英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料
摘要
通过利用本地附近可用设备的异构资源，在计算密集型任务执行方面不断增加各种移动设备的研究活动，创建了一个新的研究领域，称为移动ad hoc云（MAC）或移动云。它是一种新型的移动云计算（MCC）。MAC被认为是未来计算密集型应用的候选蓝图，其目标是为移动用户提供高功能和丰富的印象深刻的体验。然而，MAC还处于起步阶段，还缺乏对该领域的全面调查。本文综述了MAC领域的最新研究成果。我们分析了阻碍MAC采用的几个问题，并通过设计一个分类法来回顾相应的解决方案。此外，MAC根被分析和分类为架构组件、应用程序、目标、特性、执行模型、调度类型、形成技术和节点类型。通过比较突出的优缺点，分析了现有解决方案的异同，我们也比较了基于目标的文献。再者，通过分析了几个新的原则，我们的研究主张这些问题的出现来源于MAC的内在特征。最后，提出了激励机制、异构软件任务分配、移动性、最小数据交换、安全性和隐私性等开放性研究挑战。
关键词
移动云计算；移动自组织云；云计算；移动云；自组织云计算
一、导言
随着计算技术的飞速发展和日益小型化，移动设备的能力在过去几年里有了显著的提高[1]。同时，移动应用程序在本质上也变得更加复杂和复杂[2]。尽管在容量方面不断发展，移动设备在内存、运算能力、网络带宽和电池寿命方面与桌面计算机系统相比仍有局限性[3]。这些限制阻碍了高清晰度游戏和视频流等计算密集型应用程序的持续执行。为了使移动设备能够充分利用云计算所提供的服务和资源，缺陷可能会不堪重负 [4]。这种利用云资源和服务来增强移动设备能力的方法被称为MCC[5]。在MCC中，移动设备将其数据处理、应用程序执行和数据存储任务迁移到云端，并且只显示结果[6]。它增强了移动设备运行计算密集型应用程序的能力。然而，因为薄弱、间歇性的网络连接或根本没有可用性的互联网[7]，依赖云服务器的执行应用程序并不总是可行的。在这种情况下，移动ad hoc云（MAC）出现并发挥其运行计算密集型应用程序的作用[8]。为了有效地执行这些应用程序，MAC利用一组移动设备的共享资源，这些设备通常有一些共同的目标[9]。
尽管进行了大量的研究工作，MAC的研究仍处于初级阶段。为了实现最佳的任务分区和加载、高效的资源管理、容错、异构性感知任务分配、移动管理、身份验证、授权，并确保移动设备上个人数据的隐私，对他的研究是十分有必要的。
尽管有几项调查已经研究了MCC的各个方面[10-17]，但有一种名为MAC的新型MCC还没有被调查。据我们所知，这是第一次关于MAC的调查。本文的主要作用如下：
（1）综述了MAC领域的最新研究成果；
（2）分析了阻碍MAC应用的几个问题，并通过设计分类法对相应的解决方案进行了评述；
（3）我们通过强调优点和缺点来比较现有的建议解决方案；
（4）我们在对MAC进行调查的基础上设计了另一个分类；
（5）我们根据目标比较文献；
（6）我们确定并讨论了成功部署MAC的关键原则；
（7）我们提出了开放的挑战，作为未来的研究方向。
本文的其余部分安排如下：第2节介绍了MAC的背景；第3节中强调了MAC的重要性和动机；第4节介绍了MAC领域的最新研究成果；第5节阐述了MAC的分类。第6节确定并阐述了成功部署MAC的关键原；第7节讨论了开放研究的问题和挑战；第8节总结了论文。
二、背景
本节简单的提供了与云计算、MCC和MAC相关的必要背景信息。目的是让读者熟悉新兴的计算模式。
2.1云计算
云计算是一种提供无处不在的、方便的、按需的网络访问的范例，只需最少的管理工作或服务提供商交互，就可通过共享的计算资源池（如网络、服务器、存储、应用程序和服务）快速反应和发布，正如国家标准与技术研究所述[18]。图1描述了云计算的典型环境。云计算为用户提供了在第三方数据中心存储和处理数据的不同能力[19,20]。它专注于以按需方式优化动态共享资源的有效性[21]。例如，在北美用户使用特定应用程序（如Web服务器）工作时分配给他们的云计算资源，可以在使用不同应用程序（如电子邮件）进行相应的工作计时分配给他们的欧洲同行。
2.2移动云计算
移动云计算已经成为一种分布式计算范式，它通过增加受限移动设备的资源来实现计算密集型应用程序的执行[22]。图2阐明了MCC的简化环境。MCC通过使用各种增强策略（如
