Page 37 - 网络电信2016第7期
P. 37
解决方案
低时延、高速率支撑分布式移动云计算协同结构中智能终 智能终端实际的能耗是反映在其对能量源——锂离子电池
端与基站向协同控制器的感知上传，以及协同控制器向终 的消耗量，但是，锂离子电池具有复杂非线性特性，例如：
端与基站的决策下发。
（1）SOC-电流非线性特性
图2 智能终端-移动网络-分布式云服务器协同机制 电池载荷量（SOC）与电池放电速率之间存在非线性单调关
系。
智能终端-移动网络-分布式云服务器协同 （2）电压-电流非线性特性
机制 电池端电压并不是恒定的，它随着放电电流变化而非线性
变化。
1.协同机制概述 （3）自恢复特性
电池在放电后，则电池容量会自恢复，并且电池的自恢复
智能终端-移动网络-分布式云服务器协同机制如图2所示。 能力取决于SOC与电池停止放电的时间。
（4）温度效应
在协同机制中感知哪些参量与如何生成有效的计算卸载决策与 电池在不同温度下放电速度不同，能够放出的电量也不
同。
资源预留决策是整套机制的核心问题。时延和终端能耗是衡量 因此，感知智能终端锂离子电池必要的状态参数（例如，
温度、电压等）以及良好的电池模型，是准确估计与预测应用
移动云计算质量的两项关键指标，为了保证以上两项指标，需 程序及每个调用函数真正能耗的基础，本文作者在研究成果文
献中给出了单体锂离子电池的精确建模与估计方法，为移动云
要对包括终端、移动网络与分布式移动云计算服务器端到端的 计算的提供了基础。
3.移动通信网络感知
状态进行感知，并基于感知内容高效地生成决策。 在采用一系列从物理层到应用层技术保证通信链路的可靠
性的情况下，响应时间已经成为影响移动应用用户体验以及终
2.智能终端感知 端能耗的重要因素，而通过无线通信环境进行计算卸载的移动
云计算的性能对响应时间的依赖程度进一步增大。
智能终端感知包括对于其应用程序架构与单元信息（如， 移动云计算最初的设计初衷即通过终端的无线带宽资源换
取终端计算资源，降低由高复杂度计算任务导致的计算处理单
调用函件）的获取，这是进行计算卸载中应用分割的基础，程 元高负荷长时间运转而带来的终端能耗。然而，当响应时间过
长时，终端的通信单元将长时间处于发送/接收状态，同样将带
序架构与单元信息可以根据调用函数关系以有向图表示。在协 来大量的能耗，可能降低甚至消除移动云计算所期望的终端性
能上的增益。
同管理中，协同控制器引入终端应用调用函数自由度对终端应 因此，对终端无线通信环境的响应时间的感知是实现面向
移动云计算的良好的协同控制，自适应选择最佳的协同方式的
用计算进行分割，例如，以二进制因子xi∈{0,1}表示调用函数 重要基础。而响应时间决定于包括移动通信网络负载以及无线
i的自由度，xi=1表示调用函数i 卸载到分布式云计算服务器执 资源占用率在内的多方面因素，具体包括：
行，否则，本地执行。 （1）移动通信网络接入网的负载状况
包括与终端相联的宏基站/微型基站做覆盖小区的业务复杂
每个调用函数卸载需要无线传输的数据数量（以Ai位表 量，以及基站回传网络负载。
示），计算量（以Bi cycle表示）以及每个调用函数所需CPU （2）移动通信网络核心网的负载状况
计算速率（以Ci cycle/s表示）是直接与计算卸载中终端能耗 包括核心网中各链路的流量负载状况，以及核心网中各节
与服务时延相关的因素。根据已有研究与实测，CPU能耗近似与 点吞吐量负载状况。
（3）移动通信网络空口无线资源使用情况
其占用率成正比，因此，通过这些感知参数，协同控制器估计 包括终端所在小区（或微小区）的无线频谱资源使用情
况，基站信道与功率资源使用情况，小区间干扰情况等。
出调用函数i在智能终端本地执行的估计能耗为： 上述信息可通过在网络节点处部署探针形成拨测系统，或
引入软件定义网络（SDN）技术实现感知，协同控制器在对上
PF×(Ci/CF)×(Bi /Ci)=PF×(Bi/CF) （1） 述信息进行感知与综合分析情况下，形成对终端响应时间的准
确感知与有效预测，以支持对移动云计算过程的良好的协同控
其中，CF为最大处理能力，以cycle/s为单位；PF为CPU满 制。
4.分布式云计算感知
载功耗，以mW为单位。如果调用函数i卸载到分布式云计算服务 终端通过移动云计算卸载的计算任务最终需要在分布于
器，则智能终端无线数据传输的能耗为：
(2)
其中，pi为终端发射功率；h为无线信道参数；σ2n为噪声
功率；Γ(BER)为满足BER的信噪比余量因子，BER为目标误码
率。
60 网络电信 二零一六年五月
