国际计算机与通信工程创新研究杂志
菜单在线刊号(2320-9801)印刷刊号(2320-9798)
在线刊号(2320-9801)印刷刊号(2320-9798)
纯矿物Padwal1文殊里·马哈詹2
|
| 有关文章载于Pubmed，谷歌学者 |
更多相关文章请访问国际计算机与通信工程创新研究杂志
云计算是信息技术中一个相对较新的趋势，它正在迅速发展，涉及到通过Internet等网络提供服务(我们称之为资源)。移动计算这是智能手机和平板电脑等移动设备被认为将结合网络连接、移动性和软件功能来取代个人电脑的另一个领域。在不久的将来，这些设备将取代传统的台式机和笔记本电脑设备，并在不同的网络提供商之间轻松切换。为了始终保持网络的连通性，可以使用不同的服务切换机制，使用户可以不间断地访问云服务。但是如果考虑到用户的移动性，那么当用户使用这些移动设备在地理上移动到不同的位置时，他就会连接到本地云以访问云服务。由于这种移动性因素，网络拥塞可能会增加，从而导致QoS下降。不同的云提供商无法像在单个服务器上运行服务那样，轻松构建多个云来服务不同的地理区域。因此，将考虑一种新的服务交付方法，它将提高QoS，以便为客户端提供更好的QoE，为提供商提供更好的负载管理，并有助于减少全球范围内的网络拥塞。本文给出了一个见解，即当某个位置对特定服务的需求增加时，使用分析框架将这些服务移到该位置附近可能会更有效。这将有助于减少多媒体流带来的高流量负荷，并为服务提供者提供自动化的资源分配和管理机制。
关键字 |
||||||
| 移动计算，Web服务，通信系统流量控制 | ||||||
介绍 |
||||||
| 云计算指的是通过互联网交付计算资源，其中大量远程服务器联网，以实现集中数据存储，并在线访问计算机服务或资源。云服务可以通过互联网从云提供商的机器上按需提供给用户，我们称之为服务器。这些服务器旨在提供对应用程序、服务和资源的简单、可伸缩的访问，并完全由云服务提供商管理。云服务提供商提供云计算的某些组件，通常是基础设施即服务(IaaS)、软件即服务(SaaS)或平台即服务(PaaS)。 | ||||||
| Amazon弹性计算云(EC2):是一种在云中提供可调整的计算能力的web服务。它旨在使开发人员更容易进行web规模的云计算，并且是简单的web服务接口，允许您以最小的摩擦获取和配置容量。Amazon EC2将获取和启动新服务器实例所需的时间缩短到几分钟，允许您根据计算需求的变化快速扩展容量。它通过允许您仅为实际使用的容量支付[4]来改变计算经济学。 | ||||||
| iCloud:是一种云存储和云计算服务，允许用户将音乐和iOS应用程序等数据存储在远程计算机服务器上，以便下载到多个设备。它还可以作为电子邮件、联系人、日历、书签、笔记、提醒、iWork文档、照片和其他数据的数据同步中心雷竞技网页版。这项服务还允许用户将iOS设备无线备份到iCloud，而不是通过iTunes[3]手动备份。 | ||||||
| 移动设备(如智能手机、平板电脑等)作为不受时间和地点限制、可通过无线网络获得服务的最有效、最便捷的通讯工具，正日益成为人类生活中必不可少的一部分。移动云计算是弥合移动多媒体需求和移动设备能力之间日益扩大的差距的一个有前途的解决方案。因此，当涉及到以视频形式提供的数据时，云不仅允许其客户访问点播视频，还允许以服务形式的应用程序查看和操作它。 | ||||||
| 本文是基于云的移动媒体服务交付。在这种情况下，服务主要在本地云上进行填充。根据用户的需求，本地云上的媒体服务有能力将这些服务移动到附近的云上。这样可以减少网络上的流量拥塞，从而提高网络的QoS，为客户端提供更好的QoE。 | ||||||
相关工作 |
||||||
| 媒体边缘云(Media-Edge Cloud, MEC)是最近提出的一种提高云技术性能的架构。该架构旨在提高多媒体应用的QoS和体验质量(Quality of Experience)。这是通过运行在更大的云边缘的服务器的“Cloudlet”来实现的。这种架构主要处理更接近云边缘的请求，因此有助于减少延迟。如果需要进一步处理，则请求被发送到内部云，因此“cloudlet”被保留给QoS敏感的多媒体应用程序。这样做的目的是在云内部划分网络层次结构，使靠近云外部边界的物理机器能够处理QoS敏感服务。由于这些机器位于云的边界上，因此数据在发送到客户端之前必须在云内传输更短的距离。这不仅提高了客户端的QoE，而且还减少了云中的网络拥塞。 | ||||||
| 但是，这种MEC的概念并没有考虑到用户的移动性，以提高云性能。此外，目前所有的研究都假设只有一个实体(提供商)控制着一个云，因此不同的提供商无法以提高其硬件利用效率的方式“共享”资源。随着移动性和多媒体内容变得越来越流行，高带宽数据流将不得不传输很远的距离并到达移动的目标，这可能会在未来引发问题。云提供商可能会发现自己的硬件资源不足，他们可能不得不创建更多的云来处理负载并缓解网络拥塞。 | ||||||
| SML (Service Management Layer):处理如何在云中注册服务。这还包括云提供商和服务提供商之间的整体服务和安全级别协议(SSLA)以及唯一的服务ID。 | ||||||
| 服务订阅层(SSL):处理客户端对服务的订阅，并保存处理订阅的信息，如用户id、单个客户端订阅的服务列表以及客户端与服务之间关联的客户端sla。 | ||||||
| 服务交付层(SDL):负责为个人客户提供服务。下面的层从该层接收有关连接到各个客户机以及填充云的指令。 | ||||||