：存储增强、能量增强、屏幕增强和应用处理增强）来减轻移动设备的资源限制[23]。它有三种计算模型来增加移动设备的资源：
- 远程云；
- 基于服务器的微云；
- 移动ad-hoc 微云[11,24]。
在第一个模型中，移动设备充当瘦客户端，同时通过无线技术访问云[25]。该模型具有计算时间短、计算能力强、资源按需可用等优点[26,27]。然而，应用程序可能会遭受高延迟、抖动和数据包丢失[26]。在第二种情况下，移动设备将其计算加载到本地可用的资源丰富的设备（如服务器）。在没有任何基于服务器的微云的情况下，移动设备共享其资源以支持计算密集型应用程序的执行，这种计算模型被称为MAC[28]。
2.3移动自组织云或移动云
移动自组织云是附近的一组移动设备，它们愿意通过采取图3所示的一些激励措施来彼此共享资源。MAC是一种新型的MCC。它通常部署在移动ad hoc网络上[29]，这允许通过利用其他移动设备的资源来执行计算密集型应用程序[9]。作为另一种解决方案，MAC是一种新兴的范例，它可以缓解基于服务器的微云的一些瓶颈，例如更长的延迟和低吞吐量。此外，MAC为移动设备提供了一个可行的解决方案，在没有到远程云的无线网络连接或附近基于服务器的cloudlet不可用时执行应用程序。在MAC中，移动设备除了执行应用程序外，还需要管理云、认证用户、监控资源和调度任务。这些附加功能消耗移动设备能量和处理器周期。最后，个人电脑和机顶盒等本地固定设备也可以成为MAC的成员[30]。
三、移动AD HOC云的激励方案
MCC的最新进展为一种称为MAC的新计算范式铺平了道路。MAC通过利用本地附近可用移动设备的服务和资源，使用户能够运行其实时的计算密集型任务。为了提高MAC的性能，实时计算密集型任务被划分并分配给参与设备。
MAC的动机可以通过实时会议出席的例子来表达[30]，其中移动用户拍摄参与者的快照，并将捕捉到的面孔与存储的照片相匹配，目的是确定谁在参加哪个会议。此外，在组织工作规划方面，会议组织者希望在不同的会议上了解与会者的最新情况。在这种情况下，移动用户可能没有足够的资源（如通信带宽和功率）在其个人设备上执行此任务。因此，他决定组建一个MAC来实时执行特定的任务。让我们假设每次会议有50人参加，其中10人愿意参加MAC。假设在使用或不使用MAC的情况下，完成任务需要以下步骤：
（1）检测快照中的人脸数量，并为每个人脸裁剪一个小图像；
（2）分别提交每个人脸进行识别；
（3）将与会者列表返回给用户。
假设第一步需要15秒，第二步需要10秒，第三步需要6秒，移动用户需要15 10*50 6=521秒，而不需要使用MAC来完成任务。另一方面，任务将被划分为10个MAC贡献者（提供者节点），因为任务2可以分布在10个提供者之间，因此时间将大大减少。如果我们假设与所有提供节点的通信开销为3s，那么与MAC的总时间将为15 3 10*5 6=74s。
这个场景清楚地说明了MAC的采用如何能够实现计算密集型任务的实时执行。然而，仍有一些挑战有待解决。移动设备形成MAC的发现是需要关注的首要问题。此外，优化任务划分和加载、有效的资源管理、容错、异构软件任务分配、移动性管理、身份验证、授权以及确保移动设备上个人数据的隐私性是其他需要解决的常见挑战。
四、MAC的最新技术
如前所述，MAC还处于初级阶段，关于这个主题的文献非常有限。本节的目的将讨论在MAC领域进行的这些研究工作。在这种情况下，我们研究了阻碍采用MAC的几个问题，并通过设计如图4所示的分类法来审查相应的解决方案。此外，我们还比较了现有的解决方案，分别是在加载任务、任务调度和分配、MAC形成、安全和隐私、移动性和概念、表1到6中的资源管理等方面。
4.1装载任务
作者在[7]中主要讨论了如何在MAC中加载计算密集型应用程序的决策问题。为了解决这一问题，提出了一套在线和批量调度的启发式算法，即MinHop、MetComm、MCTComm、MinMinComm、MaxMinComm和SufferageComm，以动态方式在节点间加载独立的任务。MinHop启发式根据来自客户端节点的最少跳数分配任务。MetComm启发式将任务分配给可以用最少执行时间完成任务的设备。MCTComm启发式基于设备上的最小预期完成时间分配任务。剩下的启发式方法考虑到通信成本，被用来分配任务。为了研究所提出的启发式算法的性能，使用了不同的度量，如平均makespan、平均等待时间、平均减速和平均利用率。结果表明，在映射任务时，必须考虑预期的完成时间。此外，所提出的启发式算法在性能方面是有效的，但问题的关键是复杂性。
