移动云计算中的资源调度与节能问题研究

发布时间：2017-11-01 23:23

  本文关键词：移动云计算中的资源调度与节能问题研究

  更多相关文章： 移动云计算 移动互联网 云计算 资源调度 能耗 服务质量

【摘要】：移动云计算是一种将移动互联网与云计算相结合的新技术,用户可将数据的计算和存储等工作迁移至云端来改善其移动终端处理能力弱、存储空间小以及电池续航时间短等缺点。随着移动云计算的发展,用户对云服务的需求与日俱增,对服务质量和能耗等性能提出了更高的要求。然而,云计算和移动互联网属于两种不同的技术,通常由两个不同的供应商来提供资源,缺乏统一的部署和管理,这给移动云计算系统的性能带来了巨大的挑战。本文以改善云供应商的效益、业务的服务质量和移动终端的能耗为基本目标,从虚拟机(VM)调度、应用联合执行、业务接入控制以及传输调度四个方面对移动云计算中的资源调度与节能问题展开了研究。本文主要工作及研究成果如下：(1)本文研究了适用于移动云计算环境的计算资源调度方法。针对移动云计算系统给用户分配计算资源受小区网络带宽限制的场景,提出了一种带宽受限的VM动态调度算法,该算法根据用户对计算资源和网络带宽的需求情况,采用真实拍卖方式来为用户分配VM。理论分析与仿真结果表明,所提算法能够有效地改善云供应商的系统效益和资源利用率。针对移动云计算系统可控制小区网络带宽的场景,采用Stackelberg博弈对用户与云供应商之间的VM买卖过程进行了分析,证明了纳什均衡点的存在性和唯一性,并提出了一种VM定价与分配算法,该算法可通过VM的价格来控制用户订购VM的数目,减少网络拥塞。理论分析与仿真结果表明,所提算法能同时优化云供应商和用户的效益。(2)本文研究了移动云计算系统中移动终端与云端联合执行移动应用的方法。移动应用往往由一系列的任务组成,且将计算负荷小、输入和输出数据量大的任务迁移至云端执行会增加移动终端的能耗开销。针对这一问题,研究了由串行任务组成的移动应用。利用一次迁移最优特性来设计遗传算法的交叉和变异操作,提出了一种一次迁移遗传算法,该算法可有效地提高收敛速度。理论分析与仿真结果表明,所提算法能在满足应用执行时间限制的同时最小化移动终端的能耗。研究了由并行任务组成的移动应用。利用这类任务可在云端同时执行的特点,以任务的计算负荷、输入和输出数据量为依据,并根据拉格朗日优化方法,提出了一种并行任务联合执行算法,该算法可快速地获取最优解。理论分析与仿真结果表明,所提算法能实现应用执行时间限制与能耗的折衷,能在满足应用执行时间限制的同时最小化移动终端的能耗。(3)本文研究了移动云计算中的业务接入控制方法。根据移动云计算中的业务特点,将所有业务分为实时业务和非-实时业务两类。针对用户在切换时使用实时业务的场景,根据实时业务在发起时阻塞与切换时阻塞对系统效益影响的不同,采用按呼叫强度分配信道的方式,提出了一种动态门限接入控制算法。理论分析与仿真结果表明,所提算法能够在保证切换用户服务质量的同时最大化系统效益。针对多种业务同时到达的场景,采用实时业务优先传输的方式,利用马尔科夫ON/OFF模型对两类业务的交付过程进行了分析,根据凸优化方法,提出了一种业务自适应接入控制算法。理论分析与仿真结果表明,所提算法不仅可以提高信道利用率,而且还可以减少实时业务的阻塞率和非-实时业务的延时。(4)本文研究了移动云计算中的传输调度方法。针对云端通过多个信道向多个用户交付业务数据的场景,根据李雅普诺夫优化方法,提出了一种双时间刻度调度算法,该算法能根据数据的积压情况在合适的信道上分配业务数据,并能根据信道状态和数据积压量来决定信道在当前时隙向哪个用户交付业务数据。理论分析与仿真结果表明,所提算法可通过控制阀值来实现数据积压量与传输能耗的折衷,与已有算法相比,所提算法可有效地减少移动终端的能耗。针对用户位于传输速率不稳定的区域时,在云端大量的订购业务会导致较高的数据积压量和传输能耗的问题,利用移动代理可引导用户合理订购业务的优势,提出了一种联合业务订购与交付的调度算法,该算法可根据控制阀值、信道状态以及数据积压情况来引导用户合理的订购业务,并能尽量选择在信道状态较好时向用户交付业务数据。理论分析与仿真结果表明,所提算法能够在有效地降低数据积压量的同时减少传输能耗和业务订购开销。
