一個移動云環境下的多Cloudlet聯合調度框架

郝赟

（四川大學計算機學院，成都 610065）

一個移動云環境下的多Cloudlet聯合調度框架

越來越多的移動應用是計算密集型任務，這對移動設備的處理能力和續航提出挑戰。將移動任務分流到位于移動用戶附近的Cloudlet執行是一個高效的選擇。基于常見的移動云環境下的計算模式，提出一個多Cloudlet聯合調度系統架構,充分地利用云端無限資源的優勢以及移動設備附近的閑置資源,以最大限度地解決移動終端任務處理的能耗和響應時間問題。進一步地，本文在該架構的基礎上，提出一個多Cloudlet兩極聯合調度框架，通過聯合各層的調度優勢，以達到對整個系統整體調度性能優化。

Cloudlet；移動云計算；計算模式；聯合調度；框架

0 引言

移動通信網絡和互聯網的相互融合形成了移動互聯網的這種新興的信息模式，它使得用戶可隨時隨地使用移動設備通過無線網絡（3G/4G/Wi-Fi等）訪問互聯網，解決了傳統PC體積和重量較大、不易攜帶和可移動性差等缺點。盡管目前移動設備的處理能力和存儲能力都得到了很大提升，但是針對日益復雜的移動任務，如計算密集型、實時交互型、高并發型等任務時，移動設備本身固有的一些缺陷包括處理能力、存儲容量、電池續航、網絡狀況、可靠性等將成為性能瓶頸。

為了解決移動設備的固有限制,移動云計算中一種新的移動終端——Cloudlet-遠端云的三層計算模型提供了另外一種思路[1]。Cloudlet是位于移動用戶附近，由少數服務器、PC、移動設備等組成的一個移動設備和遠端云通信的中轉站或者直接服務移動設備的代理服務器，它以Wi-Fi方式接入[2]。與終端-云端的兩層計算模型相比，這種三層模型在保留了云端強大的計算能力和存儲能力的優勢下，將任務的執行盡可能地從云端移動到Cloudlet上，這帶來的好處是不言而喻的，如：接入方式從3G/4G過渡到Wi-Fi，使得傳輸速度得到極大提升，移動終端保持連接所消耗能量減小，延長了移動終端續航時間。執行體由遠端云過渡到位于移動終端附近的Cloudlet，通信距離遠遠降低，使得通信時延和傳輸時延都得到極大程度的改善。另外，還消除了昂貴的3G/4G通信費用和企業云的租賃服務費用。

1 移動云計算的模式

根據移動云計算應用場景和定義的不同，移動云計算的模式也以不同的方式出現。正如 Niroshinie Fernando等人在文獻[1]中所總結的一樣，目前業內比較公認的主要有“移動設備-企業云”、“移動設備-移動設備云”和“移動設備-Cloudlet-企業云”三種基本模式以及這三種模式融合的其他混合模式。

1.1 “移動設備-企業云”模式

如圖1所示，在這種模式下，移動終端的計算任務或存儲任務將通過移動網絡上傳至遠端的企業云服務器上進行處理，借助于企業云強大的計算能力和存儲能力，任務的真正執行者其實是云服務器，而移動終端只是作為一個“瘦”客戶端傳輸和接收數據[3]。

該模式的優勢在于能夠充分利用企業云資源，移動設備作為云服務的“瘦”客戶端，只需要承擔任務數據的輸入和結果的展示，不但能大幅度減少移動終端自身執行移動任務帶來的巨大能量消耗，延長電池使用時間，還能避免由于移動終端本身硬件限制以及操作系統的差異而帶來的負面影響。同樣地，該模式的劣勢也非常明顯，那就是對網絡環境的高度依賴。由于無線網絡的不穩定性，當移動設備處于網絡信號差或者網絡覆蓋范圍之外時，任務的執行將會受到很大的影響甚至失敗。另外，該模式大多使用2G/3G/4G移動網絡，任務的傳輸將需要消耗大量流量，從而產生大量的流量費用，對于移動用戶來說是非常大的一個負擔。