4.2任务调度与分配
文章在[32]提出了解决异构无线环境下任务分配问题的算法。这项研究的目的是通过确定是否需要被分配或不需要被执行的设备来最小化整个任务集合的平均任务响应时间。此外，该算法在分配任务时还考虑了通信延迟、处理延迟和排队延迟等参数。进一步证明了任务分配问题是NP-hard问题，并提出了fline集中式和在线分布式两种求解方法。在不同的场景下，结果在响应时间方面非常有希望。尽管所提出的方法有许多优点，但不平衡负载平衡问题仍将是未来需要解决的一个具有挑战性的问题。
M． D、 Kristensen等人在[33]中提出了一个新的基于网络搜索的系统，称为清道夫，它支持参与通信的节点之间的任务分配和调度机制。为了执行调度，清道夫考虑了多个因素，如数据位置、网络能力、设备强度和任务复杂性。此外，时间表还可以确定任务执行在本地设备上或在远程环境中是否可行。所提出的系统在移动应用程序执行方面表现出显著的性能改进，并且节省了能源消耗。然而，在清道夫中调度一个小任务会导致时间浪费，因为它需要的时间比实际的执行时间多。
研究人员在[34]中的提出了本地移动云中的高能高效任务调度问题。在此背景下，提出了一种自适应概率调度器，该调度器通过满足任务的时间约束来帮助调度不同的任务，同时保持计算密集型实时应用的低能耗。所提出的调度器可以提供许多优点，如能源效率调度、可扩展性和灵活性。然而，复杂度高是缺点之一。
文章在[28]提出了一种新的任务分配机制，以降低能量消耗和计算成本。此外，还建立了两阶段Stackelberg博弈来确定从节点愿意提供的执行单元的数量，而主节点根据其共享资源为不同的从节点设置价格策略。虽然提出的解决方案有助于解决ad hoc移动云环境下的任务分配问题，但在分配任务时不考虑移动设备的资源和操作异构性是其缺点之一。
4.3MAC形成
作者在文[9]提出了c协议，负责MANET上p2p移动云的管理和部署。为了建立MAC，c-protocol协议使用四种类型的消息，如cloud setup、add provider、add customer和cloud setup。该协议对移动节点进行动态管理。在无基础设施的环境下，移动节点可以利用MAC平台提出的体系结构，方便地划分计算密集型任务执行。MAC的建立可以提供一些优势，如普遍性、可用性、可负担性、机会和自发性。然而，诸如如何说服用户通过其移动设备作为提供商节点进行分配和轻量级信息形成等挑战需要引起注意。
[35]中提出了一个名为Transient Cloud的协作平台，它允许附近的移动设备形成一个移动自组织网络并共享其资源。此外，还提出了在ad hoc云中执行任务分配的匈牙利方法的改进版本，该方法具有负载平衡和并行执行等优点。该平台允许用户使用附近的移动设备创建MAC。目前的技术只允许部分实现云计算，但仍能显示MAC的潜力。
E. F. Ord′otilde;nez-Morales等人在[36]提出了一个零星的基于云的移动增强（S-CMA）解决方案，使用户能够从移动设备的临时集群中借出资源。虚拟化层用于解决集群移动带来的复杂性。S-CMA支持在移动自组织集群中共享和分配资源。此外，它为现有的方法提供了一个解决方案，这些方法可以提高移动用户适应移动ad hoc集群平台的体验。此外，提出的S-CMA有助于解决与传统CMA相关联的许多挑战，例如显著的计算、将计算密集型任务迁移到远程服务器的通信成本以及网络延迟。尽管S-CMA具有许多优点，但诸如实现自主性和应对移动性问题等挑战仍有待研究。
[37]中提出了一种基于ad hoc cloudlet的游戏架构。体系结构由两个模块组成。第一个模块允许移动用户从云服务器或附近的移动用户下载游戏资源。第二个模块基于cloudlet的任务分配，使用户能够动态地在附近的本地可用移动设备上执行任务。为了解决这两个模块的问题，我们提出了一些算法，与基于云的游戏架构相比，这些算法可以使能耗成本最小化。该算法的唯一问题是在分配任务时忽略了移动设备的异构资源，形成移动ad hoc云计算
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[237031]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
