چکیده
محاسبات ابری تلفنهمراه، ترکیبی از محاسبات تلفنهمراه و محاسبات ابری است و محیط محاسبات ابری را از طریق دستگاههای مختلف تلفنهمراه فراهم می‌کند. اخیرا به‌علت گسترش سریع بازار تلفن‌های هوشمند و محیط ارتباطات بی‌سیم، دستگاههای تلفنهمراه به‌عنوان منبعی برای پردازش توزیع شده در مقیاس بزرگتر در نظر گرفته می‌شود. اما دستگاههای تلفنهمراه مشکلاتی مانند اتصال بی‌سیم ناپایدار، محدودیت ظرفیت قدرت، پهنای باند ارتباطی پایین و تغییرات مکرر مکان دارند. به‌عنوان ارائه‌دهندگان منبع، دستگاههای تلفنهمراه می‌توانند به صورت غیرقابل پیش‌بینی به یکدیگر ملحق شوند و محیط محاسبات توزیع شده را ترک کنند. این مسئله، عملیات درحال اجرا را مورد وقفه قرار می‌دهد و تاخیر یا عدم تکمیل عملیات ممکن است یک سیستم را با شکست مواجه کند. به‌دلیل قابلیت اطمینان پایین و تکمیل عمل بدون تضمین، استفاده از یک دستگاه تلفنهمراه به‌عنوان یک منبع دشوار است. این بدان معناست که دستگاههای تلفنهمراه فرّار است. بنابراین، ما باید نوسانات را در نظر بگیریم، یکی از ویژگی‌های پویای دستگاههای تلفنهمراه این است که برای منابع پایدار تدارک دیده شده‌اند. دراین مقاله، ما یک روش نظارت بر اساس مدل زنجیره‌ی مارکوف، که منابع را تجزیه‌و‌تحلیل و پیش‌بینی می‌کند ارائه می‌کنیم. با روش نظارتی پیشنهادی و پیش‌بینی حالت، یک سیستم ابری در برابر خطای ایجاد شده به‌وسیله‌ی نوسانات دستگاههای تلفنهمراه پایدارتر است. روش پیشنهادی نوسانات دستگاه تلفنهمراه را از طریق مدل‌سازی الگوهای حالات گذشته کاهش می‌یابد و یک پیش‌بینی از حالت آینده‌ی دستگاه تلفنهمراه ارائه می‌دهد.
مقدمه
محاسبات ابری تلفنهمراه، محیط محاسبات ابری" پرداخت به‌اندازه‌ی مصرف" را با دستگاههای مختلف تلفنهمراه پیشنهاد می‌کنند که تحرک را پشتیبانی می‌کند. دستگاههای تلفنهمراه انواع مختلفی از دستگاه‌ها را بیان می‌کنند که تحرک دارند، مانند لپ‌تاپ‌ها، رایانه‌ی‌جیبی، رایانه‌های شخصی و تلفن‌های هوشمند. دستگاههای تلفنهمراه قبلی به‌علت قدرت باتری محدود و عملکرد کم CPU مورد توجه نبودند. بااین‌حال، قدرت محاسباتی آخرین دستگاههای تلفنهمراه همانند کامپیوترهای رومیزی است. ظرفیت باتری نیز در حال رشد است و تعداد کاربرانی که با دستگاههای تلفنهمراه کار می‌کنند به‌سرعت درحال افزایش است. به‌خصوص، بیشتر مردم از دستگاههای تلفنهمراه به‌طور منظم در دانشگاه و یا در دفتر استفاده می‌کنند. این روند محققان را به تلاش بیشتر برای استفاده از دستگاههای تلفنهمراه در پردازش ابری سوق داد.
