覃 川, 謝顯中, 鄧茹月

(重慶郵電大學(xué) a. 個人通信研究所； b. 寬帶接入網(wǎng)絡(luò)研究所, 重慶 400065)

0 引 言

隨著移動互聯(lián)網(wǎng)的發(fā)展, 云計算服務(wù)已經(jīng)逐漸從單純的PC機(jī)擴(kuò)展到移動終端設(shè)備上[1,2], 因此移動云計算應(yīng)運(yùn)而生。移動云計算的出現(xiàn)解決了移動終端本身限制[3]。移動用戶可在云平臺上運(yùn)行復(fù)雜程序, 同時移動終端并不需要過高配置, 利用瘦客戶機(jī)(Thin Client)獲得豐富的業(yè)務(wù)與最優(yōu)的服務(wù), 該方法稱為遠(yuǎn)端顯示解決方案[4]。

在遠(yuǎn)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(yùn)行結(jié)果, 從而實現(xiàn)遠(yuǎn)端顯示解決方案, 不僅節(jié)約了開發(fā)成本, 也降低了應(yīng)用程序?qū)τ布?。遠(yuǎn)端顯示解決方案的服務(wù)質(zhì)量直觀反應(yīng)在用戶屏幕上, 而服務(wù)質(zhì)量直接取決于用戶的網(wǎng)絡(luò)條件。對于遠(yuǎn)端顯示解決方案, 現(xiàn)有研究主要致力于數(shù)據(jù)中心的虛擬機(jī)定位方面研究[5-7]。文獻(xiàn)[8]提出了一種服務(wù)圖像定位系統(tǒng), 采用基于虛擬機(jī)定位的遠(yuǎn)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(xiàn)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(jìn)一步改善空間。

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

1 服務(wù)圖像定位系統(tǒng)概念

圖1 服務(wù)圖像定位系統(tǒng)模型

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

在圖1模型中, 各種云內(nèi)服務(wù)由不同服務(wù)圖像(SIs: Service Images)控制； 而移動云會根據(jù)用戶請求創(chuàng)建一個遠(yuǎn)端視頻圖像(RSIs: Remote Screen Images)運(yùn)行各種服務(wù), 二者都作為系統(tǒng)內(nèi)的虛擬機(jī)存在。首先用戶終端通過連接移動云發(fā)出請求, 移動云運(yùn)營商根據(jù)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(wù)的SI, 然后RSI將接收來自此SI所提供的數(shù)據(jù), 隨后在屏幕上運(yùn)行, 最后將運(yùn)行結(jié)果以截屏方式發(fā)送給移動終端。

2 改進(jìn)的服務(wù)圖像定位系統(tǒng)架構(gòu)

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(xiàn)[7,8]描述系統(tǒng)構(gòu)架基礎(chǔ)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(xiàn), 基站將用戶無線信道監(jiān)測的數(shù)據(jù)發(fā)送到數(shù)據(jù)中心進(jìn)行處理。當(dāng)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(xiàn)在只發(fā)送給無線信道監(jiān)測模塊, 其構(gòu)架如圖2所示。

圖2 改進(jìn)的服務(wù)圖像定位系統(tǒng)構(gòu)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(jìn)行監(jiān)測, 并及時計算用戶的服務(wù)質(zhì)量。如服務(wù)質(zhì)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(xiàn)[8]功能保持不變, 包括對每個服務(wù)請求構(gòu)建資源需求矩陣的資源監(jiān)測, 網(wǎng)絡(luò)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(jìn)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(jìn)服務(wù)圖像定位系統(tǒng)構(gòu)架如圖3所示, 筆者的服務(wù)圖像定位系統(tǒng)數(shù)據(jù)中心網(wǎng)絡(luò)采用3層樹形(Tree)拓?fù)浣Y(jié)構(gòu)[9]。頂層的核心交換機(jī)輸出端數(shù)目用p2表示, {ai|i=1,2,…,p2}表示從核心交換機(jī)到下一層交換機(jī)的時間響應(yīng)。第2層的聚合交換機(jī)到下一層交換機(jī)的輸出端數(shù)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(jī)的時間響應(yīng)。最底層的接入交換機(jī)輸出端數(shù)目用p0表示, 筆者同樣假設(shè)任何位置到接入交換機(jī)的時間響應(yīng)都為一個定值A(chǔ)。

