面向移動微學習的綠色云服務提供方法

楊麗

摘要：移動微學習作為云計算、移動互聯網和微學習不斷發展與融合而產生的一種新型學習模式，由于其運行不受時間、空間和地域的限制，所以它在教育領域受到了廣泛的關注。但是， 學習資源分布不均和移動終端硬件的限制導致它的完成率依然較低。因此，針對移動終端資源和能耗問題，提出了一種綠色云服務提供方法。該方法能夠根據用戶的個性化需求預估移動終端的資源消耗量，自適應地切換服務模式，保證服務的綠色可靠性。

關鍵詞： 移動微學習; 移動終端;云服務; 服務模式; 節能

中圖分類號：G642? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）11-0152-03

開放科學（資源服務）標識碼（OSID）：

Green Cloud Service Providing Method for Mobile Micro Learning

YANG Li1，2

（1. Henan Radio & Television University， Zhengzhou 450008， China; 2. Zhengzhou Vocational University of Information and Technology， Zhengzhou 450008， China）

Abstract： Mobile micro-learning is a novel fusion form of the mobile Internet， cloud computing and micro learning. Because it is not limited by time， space， and geography， it has received extensive attention in education. However， mobile micro-learning is affected by the unbalance of learning resources distribution and limited mobile terminal resources， and its completion rate is still very low. Therefore， thesis researches green cloud service providing method for mobile micro-learning progressively to solve mobile terminal resources and energy consumption. According to the individual needs of the user， the method can estimate the resource consumption of the mobile terminal and switch the service mode to ensure the greenness and reliability of the services.

Key words： mobile micro learning; mobile terminal; cloud service; service mode; energy saving

1 引言

移動微學習作為云計算、移動互聯網和微學習不斷發展與融合而產生的一種新型學習模式，可被定義為一種通過移動網絡以按需、易擴展的方式從云端獲得所需的學習資源或（信息）服務，并借助移動終端設備呈現學習內容的學習模式。由于其運行不受時間、空間和地域的限制，所以移動微學習的用戶數量達到數百萬，且同時在線學習人數達到數萬人[1]。大量用戶的頻繁訪問意味著更多的計算、存儲、傳輸和能源消耗，致使移動終端日益暴露出高能耗和低效率等問題，這極易導致服務中斷或存儲溢出，嚴重影響用戶體驗，并將直接影響移動微學習的應用和推廣。

作為一種新型服務形態，移動云計算將無線訪問技術和云計算技術相結合，采用互聯網共享模式提高移動應用性能。但是，無線信道作為云端和用戶端交流的橋梁，容易受到電磁環境、無線信道等因素的影響。因此，如何在非平穩的動態環境中，通過綜合考慮用戶需求及實現它所需的資源能耗之間的關系，找出其相似特性，在滿足用戶的個性化需求的同時，為用戶的云服務請求和運行環節的選擇提供可靠的服務環境，降低服務荷載總和，保障服務流程的高效性、可信性、節能性在近年來備受各界關注。

2 研究現狀

近年來，廣大學者紛紛開展移動微學習的研究。例如，文獻[2]針對學習頻率低的問題，借助當代大學生最常用的社交平臺——微信，構建微信小程序學習平臺。文獻[3]從移動學習環境、微內容和微學習活動三個方面分析微學習在職業院校開展的可行性。文獻[4]進行了翻轉課堂理念下的移動學習平臺設計與應用。文獻[5]在綜合考慮國內外教育信息化的基礎上，進行了基于云服務平臺的移動微課直播系統設計與開發。文獻[6]從軟件架構的角度出發，將遠程設備作為解決移動終端資源局限性的目的地。針對存儲網絡系統的能耗問題，文獻[7]提出一種與系統擴展和負載相關的能耗模型。但是，該模型僅僅研究存儲網絡系統的結構，測試各個模塊的能耗，分析基礎能耗和負載能耗。為了最大限度地降低開銷、提高用戶體驗，文獻[8]提出了一種構建自適應軟件的方法。該方法將當前網絡帶寬和移動終端電量作為任務執行模塊的依據，將任務從移動終端卸載到遠程云端執行，實現終端與云端之間的初步動態調整。

上述研究沒有將移動終端資源利用率和系統的整體能耗作為研究的重點，因此針對能耗和服務具有一定的局限性?；诖?，本文面向移動微學習設計多度量的目標函數，實現移動終端資源消耗量和移動終端能耗的動態平衡。

3 能耗求解過程

3.1 終端能耗

移動終端各個部件的電路活動產生了相應的能量消耗，因此，移動終端的能耗可以表示為操作系統為完成用戶請求所驅動的用戶組件能耗之和。移動終端能耗[FPhy]如公式（1）所示：? ? ? ? ? ? ? ?[FPhy=i=1IEit=i=1Ij=1JPji*tji+Eswi]? ? ? ? ?（1）

其中，[Eswi]表示正常狀態下的待機能耗;[Pji]表示第[i]個應用程序申請操作組件[j]提供服務時消耗的能量，[tji]表示第[i]個應用程序申請操作組件[j]時消耗的時間。

3.2 環境能耗

將網絡的拓撲結構抽象為一個無向圖[G=（V，E）]，[G]中每條邊[e]都有一容量值，能耗函數[fxe]表示[e]邊上的流量為[x]時消耗的能量。由于每個邊都有相應的流量約束，因此定義流量矩陣[T]，其中[Tm，n]表示點[m]與點[n]之間的流量，[（m，n）∈V]。假設在該模型中允許部分路由，則能耗最小問題可轉化為如下最優化問題：

[Fnet=minefxeS.T.=xe=m，nem，n，Tm，n? ?exe≤Ce ?eem，n∈{0，1}?eem，n? 服從流守恒]? ? ? ? ? ? ? ? （2）