پژوهش‌ها در زمینه‌ی استفاده از دستگاههای تلفنهمراه در محاسبات ابری می‌توانند به دستگاههای تلفنهمراه به‌عنوان رابط و دستگاههای تلفنهمراه به‌عنوان منابع طبقه‌بندی شوند. بسیاری از تحقیقات قبلی در محاسبات ابری تلفنهمراه به استفاده از دستگاههای تلفنهمراه به عنوان رابط متمرکز شده است. پژوهش در زمینه‌ی استفاده از دستگاههای تلفنهمراه به‌عنوان منابع در محاسبات ابری تلفنهمراه دستاوردهایی را کسب کرده است، چرا که جمعیت تلفن‌های هوشمند و یا دیگر کاربران دستگاه تلفنهمراه سریع رشد می‌کند. به‌منظور استفاده از دستگاههای تلفنهمراه به‌عنوان منبع، باید چندین مشکل، مانند اتصال بی‌سیم ناپایدار، محدودیت‌های توان، پهنای باند کم ارتباطات و تغییر مکرر محل حل شود. از آنجا که عضویت یا ترک یک دستگاه تلفنهمراه غیرقابل پیش‌بینی است، فرآیند نیز می‌تواند غیرقابل پیش‌بینی قطع شود. این وقفه باعث تاخیر در اتمام عملیات می‌شود و می‌تواند یک سیستم را دچار خطا کند. بنابراین، عملیات تکمیل بر روی دستگاههای تلفنهمراه تضمین شده نیست. این مسئله قابلیت اطمینان دستگاههای تلفنهمراه را کاهش می‌دهد و مانع استفاده از دستگاههای تلفنهمراه به‌عنوان منابع است. بنابراین، ویژگی‌های پویای دستگاههای تلفنهمراه باید به‌منظور تضمین استفاده‌ی پایدار از دستگاههای تلفنهمراه به‌عنوان منابع در نظر گرفته و حل شود. به‌منظور حل مشکلات فوق، تحقیقات قبلی بر تکنیک‌های تحمل خطا تمرکز کرده‌اند.
کارهای مرتبط
خدمات نظارت از مدل pull، و مدل push استفاده می‌کنند [1] [2]. در مدل pull، سرور یک پیام به‌منظور درخواست اطلاعات منابع به مشتری ارسال می‌کند، اما در مدل push، اطلاعات منابع از یک مشتری به یک سرور با توجه به سیاست نظارت بر سرور ارسال می‌شود. در مدل pull، سربار نظارت نسبتا کوچک است چرا که اطلاعات منابع هر زمان که اطلاعات منابع مورد نیاز است از یک مشتری درخواست شده است، اما این مدل دارای زمان پاسخ طولانی است و به‌طور گسترده در محیط‌های پویا استفاده نمی‌شود زیرا درخواست‌ها بدون در نظر گرفتن حالت به مشتریان ارسال می‌شود. در مدل push، اطلاعات نظارت به‌صورت آماری جمع‌آوری می‌شود، زیرا یک مدیر سیستم فواصل زمانی نظارت را تعیین می‌کند. اگر فاصله زمانی نظارت بسیار کوتاه باشد، سربار ناشی از جمع‌آوری اطلاعات نظارت افزایش می‌یابد، بااین‌حال این طرح نمی‌تواند اطلاعات حالت صحیح را در محیط‌های پویا حفظ کند درصورتی که فاصله بسیار طولانی است. بنابراین یک طرح نظارتی که می‌تواند فواصل زمانی نظارت در محیط‌های پویا را تغییر دهد پیشنهاد می‌کنیم.
