移動云計算中服務圖像定位系統(tǒng)的節(jié)能算法

覃 川, 謝顯中, 鄧茹月

(重慶郵電大學 a. 個人通信研究所； b. 寬帶接入網絡研究所, 重慶 400065)

0 引 言

隨著移動互聯網的發(fā)展, 云計算服務已經逐漸從單純的PC機擴展到移動終端設備上[1,2], 因此移動云計算應運而生。移動云計算的出現解決了移動終端本身限制[3]。移動用戶可在云平臺上運行復雜程序, 同時移動終端并不需要過高配置, 利用瘦客戶機(Thin Client)獲得豐富的業(yè)務與最優(yōu)的服務, 該方法稱為遠端顯示解決方案[4]。

在遠端顯示解決方案中, 移動用戶通過一個瀏覽器窗口接受程序運行結果, 從而實現遠端顯示解決方案, 不僅節(jié)約了開發(fā)成本, 也降低了應用程序對硬件要求。遠端顯示解決方案的服務質量直觀反應在用戶屏幕上, 而服務質量直接取決于用戶的網絡條件。對于遠端顯示解決方案, 現有研究主要致力于數據中心的虛擬機定位方面研究[5-7]。文獻[8]提出了一種服務圖像定位系統(tǒng), 采用基于虛擬機定位的遠端視頻圖像方案, 給出了一個最小化系統(tǒng)耗能算法, 一旦用戶出現移動情況, 系統(tǒng)就重新分配資源, 所以該算法僅適合用戶較少移動情況。由此可見, 在系統(tǒng)資源分配方案上還有進一步改善空間。

針對文獻[8]中服務圖像定位系統(tǒng)在分配資源時過度耗能問題, 筆者在現有系統(tǒng)基礎上增加了一個無線信道條件的監(jiān)測模塊, 根據用戶移動后的無線信道條件, 給出了一種改進的資源分配方案, 從而為系統(tǒng)節(jié)約能量。另外, 筆者根據仿真結果與最新文獻比較, 證實了該系統(tǒng)能耗得到較好的改善。

1 服務圖像定位系統(tǒng)概念

圖1 服務圖像定位系統(tǒng)模型

筆者采用的移動云計算架構見文獻[1]。圖1所示為服務圖像定位系統(tǒng)的應用模型[8]。系統(tǒng)采用服務方式是遠端顯示解決方案, 通過接受用戶服務請求, 在云端服務器上完成程序運行, 最終將運行結果返回給用戶。

在圖1模型中, 各種云內服務由不同服務圖像(SIs: Service Images)控制； 而移動云會根據用戶請求創(chuàng)建一個遠端視頻圖像(RSIs: Remote Screen Images)運行各種服務, 二者都作為系統(tǒng)內的虛擬機存在。首先用戶終端通過連接移動云發(fā)出請求, 移動云運營商根據用戶請求, 創(chuàng)建一個RSI, 隨后RSI將搜尋控制用戶所請求服務的SI, 然后RSI將接收來自此SI所提供的數據, 隨后在屏幕上運行, 最后將運行結果以截屏方式發(fā)送給移動終端。

2 改進的服務圖像定位系統(tǒng)架構

由于用戶移動, 無線信道條件會發(fā)生變化, 為此, 筆者在文獻[7,8]描述系統(tǒng)構架基礎上, 增加了一個無線信道條件的監(jiān)測模塊, 無線信道監(jiān)測模塊的功能由移動終端接入的基站實現, 基站將用戶無線信道監(jiān)測的數據發(fā)送到數據中心進行處理。當系統(tǒng)監(jiān)測到用戶移動時, 原由用戶位置監(jiān)測模塊發(fā)送給性能監(jiān)測器的觸發(fā)信號, 現在只發(fā)送給無線信道監(jiān)測模塊, 其構架如圖2所示。

