文摘

本文提出了一种新颖的电源管理解决方案的上下文中资源受限的设备上物联网(物联网)。我们专注于物联网的智能手机,因为它们是越来越受欢迎,配备了强大的感应能力。智能手机复杂,功耗异步发生异构组件包括车载传感器。他们的交互与云允许他们将计算任务和访问远程数据存储。在这项工作中,我们针对监控智能手机的功耗行为,剖析个人应用程序和系统作为一个整体,在电源管理做出更好的决策。我们设计一个云编排体系结构作为史诗预测行为的智能设备提取它们的应用特点和资源利用率。我们设计和实现该体系结构进行能量分析和数据分析大量数据日志。这个云编排结构坐标的云服务和支持服务组件之间的动态工作流,从而减少能源消耗的能源分析过程本身。实验结果表明,应用程序的一部分主导智能手机的能源消耗。启发式分析可以有效地减少能源消耗数据日志记录和通信没有翻松电力监测的准确性。

1。介绍

物联网是一个融合的技术,如传感器,IPv6,无线通信和互联网。任何现实世界的对象变得智能只要满足几个条件不限于唯一标识(1),(2)能够理解或开动,和(3)能够沟通1]。智能对象是构成挑战的发展研究团体在能源管理、安全(2),和数据分析。在这些挑战中,安全和隐私问题不仅影响技术系统设计水平,而且道德,行为,和政策水平。在数据分析方面,我们有强大的分析工具和先进的数据分析算法(3]。另一方面,能源管理更为复杂和混乱的考虑到不同的应用程序和使用模式,这是我们关注的焦点。

伯克利国家实验室能源效率定义为使用更少的能源来提供相同的服务4]。能源效率的必要性是高度不可避免的在几乎所有类型的组织在不同的部门和行业包括信息和通讯技术(ICT)。能源管理物联网(物联网)旨在减少电力,这是有利于许多行业减少电费。随着智能对象变得小,他们的小尺寸的电池为操作提供有限的权力。尽管智能电器处于空闲状态,可以间接地浪费大量的精力从长远来看,最终增加了电费。尽管ICT可以使能源效率在所有领域,目前市场几乎没有激励,以确保网络设备本身是节能的。事实上,高达80%的电力消耗只用于保持网络连接。尽管每个设备所使用的电力很小,预期的大规模部署和广泛使用使累积消费很大,据国际能源机构(5]。

以后我们狭隘关注智能手机,智能设备,增加指数在过去的十年。现代智能手机提供异构功能包括一定数量的传感器。他们是最具代表性的和受欢迎的智能物联网中的对象。然而,智能手机是资源约束对电池,内存和计算。他们是常见的卸载计算和访问远程数据存储在云服务器上通过网络。在物联网云计算会导致成千上万的云支持应用程序和正在急剧增长。因此,智能手机通信消耗大量的能量云。由于大小限制,努力使强大的电池不能满足日益增长的能源需求的智能手机。重要的是减少能源消耗在开发新的应用程序。

在过去的十年中,智能手机的流行的上升趋势促使软件开发人员增加应用程序的功能。基于之前的研究(6),大多数智能手机的力量被无线通信和显示(例如,背光屏幕)。此外,增加应用程序功能要求额外的功率预算,因此降低智能手机的电池寿命(7]。智能手机通常是一次运行多个应用程序在不同的操作。很难理解和识别高能源消耗的原因在这个异步电力消费环境。有必要提供能耗从不同层次的分析,包括系统作为一个整体水平,单独的应用程序和系统调用操作水平。

在本文中,我们提出第一个迭代和新颖的解决方案使用云编排对智能手机电源管理。从智能手机和云编排聚集力量分析数据坐标数据存储、数据分析、学习、决策。通过分析数据,协调器功耗学习行为和参与智能手机的使用模式。它可以回答如下的问题:(我)哪些应用程序最能源消耗在智能手机吗?(2)特征是什么应用程序中使用的大多数能量?

