当前位置：文档库 › 基于Cloudlet三层结构模型的移动协同计算平台的研究与实现

基于Cloudlet三层结构模型的移动协同计算平台的研究与实现

摘要 .......................................................................................................................... I ABSTRACT ................................................................................................................ II 第1章绪论 .. (1)

1.1课题背景 (1)

1.2研究现状 (2)

1.2.1 移动云计算概述 (2)

1.2.2 基于Cloud-Client两层结构的移动云计算概述 (2)

1.2.3 基于Cloud-Cloudlet-Client三层结构的移动云计算概述 (4)

1.2.4 消息推送技术概述 (6)

1.2.5 无线传感器网络概述 (7)

1.3本文的主要研究内容 (7)

1.4本文结构 (8)

第2章移动云计算迁移模型分析 (9)

2.1移动云计算迁移 (9)

2.2基于C LOUD-C LIENT两层结构的云计算迁移模型 (9)

2.2.1 Cloud-Client模型概述 (9)

2.2.2 Cloud-Client模型框架 (10)

2.2.3 Cloud-Client模型分析 (12)

2.3基于C LOUD-C LOUDLET-C LIENT三层结构的计算迁移模型 (14)

2.3.1 Cloud-Cloudlet-Client模型概述 (14)

2.3.2 Cloud-Cloudlet-Client模型框架 (15)

2.3.3 Cloud-Cloudlet-Client模型与Cloud-Client模型对比分析 (16)

2.4本章小结 (17)

第3章迁移平台的总体框架设计 (19)

3.1平台应用场景分析 (19)

3.2平台总体架构设计 (20)

3.3平台详细框架设计 (22)

3.3.1 基于REST风格的WebService接口以及通信协议 (23)

3.3.2 数据传输格式和数据压缩 (24)

3.3.3 底层云平台的选取 (24)

3.4应用模块应用设计 (25)

3.5本章小结 (26)

第4章迁移平台详细设计与实现 (27)

4.1平台模块详细设计与实现 (27)

4.1.1 朵云识别模块详细设计与实现 (27)

4.1.2 数据压缩模块详细设计与实现 (28)

4.1.3 数据同步模块详细设计与实现 (29)

4.2应用模块详细设计与实现 (30)

4.2.1 基于图片识别的计算任务迁移实现 (30)

4.2.2 传感器网络数据应用具体实现 (31)

4.2.3 消息推送具体实现 (33)

4.3迁移决策实现 (36)

4.4本章小结 (37)

第5章迁移平台的集成与测试 (38)

5.1迁移平台集成和测试 (38)

5.1.1 云端迁移服务部署 (38)

5.1.2 朵云发现测试 (39)

5.1.3 服务接口测试 (40)

5.1.4 数据封装测试 (44)

5.1.5 数据压缩测试 (45)

5.1.6 数据同步测试 (46)

5.2应用程序模块测试 (47)

5.2.1 图片识别实验及数据分析 (47)

5.2.2 传感器网络数据上传及下载测试 (49)

5.2.3 消息推送测试 (50)

5.3本章小结 (51)

结论 (52)

参考文献 (53)

攻读硕士学位期间发表的论文及其它成果 (56)

哈尔滨工业大学学位论文原创性声明和使用权限 (57)

致谢 (58)

第1章绪论

1.1课题背景

随着无线网络接入技术和蜂窝无线通信技术的发展，随时随地接入网络获取丰富的互联网资源对于移动设备来说已经变为可能[1]。日益丰富的移动应用，如图像识别、语音识别、物体识别等应用对移动终端的计算能力提出了新的挑战[2]。近几年随着移动终端的迅速发展，以ARM架构为首的处理器处理性能已经获得了巨大的飞跃。但是，移动设备狭小的结构空间、有限的电池容量和发热量控制等先天劣势始终制约了移动终端的处理能力，纵使其计算能力已经得到进一步增强，对资源、计算密集型的处理需求也无能为力。

云计算的发展，为解决上述问题提供了解决思路。开发人员可以将资源、计算密集型的计算卸载到云端执行，待处理完成后，再将处理结果返回到移动终端[3]。云端资源的管理对开发者是透明的，开发者无需为此付出更多的精力。通过这种“云端-客户端”这种将移动设备上的计算任务后置到云端的协同方式，利用随处可接入的移动互联网和云端丰富的计算资源，大大地释放和扩展移动智能终端的处理能力。

但是，这种“云端-客户端”两层结构的协同模型也带来了一些新的问题。首先，通过移动互联网尤其是蜂窝数据网络访问云端，数据的传输过程中存在较大的网络延迟（蜂窝网络的延迟甚至超过300ms），不同网络环境的网络带宽、出错率和丢包率也会对数据传输造成影响，从而造成处理速度过慢，影响应用程序的性能。其次，长时间的网络连接和数据通信，也会增加移动设备的电量消耗，极端情况下甚至有可能造成通过云端和本地协同的能耗比本地处理的能耗还要高[4]。另外，移动设备到云端的网络中断和针对云端的网络攻击等情况也会导致云端不可用，从而使这种计算后置的方式失效。针对这种情况，在最接近智能终端的网络边缘部署云朵端，这个云朵端离智能终端的网络只需要一跳就可以到达，通常是和智能终端在同一个局域网中，并通过WIFI连接。通过在朵云端部署完整的服务能力，从而解决移动设备与云端之间的网络延迟、网络质量以及网络中断对云端服务可用性、稳定性的影响。这种计算模型称为“云端-朵云端-客户端”计算模型。与“云端-客户端”相比，“云端-朵云端-客户端”通过将云端计算任务从后面的云端前置到朵云端，在保证两者服务一致的情况下，提高服务的可用性、稳定性和计算性能。在“云端-朵云端-客户端”三层结构的基础上，研究这种计算模式对移动设备应用的计算迁移、应用开发和部署模式影响，具有重要的意义。