圖2 改進的服務圖像定位系統(tǒng)構架

無線信道監(jiān)測模塊收到用戶位置移動的觸發(fā)信號后, 持續(xù)對用戶所在的無線信道條件進行監(jiān)測, 并及時計算用戶的服務質量。如服務質量下降到用戶接受范圍以外, 則向性能監(jiān)測模塊發(fā)送一個重新分配資源的觸發(fā)信號。系統(tǒng)的其他模塊則參照文獻[8]功能保持不變, 包括對每個服務請求構建資源需求矩陣的資源監(jiān)測, 網絡成本監(jiān)測、 用戶位置監(jiān)測以及系統(tǒng)性能監(jiān)測。原系統(tǒng)在用戶移動后進行資源分配, 由于增加無線信道監(jiān)測模塊可在一定條件下不為這一部分移動用戶分配資源, 從而節(jié)約能量。

基于改進服務圖像定位系統(tǒng)構架如圖3所示, 筆者的服務圖像定位系統(tǒng)數據中心網絡采用3層樹形(Tree)拓撲結構[9]。頂層的核心交換機輸出端數目用p2表示, {ai|i=1,2,…,p2}表示從核心交換機到下一層交換機的時間響應。第2層的聚合交換機到下一層交換機的輸出端數目用p1表示, {aij|i=1,2,…,p2;j=1,2,…,p1}表示到下一層接入交換機的時間響應。最底層的接入交換機輸出端數目用p0表示, 筆者同樣假設任何位置到接入交換機的時間響應都為一個定值A。

圖3 樹形拓撲結構

網絡成本矩陣不僅取決于跳數, 同樣跟兩點之間的時間響應有關, 成本矩陣計算如下[8]

C(i,j)=αh(i,j)+(1-α)t(i,j)

(1)

根據圖3所示, 成本矩陣可進一步表示為

(2)

其中C(i,j)為有效位置i和j之間的綜合成本,α∈[0,1]是個權衡跳數和兩點之間最大時間響應參數, 云運營商根據不同場景設置α值, 文獻[8]中對α分別取值并進行了仿真, 筆者仿真時采用了比較適中的取值0.6?！啊摹北硎具壿嬇c。h(i,j)指位置i到位置j的跳數,t(i,j)指位置i到位置j的時間響應。舉例如圖3中的位置1到位置16的跳數為5, 最大時間響應可表示為max(A,a11,a1,a4,a41)。

3 改進的重新分配資源方案

原方案僅適用于用戶較少移動的場景, 針對此問題, 筆者根據監(jiān)測無線信道結果, 提出了一個改進的重新分配資源方案。用戶移動后, 原方案則立即為用戶在系統(tǒng)內重新分配資源, 既消耗傳輸能量, 也消耗運行能量。而改進方案中, 當用戶所占用的無線信道衰落并不影響用戶的服務質量[10]時, 若用戶接收的服務圖像質量在用戶的可接受范圍內, 則系統(tǒng)不必為此移動用戶再重新分配資源, 從而節(jié)約為用戶重新分配資源時所消耗的能量。

3.1 服務圖像定位系統(tǒng)的能耗計算

假設一個資源或服務由一個SI單獨控制, 系統(tǒng)中所有物理機和在云上分配的虛擬機都有相同的配置(即CPU和內存等)。RSI={RSI1,…,RSIn}和SI={SI1,…,SIm}分別表示n個遠端視頻圖像和m個服務圖像。一個有效位置指的是可以在主機上分配CPU/內存的一個虛擬機, 一個主機可以支持確定數目的圖像, 正是因為可以分配足夠多的有效位置, 同時假設RSI都是初始化在離用戶最近的有效位置。本文中, 系統(tǒng)總能耗的計算沿用了文獻[7]中計算方案, 系統(tǒng)資源分配成本由綜合成本矩陣C和資源需求矩陣R計算。綜合成本矩陣指有效位置i到j之間根據樹形拓撲結構計算的總消耗, 可由式(1)和式(2)進行計算, 而資源需求矩陣R(u,v)指的一項服務或應用所要求的數據資源在SI與RSI之間傳輸所需能耗, 筆者在計算資源需求矩陣時采用文獻[7]中的設定值。因此系統(tǒng)總能耗為系統(tǒng)每分配一次資源的能耗總和, 即

