移動(dòng)云計(jì)算中能耗最小化數(shù)據(jù)傳輸策略研究

王方蘇,王高才,彭 穎

(廣西大學(xué) 計(jì)算機(jī)與電子信息學(xué)院,南寧 530004)

1 引 言

隨著移動(dòng)設(shè)備的快速發(fā)展及廣泛應(yīng)用,手機(jī)和PAD等移動(dòng)終端已經(jīng)成為了人們聊天、娛樂和辦公的主要設(shè)備.然而,移動(dòng)終端受其尺寸和能量的限制,始終存在計(jì)算能力弱、存儲(chǔ)空間小以及電池續(xù)航時(shí)間短等各類問題[1].因此,為了彌補(bǔ)移動(dòng)終端的各種不足,將復(fù)雜的計(jì)算和存儲(chǔ)需求轉(zhuǎn)移到云端進(jìn)行處理是移動(dòng)云計(jì)算的必然趨勢(shì).據(jù)統(tǒng)計(jì),截至2017年,移動(dòng)云流量已經(jīng)占整個(gè)移動(dòng)流量的84%.而且根據(jù)IDC的預(yù)測(cè),2020年全球移動(dòng)數(shù)據(jù)總量將達(dá)40000 EB,年復(fù)合增長(zhǎng)率達(dá)36%,移動(dòng)云流量將占整個(gè)移動(dòng)流量的94%;而中國(guó)互聯(lián)網(wǎng)數(shù)據(jù)流量增長(zhǎng)速度更為突出,2020年中國(guó)互聯(lián)網(wǎng)數(shù)據(jù)流量將達(dá)8806 EB,占全球數(shù)據(jù)產(chǎn)量的22%,年復(fù)合增長(zhǎng)率達(dá)49%1.這對(duì)移動(dòng)終端和云端之間數(shù)據(jù)傳輸效率提出了巨大的挑戰(zhàn).一種較好的數(shù)據(jù)傳輸策略能節(jié)省移動(dòng)終端的能耗,優(yōu)化和提升移動(dòng)終端的性能.因此,本文在移動(dòng)云計(jì)算中對(duì)移動(dòng)終端和云端數(shù)據(jù)傳輸過(guò)程中的能耗進(jìn)行優(yōu)化,提出一種基于最優(yōu)停止理論的優(yōu)化策略來(lái)降低移動(dòng)終端的能耗,提高能量利用率,增加用戶體驗(yàn)度,為促進(jìn)移動(dòng)云計(jì)算的發(fā)展打下堅(jiān)實(shí)的基礎(chǔ).

移動(dòng)云計(jì)算的數(shù)據(jù)傳輸信道與傳統(tǒng)互聯(lián)網(wǎng)無(wú)線信道一樣,都是隨著時(shí)空的變化實(shí)時(shí)更新[2].若移動(dòng)終端傳輸功率保持不變,則傳輸速率越大,相同時(shí)間內(nèi)被傳輸?shù)臄?shù)據(jù)量就越大,單位數(shù)據(jù)的平均能耗就越小.更進(jìn)一步,移動(dòng)終端若對(duì)無(wú)線鏈路的信道狀況持續(xù)觀測(cè),進(jìn)而選擇質(zhì)量好的時(shí)刻發(fā)送數(shù)據(jù)可以大大降低數(shù)據(jù)傳輸?shù)哪芎?

事實(shí)上,移動(dòng)終端選擇信道狀況較好時(shí)刻傳輸數(shù)據(jù)的問題是一個(gè)分布式機(jī)會(huì)調(diào)度問題[3].我們可以用最優(yōu)停止規(guī)則求解該問題.最優(yōu)停止規(guī)則是決策者基于連續(xù)觀察到的隨機(jī)變量,以最大化報(bào)酬或最小化期望成本為目標(biāo),決定選擇一個(gè)合適的時(shí)刻以采取給定的行為.在學(xué)者們的研究中最優(yōu)停止理論解決了許多最優(yōu)化問題.例如,文獻(xiàn)[4]采用最優(yōu)停止理論研究自組織網(wǎng)絡(luò)中信息消耗的最優(yōu)調(diào)度問題.文獻(xiàn)[5]在移動(dòng)網(wǎng)絡(luò)中利用最優(yōu)停止理論研究多個(gè)發(fā)送終端使用相同信道進(jìn)行數(shù)據(jù)分發(fā)的能耗優(yōu)化問題.文獻(xiàn)[6]利用最優(yōu)停止理論獲得最優(yōu)中繼節(jié)點(diǎn)的最優(yōu)期望報(bào)酬,從而實(shí)現(xiàn)最優(yōu)能效路由策略.

