基于朵云的大規模移動云計算系統

(1.湖南有色金屬職業技術學院 機電工程系，湖南 株洲 412006; 2.安徽工程大學 現代教育技術中心, 安徽 蕪湖 241000; 3.安徽工程大學 計算機與信息學院, 安徽 蕪湖 241000)

0 引言

云計算技術是由具有大容量存儲功能的高性能服務器分布式集群連接互聯網而實現，利用網絡資源共享實現降低經濟和管理成本的目的，給信息技術帶來了革命性發展。盡管移動智能設備給生活帶來了很多便利，但仍存在待機時間過短、處理能力較低、存儲容量不足等弱點。目前，云計算技術和移動設備的集成一體化成為解決上述缺點的有效方法，即為移動云計算[1]。

移動云計算是解決移動計算中包括電池壽命、處理能力和存儲容量等缺陷的最佳候選方案。移動云計算中，移動設備的數據存儲和處理將在云系統中實現，計算結果返回到移動設備，實現計算任務完成所需功耗降低和處理時間的減少的目的。不過，移動設備和云系統之間的互連一般會存在網絡延遲高和傳輸功耗大的問題，特別是在使用3G LTE(3G Long Term Evolution)網絡時更為嚴重[2]。目前，移動云計算主要架構有傳統集中式云架構、基于朵云的分布式架構和基于對等的Ad hoc云架構[3]。由于使用分布式布置的朵云實現移動設備和云端服務器的互連互通，所以基于朵云的分布式架構問題至關重要，值得深入研究。

因此，提出一種基于朵云的移動云計算系統(cloudlet-based mobile cloud computing，CMCC)，并進一步擴大規模，分布式部署多個朵云，移動設備使用WiFi連接入朵云。經實驗仿真結果驗證，CMCC能夠有效地降低網絡延遲和傳輸功率。

1 相關工作

由于具有位置感知、計算能力強和數據備份等優點，移動云計算是一種有效輔助移動計算的云計算技術。如圖1所示，移動云計算中的移動設備通常使用3G LTE網絡連接云系統，而由于Wi-Fi的使用局限性，移動云計算很少使用Wi-Fi。表1比較了移動云計算使用兩種技術的性能差別。

圖1 傳統移動云計算架構

性能指標3G/LTEWiFi功耗高低連接速率2Mbps400Mbps延遲高低

據表1可知，相比3G/LTE網絡，移動云計算使用Wi-Fi連接性能更優。朵云是由一臺或多臺具有高性能、能夠連接Internet的計算機組群構成，通常沿Wi-Fi熱點部署安裝或者使用和熱點集成化的方式供移動設備方便接入[4]。并且，移動設備使用Wi-Fi接入最近朵云，通過使用這種具有低延遲、高帶寬和一跳距離的無線鏈路接入，移動設備和朵云將獲得趨近于實時的交互響應。在基于朵云的移動計算中，移動設備將計算任務發送到朵云進行計算處理并返回最終處理結果，不僅降低傳輸時延而且減少了移動設備功耗，給移動云計算帶來了巨大進步[5]。

文獻[6]研究了朵云對交互式應用在移動云計算方面的影響，并且比較了朵云模型和傳統云模型在系統吞吐量和數據轉發時延等方面的性能差異，結果證明大多數情況下基于朵云的移動云計算模型性能優于傳統移動云計算模型。文獻[7]提出了一種應用于人臉識別的移動云計算模型MOCHA，該模型將移動設備、朵云和云服務器集成化，有效減小了人臉識別過程中的響應時間。文獻[8]討論了針對跑步移動應用的朵云架構接入控制和資源分配等問題。文獻[9]分析了朵云在移動計算中存在的技術障礙，并設計了一種朵云架構用于解決這些技術障礙，該架構在朵云中管理面向移動用戶開放的會話服務，管理是在移動用戶虛擬機(Virtual Machine ,VM)[10-11]實例化基礎上完成。文獻[12]提出了基于可擴展朵云的移動云計算模型。借鑒文獻[12]模型，使用CloudExp工具將其擴展到大規模朵云部署應用場景下，提出了基于朵云的大規模移動云計算。

2 CMCC方案的架構

2.1 CMCC系統概況

CMCC模型由一系列互連互通的分布式朵云構成，并根據使用云服務的大多數移動用戶位置分布去設定分布式朵云的部署位置，并且所有朵云均能夠連接到遠程企業云中,某些文獻中也把朵云稱呼為私有云。圖2為CMCC基本的移動云計算架構圖，移動設備直接和能夠連接到企業云的朵云建立通信。當處于以下2個情況時，即使朵云處于可用狀態，移動設備依然需要直接和企業云建立通信：第一，移動設備需要接入并使用企業云存儲的文件時；第二，朵云服務不可用時。