(3)

其中π(x)表示虛擬機x上分配的有效位置。

3.2 圖像質量評價

表1 主觀評價圖像質量等級

1) 主觀評價方法。在圖像質量評價研究中, 分為主觀和客觀兩種方法, 其中主觀質量評價是較為準確的評價方法, 因為主觀評價方法是根據人眼的直觀感覺評定。例如, 根據ITU-RBt500規(guī)定, 將圖像質量等級分為5個等級[11]。在標準環(huán)境下對圖像質量評估標準如表1所示。

2) 客觀評價方法。圖像質量的客觀評價方法較多, 均使用客觀的數據進行分析[12], 常用的參數有峰-值信噪比(PSNR： Peak Signal to Noise Ratio,RPSNR)和均方誤差(MSE： Mean Square Error,EMSE)[13]。

(4)

(5)

3.3 重新分配資源方案

系統(tǒng)中RSI在處理完數據后, 將運行結果截屏并以圖像形式傳送給用戶, 用戶接收到圖像后, 根據上述的圖像質量評價方法, 結合主觀和客觀的圖像質量評價方法對用戶接收到的圖像質量進行綜合評價, 從而得出用戶可接受的圖像質量范圍, 即服務質量范圍。

當出現用戶移動情況, 無線信道監(jiān)測模塊將一直監(jiān)測用戶所占用的無線信道的衰落情況。圖像在無線信道中傳輸主要是受信噪比和誤碼率的影響[14], 當用戶移動到新位置時, 無線信道的衰落并不明顯, 即信噪比較高且誤碼率較低, 所以此時對于圖像傳輸影響并不大, 并且根據圖像質量評價可得出用戶收到的圖像在用戶可接受的范圍內, 即不影響用戶的服務質量, 此時系統(tǒng)不再為此類用戶重新分配資源, 從而大量節(jié)約原方案為此類用戶分配資源時消耗的能量。能量的節(jié)約量取決于移動后服務質量處于可接受范圍以內的用戶數。

3.4 服務質量接受范圍

圖像在無線傳輸過程中, 除了受到高斯白噪聲影響, 還會受到瑞利衰落影響。筆者通過大量仿真模擬無線信道中圖像的傳輸[15], 同時加入加性高斯白噪聲或隨機噪聲影響, 通過觀察信噪比(SNR： Signal Noise Ratio,RSNR)以及誤碼率的調整觀察接收圖像的PSNR值, 并結合主觀和客觀的圖像質量評價方法, 得到用戶服務質量的接受范圍。

在高斯信道中, 筆者仿真了從RSNR=-5 dB到RSNR=10 dB的情況, 并對各信噪比條件下接收圖像的PSNR進行了計算。圖4a為原圖像, 圖4b～圖4f顯示了各信噪比條件下用戶接收圖像。并且在后續(xù)仿真中, 圖5則顯示了在各信噪比條件下對應圖像的PSNR值。

結合主觀和客觀的評價方法, 在高斯信道條件下接收圖像中可清晰看到, 在RSNR≈-5 dB時接收圖像完全不能觀看, 屬于5級質量中的“壞”等級, 即MOS為1分情況； 當RSNR=2 dB時對應質量等級中的“差”等級； 當RSNR=5 dB時, 圖像能看清大概輪廓, 但仍有少量白點出現, 屬于MOS為3的質量“中”等級； 當RSNR=8 dB時, 對應的RPSNR=58 dB時, 圖像有較少的劣化, MOS為4, 圖像等級為良, 完全不影響觀看。所以針對高斯信道, 筆者將此時的SNR及PSNR的值作為系統(tǒng)是否重新分配資源標準, 即系統(tǒng)的無線信道監(jiān)測模塊監(jiān)測到用戶移動后的無線信道條件在RSNR≥8 dB情況下, 系統(tǒng)不再重新分配資源, 從而節(jié)省系統(tǒng)再次分配資源的能量。

a 原始圖像 b RSNR=-5 dB c RSNR=2 dB

而在瑞利信道中, 由于信道衰落具有隨機性, 最終采用多次仿真的平均結果, 方法同高斯信道一樣, 在此不將圖像一一列舉, 但在瑞利信道中, 圖像傳輸對信噪比的條件要求更高, 所以筆者針對瑞利信道中重新分配資源的標準,RPSNR的值不變, 但RSNR≥20 dB, 而在瑞利信道條件下,RSNR和RPSNR之間的關系在仿真圖6中也可以清晰地看到。