在最優(yōu)停止規(guī)則問題中,我們的目標(biāo)是在成本函數(shù)中找到傳輸速率最大時(shí)的一個(gè)停止規(guī)則,并以此刻速率來(lái)發(fā)送數(shù)據(jù)以最小化單位數(shù)據(jù)的平均能耗.本文主要研究移動(dòng)云計(jì)算數(shù)據(jù)傳輸過(guò)程中的能耗優(yōu)化問題,提出基于最優(yōu)停止規(guī)則的數(shù)據(jù)傳輸能耗優(yōu)化策略.其具體研究思路如下:在給定的數(shù)據(jù)生成速率下,通過(guò)構(gòu)建具有多個(gè)應(yīng)用的數(shù)據(jù)傳輸隊(duì)列模型,在基于所選應(yīng)聘者的絕對(duì)名次均值最小的秘書問題,提出放過(guò)k個(gè)應(yīng)聘者后見優(yōu)則錄的規(guī)則,對(duì)傳輸過(guò)程中的能耗,延時(shí)等綜合考慮,最小化單位數(shù)據(jù)的平均能耗.

本文的組織結(jié)構(gòu)如下:第2節(jié)介紹相關(guān)研究工作;第3節(jié)闡述系統(tǒng)模型及相關(guān)理論;第4節(jié)討論基于最優(yōu)停止理論的期望能耗最小化優(yōu)化策略;第5節(jié)進(jìn)行仿真實(shí)驗(yàn)并分析實(shí)驗(yàn)結(jié)果;最后第6節(jié)總結(jié)全文并討論下一步的研究工作.

2 相關(guān)研究工作

近年來(lái),在移動(dòng)云計(jì)算數(shù)據(jù)傳輸過(guò)程中如何降低移動(dòng)終端和云端能耗吸引了大量學(xué)者們的研究.研究者們主要關(guān)注兩個(gè)方向:一是在移動(dòng)終端和云端優(yōu)化數(shù)據(jù)模型降低能耗;二是在數(shù)據(jù)傳輸過(guò)程中優(yōu)化算法降低能耗.

在移動(dòng)終端和云端能耗優(yōu)化的研究中,文獻(xiàn)[2]構(gòu)建了一個(gè)云協(xié)助移動(dòng)平臺(tái).基于該平臺(tái),移動(dòng)應(yīng)用程序可以在移動(dòng)端執(zhí)行,也可以在云端執(zhí)行.當(dāng)在移動(dòng)終端執(zhí)行程序時(shí),通過(guò)調(diào)節(jié)CPU頻率優(yōu)化能耗;當(dāng)在云端執(zhí)行程序時(shí),通過(guò)優(yōu)化數(shù)據(jù)傳輸率來(lái)最小化能耗.文獻(xiàn)[7]提出一種協(xié)作移動(dòng)云系統(tǒng).該系統(tǒng)形成多個(gè)UE(User Equipment)聯(lián)盟并接收來(lái)自基站請(qǐng)求的部分?jǐn)?shù)據(jù),然后相互交換各自接收的數(shù)據(jù),大大節(jié)約了時(shí)間成本和能耗開銷.文獻(xiàn)[8]對(duì)于移動(dòng)終端數(shù)據(jù)卸載提出一個(gè)聯(lián)合協(xié)作和信道選擇框架,以合作的方式執(zhí)行數(shù)據(jù)卸載到云端;并用馬爾可夫近似法設(shè)計(jì)一個(gè)分布式信道選擇算法,使得每個(gè)移動(dòng)終端都能自行組織成沒有整網(wǎng)信息交換的穩(wěn)定結(jié)構(gòu),且僅在相同信道實(shí)現(xiàn)移動(dòng)設(shè)備之間的數(shù)據(jù)交換.文獻(xiàn)[9]提出一個(gè)聯(lián)合卸載模型.移動(dòng)設(shè)備可以在本地執(zhí)行任務(wù),將任務(wù)卸載給其他移動(dòng)設(shè)備或者按照模型控制器的分配將任務(wù)直接傳輸?shù)皆贫藞?zhí)行;而且通過(guò)指紋技術(shù)描述各個(gè)任務(wù)的相似度,移動(dòng)設(shè)備可以相互共享相似任務(wù)的計(jì)算資源,達(dá)到緩解數(shù)據(jù)流量壓力及減少移動(dòng)終端能耗的目的.文獻(xiàn)[10]在能源匱乏和數(shù)據(jù)匱乏的移動(dòng)設(shè)備之間進(jìn)行聯(lián)合協(xié)作來(lái)共享資源.移動(dòng)設(shè)備將計(jì)算任務(wù)卸載到云端時(shí),能量匱乏且具有能量收集模塊的移動(dòng)設(shè)備通過(guò)能量分割策略從數(shù)據(jù)匱乏的移動(dòng)設(shè)備中收集能量,而且能量匱乏的移動(dòng)設(shè)備也會(huì)幫助數(shù)據(jù)匱乏的移動(dòng)設(shè)備進(jìn)行計(jì)算.