圖3 樹形拓?fù)浣Y(jié)構(gòu)

網(wǎng)絡(luò)成本矩陣不僅取決于跳數(shù), 同樣跟兩點(diǎn)之間的時間響應(yīng)有關(guān), 成本矩陣計算如下[8]

C(i,j)=αh(i,j)+(1-α)t(i,j)

(1)

根據(jù)圖3所示, 成本矩陣可進(jìn)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(quán)衡跳數(shù)和兩點(diǎn)之間最大時間響應(yīng)參數(shù), 云運(yùn)營商根據(jù)不同場景設(shè)置α值, 文獻(xiàn)[8]中對α分別取值并進(jìn)行了仿真, 筆者仿真時采用了比較適中的取值0.6。“∧”表示邏輯與。h(i,j)指位置i到位置j的跳數(shù),t(i,j)指位置i到位置j的時間響應(yīng)。舉例如圖3中的位置1到位置16的跳數(shù)為5, 最大時間響應(yīng)可表示為max(A,a11,a1,a4,a41)。

3 改進(jìn)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(jù)監(jiān)測無線信道結(jié)果, 提出了一個改進(jìn)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(nèi)重新分配資源, 既消耗傳輸能量, 也消耗運(yùn)行能量。而改進(jìn)方案中, 當(dāng)用戶所占用的無線信道衰落并不影響用戶的服務(wù)質(zhì)量[10]時, 若用戶接收的服務(wù)圖像質(zhì)量在用戶的可接受范圍內(nèi), 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(wù)圖像定位系統(tǒng)的能耗計算

假設(shè)一個資源或服務(wù)由一個SI單獨(dú)控制, 系統(tǒng)中所有物理機(jī)和在云上分配的虛擬機(jī)都有相同的配置(即CPU和內(nèi)存等)。RSI={RSI1,…,RSIn}和SI={SI1,…,SIm}分別表示n個遠(yuǎn)端視頻圖像和m個服務(wù)圖像。一個有效位置指的是可以在主機(jī)上分配CPU/內(nèi)存的一個虛擬機(jī), 一個主機(jī)可以支持確定數(shù)目的圖像, 正是因為可以分配足夠多的有效位置, 同時假設(shè)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(xiàn)[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(luò)之間根據(jù)樹形拓?fù)浣Y(jié)構(gòu)計算的總消耗, 可由式(1)和式(2)進(jìn)行計算, 而資源需求矩陣R(u,v)指的一項服務(wù)或應(yīng)用所要求的數(shù)據(jù)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(xiàn)[7]中的設(shè)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(jī)x上分配的有效位置。

3.2 圖像質(zhì)量評價

表1 主觀評價圖像質(zhì)量等級

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

2) 客觀評價方法。圖像質(zhì)量的客觀評價方法較多, 均使用客觀的數(shù)據(jù)進(jìn)行分析[12], 常用的參數(shù)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(shù)據(jù)后, 將運(yùn)行結(jié)果截屏并以圖像形式傳送給用戶, 用戶接收到圖像后, 根據(jù)上述的圖像質(zhì)量評價方法, 結(jié)合主觀和客觀的圖像質(zhì)量評價方法對用戶接收到的圖像質(zhì)量進(jìn)行綜合評價, 從而得出用戶可接受的圖像質(zhì)量范圍, 即服務(wù)質(zhì)量范圍。

當(dāng)出現(xiàn)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(dāng)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(jù)圖像質(zhì)量評價可得出用戶收到的圖像在用戶可接受的范圍內(nèi), 即不影響用戶的服務(wù)質(zhì)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(wù)質(zhì)量處于可接受范圍以內(nèi)的用戶數(shù)。

3.4 服務(wù)質(zhì)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(jī)噪聲影響, 通過觀察信噪比(SNR： Signal Noise Ratio,RSNR)以及誤碼率的調(diào)整觀察接收圖像的PSNR值, 并結(jié)合主觀和客觀的圖像質(zhì)量評價方法, 得到用戶服務(wù)質(zhì)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(jìn)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(yīng)圖像的PSNR值。

