Con lo sviluppo del cloud computing mobile e il miglioramento delle prestazioni richieste dagli utenti per i terminali mobili, il trasferimento dei complessi requisiti di calcolo e archiviazione dei terminali mobili al cloud per l'elaborazione è una tendenza inevitabile del cloud computing mobile. Pertanto, come ridurre il consumo energetico dei terminali mobili e delle nuvole, migliorare l'utilizzo dell'energia e migliorare l'esperienza dell'utente sono uno dei problemi chiave che il green cloud computing deve risolvere con urgenza. Questo documento studia principalmente il problema dell'ottimizzazione del consumo energetico nel processo di trasmissione dei dati del cloud computing mobile e propone un metodo per ridurre al minimo i dati unitari basato sulla teoria dell'arresto ottimale. La strategia di trasmissione del consumo energetico medio; la strategia di trasmissione ottimale basata sul problema del segretario. Costruendo un modello di coda di trasmissione dati con applicazioni multiple, nel problema del segretario basato sulla media minima del ranking assoluto dei candidati selezionati, si propone di lasciare andare k candidati Dopo aver visto le regole di eccellenza, si dimostra che esiste un valore k ottimale per questa regola. I risultati delle simulazioni mostrano che la strategia di ottimizzazione proposta in questo articolo ha un consumo medio di energia minore per unità di dati, una migliore efficienza di consumo energetico e una migliore efficienza di rilevamento. .
Con il rapido sviluppo e l'applicazione diffusa dei dispositivi mobili, i terminali mobili, come i telefoni cellulari e i PAD, sono diventati i dispositivi principali per le persone per chattare, intrattenersi e lavorare. Tuttavia, i terminali mobili sono limitati dalle loro dimensioni e dall'energia, e hanno sempre poca potenza di calcolo e spazio di archiviazione. Diversi problemi, come le dimensioni ridotte e la breve durata della batteria [1], sono stati risolti. Pertanto, per compensare le varie carenze dei terminali mobili, il trasferimento di requisiti complessi di calcolo e di archiviazione al cloud per l'elaborazione è una tendenza inevitabile nel cloud computing mobile. Secondo le statistiche, nel 2017 il traffico cloud mobile rappresenta già 84% dell'intero traffico mobile. Secondo le previsioni di IDC, nel 2020 il volume totale dei dati mobili raggiungerà i 40.000 EB, con un tasso di crescita annuale composto di 36%, e il traffico mobile cloud rappresenterà 94% dell'intero traffico mobile; e China Internet
Il tasso di crescita del traffico di dati Internet è ancora più evidente. Nel 2020, il traffico di dati Internet in Cina raggiungerà 8806 EB, pari a 22% della produzione globale di dati, con un tasso di crescita annuale composto di 49%. Ciò pone nuovi requisiti per l'efficienza della trasmissione dei dati tra i terminali mobili e il cloud. Una sfida enorme. Una migliore strategia di trasmissione dei dati può risparmiare il consumo energetico dei terminali mobili, ottimizzare e migliorare le prestazioni dei terminali mobili. Pertanto, il presente documento ottimizza il consumo energetico dei terminali mobili e la trasmissione dei dati nel cloud computing mobile. Viene proposta una strategia di ottimizzazione basata sulla teoria dell'arresto ottimale per ridurre il consumo energetico dei terminali mobili, migliorare l'utilizzo dell'energia, aumentare l'esperienza dell'utente e porre solide basi per promuovere lo sviluppo del cloud computing mobile.
Il canale di trasmissione dei dati del cloud computing mobile è lo stesso del tradizionale canale wireless di Internet, che viene aggiornato in tempo reale con i cambiamenti nel tempo e nello spazio [2]. Se la potenza di trasmissione del terminale mobile
A parità di velocità di trasmissione, maggiore è la quantità di dati trasmessi nello stesso tempo e minore è il consumo medio di energia per unità di dati. Inoltre, se il terminale mobile osserva continuamente le condizioni del canale del collegamento wireless, selezionare l'invio di dati in un momento di buona qualità può ridurre notevolmente il consumo energetico della trasmissione dei dati.