在移動(dòng)云計(jì)算數(shù)據(jù)傳輸過(guò)程能耗優(yōu)化的研究中,文獻(xiàn)[11]提出了一種應(yīng)用層自適應(yīng)傳輸協(xié)議.該協(xié)議使用隨機(jī)優(yōu)化框架,通過(guò)一種低復(fù)雜度和低開銷的在線算法來(lái)決定無(wú)線連接是否是高效的.對(duì)于是否高效能,本文并不設(shè)定閾值來(lái)判斷,而是在實(shí)現(xiàn)多應(yīng)用能量延時(shí)平衡中自適應(yīng)做出傳輸決策.文獻(xiàn)[12]提出一種新穎的數(shù)據(jù)傳輸優(yōu)化算法:DTM算法.本文在云端和移動(dòng)終端的中間增加了代理服務(wù)器層,該層負(fù)責(zé)處理移動(dòng)終端的請(qǐng)求和來(lái)自云端的響應(yīng);DTM算法通過(guò)并行處理和緩存技術(shù)優(yōu)化傳輸任務(wù),在保證數(shù)據(jù)傳輸質(zhì)量的情況下,有助于減少移動(dòng)設(shè)備的能耗和用戶的等待時(shí)間.文獻(xiàn)[13]提出了一種新穎的在線預(yù)取技術(shù),該技術(shù)將預(yù)測(cè)和預(yù)取在一個(gè)時(shí)間周期內(nèi)同時(shí)進(jìn)行,實(shí)時(shí)預(yù)測(cè)數(shù)據(jù),避免預(yù)取大量不需要的數(shù)據(jù).文獻(xiàn)[14]基于單用戶MCO(Mobile computation offloading)系統(tǒng),提出了一種在線預(yù)取技術(shù).該技術(shù)在程序運(yùn)行時(shí),將任務(wù)級(jí)的計(jì)算預(yù)測(cè)與實(shí)時(shí)預(yù)取無(wú)縫集成在一起,當(dāng)數(shù)據(jù)被執(zhí)行的可能性超過(guò)閾值時(shí),就預(yù)取將要使用的數(shù)據(jù),并且數(shù)據(jù)預(yù)取的規(guī)模隨著數(shù)據(jù)被執(zhí)行的可能性線性增長(zhǎng).文獻(xiàn)[15]基于李雅普諾夫優(yōu)化,在移動(dòng)終端和云端數(shù)據(jù)傳輸過(guò)程中提出了一種新的高效能的數(shù)據(jù)傳輸策略.該策略在滿足時(shí)間延時(shí)情況下,在信道狀態(tài)良好的時(shí)刻主動(dòng)自適應(yīng)地抓取頻繁使用的數(shù)據(jù),避免在信道狀態(tài)不佳時(shí)刻取數(shù)據(jù)造成不必要的能量消耗.文獻(xiàn)[16]從用戶的角度對(duì)能耗和延時(shí)折中優(yōu)化.該文考慮三個(gè)QoE(Quality of Experience)域,推導(dǎo)出包含能量和延時(shí)的QoE感知成本函數(shù),提出一個(gè)高效的近似動(dòng)態(tài)程序優(yōu)化算法.文獻(xiàn)[17]在霧計(jì)算系統(tǒng)中,利用排隊(duì)論深入研究能耗、延時(shí)和支付成本在數(shù)據(jù)卸載過(guò)程中的聯(lián)合優(yōu)化.分別對(duì)移動(dòng)終端,霧端和云端建立不同的隊(duì)列模型,使用標(biāo)量化方法,將多目標(biāo)優(yōu)化問題轉(zhuǎn)化成單目標(biāo)優(yōu)化問題,從而達(dá)到降低移動(dòng)終端能耗的目的.

