论文部分内容阅读
移动终端(例如智能手机、平板、可穿戴设备和网络摄像头等)数量爆炸性增长,在人们生产、生活中扮演着越来越重要的角色。然而,其应用和发展面临着计算和通信两方面的挑战。计算方面,移动终端的移动性决定了其资源(例如CPU、GPU、内存和电量等)通常是受限的,其相对薄弱的处理能力难以满足大数据等新型应用的需求,表现为移动性与处理能力之间的矛盾。因此,计算迁移技术(Computation Offloading)应运而生——把计算任务迁移到传输路径上的、具有较强计算能力的“大节点”(Big-node)上进行处理。移动云计算(MobileCloud Computing,MCC)和移动边缘计算(Mobile Edge Computing,MEC)是计算迁移过程中提供大节点的两大技术手段。然而,将任务迁移到云虚拟主机进行处理,会引入较大的传输时延,难以满足延迟敏感型应用(如虚拟现实(Virtual Reality,VR)、云游戏(Cloud Gaming)等)的实时性需求,表现为通信方面的实时性需求与业务延迟之间的矛盾。因此,既要满足移动终端的计算需求,又要最小化通信延迟——通信与计算的协同(Communication and Computation Cooperation,3C),是移动终端计算迁移延迟优化的核心难点问题。针对这一难点,本文以减少计算迁移中的延迟为主要目标,以通信与计算之间的协同为基本思想,以MCC和MEC为场景实例,以匹配理论为优化手段,分别从计算迁移中的延迟优化基本框架、MCC的交互延迟优化和MEC的高效计算迁移等3个方面进行了研究和创新。本文的主要贡献包括:1.提出了计算迁移中的延迟优化基本框架。针对数据密集型应用的计算迁移所带来的通信和计算之间的矛盾,使用匹配理论来解决移动终端与大节点之间的映射问题,提出了通信与计算协同的双向匹配框架。该框架可以作为基于MCC和MEC的计算迁移中延迟优化的基础。实验表明,运用了通信与计算的协同思想的优化方案,能够将应用延迟减少一倍以上。2.设计了基于MCC的交互延迟优化方案。针对基于云的分布式交互应用(Cloud Distributed Interactive Application,CDIA)延迟大的难题,通过对真实系统的测量和分析,对计算密集型任务和带宽密集型任务之间的干扰进行了建模,提出虚拟化延迟的概念。研究了 CDIA系统的设计框架和延迟优化问题,以优化虚拟云主机的资源分配为前提,设计了云代理与客户任务之间的双向匹配方案。实验表明,该方案在实际系统参数设置下,能够智能地分配负载,并根据用户上、下线模式自适用地、动态地配置云端资源。3.提出了基于MEC的高效计算迁移框架,部署了 MEC实验平台。针对基于云的无线接入网络(Cloud Radio Access Network,C-RAN)和MEC的混合架构中存在的网络干扰和计算干扰问题,提出了延迟敏感的计算迁移准入控制框架。应用通信与计算协同的双向匹配框架,设计了基于多阶段关联匹配的循环迭代算法,解决了用户、天线、基站和云虚拟机之间的多阶段匹配问题。实现了基于LTE的MEC实验平台,基于实验平台测量参数的仿真实验表明,该方案能够达到90%接近理论最优的性能。