In effetti, il problema della selezione da parte dei terminali mobili dei momenti in cui le condizioni del canale sono migliori per la trasmissione dei dati è un problema di programmazione opportunistica distribuita. 3. Per risolvere questo problema possiamo utilizzare la regola di arresto ottimale. La regola di arresto ottimale è un processo decisionale basato su variabili casuali osservate in modo continuo. Con l'obiettivo di massimizzare le ricompense o minimizzare i costi attesi, si decide di scegliere un momento adatto per adottare un determinato comportamento. Nella ricerca degli studiosi, la teoria dell'arresto ottimale ha risolto molti problemi di ottimizzazione. Ad esempio, la letteratura [4] adotta la teoria dell'arresto ottimale. La teoria dell'arresto ottimale studia il problema della programmazione ottimale del consumo di informazioni nelle reti auto-organizzate. La letteratura [5] utilizza la teoria dell'arresto ottimale nelle reti mobili per studiare il problema dell'ottimizzazione del consumo energetico di più terminali di invio che utilizzano lo stesso canale per la distribuzione dei dati. Letteratura [6] La teoria dell'arresto ottimale viene utilizzata per ottenere la ricompensa attesa ottimale del nodo relè ottimale, ottenendo così la strategia di instradamento ottimale ad alta efficienza energetica.
Nel problema della regola di arresto ottimale, il nostro obiettivo è trovare nella funzione di costo
Una regola di arresto quando la velocità di trasmissione è massima, e questo algoritmo viene utilizzato per minimizzare il consumo medio di energia per unità di dati. Questo articolo studia principalmente il cloud computing mobile
Per il problema dell'ottimizzazione del consumo energetico nel processo di trasmissione dei dati, viene proposta una strategia di ottimizzazione del consumo energetico della trasmissione dei dati basata su regole di arresto ottimali. Le idee specifiche della ricerca sono le seguenti: con un dato tasso di generazione dei dati, costruendo un modello di coda di trasmissione dei dati con applicazioni multiple, nel problema di segreteria basato sulla media minima assoluta del ranking dei candidati selezionati, viene proposta una regola per lasciare andare k candidati e poi accettare i candidati migliori. Il consumo energetico e il ritardo nel processo di trasmissione sono considerati in modo completo per minimizzare il consumo energetico medio dell'unità di dati.
La struttura organizzativa del presente lavoro è la seguente: La Sezione 2 introduce i lavori di ricerca correlati; la Sezione 3 illustra il modello di sistema e le teorie correlate; la Sezione 4 discute la strategia di ottimizzazione per la minimizzazione del consumo energetico atteso basata sulla teoria dell'arresto ottimale; la Sezione 5 conduce esperimenti di simulazione e analizza i risultati sperimentali; infine la Sezione 6 riassume il testo completo e discute i prossimi lavori di ricerca.
Lavori di ricerca correlati
Negli ultimi anni, le modalità di riduzione del consumo energetico dei terminali mobili e delle nuvole durante il processo di trasmissione dei dati del cloud computing mobile hanno attirato molte ricerche da parte degli studiosi. I ricercatori si concentrano principalmente su due direzioni: la prima è l'ottimizzazione dei modelli di dati nei terminali mobili e nelle nuvole per ridurre il consumo energetico; la seconda è l'ottimizzazione dell'algoritmo per ridurre il consumo energetico durante il processo di trasmissione dei dati.
Nello studio dell'ottimizzazione del consumo energetico dei terminali mobili e del cloud, la letteratura [2] ha costruito una piattaforma mobile assistita dal cloud. Sulla base di questa piattaforma, le applicazioni mobili possono essere eseguite sul terminale mobile o nel cloud. Quando si esegue il programma sul terminale mobile, si ottimizza il consumo energetico regolando la frequenza della CPU; quando si eseguono programmi nel cloud, si minimizza il consumo energetico ottimizzando la velocità di trasmissione dei dati. La letteratura [7] propone un sistema di cloud mobile collaborativo. Il sistema forma alleanze di più UE (User Equipment) e riceve parte dei dati richiesti dalla stazione base, per poi scambiare i dati ricevuti tra loro, con un notevole risparmio di tempo e di energia. La letteratura [8] propone un framework di collaborazione congiunta e selezione dei canali per l'offloading dei dati dei terminali mobili, che viene eseguito in modo cooperativo. I dati vengono scaricati sul cloud e viene progettato un algoritmo di selezione del canale distribuito utilizzando il metodo dell'approssimazione di Markov, in modo che ogni terminale mobile possa organizzarsi in una struttura stabile senza lo scambio di informazioni sull'intera rete e realizzando solo i dati tra dispositivi mobili sullo stesso canale. Scambio. La letteratura [9] propone un modello di offloading congiunto. I dispositivi mobili possono eseguire attività a livello locale, scaricare attività ad altri dispositivi mobili o trasmettere direttamente attività al cloud per l'esecuzione, in base all'allocazione del controller del modello; per descrivere ogni attività viene utilizzata la tecnologia delle impronte digitali. Similarità, i dispositivi mobili possono condividere le risorse di calcolo per compiti simili tra loro per ottenere un rallentamento.