綜上所述,研究者們雖然對(duì)移動(dòng)云計(jì)算的移動(dòng)終端和云端及數(shù)據(jù)傳輸過(guò)程中的能耗進(jìn)行優(yōu)化,但并沒有綜合考慮數(shù)據(jù)動(dòng)態(tài)到達(dá)和延時(shí)等因素.所以本文基于最優(yōu)停止理論,綜合考慮能耗、帶寬和延時(shí)等因素,在數(shù)據(jù)動(dòng)態(tài)到達(dá)的前提下,最小化傳輸單位數(shù)據(jù)的平均能耗.

3 系統(tǒng)模型及相關(guān)理論

3.1 系統(tǒng)模型

本文對(duì)移動(dòng)云計(jì)算中移動(dòng)終端和云端數(shù)據(jù)傳輸過(guò)程中的能耗進(jìn)行優(yōu)化.假設(shè)移動(dòng)終端同時(shí)有M個(gè)應(yīng)用需要傳輸數(shù)據(jù)到云端,我們建立的數(shù)據(jù)傳輸隊(duì)列模型如圖1所示.

圖1 基于隊(duì)列的數(shù)據(jù)模型Fig.1 Queue-based data model

3.2 放過(guò)k個(gè)應(yīng)聘者后見優(yōu)則錄的秘書問題

一個(gè)停時(shí)t是一個(gè)隨機(jī)變量,t取值于{1,2,…,n}.并且{t=n}∈σ{y1,y2,…,yn}.這表明何時(shí)停止偵測(cè)信道取決于持續(xù)觀察的結(jié)果.經(jīng)理在選擇一個(gè)應(yīng)聘者時(shí),總希望能帶來(lái)最大的報(bào)酬.對(duì)于使錄用到應(yīng)聘者的絕對(duì)名次的均值最小這一標(biāo)準(zhǔn) (實(shí)際中“最好”的標(biāo)準(zhǔn)是很難求解的,所以我們選取的應(yīng)聘者是平均最優(yōu)者),取報(bào)酬函數(shù)Xn=-E(an|Jn),n=1,2,…,N.對(duì)任意停止規(guī)則t,EXt=-E(at),這里E(at)為平均絕對(duì)名次,于是按這一標(biāo)準(zhǔn)的問題就是:

maxEXt=-E(at)

(1)

于是,使錄用到應(yīng)聘者的絕對(duì)名次的均值最小這一標(biāo)準(zhǔn)的最優(yōu)停止規(guī)則是:

s=inf{n≥1:yn≤sn}

(2)

其中,

(3)

(4)

(5)

由于這一標(biāo)準(zhǔn)存在局限性:

1)依賴于N且敏感;

2)規(guī)則復(fù)雜,不變應(yīng)用;

3)沒有考慮時(shí)間成本.

所以本文采用放過(guò)k個(gè)應(yīng)聘者后見優(yōu)則錄的規(guī)則,使錄用到應(yīng)聘者的平均絕對(duì)名次的均值最小.即先面試k個(gè)應(yīng)聘者不錄用,從第k+1個(gè)應(yīng)聘者開始,見到比前面k個(gè)應(yīng)聘者都優(yōu)秀的(絕對(duì)名次小于前k個(gè)應(yīng)聘者)就錄用,否則面試下一個(gè),直到最后一名.

4 數(shù)據(jù)傳輸能耗優(yōu)化策略

4.1 能耗最小化問題的構(gòu)建

基于上節(jié)的數(shù)據(jù)傳輸模型,若移動(dòng)終端的傳輸功率為P,則應(yīng)用m進(jìn)行一次數(shù)據(jù)傳輸?shù)哪芎臑镻·t.假設(shè)應(yīng)用m一輪信道偵測(cè)的次數(shù)為N,則一輪信道帶寬偵測(cè)和數(shù)據(jù)傳輸?shù)目偰芎臑?EmN=N·ED+P·t.

