【摘要】：隨著近年來移動互聯(lián)網技術的快速發(fā)展,移動設備及其上運行的應用已成為人們日常生活中不可或缺的一部分。同時,由于移動應用的開發(fā)框架及流程的逐漸成熟,且移動設備上傳感器的大量集成,一批對計算資源需求極大的應用便應運而生。這些應用推動了移動設備頻繁地更新?lián)Q代,然而其有限的資源仍然成為了限制應用提供更好服務體驗的瓶頸。隨著移動無線網絡的快速升級和云計算技術的日趨成熟,研究人員提出將移動應用中一些計算密集型的模塊遷移至資源充裕的云端執(zhí)行,該方法不僅能夠提升應用性能,而且可以減小移動設備的功耗。隨著該研究領域成果的逐漸積累,人們將這一領域稱為移動云計算。為了契合靈活多變的移動環(huán)境,目前移動云計算的相關研究都將計算遷移作為其計算模式的核心之一。雖然計算遷移能夠靈活地借助豐富的云端資源來提升移動用戶的服務體驗,但也帶來了新的挑戰(zhàn)和研究問題。本文在深入分析了移動云計算領域的相關研究成果之后,以性能優(yōu)化為目標,基于計算遷移設計了一系列優(yōu)化方案,主要在多用戶場景下的資源調度、可模塊化并行應用的傳輸調度以及針對新型CNN移動應用的任務調度等三個方面展開了研究工作。首先,本文探討資源有限的微云在多用戶接入時的在線資源分配策略和計算遷移方案。我們分析多用戶陸續(xù)接入時,在線資源分配方案呈現(xiàn)出的是一個序列決策過程�；谝陨戏治�,我們采用強化學習來設定計算和網絡資源的在線分配策略。而后,我們采用搜索剪枝方法,通過深度優(yōu)先遍歷來尋找多條線性鏈接,并基于一次遷移來確定每條線性鏈接上各模塊的執(zhí)行位置,進而確定整個應用拓撲中各模塊的計算遷移方案。模擬實驗表明與在線貪心策略相比,基于強化學習的在線資源分配策略具有明顯的優(yōu)越性。同時,搜索剪枝得出的計算遷移方案能達到最佳遷移方案性能的90%。其次,本文分析了可模型化并行應用在進行計算遷移后,結合移動端和云端進行分布式執(zhí)行時的傳輸調度問題。結合應用中各模塊的計算遷移決策方案,我們設計了一個兩層的啟發(fā)式決策算法。其中外層采用上述的搜索剪枝方法,確定各模塊的計算遷移方案。而在內層首先挑選需要同時跨網絡傳輸?shù)倪?綜合考慮每條邊的最晚開始時間及數(shù)據(jù)傳輸量,采用貪心算法設計跨網絡的數(shù)據(jù)傳輸策略。實驗證明,結合搜索剪枝及貪心設計的啟發(fā)式決策算法,在滿足實時性的前提下顯著降低了可模塊并行應用的響應時間。最后,為進一步提升基于CNN(卷積神經網絡)模型的圖像識別類應用的推理性能,本文圍繞計算遷移提出了圖片感知的分布式推理框架——IF-CNN。首先,為減小CNN模型的平均復雜度,我們從多個復雜度不同的CNN模型組成的模型池中選擇高效的模型來處理不同的輸入圖片。具體的,我們采用多任務學習方法來預測待選模型針對輸入圖片的top-1標簽概率,并以此來衡量待選模型處理此圖片的置信度。并基于此置信度,來選擇某閾值以上的最簡單的CNN模型進行處理。在挑選高效的處理模型之后,我們根據(jù)移動端和云端的網絡狀況來實現(xiàn)CNN模型的分布式推理。在此過程中,我們分別采用半精度推理和特征壓縮來實現(xiàn)了本地推理和中間結果傳輸兩個階段的優(yōu)化。實驗表明,IF-CNN能在基本不影響最終識別率的前提下,顯著提升CNN模型的推理性能。同時,IF-CNN中的模型選擇過程能與其它模型壓縮的相關工作互補,進一步提升該類模型的推理性能。本文以優(yōu)化移動應用的性能為目標,圍繞計算遷移提出了一系列的優(yōu)化方案來進一步減小應用的響應時間。首先,本文考慮到微云資源的有限性,采用了強化學習來設定多用戶接入時在線的資源分配方案及計算遷移策略。隨后,本文分析了可模塊并行應用的特點,設計了其在計算遷移之后的傳輸調度策略。最后,為進一步提升CNN的推理性能,提出基于計算遷移提出圖片感知的分布式推理框架。我們希望本論文中的研究工作可以對移動云領域的發(fā)展及技術推廣提供一些參考和幫助。
【學位授予單位】：中國科學技術大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：TP183;TP393.09
【圖文】：

