摘要: 移动云计算(Mobile Cloud Computing,MCC)，作为移动网络和云计算技术相结合的一种新技术，为硬件资源受限、处理能力不足、电池续航时间有限的移动终端提供了改善自身缺点，提高服务质量、缓解电池使用的解决办法。随着MCC应用规模的激增，MCC应用的... 展开 移动云计算(Mobile Cloud Computing,MCC)，作为移动网络和云计算技术相结合的一种新技术，为硬件资源受限、处理能力不足、电池续航时间有限的移动终端提供了改善自身缺点，提高服务质量、缓解电池使用的解决办法。随着MCC应用规模的激增，MCC应用的发展中暴露了许多技术挑战。特别是在工作流系统中，由于缺乏对移动云工作流耗能方式的深入认识和有效的资源调度策略，MCC应用对云计算资源的利用率较为低下，使得“实现MCC能耗管理优化、设计实用和高效的移动云工作流资源调度策略”成为迫切需要解决的难题。 在MCC能耗管理和工作流资源调度方面，国内外已经有大量的相关研究。现有的MCC应用能耗管理的研究主要包括能耗预测和节能策略。但是这些方法的监控对象一般是底层服务器或者虚拟机资源等性能指标，很少直接去考虑应用自身的耗能模式。计算卸载是MCC中另一个能耗管理相关的热门研究，其中包括支持卸载技术的实时系统框架设计和算法原型设计，但这些研究多针对单个应用，缺少直接适用于工作流系统的技术。在工作流资源调度方面的现有研究主要包括最优化调度策略研究和考虑服务质量（Quality of Service，QoS）的调度策略研究，但是现存的调度策略多适用于网格计算和云计算环境，并不一定适用于移动云计算环境。 针对上述挑战和研究现状，全文以移动云工作流应用性能和移动设备能耗整体综合优化作为基本思路，开展以下三个方面的研究工作: (1)针对移动云工作流活动点，提出了一种基于时间序列的能耗预测方法。该方法借助时间序列思维，利用活动点在运行过程中形成的实时能耗序列，从能耗序列出发进行能耗预测。对于有历史能耗数据的活动点，采用传统的时间序列回归模型，包括自回归移动平均模型和指数平滑法，进行能耗预测。而对于没有历史能耗数据的新活动点，采用时间序列分割模型，包括滑动窗口序列分割模型和自底向上序列分割模型，进行能耗预测。 (2)针对移动云工作流应用，提出了一种节能的最优化效用成本调度模型，用于系统化分析和解决工作流资源调度问题。首先，该模型充分结合移动云工作流运行自身特征、当前网络环境状态和移动用户对服务质量的要求，对移动云工作流资源调度问题进行了系统建模，其中包括应用模型、系统模型、执行时间模型和能耗模型。然后，通过引入移动端效用成本UtilityCost的概念，将资源调度问题两大优化目标:最小化工作流总执行时间和移动设备能耗，作为一个整体去优化。最终，合理地将资源调度问题转化为带QoS约束的最优化UtilityCo st问题。 (3)针对移动云工作流应用，提出了一种三阶段式的资源调度方法，EERA资源调度方法，用于对移动云工作流活动点进行资源调度决策。基于活动点和资源的映射关系，最优化调度模型依赖资源调度决策，需要使用EERA调度方法寻找资源调度模型的最优解。EERA资源调度方法是一个三阶段元启发式的调度算法，该方法首先利用局部关键路径相关理论将工作流任务图划分为多条局部关键路径，以此保证最后交付期限;然后，依次利用改进的离散化粒子群算法递归找寻每条路径上的最优资源调度方案;最后，将所有的局部关键路径上的最优资源调度方案进行综合得到全局最优资源调度决策。 根据上述工作，本文基于OpenStack云计算平台搭建的MCC计算环境，设计了相应的移动云工作流业务，实验结果验证了全文提出方法的有效性。 收起