(6)

定義能耗效率ζ為M個(gè)應(yīng)用傳輸單位數(shù)據(jù)的平均能耗:

(7)

若移動(dòng)終端在連續(xù)觀察N次信道后獲得最小單位數(shù)據(jù)平均能耗,則N為最優(yōu)停止時(shí)間.因?yàn)橐苿?dòng)終端最少偵測(cè)一次信道帶寬,所以最優(yōu)停止時(shí)間N≥1.待傳輸數(shù)據(jù)的最大傳輸延時(shí)為Dm.定義Z=?Dm/τ」,則有1≤n≤N≤Z.

4.2 能耗最小化秘書問題的求解

我們的目標(biāo)是使移動(dòng)終端到云端數(shù)據(jù)傳輸過(guò)程中的平均能耗最小,即選擇傳輸速率最大的時(shí)刻傳輸數(shù)據(jù).本節(jié)中,我們要對(duì)放過(guò)k個(gè)應(yīng)聘者后見優(yōu)則錄的規(guī)則進(jìn)行求解得到最優(yōu)k值并證明所求k值為最優(yōu)值.

引理1.當(dāng)1≤k≤N-1,k+1≤s≤N時(shí),有:

(8)

引理2.當(dāng)1≤k≤N-1,k+1≤s≤N,r≠1時(shí),有:

(9)

證明:設(shè)E(k)為應(yīng)聘者的平均絕對(duì)名次,則:

在和式中將r和s換位得:

(10)

令:

(11)

(12)

(13)

所以:

(14)

即有:

(15)

移動(dòng)終端每隔周期T進(jìn)行一次信道偵測(cè),進(jìn)行k次偵測(cè)后,當(dāng)偵測(cè)到當(dāng)前時(shí)刻的速率r大于之前的任一速率值時(shí),移動(dòng)終端停止偵測(cè)并發(fā)送數(shù)據(jù)到云端,否則,繼續(xù)偵測(cè).若移動(dòng)終端對(duì)前Z-1次偵測(cè)都沒有傳輸數(shù)據(jù),則在偵測(cè)時(shí)間達(dá)到最大偵測(cè)次數(shù)Z時(shí),必須發(fā)送數(shù)據(jù).移動(dòng)終端按照該策略不斷進(jìn)行信道偵測(cè)和數(shù)據(jù)傳輸,進(jìn)而減少數(shù)據(jù)傳輸過(guò)程中的能耗.

5 仿真結(jié)果與分析

本節(jié)中,我們通過(guò)仿真實(shí)驗(yàn)研究對(duì)所提策略和相關(guān)文獻(xiàn)策略在單位數(shù)據(jù)平均能耗、能耗效率和偵測(cè)效率三個(gè)方面進(jìn)行比較,證明我們所提策略的適用性.

數(shù)據(jù)在無(wú)線信道傳輸過(guò)程中的衰落是小尺度衰落,其衰落模型通常被模擬為Rayleigh分布和Rician分布.實(shí)驗(yàn)中,我們?cè)趦煞N衰落模型的模擬環(huán)境中進(jìn)行仿真實(shí)驗(yàn),其實(shí)驗(yàn)參數(shù)值見表 1.

表1 仿真實(shí)驗(yàn)參數(shù)值
Table 1 Parameter value of simulation experiment

參數(shù) 描述取值W帶寬[MHz]1N0噪聲功率譜密度[W/Hz]10-6σ2信道增益方差相關(guān)值1g信道增益0～4P傳輸功率[mW]100A主信號(hào)幅度的峰值1

本文基于最優(yōu)停止理論的秘書問題提出了放過(guò)k個(gè)應(yīng)聘者后見優(yōu)則錄的最優(yōu)傳輸策略(Optimal Transmission Strategy based on Secretary Problem,OTSSP),并與另外兩種相關(guān)文獻(xiàn)策略作對(duì)比.其中,另外兩種做比較的策略分別是:

1)越快越好機(jī)制(The Sooner The Better,TSTB):移動(dòng)終端在第一次偵測(cè)信道后就發(fā)送數(shù)據(jù);

2)隨機(jī)傳輸策略(Random Transmission Strategy,RTS):移動(dòng)終端以均等概率1/Z從最大傳輸延時(shí)Dm的Z個(gè)時(shí)鐘中隨機(jī)選擇某一時(shí)刻進(jìn)行數(shù)據(jù)傳輸.