مدل سیستم
معماری سیستم ابری تلفن همراه
محاسبات ابری تلفنهمراه ترکیبی از تلفنهمراه و محاسبات ابری است و یک محیط محاسبات ابری از طریق دستگاههای مختلف تلفنهمراه ارائه می‌دهد. بااین‌حال، توجه به مشکلاتی از قبیل عدم تجانس میان دستگاههای تلفنهمراه، پهنای باند شبکه پایین و اتصال بسیار متناوب، ادغام دستگاههای تلفنهمراه به‌طور مستقیم با محیط‌های ابری تلفنهمراه دشوار است. جهت وساطت بین دستگاههای تلفنهمراه و شبکه‌های سیمی، از یک پروکسی استفاده شده است. نقش میان‌افزار ابر تلفنهمراه به شرح زیر است: مکمل عملکرد ناکافی دستگاههای تلفنهمراه، اتصال دستگاههای تلفنهمراه به یک پلت‌فرم ابر و مدیریت دستگاههای تلفنهمراه. معماری ابر تلفنهمراه در شکل 1 ارائه شده است. تابع هر مولفه به شرح زیر است.
مدل سازی نظارت زنجیره ی مارکوف
تعریف اطلاعات منابع
قدرت پردازنده، حافظه، پهنای باند شبکه و محل، نمونه‌هایی از تغییر پویای اطلاعات منابع دستگاههای تلفنهمراه می‌باشد. اطلاعات جمع‌آوری شده از دستگاههای تلفنهمراه برای محاسبه‌ی نرخ مصرف از هر منبع ابر تلفنهمراه استفاده می‌شود. استفاده از CPU و استفاده از حافظه توسط فرمول زیر محاسبه می‌شود.
شبیه سازی
برای شبیه‌سازی محاسبه‌ی فواصل زمانی نظارت، یک ماژول نظارت با استفاده از جاوا، UNI، SIGARU، RxTx پیاده‌سازی کردیم. ماژول نظارت اطلاعات حالت از CPU، حافظه، باتری، پهنای باند شبکه و GPS جمع‌آوری می‌کند. پیکربندی یک دستگاه تلفنهمراه برای جمع‌آوری کسب اطلاعات به شرح زیر است:
CPU: Intel Duo P8600 فرکانس 2.4GHz، حافظه: 4GB، ذخیره‌سازی 120GB، LAN: 54Mbps GPS:BluetoothGPS. ما دقت پیش‌بینی حالت را با مقایسه اطلاعات حالت از دستگاههای تلفنهمراه با پیش‌بینی با استفاده از مدل زنجیره مارکوف و فواصل نظارت پویا اندازه‌گیری کردیم.
نتیجه گیری و کارهای آینده
محاسبات ابری تلفنهمراه از دستگاههای تلفنهمراه به‌عنوان منابع ناپایدار استفاده می‌کند چرا که به‌صورت پویا اطلاعات حالت تغییر می‌کند.
بنابراین تحمل خطا باید برای انجام عملیات پایدار و قابل‌اعتماد پشتیبانی شود. مانیتورینگ بسیار مهم است از آنجایی که اطلاعات برای محاسبه قابلیت اطمینان برای تحمل خطا مورد استفاده قرار می‌گیرد. برای مقابله با این خطا باتوجه به تغییرات پویای حالت منابع تلفنهمراه، آن یک استراتژی خوب برای تغییر فاصله زمانی نظارت به‌صورت پویا است.
در این مقاله، یک روش پیشنهادی برای تنظیم فواصل زمانی نظارت براساس مدل زنجیره‌ی مارکوف از حالت منابع تلفنهمراه ارائه کردیم. الگوریتم ویتربی را برای مدل‌سازی عمومی و اجتناب از جمع‌آوری اطلاعات حالت‌های غیرضروری اعمال کردیم. بنابراین روش پیشنهادی سربار خلاء مجموعه اطلاعات را کاهش می‌دهد.
برای کار آینده، یک الگوریتم تحمل خطا بااستفاده از روش پیشنهادی نظارت توسعه خواهیم داد.
این مقاله در سال 2011 در نشریه آی تریپل ای و در کنفرانس بین المللی کارگاه های آموزشی شبکه های اطلاعاتی پیشرفته و برنامه های کاربردی، توسط گروه آموزش علوم کامپیوتر منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله خدمات نظارتی مبتنی بر زنجیره مارکوف برای تحمل خطا در سایت ای ترجمه مراجعه نمایید.
