移動雲計算中數據流套用的動態計算切分技術研究

《移動雲計算中數據流套用的動態計算切分技術研究》是依託華南理工大學，由楊磊擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：移動雲計算中數據流套用的動態計算切分技術研究
• 項目類別：青年科學基金項目
• 項目負責人：楊磊
• 依託單位：華南理工大學

項目摘要

移動雲計算切分作為一種能有效提高移動應用程式運行性能的技術，近年來被研究者們廣泛關注。計算切分技術合理選擇將移動應用程式中部分計算任務遷移到雲上，達到計算性能最最佳化。已有計算切分研究工作僅適合於簡單工作流套用，並在動態環境下的性能有待提高。針對以上問題，本項目探索並研究複雜數據流套用模型下動態計算切分問題。首先，研究數據流套用建模，解決輸入數據時序和複雜性能指標約束下，數據流套用計算切分決策的最最佳化問題。其次，基於構建的數據流套用模型，進一步研究計算環境動態變化時，計算切分決策自適應性調整問題。最後，將針對實際大規模移動雲套用，研究在多用戶共享和競爭雲資源的情況下，對各用戶計算切分進行最最佳化綜合決策問題。本項目將為構建未來新型移動雲計算平台提供關鍵技術，並為雲計算服務提供商進入移動市場提供理論基礎和套用模型。

結題摘要

隨著移動網際網路、手持智慧型設備及雲計算設施的發展，移動雲計算近年來成為學術界和工業界關注的熱點。本項目研究移動雲計算中數據流套用的動態計算切分問題。對於給定移動套用程式，決定哪些計算功能遷移到雲上完成，哪些計算功能在本地設備完成，使得移動套用程式運行性能最優或者消耗的能耗最小。主要研究內容包括：（1）針對數據流套用的建模和計算切分研究；開發了一個用於提升移動數據流套用性能的移動雲平台 AppBooster。該平台能根據移動設備計算能力及所處的網路環境，最佳化應用程式運行相關參數，使得程式複雜性能指標最優。AppBooster能將應用程式性能提升1.3到3.5倍。提出了一種邊緣雲環境下針對數據流套用的網路感知計算切分方法，該算法比其他啟發式算法性能高50%。（2）動態環境下自適應計算切分決策研究。提出了一個針對數據流套用的多用戶動態計算切分方案，相比靜態方案節省50%的數據傳輸開銷成本，用戶平均吞吐率下降不到6%。針對延遲敏感型套用，開發一個移動雲環境下協同線上調度模型和方法，相比本地執行方法將用戶平均回響延遲降低25%。（3）面向多用戶的計算切分研究。設計了一種用於數據流套用計算劃分的並行算法，相比直接使用遺傳算法尋找最優切分方案，在速度上有數量級的提升。完成了一個未來基於5G網路的邊緣計算環境下計算切分的模型和理論方法，相比簡單的貪心算法能將任務的完成時間降低至少40%。項目共發表（含已錄用且線上發表）論文11篇，其中SCI期刊論文9篇，EI會議論文2篇。培養研究生5人、本科畢業設計7人次、其他本科生創新實踐2人次。項目研究成果將使移動終端用戶體驗更好的移動套用程式，為移動開發者節省時間和成本；同時為雲計算服務提供商進入移動市場提供新的技術基礎與商業模式。