圖 1 “移動設備-企業云”模式

圖2 “移動設備-移動設備云”模式

1.2 “移動設備-移動設備云”模式

如圖2所示，“移動設備-移動設備云”模式和傳統意義上的移動云計算不同，它是云計算技術和移動設備網絡的結合，“云”端不再僅僅局限于服務器集群。在該模式中，多個移動設備位于同一個局域網內，每個移動設備都可以成為云計算服務的計算節點，也可以作為云計算的客戶端，他們通過特定協議連接組成一個移動設備網絡，該網絡扮演著“云”的角色，向網絡內或網絡外其他的移動設備提供服務，在很多地方被稱之為“本地云”或“微云”[4]。該模式常見的應用案例有：無線傳感器網絡（WSN）數據分析應用、惡劣網絡環境下的并行的計算密集型應用等。在這種模式下，移動設備的閑置資源得以最大限度充分利用的同時，還能有效避免移動設備通過移動網絡產生的巨大流量消耗。

1.3 “移動設備-Cloudlet-企業云”模式

圖3 “移動設備-Cloudlet-企業云”模式

如圖3所示，Yaser Jararweha等人在文獻[5]中提出Cloudlet的概念來作為移動云計算的另一種解決方案，在該模式中，Cloudlet可以扮演多種角色。一方面，Cloudlet可以作為移動終端與云端通信的中繼器，這樣可以將移動終端通過移動蜂窩網絡連接到云端的方式過渡為無線網+有線網絡的通信方式，不僅能大幅縮減通信延遲，還能避免移動用戶使用移動蜂窩網絡產生的巨大的流量費用。另一方面，由于Cloudlet本身是由少數具備一定計算能力和存儲能力的服務器或者普通臺式電腦等組成的，故它也可以被認為是一個位于本地的“微云”，它也可以向移動終端提供資源和服務，在該種服務模式下，移動終端和云端的通信延遲被降到最低。該模式除了能應用到之前兩種模式所能應用的案例外，還比較適合實時性要求較高的任務，如：在線大型游戲、實時網絡交互、高響應比任務執行等。事實上，“移動設備-Cloudlet-企業云”這種模式是均衡了云計算強大的資源能力、平臺能力與移動蜂窩網絡資源匱乏的一種折中的方案，使用該種模式一定程度上不僅能利用云端豐富的資源，還能盡可能降低通信延遲以及移動蜂窩網絡產生的巨大的流量費用，優勢是顯而易見的。

2 移動協作多Cloudlet聯合調度系統架構

盡管常見的移動云計算模式都能滿足一定場景下的計算需求，但正如以上討論，都存在著明顯的缺陷與不足。因此，為了能更大限度地適應當前復雜多變的移動環境，本文在傳統的三種移動云計算模式的基礎上提出一個移動協作Cloudlet聯合調度系統（Mobile Cooperative Cloudlet Computing,M3C）三層架構。

圖4 移動協作Cloudlet聯合調度系統（M3C）架構圖

如圖4所示，該架構主要由三層實體組成：移動終端層、Cloudlet層和遠端云層。位于該架構最底層的移動終端層由各式各樣的移動智能設備和無線網絡（2G/ 3G/4G/Wi-Fi）組成，移動智能設備上的移動任務根據不同的用戶QoS和系統狀況可選擇將移動任務在本地執行、通過無線網絡分流到Cloudlet網絡中或分流到遠端云執行，移動設備只需要接收執行結果即可。位于該架構中間層是由多個處理能力各異的Cloudlet、位于Cloudlet附近的無線接入點以及有線網絡組成，這些Cloudlet之間可能有直接有線網絡連接，每個Cloudlet都可通過有線網絡訪問互聯網絡，Cloudlet附近的無線接入點則可以通過無線網絡（Wi-Fi）接收來自移動用戶的任務請求，Cloudlet網絡下行可通過無線網絡和移動智能設備通信，上行可通過有線網絡和遠端云通信，因此，Cloudlet中間層不僅可以為移動終端提供資源以滿足移動任務需要，還可以成為移動智能設備和遠端云的通信媒介，以降低移動設備和遠端云的通信時延。位于該架構最頂層的是遠端云，該層可以為移動用戶提供充足的計算資源和存儲資源，當移動用戶不能連接到Cloudlet層，或是Cloudlet層的資源不足以滿足用戶需求時，移動用戶可通過Cloudlet層或直接將任務分流到云端進行處理，該層的主要功能為Cloudlet層的有效擴充。通常來說，Cloudlet層大多都能滿足移動用戶的資源需求。