这些发现可以用来进一步优化能源监控框架。例如,能量分析器可以预测和收集日志只最重要的能耗数据的智能手机。我们的云计算协调器框架支持的动态工作流过程和自适应服务配件不同用户的需求。它的目标是提供整个系统的电源管理而不是使系统高效的一部分。云编排服务可以选择和配置动态这取决于应用程序的特性,使用模式、时间和位置上下文。离线和实时服务可以提供长期的支持和大数据分析,或给实时警报不寻常的事件。分析能源消费创造了一个机会来执行更好的能源管理和提高电池寿命。它有助于理解能源消费行为的广泛应用最佳电池资源使用。

2。相关的工作

很多一直努力使能源效率在智能手机和物联网。有试过的一系列解决方案硬件体系结构水平(8,9),数据通信水平(10,11),网络基础设施水平(12),而协议优化(13]。不同的工具已经被开发来衡量能源消费在智能设备和智能手机。例如,电力监控仪表已被用于为当前提供恒定电压3.7 V的智能手机,而不是使用电池(14]。这个硬件设置可以提供准确的能耗测量,但它是一个庞大的解决方案不适合普通用户在日常使用。

作为英特尔归结为(15),软件能源效率实现有意义吗计算效率,数据效率,上下文感知,闲置的效率在更广泛的意义。然而,目前的解决方案,试图描述能耗智能手机通常专注于特定操作,如通信(10)或与特定的硬件组件交互,如LCD或GPS。有几个常见的问题在大多数现有的解决方案,包括以下几点:(1)系统作为一个整体并没有考虑;(2)之间的权衡组件没有适当考虑;(3)相互依存的组件没有正确地研究;(4)现有的解决方案是次优的。为了解决上面的问题,我们需要一个全面的方法来理解个人应用的能源消耗以及他们在整个系统相互依存和意义。全面分析可以帮助用户识别最耗费力量对智能手机应用程序或操作。这也可以使电力监控过程更加适应用户的行为和长期更节能。

测量功耗的资源(如CPU、内存、显示器,和交流是非常有用的在找到高能耗的应用程序中,后台服务和流程。在[16),能源成本任务卸载了IEEE 802.11 WiFi和3 g模型在数学上。WiFi网络,它使用协议等参数数据率、基准利率和竞争窗口大小,推导出的公式。3 g / 4 g,无线电资源控制器(RRC)州被认为是和总能耗计算三个部分,包括促进信号、数据传输和尾巴的能量。

许多现有电力监控解决方案现在运行在智能手机上(17,18]。软件能量分析器是常见的工具来测量移动设备的能源消耗,在这些设备上运行的应用程序,以及各种硬件组件。他们采用不同的建模和测量技术19]。这些能量分析器可以监视的百分比电池被不同的应用程序。这些解决方案的优点是使用简单,但是有限的内存和计算能力的智能设备很难支持更先进的数据分析。然后很难支持大规模和长期分析个性化或人群为基础的能源消耗数据监测。关于测量能源消耗,提供了坚实的背景在20.]。物联网体系结构是一个财团严格发展架构参考模型。这些模型作为最初的指导可能对具体建筑感兴趣的问题,最终对实际的系统架构(21]。在[22),设备编制从业务流程的角度来解释。

关于移动云范式,AppATP [23)利用云计算为移动应用管理数据传输,传输数据与移动设备的节能方式。克拉(24)提出了一个众包的方法收集能源消费数据智能手机和诊断异常从社区的客户。我们分享一个类似的概念在云中运行数据分析,进一步探索云编排服务的智能手机的机会。而不是采取黑盒的基于流程的方法,我们提出一个云编排方法智能设备的能源效率。云编排的能力协调不同的云服务,如数据存储、分析和处理,在一个全面的框架。适当的服务可以选择根据个人用户的需要。启发式分析可以实现减少日志数据和通信开销。这种方法是有用的在减少能源消耗的能源分析过程本身。我们的框架可以扩展容易包括新的数据挖掘技术和服务提供的其他用户。它同时支持个人分析个性化服务和社区分析利用众包数据。

3所示。云编制能源效率

物联网最初有两个愿景:一个是事情的愿景和另一个是面向互联网的愿景。的视觉强调不同类型的传感和通信功能的智能设备,可独立或嵌入到不同的真实世界的对象。互联网视觉关注智能设备的连通性及其与互联网的交互。智能设备连接到因特网使大型数据存储和分析,在资源有限的设备并不可行。互联网愿景推动云计算物联网提供先进的数据处理和数据管理功能。

之后,介绍了新的挑战等独特的处理和存储信息,面向语义的视力有出现(25]。根据这个新视野,参与设备分类和编排配置为支持可伸缩的和控制的集成解决方案。在这项工作中,我们开发的想法云编排提供节能服务的物联网设备。云协调器是一个软件系统,不同的云计算服务和管理联系和交互流程。它支持动态工作流连接各种自动化过程根据用户的需求和相关资源和上下文环境26]。