其中，[Ce]是[e]邊上的最大流量。

3.3 權重計算

針對同一個服務，不同用戶對用戶滿意度、環保、安全性、速度、代價的要求不盡相同。為了滿足用戶的個性化需求，本文采用三標度法計算用戶滿意度、環保、安全性、速度、代價以及移動終端帶寬、存儲和計算能力的影響權重。問題分解后構建的遞階層次結構如圖1所示。

1）對同一層次的用戶需求元素進行兩兩比較，構建比較矩陣A。

其中[Aαδ=2aα比aδ重要1aα與aδ同等重要 （α，δ=1，2，3，4，5）0aα比aδ重要]

2）采用層次分析法，求得權重并進行歸一化處理，得到歸一化后權重為：

[W-=w1，w2，w3，w4，w5=0.4690，0.0756，0.2694，0.1427，0.0434]

其中，[w1]表示滿意度的權重，[w2]表示環保度的權重，[w3]表示安全性的權重，[w4]表示訪問速度的權重，[w5]表示訪問代價的權重。

3）對上述所求權重進行一致性檢驗，得到：

[CR=PC.I.RI=0.01391.12=0.0124<0.1]

通過步驟3），證明步驟2）計算得到的權重具有較為滿意的一致性，故我們采用步驟2）所得權重作為用戶對滿意度、環保、安全性、速度、代價等因素的權重值。

4）同樣的道理，通過構建比較矩陣，求解移動終端計算能力、帶寬、存儲能力的影響權重。

[W=（w1，w2，w3）=（0.2857，0.5714，0.1429）]

其中，[w1]表示計算能力的權重，[w2]表示帶寬的權重，[w3]表示存儲能力的權重。

3.4 基于帶約束的多目標優化函數

一般情況下，移動用戶通常會同時關注多個目標，例如，希望在節能的同時能夠獲得較好的應用性能。因此，為了更加滿足用戶需求，本文為不同指標賦予權重來表示用戶對該指標的重要程度，構建帶約束的能耗函數：

[maxRC=maxw1Ct，w2Br，w3Sew1Co，w2Bo，w3So，w4Eo，w5Fo]? ? ? ? ? ? （4）

[S.T.=Br?fBrCo，Bw，St，EnSe?fSeCo，Bw，St，EnCt?fCtCo，Bw，St，Enφ=13wφ=1，?=15w?=1]? ? ? ? ? ? ? ? （5）

其中，[Co]表示云服務的用戶滿意度，[Bo]表示用戶對綠色網絡的需求，[So]表示用戶對云服務安全性的需求，[Eo]表示用戶對云服務訪問速度的需求，[Fo]表示用戶對此次訪問代價的需求。[Br]代表帶寬，[Se]代表存儲，[Ct]代表計算。[wφ]表示用戶實際需求的權重，[w?]表示各類能耗對用戶需求的影響權重。

根據構建的多目標函數，若能耗資源的預估值過高，則交由自主服務層完成云端級服務模式的服務提供，減輕移動終端用戶的運行負載;若能耗較低，則由所在的智慧協同層優先選擇映射級服務模式。

4 仿真實驗

本文在以GT-I9108為移動終端，在配置34個節點和50個鏈接的網絡拓撲上進行測試。本次實驗把所有具有能量消耗組件的個數叫作協作節點數。針對多變的網絡環境，進行5次實驗并以能耗平均值作最終評判標準。

從圖2和圖3可以看到能耗值隨著協作節點數的增加而增加，且增長速度越來越快。在[10，30]范圍內，雖然呈上升狀態但變換相對較小，在[30，50]區間范圍內，有升有降，波動較大，穩定性較差。在[50，60]區間范圍內處于增長趨勢，但增長速度不一致。尤其是在[30，50]之間下降嚴重的，在此階段上升幅度最大。

通過圖4，本文算法計算得到的能耗值和監視器記錄的能耗值整體保持一致，這也驗證了本文算法的可行性。這為程序自適應的進行服務狀態的轉換，節約能源，構建綠色服務提供依據。

5 結論

針對移動微學習過程中的移動終端資源和能耗問題，本文提出了一種綠色云服務提供方法。該方法能夠根據用戶的個性化特點，為用戶規劃合理的服務提供模式，從而減少不必要的資源和能耗開銷，達到節約資源和能耗的目的。仿真實驗結果證明，該方法能夠很好地預估用戶請求所消耗的能耗，為程序自適應的進行服務狀態的轉換，節約能源，構建綠色可靠的服務提供依據。

參考文獻：

[1] J Baggaley. MOOC rampant [J]. Distance Education， 2013， 34（3）：368-378.

[2] 宋鈺. 基于小程序的微信學習平臺設計與實現[J]. 河南科技， 2019（32）：36-38.

[3] 杜婷婷. 移動通信環境下微學習在職業院校的可行性分析[J]. 現代職業教育， 2019（29）：328-329.

[4] 王靜. 翻轉課堂理念下的移動學習平臺設計與應用[D]. 西南科技大學，2019.

[5] 陳荊橋. 基于云服務平臺的移動微課直播系統設計與開發[D]. 湖北師范大學，2018.

[6] 張文麗， 郭兵， 沈艷，等. 智能移動終端計算遷移研究[J]. 計算機學報， 2016， 39（5）：1021-1038.

[7] 楊雷， 李先國， 張曉. 通用存儲網絡系統的能耗研究[J]. 計算機工程， 2011， 37（18）：53-55.

[8] 丁博， 王懷民， 史殿習. 構造具備自適應能力的軟件[J]. 軟件學報， 2013， 24（9）：1981-2000.

【通聯編輯：王力】