為了兼顧平均能耗和最大傳輸延時(shí)等因素,根據(jù)文獻(xiàn)[3],在實(shí)驗(yàn)中我們對(duì)移動(dòng)終端最大應(yīng)用數(shù)目M取值5;數(shù)據(jù)生成速率c取值10×102bps;數(shù)據(jù)偵測(cè)周期T取值1s;數(shù)據(jù)傳輸時(shí)間τ取值0.9s;數(shù)據(jù)傳輸延時(shí)Dm取值10s;數(shù)據(jù)偵測(cè)能耗ED取值1×10-8J.本實(shí)驗(yàn)中,我們考慮最大應(yīng)用數(shù)目M、數(shù)據(jù)生成速率c和數(shù)據(jù)傳輸延時(shí)Dm變化時(shí)對(duì)單位數(shù)據(jù)平均能耗,能耗效率和偵測(cè)效率的影響.其中變化的因素M取值范圍1～10;c取值范圍1×102～15×102bps;Dm取值范圍1～15s.

5.1 平均能耗

平均能耗反映成功傳輸?shù)臄?shù)據(jù)中每比特?cái)?shù)據(jù)所消耗的能量(包括信道偵測(cè)能耗ED和數(shù)據(jù)傳輸能耗Pt).

圖2給出Rayleigh分布和Rician分布下不同M變化時(shí)三種策略的平均能耗對(duì)比結(jié)果.從圖2觀察到,Rician分布的每種策略平均能耗小于Rayleigh分布的對(duì)應(yīng)策略平均能耗.隨著M值增加,OTSSP策略的平均能耗相比其他兩種策略在相同M值時(shí)都是最小的,能效都是最優(yōu)的,且平均能耗增長(zhǎng)速率最緩慢;TSTB策略因不考慮能耗因素直接傳輸數(shù)據(jù),所以平均能耗值最大,能效最差.

圖2 不同M變化時(shí)的平均能耗對(duì)比Fig.2 Comparison of average energy consumption in different M changes

圖3給出Rayleigh分布和Rician分布下不同c變化時(shí)三種策略的平均能耗對(duì)比結(jié)果.其中OTSSP策略和RTS策略平均能耗值在Y軸左側(cè)顯示,TSTB策略平均能耗值在Y軸右側(cè)顯示.從圖3觀察到,在Rayleigh和Rician分布中,隨著c值增大,OTSSP策略和RTS策略的平均能耗值分別沒有太大變化;而TSTB策略在兩種分布中平均能耗值變化明顯,且在Rician分布中能耗值較小.兩種分布中,隨著速率c的增加,三種策略中每比特?cái)?shù)據(jù)能耗值都是越來(lái)越小.在速率小于5×102bps時(shí),三種策略能耗值呈指數(shù)分布減少;在速率大于5×102bps時(shí),三種策略能耗值無(wú)限接近于0,但始終不會(huì)等于0.由于數(shù)據(jù)在信道狀況良好時(shí)刻傳輸,數(shù)據(jù)傳輸速率大于數(shù)據(jù)生成速率,沒有大量數(shù)據(jù)因超時(shí)傳輸而丟失,所以單位數(shù)據(jù)平均能耗值逐漸減少.TSTB策略能耗效率明顯差于另外兩種策略是因?yàn)?TSTB策略在第一次可傳輸時(shí)刻就傳輸數(shù)據(jù),此時(shí)刻的信道狀態(tài)往往不理想,傳輸?shù)臄?shù)據(jù)量較少,當(dāng)傳輸數(shù)據(jù)量等于其他兩種數(shù)據(jù)量時(shí),必然消耗更多的能量.

