;(2)就任务完成时间,基于路径可预测相较于随机卸载算法、最小执行时间算法、最小跳数算法分别提升了 12.53%,15.20%,9.00%;基于部分泛洪的卸载算法相较于ROL、MET、MH等算法分别提升了 19.49%,21.95%,16.24%;(3)就任务完成时间,部分泛洪算法相较于基于路径可预测算法提升了8.00%;就资源占用率,基于路径可预测算法相较于部分泛洪提升了35.46%。
【图文】：

服务模式,社区,模式

图２．１：云计算的服务模式逡逑

云模式,大型企业,模型,服务模式

Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ邋ａｓ邋ａ邋Ｓｅｒｖｉｃｅ逡逑（如邋Ａｍａｚｏｎ邋ＥＣ２、Ｓ３服务）；逡逑图２．１：云计算的服务模式逡逑其中ＳａａＳ层的作用是将应用作为服务提供给用户，ＰａａＳ层的作用是将开发逡逑平台作为服务提供给用户，ＩａａＳ层的作用是将虚拟机等资源作为服务提供给用逡逑户，具体内容如表２．２所述。逡逑表２．２：云计算的服务模式逡逑服务模式逦简介逡逑服务供给商将提供给用户的计算能力作为使用运行在逡逑ＳａａＳ逦云基础设施上的服务提供者的应用程序。这些程序能够逡逑软件即服务逦通过各种客户端设备上的瘦客户端接口或程序接口来逡逑访问。逡逑提供给用户的计算能力是在云基础设施上部署用户的逡逑应用，这些应用通过使用服务提供者支持的编程语言、逡逑平台即服务逡逑库、服务和工具来创建。逡逑提供给用户的计算能力是计算、存储、网络和其他基础逡逑ＩａａＳ逡逑性计算资源，用户可以在这些资源上部署和运行操作系逡逑基础设施即服务逡逑统和应用程序等任意软件。逡逑３、云计算部署模式逡逑为了满足不同用户的不同需求，云服务被分成私有云、社区云、公共云与混逡逑合云四种［３１］，如图２．２所示。逡逑９逡逑
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP301.6;U495

【参考文献】