【关键词】：移动云计算 移动互联网 云计算 资源调度 能耗 服务质量
【学位授予单位】：北京邮电大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP393.01;TN929.5
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 符号说明11-12
• 第一章 绪论12-23
• 1.1 研究背景12-13
• 1.2 移动云计算概述13-15
• 1.2.1 总体架构13-14
• 1.2.2 服务类型14-15
• 1.3 研究目的和意义15-17
• 1.4 研究现状17-20
• 1.5 论文主要内容及结构安排20-23
• 第二章 移动云计算中的计算资源调度研究23-44
• 2.1 引言23-25
• 2.2 带宽受限的VM动态调度算法25-36
• 2.2.1 系统模型25-26
• 2.2.2 拍卖博弈问题分析26-28
• 2.2.3 算法设计28-31
• 2.2.4 仿真分析31-36
• 2.3 VM的定价与分配算法36-43
• 2.3.1 系统模型36
• 2.3.2 Stackelberg博弈问题分析36-37
• 2.3.3 算法设计37-39
• 2.3.4 仿真分析39-43
• 2.4 本章小结43-44
• 第三章 移动云计算中的应用联合执行研究44-70
• 3.1 引言44-45
• 3.2 串行任务联合执行节能算法45-56
• 3.2.1 系统模型45-47
• 3.2.2 迁移特性分析47-50
• 3.2.3 算法设计50-52
• 3.2.4 仿真分析52-56
• 3.3 并行任务联合执行节能算法56-69
• 3.3.1 系统模型56-57
• 3.3.2 迁移特性分析57-60
• 3.3.3 算法设计60-64
• 3.3.4 仿真分析64-69
• 3.4 本章小结69-70
• 第四章 移动云计算中的业务接入控制研究70-93
• 4.1 引言70-72
• 4.2 动态门限接入控制算法72-79
• 4.2.1 系统模型72-73
• 4.2.2 优化问题分析73-74
• 4.2.3 算法设计74-76
• 4.2.4 仿真分析76-79
• 4.3 业务自适应接入控制算法79-92
• 4.3.1 系统模型79-81
• 4.3.2 优化问题分析81-83
• 4.3.3 算法设计83-86
• 4.3.4 仿真分析86-92
• 4.4 本章小结92-93
• 第五章 基于业务交付的传输调度研究93-116
• 5.1 引言93-95
• 5.2 李雅普诺夫优化理论基础95-96
• 5.3 双时间刻度调度算法96-104
• 5.3.1 系统模型96-98
• 5.3.2 算法设计98-100
• 5.3.3 性能分析100-102
• 5.3.4 仿真分析102-104
• 5.4 联合业务订购与交付的调度算法104-115
• 5.4.1 系统模型104-105
• 5.4.2 算法设计105-107
• 5.4.3 性能分析107-110
• 5.4.4 仿真分析110-115
• 5.5 本章小结115-116
• 第六章 总结与展望116-119
• 6.1 论文总结116-117
• 6.2 未来展望117-119
• 参考文献119-128
• 缩略语128-130
• 致谢130-132
• 攻读博士期间发表的学术论文132-133

，

本文编号：1128999