[论文解读] Unleashing the Power of Mobile Cloud Computing using ThinkAir

Sokol Kosta, Andrius Auçinas+3 more|arXiv (Cornell University)|May 16, 2011

IoT and Edge/Fog Computing参考文献 21被引用 50

一句话总结

ThinkAir 是一种移动云计算框架，通过虚拟机（VM）克隆和并行执行，实现动态的、细粒度的方法级代码卸载。通过按需动态分配和管理多个虚拟机，它使计算密集型任务（如 N-皇后问题和人脸检测）的执行时间与能耗降低两个数量级。

ABSTRACT

Smartphones have exploded in popularity in recent years, becoming ever more sophisticated and capable. As a result, developers worldwide are building increasingly complex applications that require ever increasing amounts of computational power and energy. In this paper we propose ThinkAir, a framework that makes it simple for developers to migrate their smartphone applications to the cloud. ThinkAir exploits the concept of smartphone virtualization in the cloud and provides method level computation offloading. Advancing on previous works, it focuses on the elasticity and scalability of the server side and enhances the power of mobile cloud computing by parallelizing method execution using multiple Virtual Machine (VM) images. We evaluate the system using a range of benchmarks starting from simple micro-benchmarks to more complex applications. First, we show that the execution time and energy consumption decrease two orders of magnitude for the N-queens puzzle and one order of magnitude for a face detection and a virus scan application, using cloud offloading. We then show that if a task is parallelizable, the user can request more than one VM to execute it, and these VMs will be provided dynamically. In fact, by exploiting parallelization, we achieve a greater reduction on the execution time and energy consumption for the previous applications. Finally, we use a memory-hungry image combiner tool to demonstrate that applications can dynamically request VMs with more computational power in order to meet their computational requirements.

研究动机与目标

• 解决现有移动云框架（如 MAUI 和 CloneCloud）在可扩展性差或预处理要求僵化方面的局限性。
• 在移动云环境中实现按需、弹性资源分配，以满足不断变化的应用工作负载和截止时间要求。
• 通过自动创建、管理并销毁多个 VM 实例，支持方法级计算的动态并行化。
• 通过智能代码卸载和基于 VM 的并行计算，降低移动应用的能耗和执行时间。
• 提供轻量级、可扩展的框架，对开发者的代码修改极少，同时支持安全高效的远程执行。

提出的方法

• 在云中使用完整的智能手机操作系统虚拟化，将每个 VM 视为客户端设备的克隆，以确保二进制兼容性。
• 采用动态 VM 管理器，根据工作负载需求和资源可用性，按需创建、恢复、挂起和销毁 VM。
• 应用方法级代码卸载，仅将特定方法迁移至云端，最大限度减少数据传输开销。
• 将计算密集型任务（如 N-皇后问题、病毒扫描）拆分至多个 VM，实现并行执行和负载均衡。
• 集成性能分析工具和编译器工具链，识别可卸载的方法，并通过元数据标注代码以支持远程执行。
• 通过共享密钥和计划中的加密机制支持安全远程执行，以保护隐私敏感数据，未来将支持 SecureRemoteable 类。

实验结果

研究问题

• RQ1 移动云计算框架如何支持按需、弹性分配计算资源，以满足动态的应用需求？
• RQ2 在移动云卸载中，跨多个 VM 的并行执行在多大程度上能减少执行时间和能耗？
• RQ3 与进程级或应用级卸载相比，使用完整操作系统虚拟化的细粒度方法级卸载能否实现更好的可扩展性和更低的开销？
• RQ4 VM 创建、数据传输和同步的开销如何影响不同类型移动应用的性能？
• RQ5 可采用哪些机制来优化数据传输并确保远程方法执行的安全性，同时不损害性能？

主要发现

• 在使用多个 VM 进行云端卸载时，N-皇后问题的执行时间和能耗降低了两个数量级（100 倍）。
• 对于人脸检测和病毒扫描应用，ThinkAir 实现了执行时间和能耗降低一个数量级（10 倍）。
• 跨多个 VM 的并行执行显著提升了性能，但由于同步和通信开销，当 VM 数量超过 4–8 个后，性能增益开始递减。
• 该系统展示了有效的按需 VM 配置能力，动态扩展机制可高效处理内存密集型和 CPU 密集型工作负载。
• 能效因网络类型而异，3G 在大数据传输场景（尤其是高并行化场景）下比 WiFi 更具能效优势。
• 框架保守的数据传输策略（传输完整对象状态）被识别为性能瓶颈，目前正通过静态分析和数据缓存技术进行优化。