[发明专利]基于移动云计算的临界数据卸载方法

说明书

技术领域

本发明属于移动通信领域，尤其涉及移动云计算数据卸载。

背景技术

随着云计算技术的不断发展，云计算的应用领域越来越广泛。同时，智能手机时代的到来，移动终端受制于受电池容量和材料等原因，移动设备的续航能力不足对于手机的发展和体验是个不小的瓶颈。云计算技术的应用，能够将终端的数据量计算发送到云端服务器上处理，再将处理后的数据返回终端，从而节省移动设备的电量。

为了解决这个问题，目前优化的研究点是：1)在离线状态下，通过固定的传输速率和传输功率，调度数据的执行方案；2)在动态实时的情况下，通过对任务进行实时的调度，选择最优传输方案。

发明内容

本发明针对现有技术的不足，提出在动态实时的情况下，在移动应用的截止时间内，基于临界数据阈值的方法，通过蒙特卡罗模拟的方法，估计出临界阈值，从而选择最优的调度策略，相比于只在手机端和云端进行选择处理，可以使得手机消耗的能量最小。

为了方便的描述本发明的内容，首先对本发明所使用的属于进行介绍：

截止时间：移动终端处理数据，应用程序等待完成的最短时间T；

云端运算能力：衡量云端虚拟机运算的指标γ；

传输功率：包含移动端从云端发送功率P_tp和接收功率P_rp；

临界阈值：一个数据量临界切换值，根据这个值来选择执行策略；

速率：包含移动端传输速率R_ts和接收速率R_rs。

本发明的技术方案为：

本发明首先通过计算出云端虚拟机的运算能力，从而确定能否将数据传输到云端进行处理。而后，在截止时间已知的条件下，又通过蒙特卡罗估计方法，来估计临界数据量阈值，选择出最优的执行策略。

基于移动云计算的临界数据卸载方法，包括如下步骤：

S1、移动终端开始执行移动程序，所述移动终端测量出需要执行的总的数据量的大小为λ；

S2、计算数据能够在云端卸载的最低运算指标其中，表示数据能够在云端卸载的最低运算指标，F_X(ρ)为关于X的分布函数，X的概率密度函数为所述f(w)服从Gamma分布，α、β为能耗因子，f为移动终端CPU的频率，U为移动终端CPU的上电电压，k表示CPU有效电容参数，k＝10^-11，参数ρ＝0.995表示数据执行成功的概率，X满足W＝LX，L表示CPU处理的数据量大小，W表示CPU处理L大小的数据量所需的周期数；

S3、若S2所述则转入S6，任务数据在移动端执行，若S2所述则转入S4，其中，γ为云端的运算能力；

S4、在不同的截止时间内，估计临界数据切换阈值

S5、选择最优的数据传输策略，若时，进入S6，若时，进入S7；

S6、任务数据都在移动端执行，并进入S8，消耗的能量为

S7、任务数据在移动端和云端并行执行,并进入S8，即将数据量分为两部分，在移动端执行的数据量为λ_m，在云端执行的数据量为λ_send，其中，λ_m＝λ-λ_send，消耗的能量为

S8、数据执行完成，返回S1更新需要处理的数据量λ，重新选择最优的执行策略。

进一步地，S4所述估计临界数据切换阈值采用蒙特卡罗估计方法，具体为：

S41、E_Local＝E_C，其中，表示在截止时间内移动端消耗的能量，

表示分别在移动端处理和云端处理所消耗的总能量，x表示在区间[0,n]内的一个随机变量整数，即表示单位时间内执行成功的数据量大小，Φ(x)表示数据执行成功的累积分布函数，所述Φ(x)可以根据历史数据统计得到，Δλ表示将数据量分为n份，每一份的数据量大小，λ_receive表示移动端接收到云端的数据量，n∈[0,n^*]，且j表示在每一份数据量在区间内的能耗因子，j∈[1,x]，且j为正整数；

S42、根据S41所述E_Local＝E_C解出

进一步地，S2所述α＝4，β＝200。

本发明的有益效果是：