| 服务迁移层(SMiL):负责云间服务迁移。它处理跨云的资源分配，以促进服务人群。它还包含在服务之间执行客户端连接切换的机制。 | ||||||
| 服务连接层:监视客户端和服务之间的连接。这一层的一些功能直接映射到OSI模型中的会话层。 | ||||||
| 业务网络抽象层(SNAL):使网络技术对上层透明，以简化和统一迁移过程。这一层的功能是充当服务交付框架和底层网络架构(如IP覆盖网络或新技术)之间的公共接口，这些网络将Internet划分为被外围无线网络包围的核心网络。 | ||||||
| 实现机制:为了收集QoS数据并了解特定区域的网络状况，我们使用了另一种机制，我们称之为QoS监视器。它被认为是SCL的一部分，并通过查询客户端网络条件来获取这些数据。我们在这里假设的机制可以将人类友好的服务名称解析为唯一的服务id。在SDL中，我们需要将服务订阅者连接到服务的正确实例以实现服务交付目的的机制。服务跟踪和解决方案(Service Tracking and Resolution, STAR)维护了服务id的记录，其中云的实例正在其中运行，并使用QoS跟踪的输入。STAR将使用这些信息，根据客户端的位置，决定哪个云更适合为客户端请求提供服务。STAR通过查找路由表来实现此功能，以确定哪个云更接近用户。使用STAR的服务交付机制如图2所示，服务拒绝新的客户端，并在可能的情况下将其转发到另一个云。这为服务提供商提供了控制权，也成为STAR做出错误决定时的应急机制。STAR服务器可以类似于DNS系统进行扩展，因为它本质上是相同类型的服务，只是有一些额外的参数。 Once a Cloud ID is found, then the ID is resolved into the IP addresses of the Cloud controllers that the client can contact to access the service. The process is shown in the Fig. 3. It should be noted that alternatively the Cloud ID can be returned to the client, at which point, the client will have a choice of which DNS to use to find the IP addresses[1]. | ||||||
分析方法 |
||||||
| 对于第一个，我们定义预取数据块的时间，它由: | ||||||
 |
||||||
| 在这个方程中，L是网络延迟，C是在缓存内内存和网络缓冲区之间复制数据的每个块时间。理想情况下，至少应该等于显示一帧视频数据所需的块数。在负载较轻的有线网络中，我们可以将这些值视为每个链路的常数。但是，在移动环境中，随着客户端移动和网络链接数量的增加而变化。我们可以将L表示如下: | ||||||
 |
||||||
| 式中，(Fn,s，θ)为客户端与服务之间的链路数量(n)所引起的延迟，每条链路上的网络带宽(Si)和每条链路上的网络负载(θi)， Fcloud为云内网络拓扑和层次结构引起的云延迟。如果预取块的时间大于设备消耗它们的时间，就会出现抖动。这可以表示为: | ||||||
 |
||||||
| 其中，(Tcpu)设备通过将一些块作为音频和视频帧播放来消耗它们所需的时间。(Tcpu)因此取决于所显示的视频类型和移动设备的硬件功能。我们现在用(1)和(2)中的表达式替换(3)中的Tprefetch。重新排列，我们得到: | ||||||
 |
||||||
| 详细研究网络延迟，对于每个链路我们都有传输延迟和排队延迟。因此，总网络延迟将是客户端和服务之间每个链路的延迟之和。因此，我们可以表示为: | ||||||
 |
||||||
| 如果我们将传输块大小表示为b，那么在链路上传输p个块的时间等于块的数量乘以块大小，再除以链路的带宽。 | ||||||
 |
||||||
| 在轻负载系统上，我们认为Fprotocol、Fcloud和Qi可以忽略不计 | ||||||
 |
||||||
| 设为软极限，我们的目标是为了防止抖动和SL是迁移时间。 | ||||||
 |
||||||
| 式中，为网络链路数增加时网络时延增加的速率。我们可以在移动设备上计算al，也可以在两云之间找到Mt。HL是由移动设备给出的，因此我们可以计算SL，找到在哪里设置QoS触发器进行业务迁移。我们可以直观地看到用户和服务之间不断增加的链接数量如何使连接接近QoS限制，以及我们如何使用软限制来触发服务迁移以防止这种情况。我们还可以看到，对于给定的迁移时间，我们需要调整SL，以便在迁移期间QoS不会达到HL[1]。 | ||||||
结论 |
||||||
| 本文研究了移动用户在未来网络中所面临的挑战。目前使用的服务交付模型不够充分，没有考虑到未来移动用户的需求。为了提供健壮、可扩展、高可用性和负载均衡的服务，提出了一种云存储系统。同时，系统还需要为多媒体应用和业务提供高质量的服务。该系统实现了分布式环境下的QoS，特别适用于视频点播业务。对于不同类型的设备和网络带宽的用户，通常提供不同的服务质量。我们相信，我们的实现将为用户提供更好的服务质量(QoS)和更好的体验质量(QoE)。 | ||||||
数字一览 |
||||||
|
||||||
参考文献 |
||||||
|