圖2 基于朵云的移動云計算系統CMCC

移動設備通過通信運營商的移動互聯網數據通道連接到朵云的服務器，移動設備的數據存儲和處理將在朵云系統中完成，這樣也降低了企業云的壓力。朵云通過有線連接實現到企業云EC(Enterprise Clouds)的接入,這樣就實現了移動設備、朵云、企業云之間的通信。和單純的企業云比較起來，采用朵云架構可以獲得以下優勢:1)便捷的數據存取;2)智能均衡負載;3)降低管理成本;4)按需服務降低成本。

2.2 移動場景

圖3為CMCC中移動用戶可能面臨的移動場景。據圖可知，某移動用戶在位置A即朵云CL1覆蓋范圍內使用Wi-Fi接入CL1。當離開朵云CL1覆蓋范圍后，可能會移動到另一個朵云覆蓋范圍內的位置B，或者移動到具有3G/LTE信號覆蓋范圍內的位置C。朵云CL1和CL2通過有線連接實現到企業云EC(Enterprise Clouds)的接入。這里主要考慮如下移動場景：

圖3 CMCC移動場景

1) 移動設備從位置A移動到位置B。移動設備通過朵云CL1接入企業云EC，當已有任務未完成時，移動設備移動出CL1區域并進入CL2區域，然后連接CL2去完成新任務請求或者在CL1中未完成的任務。如果之前有數據處理等尚在CL1中，則發送請求到CL1，請求CL1將相關數據信息發送到CL2以完成任務。

2) 移動設備從位置B移動到位置C。移動設備通過CL2接入到企業云EC，當任務完成前移動設備離開原朵云CL2。如果移動設備進入沒有朵云覆蓋區域的位置C，移動設備則通過使用3G/LTE網絡接入到EC。通過使用此連接移動設備完成新任務或之前未完成任務。因此，如果尚有待處理數據存留在CL2中，移動設備將發送請求給朵云CL2，請求朵云將相關信息發送給EC，以完成后續處理。

3) 移動設備從位置C到位置B。移動用戶從3G/LTE覆蓋區域移動到朵云覆蓋區域內，同理，移動用戶的數據處理將可轉移到相應朵云中進行后續處理。

隨著脫貧攻堅進入關鍵時期，“打贏”“打好”這場“硬仗”，讓貧困地區真正擺脫貧困，必須轉變傳統的粗放式扶貧，實施精準扶貧。2015年，中共中央、國務院發布了關于打贏脫貧攻堅戰的決定，提出了實施精準扶貧、精準脫貧的方略。從實施精準扶貧的基本方略來看，教育精準扶貧依托學校教育、職業教育、網絡教育等，對準“扶志”與“扶智”，是一項系統工程。社區教育以其實用性和高效性得到世界各國的認可，成為現代國際教育的主要組成部分和發展趨勢［1］，也是我國教育事業的重要組成部分，是社區建設的重要內容。依托社區整合資源，開展社區教育，有助于創新教育精準扶貧模式，推進精準扶貧走向常態化、長效化。

2.3 信息的管理

如上所述，當移動設備在所有已啟動任務結束前離開原朵云區域并進入另一個新區域時，將存在如何完成已啟動任務的問題。為了完成原朵云中正在運行的任務，新朵云需要獲得原朵云中所有和移動設備相關的文件和服務信息。如下，將討論兩種管理信息方法。

1) 集中式方法。使用EC統一管理和跟蹤系統中所有移動設備的運動軌跡。為實現集中式管理，EC存儲所有移動設備對應的跟蹤信息，其主要管理信息見表2。

表2 集中式方法中移動設備主要管理信息

2) 分布式方法。移動信息管理由各移動設備通過存儲其移動軌跡出予以實現，并根據需要將移動信息在原朵云和新朵云中交互，主要管理信息見表3。

表3 分布式方法中移動設備朵云和任務信息

具體實現方法可以與移動終端的信息管理系統相結合,采用數據二維表的方式予以存儲與管理。目前的iOS、Android、 BlackBerry等移動終端管理系統都支持二次開發的功能，開放與有線連接的接口,很容易實現這兩種朵云的信息管理。上述兩種方法均需要移動設備端管理具有簡單易實現的特點。集中式方法要求管理處理過程對移動設備透明，即所有管理工作在EC端完成。