，。線網絡質量較差時，減小移動端與云端之間的數(shù)據(jù)交互，保障應用的性能。基于逡逑以上分析，計算遷移模式能夠更好地適用變化多端的移動云環(huán)境。然而，對于移逡逑動云計算中“云”的概念，不同研宄人員有著不同的見解。（１）最常見的觀點認逡逑為，為移動設備提供計算遷移服務的云即公有云（亞馬遜、微軟、阿里巴巴等構逡逑建的面向企業(yè)或個人的云服務）的服務器。一般情況下，云數(shù)據(jù)中心計算資源豐逡逑富，但與移動端間的網絡距離較遠，網絡延遲和網絡帶寬不夠穩(wěn)定。（２）除常見逡逑的云數(shù)據(jù)中心觀點之外，來自卡內基梅隆大學的Ｓａｔｙａｎａｒａｙａｎａｎ［１提出利用移動逡逑設備周圍的空閑服務器（簡稱微云，ｃｌｏｕｄｌｅｔ）來提供計算遷移服務，利用其與逡逑移動設備間高帶寬、低延遲的網絡連接為延遲敏感類應用提供更優(yōu)越的用戶體逡逑驗。（３）另有一些研宄人員認為，可利用周圍其他空閑可信的移動設備組成自組逡逑織的“云”，同樣提供計算遷移服務。這類研宄者認為由大量智能移動設備自組逡逑織而成的對等網絡能夠互相提供富余的計算，從而共同解決一些問題，如大型災逡逑難后網絡基礎設施被破壞后的應用場景。如圖Ｌ１所示，本論文將著眼于上述第逡逑一類和第二類所定義的移動云計算場景。逡逑

主要介紹基于計算遷移的移動云這一研宄領域的產生及特點，并對逡逑論文的研宄問題及內容進行了詳細闡述，隨后介紹了全文的組織結構。逡逑第二章，概括了移動云計算領域的相關研宄工作，主要從移動云計算的系統(tǒng)逡逑架構、應用場景、優(yōu)化目標等方面對現(xiàn)有工作進行了分類和總結。逡逑第三章，在微云場景下，站在移動云服務提供商的角度，最大化接入同一微逡逑云的多個用戶的用戶體驗。為解決該問題，我們首先設計了基于強化學習的在線逡逑資源分配策略，為陸續(xù)接入的多個應用分配相應的計算和網絡資源。而后，我們逡逑采用搜索剪枝，基于一次遷移的理論找到應用中各模塊的計算遷移方案。實驗表逡逑明，相較于在線貪心，我們提出的解決方案表現(xiàn)出明顯的優(yōu)越性，且搜索剪枝方逡逑法得出的計算遷移方案能達到最佳遷移方案性能的９０％。逡逑第四章，針對可模塊并行的應用，將模塊間跨網絡的數(shù)據(jù)傳輸策略集成到只逡逑包含各模塊執(zhí)行地點的計算遷移方案中，形成最終的擴展后的計算遷移方案。具逡逑體地，我們設計一個兩層的啟發(fā)式決策算法，其中外層通過搜索剪枝來枚舉出可逡逑行的模型執(zhí)行地點。而內層在設計跨網絡傳輸策略時，采用貪心算法以滿足實時逡逑性需求。綜上，我們結合了搜索剪枝及貪心兩類算法，在滿足實時性需求的前提逡逑