3 多Cloudlet聯合調度框架

傳統的云計算任務調度技術目前已經趨于成熟，而移動任務在移動終端和M3C系統內的調度問題的研究較少，涉及到的調度實體為移動終端和Cloudlet，為了更加清晰地刻畫出不同終端實體的調度策略的不同，本文將移動終端和M3C的調度分開討論，據此，本文提出一個多Cloudlet兩級聯合調度框架。如圖5所示，該調度框架主要包含的實體對象為移動終端和M3C，每個實體對象所包含的調度組件如圖所示。移動終端產生的移動任務，首先在移動終端上進行第一級調度，移動終端的決策器根據移動任務的時間評估模型、能耗評估模型和成功率評估模型做出分流決策：本地執行、分流到M3C和分流到遠端云。當任務分流M3C后，M3C中的調度器再對任務進行第二級的調度，為任務分配合適的Cloudlet和主機資源。

圖5 多Cloudlet兩極聯合調度框架

4 結語

本文綜合常見的移動云計算模式，提出了一個更具廣泛適應性的新的移動云計算架構，并在該架構的基礎上，提出了一個多Cloudlet兩極聯合調度框架，通過聯合各層的調度優勢，以達到對整個系統整體調度性能優化，該計算架構和調度框架具有較強的理論意義。盡管通過引入Cloudlet中間網絡層可以極大限度地提升移動終端的鄰近服務能力，但是也引入了很多新的研究問題，如各個Cloudlet之間以怎樣的協議協同工作、如何實現Cloudlet系統自管理、如何解決Cloudlet系統中的網絡異構帶來的問題、如何處理移動用戶連接間歇性帶來的服務質量下降和任務失敗等問題[6]，在我們所提出的計算架構和調度框架的基礎上，下一步將著重研究這些問題。

[1]Niroshinie Fernando,Seng W.Loke,Wenny Rahayu.Mobile Cloud Computing：A Survey[J].Future Generation Computer Systems, 2013,29（1）:184-106.

[2]Magurawalage,C.M.S.,Yang,K.,Hu,L.，Zhang,J.Energy-Efficient and Network-Aware Offloading Algorithm for Mobile Cloud Computing[J].Computer Networks,2014,74:22-33.

[3]Ravi,A,Peddoju,S.K..Mobility Managed Energy Efficient Android Mobile Devices Using Cloudlet[A].Students′Technology Symposium（TechSym）,Kharagpur:IEEE[C]，2014:402-407.

[4]Yang Zhang,Niyato D.,Ping Wang.Offloading in Mobile Cloudlet Systems with Intermittent Connectivity[J].Mobile Computing,IEEE Transactions on，2015，14（12）:2516-2529.

[5]Yaser Jararweha,Lo′ai Tawalbehb,Fadi Ababneh,et al.Scalable Cloudlet-Based Mobile Computing Model[J].Procedia Computer Science,2014,34:434-441.

[6]Abdullah Gani,Golam Mokatder Nayeem,Muhammad Shiraz,et al.A Review on Interworking and Mobility Techniques for Seamless Connectivity in Mobile Cloud Computing[J].Journal of Network and Computer Applications,2014,43:84-102.

A Scheduling Framework of Jointly Cloudlets in Mobile Cloud Computing

HAO Yun
（College of Computer Science,Sichuan University,Chengdu 610065）

A growing number of mobile applications are computationally intensive tasks,which poses a challenge to processing power and battery life of mobile devices.Moving tasks to Cloudlet which collocated with mobile users for execution is an efficient choice.Based on the common computing model in mobile cloud,proposes a scheduling system architecture of jointly Cloudlets,it takes full advantages of cloud infinite resources and idle resources nearby mobile devices,which can maximize the energy consumption and response time of mobile tasks.Furthermore,on the basis of this architecture,also proposes a bipolar scheduling framework of jointly Cloudlets,which can optimize the overall scheduling performance of the whole system by combining the scheduling advantages of each layer.

Cloudlet;Mobile Cloud Computing;Computing Model;Joint Scheduling;Framework

1007-1423（2017）09-0031-04

10.3969/j.issn.1007-1423.2017.09.008

郝赟

（四川大學計算機學院，成都 610065）

郝赟（1994-），男，貴州畢節人，碩士，研究方向為移動云計算

2017-02-22

2017-03-20