圖3 不同c變化時(shí)的平均能耗對(duì)比Fig.3 Comparison of average energy consumption in different c changes

圖4給出Rayleigh分布和Rician分布下不同Dm變化時(shí)三種策略的平均能耗對(duì)比結(jié)果.從圖4觀察到,在兩種分布中,OTSSP策略平均能耗最低,能效最佳.且OTSSP策略和RTS策略因數(shù)據(jù)傳輸時(shí)刻與Dm有關(guān),平均能耗值隨著Dm的增加呈減少趨勢(shì).這是因?yàn)楫?dāng)Dm增大時(shí),生成的數(shù)據(jù)有更多的機(jī)會(huì)在最大延時(shí)之前傳輸?shù)皆贫?單位數(shù)據(jù)消耗的能量減少,所以平均能耗呈減少趨勢(shì).當(dāng)時(shí)延Dm大于25s時(shí),每比特?cái)?shù)據(jù)消耗能量無(wú)限接近于0,但不會(huì)等于0,此時(shí)雖然平均能耗較低,但用戶體驗(yàn)度不佳.

圖4 不同Dm變化時(shí)的平均能耗對(duì)比Fig.4 Comparison of average energy consumption in different Dm changes

5.2 能耗效率

能耗效率η反映數(shù)據(jù)傳輸時(shí)間內(nèi)每單位時(shí)間所消耗的能量(包括偵測(cè)信道時(shí)間T和數(shù)據(jù)傳輸時(shí)間t).能耗效率η越小,表明該策略單位時(shí)間內(nèi)消耗的能量越少.

圖5給出Rayleigh分布和Rician分布下不同M變化時(shí)三種策略的能耗效率η值對(duì)比結(jié)果.從圖5觀察到,在兩種分布中,三種策略的最大應(yīng)用數(shù)目M和η值呈線性增長(zhǎng)關(guān)系,OTSSP策略η值最低,TSTB策略因不考慮能量因素,η值最大.同時(shí),隨著M值增大,OTSSP策略η值增長(zhǎng)最緩慢.這表明當(dāng)大量數(shù)據(jù)同時(shí)傳輸?shù)皆贫藭r(shí),OTSSP策略能耗率增長(zhǎng)緩慢,具有更好的實(shí)驗(yàn)效果,奠定了移動(dòng)云計(jì)算快速發(fā)展的基礎(chǔ).

圖5 不同M變化時(shí)的能耗效率對(duì)比Fig.5 Comparison of energy efficiency in different M changes

圖6給出Rayleigh分布和Rician分布下不同c變化時(shí)三種策略的能耗效率η對(duì)比結(jié)果.因?yàn)槿N策略在一張圖中無(wú)法清晰表示變化幅度,所以O(shè)TSSP策略單獨(dú)作為一張圖顯示;且(b)圖和(d)圖中TSTB策略的能耗效率值在Y軸左側(cè)顯示,RTS策略的能耗效率值在Y軸右側(cè)顯示.從圖6觀察到,三種策略的能效值在Rician分布中分別優(yōu)于Rayleigh分布中的能效值.隨著數(shù)據(jù)生成速率c的增大,Rayleigh分布中,OTSSP策略的η值集中在0.0497～0.05,TSTB策略的η值集中在0.328～0.332,RTS策略的η值集中在0.078～0.0784;Rician分布中,OTSSP策略的η值集中在0.0462～0.0465;TSTB策略的η值集中在0.1842～0.1846;RTS策略的η值集中在0.0780～0.0784.即本文提出的OTSSP策略能耗效率最低,單位時(shí)間內(nèi)消耗的能量最少,節(jié)能效果最好.OTSSP策略通過(guò)偵測(cè)前k次信道速率,從第k+1次偵測(cè)開始,見到比前k次信道速率都大時(shí)刻就停止偵測(cè)并發(fā)送數(shù)據(jù),從而大大提高數(shù)據(jù)傳輸速率和能量利用率.

圖6 不同c變化時(shí)的能耗效率對(duì)比Fig.6 Comparison of energy efficiency in different c changes

圖7給出Rayleigh分布和Rician分布下不同Dm變化時(shí)三種策略的能耗效率η對(duì)比結(jié)果.從圖7觀察到,OTSSP策略和RTS策略在Dm等于1時(shí),能耗效率值相同.因?yàn)镺TSSP策略和RTS策略的數(shù)據(jù)傳輸時(shí)刻與Dm有關(guān)系,故隨著Dm增大,累計(jì)的數(shù)據(jù)量增多,移動(dòng)終端在良好信道狀況時(shí)傳輸?shù)臄?shù)據(jù)量增多,OTSSP策略和RTS策略η值逐漸減小且OTSSP策略η值小于RTS策略η值.TSTB策略的傳輸時(shí)刻因與Dm無(wú)關(guān),故η值隨著Dm增大無(wú)減少趨勢(shì),且Rayleigh分布中,其能效值在0.33上下浮動(dòng),Rician分布中,能效值在0.18上下浮動(dòng).