．２．３自組織移動設備組成資源云的移動云架構逡逑解決移動設備和云數(shù)據(jù)中心之間網絡傳輸質量較低的問題，除了利用附近的微云這個想法外，還有其他研宄人員提出“資源云”，即將相鄰備組織連接起來，互相共享資源［１７］。然而，由于資源云是移動設備自建，這樣原本由云端或微云實現(xiàn)的管理功能（如資源監(jiān)控和管理、任務）自然落在了移動設備之上。因此，基于這一架構的移動云將不可避免移動設備的能耗。同時，由于移動設備可能會頻繁加入或退出、參與計認證也比較復雜，這種架構在真實場景下難以實現(xiàn)。自組織移動設備組的移動云架構如圖２．３所示。逡逑

【相似文獻】

相關期刊論文 前10條

1 韋德昌;;Oracle數(shù)據(jù)庫應用系統(tǒng)的性能優(yōu)化[J];數(shù)碼世界;2017年04期

2 ;90天完成性能優(yōu)化——Mercury為SAP提供服務[J];每周電腦報;2004年18期

3 ;產品性能優(yōu)化技術的新進展[J];CAD/CAM與制造業(yè)信息化;2003年09期

4 ;簡單易用網絡性能優(yōu)化軟件[J];網絡與信息;1999年10期

5 楊少波;硬盤子系統(tǒng)性能優(yōu)化[J];微計算機應用;1989年05期

6 林海;;飛機性能優(yōu)化理論的實用化[J];飛行力學;1989年01期

7 林丁報;;ASP.NET Web應用性能優(yōu)化淺析[J];科技創(chuàng)新導報;2013年12期

8 張慶紅;程國建;;基于遺傳算法的神經網絡性能優(yōu)化[J];計算機技術與發(fā)展;2007年12期

9 林興國;葉昌漢;;基于移動互聯(lián)網的物聯(lián)網應用無線性能優(yōu)化研探析[J];信息通信;2017年05期

10 曉慧;;本本性能優(yōu)化圣手[J];電腦知識與技術(經驗技巧);2012年01期

相關會議論文 前10條

1 李銳;;網絡性能優(yōu)化的探討與實現(xiàn)[A];中國煙草學會2016年度優(yōu)秀論文匯編—— 信息化管理主題[C];2016年

2 蘇秀平;陳江平;陳芝久;;間冷式冰箱性能優(yōu)化試驗研究[A];上海市制冷學會二○○一年學術年會論文集[C];2001年

3 代桂平;殷保群;奚宏生;周亞平;;受控M／G／1排隊系統(tǒng)的性能優(yōu)化[A];第二十二屆中國控制會議論文集（下）[C];2003年

4 葛網華;周煒;郭乃網;張婷;;智能配用電大數(shù)據(jù)系統(tǒng)工程實施與性能優(yōu)化[A];2017智能電網新技術發(fā)展與應用研討會論文集[C];2017年

5 潘飛;周進雄;;借助MATLAB實現(xiàn)某機械超構材料的仿真和性能優(yōu)化[A];中國力學大會-2015論文摘要集[C];2015年

6 宋振龍;謝徐超;劉妍;肖立權;;固態(tài)盤寫性能優(yōu)化技術研究[A];第十七屆計算機工程與工藝年會暨第三屆微處理器技術論壇論文集（上冊）[C];2013年

7 奚宏生;唐昊;殷保群;周亞平;;Markov控制過程在緊致行動集上的性能優(yōu)化[A];第二十一屆中國控制會議論文集[C];2002年

8 李彥;王屹;徐繼明;;ERP系統(tǒng)的性能優(yōu)化[A];全國煉鋼連鑄過程自動化技術交流會論文集[C];2006年

9 廖兆澤;;淺談ERP報表性能優(yōu)化[A];第22屆全國煤礦自動化與信息化學術會議暨第4屆中國煤礦信息化與自動化高層論壇論文集[C];2012年

10 趙海波;楊昭;方箏;徐振軍;;燃氣壓縮式熱泵系統(tǒng)全年季節(jié)性能優(yōu)化[A];中國制冷學會2007學術年會論文集[C];2007年