結(jié)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(zhì)量中的“壞”等級, 即MOS為1分情況； 當(dāng)RSNR=2 dB時對應(yīng)質(zhì)量等級中的“差”等級； 當(dāng)RSNR=5 dB時, 圖像能看清大概輪廓, 但仍有少量白點(diǎn)出現(xiàn), 屬于MOS為3的質(zhì)量“中”等級； 當(dāng)RSNR=8 dB時, 對應(yīng)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(biāo)準(zhǔn), 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(jī)性, 最終采用多次仿真的平均結(jié)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(biāo)準(zhǔn),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(guān)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(shè)置

筆者使用數(shù)據(jù)仿真評估系統(tǒng)的能耗, 為與文獻(xiàn)[8]方法(簡稱為原方法)進(jìn)行比較, 所有仿真所需參數(shù)沿用了文獻(xiàn)[8]的值, 具體參數(shù)如表2所示。在樹形拓?fù)浣Y(jié)構(gòu)的網(wǎng)絡(luò)中, 核心交換機(jī)、 聚合交換機(jī)和接入交換機(jī)的輸出端數(shù)目別分設(shè)置為p2=5,p1=20,p0=40。物理機(jī)的總數(shù)能達(dá)到4 000臺。各交換機(jī)的輸出端時間響應(yīng)采用(20,15)的正態(tài)分布隨機(jī)設(shè)置。用戶數(shù)由10遞增至1 000, 用戶位置隨機(jī)分配, 并且設(shè)定SIs的數(shù)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(jī)最大能分配的虛擬機(jī)數(shù)目為4。并且在權(quán)衡跳數(shù)和時間響應(yīng)的α取值為0.6。假設(shè)滿足用戶不重新分配資源要求, 即服務(wù)質(zhì)量在用戶可接受范圍內(nèi)的用戶占移動用戶總數(shù)的30%。

而在圖像傳輸?shù)姆抡嬷? 對于高斯信道設(shè)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(shè)置則從10～23 dB。

(續(xù)表2)

取值分布均值方差物理機(jī)(PM)容量4用戶移動后服務(wù)質(zhì)量在可接受范圍內(nèi)占總用戶數(shù)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(jié)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(dá)到筆者提出用戶可接受的服務(wù)質(zhì)量范圍, 即RPSNR=58 dB。

圖5 高斯信道條件下PSNR與SNR的關(guān)系 圖6 瑞利信道條件下PSNR與SNR的關(guān)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(shù)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(jù)用戶可接受的服務(wù)質(zhì)量范圍確定, 根據(jù)筆者仿真條件, 能量節(jié)省在30%左右。

5 結(jié) 語

筆者在現(xiàn)有服務(wù)圖像定位系統(tǒng)架構(gòu)的基礎(chǔ)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(jìn)的重新分配資源方案。該方案從無線信道條件出發(fā), 結(jié)合主觀和客觀的圖像質(zhì)量評價方法設(shè)定一個用戶可接受的服務(wù)質(zhì)量范圍, 根據(jù)用戶移動情況分配資源, 若用戶處于可接受的服務(wù)質(zhì)量范圍內(nèi), 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(dāng)一個用戶同時申請多個服務(wù)時, 研究無線信道對各個圖像質(zhì)量的影響, 進(jìn)一步完善服務(wù)質(zhì)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(xiàn)：

[1]鄧茹月, 覃川, 謝顯中. 移動云計算的應(yīng)用現(xiàn)狀及存在問題分析 [J]. 重慶郵電大學(xué)學(xué)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(wǎng)絡(luò)中圖像傳輸?shù)腝oS研究 [D]. 南京： 南京郵電大學(xué)通信與信息工程學(xué)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(shù)研究 [J]. 吉林大學(xué)學(xué)報: 信息科學(xué)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(xué)學(xué)報: 信息科學(xué)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(xiàn) [D]. 北京： 北京郵電大學(xué)信息與通信工程學(xué)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.