3 實驗結果與仿真結果

3.1 實驗場景

本節建立三種不同的移動計算場景評估CMCC方案。

場景1：移動設備使用3G網絡連接企業云EC。

場景2：移動設備僅使用一個朵云連接EC。

場景3：移動設備位置變化，通過使用多個朵云連接EC。場景3同時支持用戶移動，并保持和云端的連通性。用戶移動性和連通性對于多媒體應用至關重要。

3.2 實驗結果

上述實驗均使用本實驗室自主搭建的測試平臺，平臺主要構成如下：1) 朵云服務器：由兩臺聯想ThinkPad筆記本電腦(英特爾i5處理器，4 GB內存，Windows 7操作系統)構成；2) 接入點：由BandLuxe PR30系列HSPA+WLAN路由器[13]和TP-Link TL-MR3220路由分別接入互聯網[14]；3) 移動設備：三星蓋世Note7000。

為測試CMCC方案性能，本實驗分別上傳大小為1 048 KB、5 611 KB、10 220 KB和22 600 KB大小的文件同時到朵云和企業云EC。實驗主要考察上傳處理過程的功率消耗和完成上傳任務所耗費時間成本。表4給出了不同文件大小條件下上傳到不同服務器所耗費的實驗結果數值對比。據表4可知，相比3G，Wi-Fi能夠降低50%功率消耗，故在能量節省方面Wi-Fi性能更優，同時使用Wi-Fi的網絡吞吐量遠遠大于3G網絡，能夠比3G連接下高10倍。而且，上傳大文件到企業云EC時系統會產生很高的時延，而使用朵云所產生的時延則在系統可接受范圍之內。圖4和圖5分別為朵云和企業云的時延和功率消耗實驗結果對比,這兩個圖的結果都表明使用朵云的CMCC云計算系統可以降低系統的延遲和功耗,性能優于企業云系統。

圖4 朵云和企業云的時延結果曲線對比

圖5 不同朵云數目條件下CMCC系統的性能

3.3 大規模仿真結果

本節還使用CloudExp[15]仿真工具構建基于朵云結構的大規模云計算系統CMCC，進一步仿真驗證表4中相關結果。圖6為方案部署架構示意。據圖可知，該方案由7個朵云構成，每個朵云基于其傳播距離形成蜂窩式小區覆蓋。如圖3所提供場景，移動設備可以自由從一個蜂窩小區移至另一個蜂窩小區。一旦移動設備離開朵云覆蓋區域，將強制使用3G直接連接企業云服務器。單朵云WiFi信號傳輸距離為100米，圖6部署方案WiFi覆蓋區域為600*500平方米，能夠提供近1000部移動設備的連接服務。如果由16個子朵云構建的云系統覆蓋區域能夠達到中等規模的大學校園面積，可提供約2 500個用戶的連接服務[16]。

表4 朵云和企業云時延結果數值對比

圖6 七個朵云構造的CMCC云系統結構

本仿真實驗中，將分別仿真不同朵云數目條件下云系統CMCC性能，朵云數目從4到16，所有朵云為同質節點，并設定每個朵云能夠同時處理150個移動設備的接入請求。因此，16個朵云構成的移動云系統能接收總共2 400個移動用戶，故本次仿真使用能夠同時支持2 400用戶接入的企業云。移動設備移動方式使用隨機路點移動模型[17-18]。信息大小從10～100 KB，所有節點隨機發送。

表5給出了不同朵云數目條件下移動云系統CMCC的性能仿真結果。據圖可知，隨著移動云系統規模增加，單移動用戶的時延和功率消耗會出現下降趨勢，這是因為移動設備使用了更低能耗成本的WiFi無線接口。此外，由于使用3G無線連接，直接連接企業云的性能最差。再者，每增加2個朵云，CMCC的功耗和時延性能將提升大約8%至15%。當移動云系統使用16個朵云時，移動設備的功耗需求只有直接連接企業云條件下的6%，而處理時延能縮小至5.5%。因此可以得出的結論是基于朵云的移動云系統CMCC性能優于企業云系統。

4 結論

提出了一種基于朵云的大規模移動云計算系統CMCC，通過使用多個朵云構建移動云系統，移動設備通過WiFi接入朵云進而實現和企業云服務器的連接。該系統在兼顧移動設備移動性和移動特征的前提下，進一步降低了移動設備的功耗和處理時延。仿真實驗結果證明，CMCC相比傳統企業云系統，不僅大幅降低移動設備功耗，而且降低了遠程連接所需的通信和處理延遲。CMCC為移動云計算進一步應用于具有高業務需求和大規模應用特點的多媒體應用場景提供了技術支撐。

表5 CMCC云系統仿真結果