相關重要報紙文章 前10條

1 陳翔;性能優(yōu)化只能救火[N];中國計算機報;2007年

2 陳洪康 郭寶群 李雪梅;淺談VLDB性能優(yōu)化與維護[N];人民郵電;2001年

3 全國軋鋼技術知識競賽組委會專家組;用工藝優(yōu)化實現(xiàn)產品性能優(yōu)化[N];中國冶金報;2006年

4 范范　編譯;10個關鍵的MySQL性能優(yōu)化技巧[N];網絡世界;2012年

5 奧創(chuàng)利高級開發(fā)工程師 Robert A. Aekins 奧創(chuàng)利高級產品經理 Gregg Lafontaine;六類系統(tǒng)性能優(yōu)化“秘笈”[N];計算機世界;2002年

6 通訊員 張南京　本報記者 張超義;減負提速 系統(tǒng)健康運行添保障[N];國家電網報;2012年

7 ;綠色數(shù)據(jù)中心實現(xiàn)負載均衡和性能優(yōu)化[N];人民郵電;2008年

8 愛立信(中國)有限公司;愛立信助深圳移動提升EDGE網絡性能[N];通信產業(yè)報;2007年

9 邱曉理;Oracle數(shù)據(jù)庫系統(tǒng)性能優(yōu)化策略[N];計算機世界;2006年

10 戴威 王勤 趙新冬 劉沂訓;多媒體數(shù)據(jù)傳輸質量評測和性能優(yōu)化[N];中國信息化周報;2015年

相關博士學位論文 前10條

1 疏官勝;移動云中基于計算遷移的應用性能優(yōu)化研究[D];中國科學技術大學;2019年

2 黃山;基于云計算的大數(shù)據(jù)學習性能優(yōu)化技術研究[D];東北大學;2016年

3 何舟;確定性時延Petri網帶權標記圖的性能優(yōu)化[D];西安電子科技大學;2017年

4 毛宏燕;基于部分計值的服務性能優(yōu)化研究[D];上海交通大學;2006年

5 魏丫丫;Web傳輸?shù)男阅軆?yōu)化[D];清華大學;2006年

6 張琦;多核系統(tǒng)中的程序性能優(yōu)化研究[D];中國科學技術大學;2010年

7 張明;龍芯平臺上高性能計算的性能優(yōu)化關鍵問題研究[D];中國科學技術大學;2017年

8 那俊;基于兩階段適應的ASBS性能持續(xù)優(yōu)化方法研究[D];東北大學;2011年

9 賈海鵬;面向GPU計算平臺的若干并行優(yōu)化關鍵技術研究[D];中國海洋大學;2012年

10 張雷;嵌入式系統(tǒng)性能優(yōu)化若干問題研究[D];電子科技大學;2010年

相關碩士學位論文 前10條

1 彭搏宇;面向集中式蜂窩網絡的LTE基帶系統(tǒng)移植驗證與性能優(yōu)化[D];云南大學;2017年

2 孫紹武;基于有機—無機雜化鈣鈦礦材料的阻變存儲器行為研究及其性能優(yōu)化[D];東北師范大學;2018年

3 范鐸;企業(yè)持續(xù)集成管理工具改進研究與實現(xiàn)[D];北京交通大學;2018年

4 于汝杰;基于RDMA技術的Spark系統(tǒng)Shuffle性能優(yōu)化[D];國防科學技術大學;2017年

5 常賀;基于OPENFLOW的網絡性能優(yōu)化技術研究與開發(fā)[D];北京郵電大學;2013年

6 王林;面向資源成本的云應用性能優(yōu)化決策方法及應用[D];東北大學;2015年

7 張郁;基于DPDK實現(xiàn)企業(yè)網絡性能優(yōu)化的研究與設計[D];鄭州大學;2018年

8 張許雅;譜域OCT系統(tǒng)性能優(yōu)化的關鍵技術研究[D];南京航空航天大學;2018年

9 楊偉光;GPU的資源與性能優(yōu)化策略研究[D];大連理工大學;2018年

10 馮軒;基于Docker技術的Hadoop性能優(yōu)化研究[D];南京郵電大學;2018年

本文編號：2774884