随着基于移动终端的计算密集型复杂应用不断增长,移动终端的处理能力、存储容量以及电池续航时间与传统的桌面机或服务器相比都有较大差距,特别是在执行计算密集型和数据密集型应用时,移动终端在硬件性能、电池容量等方面的资源受限问题尤为突出,移动云计算是解决移动终端资源受限问题的一个有效途径。在移动云计算的三种模式中,朵云可以克服微云模式稳定性和可靠性较差的问题,并可解决集中式移动云因移动终端与远程云之间的距离较远而导致实时性差的问题。因此,如何在朵云中高能效地为移动端用户提供优质服务,以提升朵云服务质量、移动用户满意度和系统性能,具有重要的理论和实际意义。本文在一种移动云计算模式——朵云环境下,研究面向计算密集型移动应用的朵云高能效服务提供技术。针对移动端资源贫乏、计算密集型移动应用类型多样及朵云服务范围有限等特点,围绕弹性划分、计算卸载、容错调度和无缝服务切换问题,从多角度对朵云高能效服务提供技术进行了研究与探索,主要研究工作及贡献可体现在以下几个方面:(1)提出了基于图聚类的朵云应用弹性划分方法针对目前朵云环境中应用划分的研究较少考虑移动端上下文信息以及计算任务之间的相似度量特征,导致划分不精准,且大多应用划分方法是以类作为固定的划分粒度,不适于复杂多变的朵云环境等问题。本文提出了基于图聚类的朵云应用弹性划分方法GCCEP。该方法首先将朵云应用行为抽象为加权对象关系图,根据图聚类的特征矩阵计算出任务相似度量值,从而对任务进行聚合性编码。然后根据移动端上下文信息,朵云应用的任务关联内聚系数和重用内聚系数确定朵云应用的弹性划分粒度。利用耦合关联矩阵对朵云应用的任务耦合度进行分析,通过估算任务执行时间来控制任务均衡度。实验结果表明,与同类方法相比,本文的GCCEP方法降低了应用划分的代价,提高了划分的精准度和计算卸载效率。(2)设计了基于带变异算子粒子群优化的朵云用户计算卸载算法针对目前朵云环境中计算卸载算法大多忽略卸载时机选取,且没有考虑用户卸载成功概率而导致卸载过频、造成资源浪费和能效降低等问题。本文设计了基于带变异算子粒子群优化的朵云用户计算卸载算法OM-PSOMO。该方法根据移动端CPU利用率以及内存利用率,利用强局部加权回归方法动态获得超载时机。检测出超载时机后,首先通过移动用户在朵云通信范围内停留时间预测卸载成功的概率,决定立即卸载还是延迟卸载;然后利用响应时间和移动终端能耗建立计算卸载模型;最后采用带变异算子的粒子群设计了朵云用户最优计算卸载算法。实验结果表明,与同类算法相比,本文所设计的OM-PSOMO算法降低了卸载成本及终端能耗,为移动用户提供了QoS保障。(3)建议了基于副本限制的朵云实时任务容错调度策略针对目前的容错调度方法没有将虚拟资源层容错和任务层容错结合起来,且对任务的副本数量较少进行优化考虑,从而增加了系统开销等问题。本文建议了基于副本限制的朵云实时任务容错调度策略FTSRL,该策略兼顾虚拟资源层和任务层的容错,采用隐马尔科夫模型对朵云平台虚拟机状态进行建模,根据虚拟机的状态转移矩阵和输出状态的概率转移矩阵,预测出虚拟机进入异常状态的概率,利用影子页表技术实现虚拟资源层容错。对朵云任务可靠性进行量化,根据朵云任务发生故障的概率,求解朵云任务副本个数下限值,利用副本限制技术实现朵云任务层容错。最后根据实时任务的特征,设计了任务的主/副版本两种调度算法。实验结果表明,与同类方法相比,本文所建议的FTSRL策略提高了朵云系统容错能力,减少了系统冗余和朵云系统开销。(4)提出了基于切换增益函数的朵云服务无缝切换方法针对目前朵云服务切换大多仅考虑朵云间的水平切换或者朵云与远程云间的垂直切换,容易导致服务间断甚至服务失败,服务切换方法大多存在切换过频和能耗过大等问题,本文将水平和垂直切换结合起来考虑,提出了基于切换增益函数的朵云服务无缝切换方法CSHGF。该策略根据移动端信号强度以及移动端与朵云间的距离获得切换时机。在水平切换中,根据新朵云的信号强度和采样间距来确定优化切换或强制切换。当用户移出朵云服务范围,则执行朵云与远程云之间的垂直切换。在垂直切换中,利用TOPSIS(Technique for Order Perference by Similarity to an Ideal Solution)方法选取最优的网络切换方案,通过切换效益函数和切换开销函数确定最优计算切换方案。实验结果表明,与传统方法相比,本文提出的CSHGF方法减少了切换次数,降低了服务中断概率,进而提高了服务质量。