圖7 不同Dm變化時(shí)的能耗效率對(duì)比Fig.7 Comparison of energy efficiency in different Dm changes

5.3 偵測(cè)效率

偵測(cè)效率ε反映數(shù)據(jù)傳輸過(guò)程中,實(shí)際偵測(cè)次數(shù)占總偵測(cè)次數(shù)的比重.對(duì)于OTSSP策略,每輪數(shù)據(jù)傳輸總偵測(cè)次數(shù)為Z;而TSTB策略和RTS策略每輪只需進(jìn)行一次數(shù)據(jù)偵測(cè)就傳輸數(shù)據(jù)(不考慮該次數(shù)據(jù)傳輸速率),故實(shí)際偵測(cè)次數(shù)等于總偵測(cè)次數(shù),即偵測(cè)效率始終為1.

圖8反映了OTSSP策略在不同M、c和Dm變化時(shí)的偵測(cè)效率.從圖8中觀察到,隨著M的增加,OTSSP策略偵測(cè)效率呈現(xiàn)波動(dòng)式穩(wěn)定.Rayleigh分布和Rician分布的偵測(cè)效率隨著c值的增大分別在0.588和0.584上下波動(dòng).且在M和c變化時(shí),Rician分布偵測(cè)效率均優(yōu)于Rayleigh分布偵測(cè)效率.隨著傳輸延時(shí)Dm的增大,偵測(cè)效率呈現(xiàn)鋸齒狀減少.這是因?yàn)殡S著Dm的增大,總偵測(cè)次數(shù)Z=?Dm/τ」變大,而實(shí)際偵測(cè)次數(shù)增長(zhǎng)速率小于總偵測(cè)次數(shù)增長(zhǎng)速率,故偵測(cè)效率逐步減小.

圖8 OTSSP策略的偵測(cè)效率Fig.8 OTSSP Detection efficiency

6 結(jié) 論

近幾年,普適化智能終端、泛在化網(wǎng)絡(luò)技術(shù)以及新型網(wǎng)絡(luò)應(yīng)用和服務(wù)日新月異的發(fā)展,使得以集中式計(jì)算和存儲(chǔ)為根本性特征的云計(jì)算模式難以普遍適應(yīng)諸多的技術(shù)和應(yīng)用場(chǎng)景的需要.為了克服云計(jì)算的局限性,霧計(jì)算、移動(dòng)邊緣計(jì)算以及邊緣計(jì)算等近端云計(jì)算模式相繼被提出并日益受到關(guān)注.這些計(jì)算模式雖然名稱不一,但是其基本思想都是對(duì)云計(jì)算進(jìn)行擴(kuò)展,即都是試圖將云計(jì)算中心的設(shè)備部署在物理或邏輯上距離終端和用戶較近的邊緣路由器、移動(dòng)基站或者服務(wù)器上,從而利用這些較近的基礎(chǔ)設(shè)施所擁有的計(jì)算和存儲(chǔ)等資源來(lái)完成終端和用戶想要完成的計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)等各類任務(wù).因?yàn)檫@些附近的基礎(chǔ)設(shè)施一般具有更低的延遲,所以任務(wù)的響應(yīng)時(shí)間可以很大程度上被降低,相應(yīng)的也就可以提高用戶的體驗(yàn)[18].而且,移動(dòng)終端和云端之間的數(shù)據(jù)不再進(jìn)行較長(zhǎng)距離的傳輸,數(shù)據(jù)傳輸?shù)哪芎膶?huì)很大程度地減少.因此,這些近端云計(jì)算模式可大大節(jié)省能耗,提高能量利用率.

進(jìn)而,我們下一步的工作是在一種或幾種近端云計(jì)算模式下研究數(shù)據(jù)生成速率動(dòng)態(tài)變化時(shí)的能耗優(yōu)化策略.