4 仿真與分析

4.1 仿真設置

筆者使用數據仿真評估系統(tǒng)的能耗, 為與文獻[8]方法(簡稱為原方法)進行比較, 所有仿真所需參數沿用了文獻[8]的值, 具體參數如表2所示。在樹形拓撲結構的網絡中, 核心交換機、 聚合交換機和接入交換機的輸出端數目別分設置為p2=5,p1=20,p0=40。物理機的總數能達到4 000臺。各交換機的輸出端時間響應采用(20,15)的正態(tài)分布隨機設置。用戶數由10遞增至1 000, 用戶位置隨機分配, 并且設定SIs的數目從5遞增至500, 各SI上的資源需求同樣服從(20,15)正態(tài)分布。所有物理機最大能分配的虛擬機數目為4。并且在權衡跳數和時間響應的α取值為0.6。假設滿足用戶不重新分配資源要求, 即服務質量在用戶可接受范圍內的用戶占移動用戶總數的30%。

而在圖像傳輸的仿真中, 對于高斯信道設置信噪比從-5～12 dB的范圍, 對于瑞利信道的信噪比范圍的設置則從10～23 dB。

(續(xù)表2)

取值分布均值方差物理機(PM)容量4用戶移動后服務質量在可接受范圍內占總用戶數比例/%30高斯信道中RSNR/dB-5～12瑞利信道中RSNR/dB10～23

4.2 仿真結果與分析

圖5和圖6分別表示了在高斯信道和瑞利信道條件下, 圖像的PSNR值隨著信噪比的增長而增長, 分別在RSNR=8 dB和RSNR=20 dB時達到筆者提出用戶可接受的服務質量范圍, 即RPSNR=58 dB。

圖5 高斯信道條件下PSNR與SNR的關系 圖6 瑞利信道條件下PSNR與SNR的關系

圖7 系統(tǒng)總能耗比較

從圖7仿真系統(tǒng)總能耗可看出, 由于筆者提出的重新分配能量條件, 針對一部分移動后的用戶不再重新分配資源, 從而在系統(tǒng)總能耗上, 隨著用戶數的增多, 節(jié)約的能量也顯著增加。這個能量節(jié)約的幅度可根據用戶可接受的服務質量范圍確定, 根據筆者仿真條件, 能量節(jié)省在30%左右。

5 結 語

筆者在現有服務圖像定位系統(tǒng)架構的基礎上增加了一個無線信道條件的監(jiān)測模塊, 并給出了一種改進的重新分配資源方案。該方案從無線信道條件出發(fā), 結合主觀和客觀的圖像質量評價方法設定一個用戶可接受的服務質量范圍, 根據用戶移動情況分配資源, 若用戶處于可接受的服務質量范圍內, 則系統(tǒng)不為其重新分配資源, 從而為系統(tǒng)節(jié)約能量。在未來的工作中, 筆者將研究當一個用戶同時申請多個服務時, 研究無線信道對各個圖像質量的影響, 進一步完善服務質量可接受范圍的判定方法, 從而使系統(tǒng)盡可能的節(jié)約更多的能量。

參考文獻：

[1]鄧茹月, 覃川, 謝顯中. 移動云計算的應用現狀及存在問題分析 [J]. 重慶郵電大學學報, 2012, 24(6): 716-723.

DENG Ru-yue, QIN Chuan, XIE Xian-zhong. The Application Status and Problem Analysis of Mobile Cloud Computing [J]. Journal of Chongqing University of Posts and Telecommunications, 2012, 24(6): 716-723.