Lo scopo è risolvere la pressione del traffico dati e ridurre il consumo energetico dei terminali mobili. La letteratura [10] prevede una collaborazione congiunta tra dispositivi mobili poveri di energia e poveri di dati per condividere le risorse. Quando i dispositivi mobili scaricano le attività di calcolo sul cloud, i dispositivi mobili poveri di energia e quelli poveri di energia raccolgono l'energia dal dispositivo mobile povero di dati attraverso la strategia di divisione dell'energia e il dispositivo mobile povero di energia aiuterà anche il dispositivo mobile povero di dati a eseguire i calcoli.
Nello studio dell'ottimizzazione del consumo energetico nel processo di trasmissione dati del cloud computing mobile, la letteratura [11] ha proposto un protocollo di trasmissione adattiva a livello di applicazione. Questo protocollo utilizza un framework di ottimizzazione stocastica per decidere, attraverso un algoritmo online a bassa complessità e a basso overhead, se la connessione wireless è efficiente. Se la connessione wireless è efficiente. Questo articolo non stabilisce una soglia per giudicare se la connessione wireless è efficiente, ma prende decisioni di trasmissione in modo adattivo per raggiungere il bilanciamento del ritardo energetico tra più applicazioni. Letteratura [12] propone un nuovo algoritmo di ottimizzazione della trasmissione dati: Algoritmo DTM. Questo articolo aggiunge un livello di server proxy tra il cloud e il terminale mobile. Questo livello è responsabile dell'elaborazione delle richieste dal terminale mobile e delle risposte dal cloud; l'algoritmo DTM utilizza un sistema parallelo di
La tecnologia di elaborazione e caching ottimizza le attività di trasmissione e contribuisce a ridurre il consumo energetico dei dispositivi mobili e i tempi di attesa degli utenti, garantendo al contempo la qualità della trasmissione dei dati. Letteratura
[13] ha proposto una nuova tecnologia di prefetching online, che esegue la previsione e il prefetching simultaneamente in un periodo di tempo, prevede i dati in tempo reale ed evita il prefetching di una grande quantità di dati non necessari. La letteratura [14] si basa sul sistema MCO (Mobile computation offloading) a utente singolo e propone una tecnologia di prefetching online. Questa tecnologia integra perfettamente la previsione dei calcoli a livello di attività e il prefetching in tempo reale durante l'esecuzione del programma. Quando la possibilità che i dati vengano eseguiti supera la soglia, prefetching i dati da utilizzare, e la scala di prefetching dei dati aumenta linearmente con la possibilità che i dati vengano eseguiti. Sulla base dell'ottimizzazione di Lyapunov, la letteratura [15] ha proposto un nuovo metodo efficiente nel processo di trasmissione dei dati tra terminali mobili e cloud. Una potente strategia di trasmissione dei dati. Questa strategia cattura attivamente e in modo adattivo i dati utilizzati di frequente quando lo stato del canale è buono, soddisfacendo al contempo il ritardo temporale, per evitare un inutile consumo di energia causato dal recupero dei dati quando lo stato del canale è scarso. Letteratura [16] Ottimizzazione del compromesso tra consumo energetico e ritardo dal punto di vista dell'utente. Questo lavoro considera tre domini QoE (Quality of Experience), ricava una funzione di costo QoE-aware che include energia e ritardo e propone un efficiente algoritmo di ottimizzazione del programma dinamico approssimato. La letteratura [17] utilizza la teoria delle code per studiare a fondo l'ottimizzazione congiunta del consumo energetico, del ritardo e del costo di pagamento nel processo di scarico dei dati nei sistemi di fog computing. Vengono stabiliti diversi modelli di coda rispettivamente per i terminali mobili, i terminali fog e i terminali cloud. Utilizzando il metodo della scalarizzazione, il problema di ottimizzazione multi-obiettivo viene convertito in un problema di ottimizzazione mono-obiettivo, raggiungendo così l'obiettivo di ridurre il consumo energetico dei terminali mobili.
In sintesi, sebbene i ricercatori abbiano ottimizzato il consumo energetico dei terminali mobili e delle nuvole nel cloud computing mobile e il processo di trasmissione dei dati, non hanno considerato in modo completo fattori quali l'arrivo dinamico dei dati e il ritardo. Pertanto, questo articolo si basa sulla teoria dell'arresto ottimale, considerando in modo esaustivo fattori quali il consumo energetico, la larghezza di banda e il ritardo, e minimizzando il consumo medio di energia per unità di trasmissione dati con la premessa dell'arrivo dinamico dei dati.
Parole chiave: Gateway per l'Internet degli oggetti