[2]NIROSHINIE FERNANDO, SENG W. Loke and Wenny Rahayu, Mobile Cloud Computing: A Survey [J]. Future Generation Computer Systems, 2013(29): 84-106.

[3]KUMAR K, YUNG-HSIANG L. Cloud Computing for Mobile Users: Can Offloading Computation Save Rnergy [J]. Computer, 2010,43(4): 51-56.

[4]PIETER SIMOENS, FILIP DE TURCK, BART DHOEDT, et al. Remote Display Solutions for Mobile Cloud Computing [J]. Computer,2011, 44(8): 46-53.

[5]MENG X, PAPPAS V, ZHANG L. Improving the Scalability of Data Center Networks with Traffic-Aware Virtual Machine Placement [C]∥INFOCOM, 2010 Proceedings IEEE. [S,l.]: IEEE, 2010: 1-9.

[6]PIAO J T, YAN J. A Network-Aware Virtual Machine Placement and Migration Approach in Cloud Computing [C]∥Proceedings of 2010 9th International Conference on Grid and Cooperative Computing (GCC). Nanjing, China: IEEE Press, 2010: 87-92.

[7]FREIMUTH, DOUGLAS M, MENG Xiao-qiao, et al. Placement of Virtual Machines Based on Server Cost and Network Cost [P]. US: Patent 20110225277, 2011-09-15.

[8]NGUYEN TIEN-DUNG, MUI VAN NGUYEN, HUH EUI-NAM. Service Image Placement for Thin Client in Mobile Cloud Computing [C]∥Proceedings of IEEE 5th International Conference on Cloud Computing (CLOUD2012). [S.l.]: IEEE, 2012: 416-422.

[9]AL-FARES M, LOUKISSAS A, VAHDAT A. A Scalable, Commodity Data Center Network Architecture [C]∥Proceedings of the ACMSIGCOMM 2008 Conference on Data Communication, ACM SIGCOMM2008. Seattle, USA: [s.n.], 2008: 63-74.

[10]ZHANG Peng, YAN Zheng. A QoS-Aware System for Mobile Cloud Computing [C]∥Proceedings of IEEE International Conference on Cloud Computing and Intelligence System(CCIS). Beijing, China: IEEE Press, 2011: 518-522.

[11]陳正宇. 無線網絡中圖像傳輸的QoS研究 [D]. 南京： 南京郵電大學通信與信息工程學院, 2006.

CHEN Zheng-yu. Research of the QoS for Video Transmission over Wireless Networks [D]. Nanjing: School of Communication and Information Engineering, Nanjing University of Posts and Telecommunications, 2006.

[12]劉樹昌, 劉鵬, 王延海, 等. 大容量高速視頻圖像傳輸技術研究 [J]. 吉林大學學報: 信息科學版, 2011, 29(1): 21-25.

LIU Shu-chang, LIU Peng, WANG Yan-hai, et al. Research on Large-Capacity High-Speed Video Image Transmission Technology [J]. Journal of Jilin University: Information Science Edition, 2011, 29(1): 21-25.

[13]ADEL ALMOHAMMAD, GHEORGHITA GHINEA. Stego Image Quality and the Reliability of PSNR [C]∥Proceedings of 2010 2nd International Conference on Image Processing Theory Tools and Applications (IPTA). Paris, France: IEEE Press, 2010: 215-220.

[14]康鈺, 謝顯中. 用智能天線和功率控制提高感知系統(tǒng)信干噪比 [J]. 吉林大學學報: 信息科學版, 2010, 28(4)： 340-346.

KANG Yu, XIE Xian-zhong. Algorithm Based on Beam-Forming and Power Control to Improve SINR in Cognitive Radio [J]. Journal of Jilin University: Information Science Edition, 2010, 28(4)： 340-346.

[15]金鑫. 無線信道傳播模型的研究與實現 [D]. 北京： 北京郵電大學信息與通信工程學院, 2010.

JIN Xin. Research and Implementation of Radio Channel Propagation Model [D]. Beijing: School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, 2010.