3.1。数据通信

数据通信在移动物联网智能手机之间经常发生(客户或同行)和云(服务器)通过互联通信网络等媒介。数据通信的重要组成部分是数据,客户端,服务器和网络和协议的基础设施。

我们专注于能源分析是在客户端更多考虑其应用程序和通信接口。分析能源消耗在数据通信是复杂的。我们应该考虑各级协议在OSI(开放系统互连),特别是网络TCP / IP协议的套件。通信接口的能源消耗,如WiFi, 3 g, 4 g LTE,蓝牙,近场通讯(NFC),和GPS,可以测量通过api的智能手机操作系统,比如Android。是非常重要的捕获事件相关的能源配置的通信接口。

3.2。云编排设计目标

我们的系统设计的主要目标是提供节能决策(s)回到服务使智能手机参与编排。编制音乐世界中存在的概念,采用世界通过自动化流程的自动化业务,协调,和管理复杂系统,中间件,和服务。能源分析可能实施能源效率的脆弱性。让我们给一个说明性的例子。甚至一个粗心的代码(虽然(battery.percentage) println (battery.percentage))可能会导致系统运行到一个无限循环,排出所有的电池。这个小错误可以使任何节能成为徒劳的努力。因此,需要智能系统,它能够协调不同的组件和查找和分类错误的能量。系统应该能够获得强大动态控制系统引擎为解决此类错误。协助修复bug,我们可能需要从大数据的众包日志/操作很长一段时间。编排的能力整合不同类型的云,流程、电源管理和服务,是一个理想的解决方案。

3.3。EEaaS编排体系结构

我们提出一个云编排结构,称为EEaaS,电源管理的物联网设备图1。设计是开放和灵活的,这使得它很容易添加、删除和合并新的模型和服务在任何颗粒水平协调器。协调器坐标以下组件,包括参与设备,数据处理器,大数据存储,知识图,智慧的盒子,控制箱,决定增强剂。

3.3.1。参与设备和智能分析器

这些智能设备的物联网的兴趣减少能源消耗。在与协调器注册,一个完全可定制的背景和降低能源消耗服务应用程序启用智能设备。这个服务应用程序发送定期低级系统调用日志和报告系统自发行为异常。这些异常事件可能包括意外系统崩溃或特定应用程序的不同寻常的电池消耗。为了避免安全与隐私问题,日志收集匿名与独特的设备概要文件。这不仅是应用程序日志收集器,而且它作为一个地方自动控制器试图抓住错误在时间和优化能源分析从长远来看。它的功能是由协调器定期更新。参与设备实时报告异常事件的协调器。自不寻常的事件只包含少量的数据,通信开销并不是那么多。另一方面,大量记录数据资源利用率报告只有当智能手机连接到电脑或无线网络。这是为了避免连续通过移动蜂窝网络数据通信。可以减少执行数据过滤和启发式分析样本的数据量以节约能源。

3.3.2。数据处理器

数据处理器是一组api访问协调器对各种数据处理方法。根据上下文和用户的需要,适当的数据处理方法将选择的协调器。数据处理器同时支持大数据分析和时态数据分析。先进的数据挖掘技术可以实现在数据处理器进行数据过滤和数据聚合。例如,它可以描述的能源消费行为不同的应用程序在智能手机和识别最耗电应用程序。

3.3.3。大数据存储和现代工具

智能手机产生的数据在大规模。为了处理这些数据密集型操作,我们需要大数据存储和现代云编程范例等Hadoop和Apache flink。样本数据的深入分析,强大的计算机语言等Python和R是必需的。

3.3.4。知识图

解释大量数据日志时,动态知识图构建和不断更新。知识库知识图最初使用谷歌来提高其搜索引擎的搜索结果与语义搜索收集的信息从各种各样的来源。节点合格类和子类的属性-值对,让他们提供一个清晰的和结构化的数据视图。使用知识图,它是那么容易获得特定的资源利用率和能源消耗数据分析对位置、设备模型,互联网服务提供商和各种规格。

3.3.5。智慧的盒子

智慧框包含一组学习算法主要关注建筑位置特定的上下文信息(空间域)。它可以捕获设备的位置和相关位置与各种使用和沟通模式。智慧框作为一个预测的趋势数据,使用模式和系统行为异常。它使用统计算法和机器学习算法节能做决定。决策是独立的设备,平台和应用程序存储在决定增强剂在编排。设备、平台和特定于应用程序的决策融合知识图与参考图的编制。

3.3.6。控制箱

控制箱是一个建设者为参与设备的实时和动态自动控制器。它还可以提高警报和给用户对时间敏感的反馈(时间域)。自动控制器被实现为一个服务。自动控制器更加智能,使用上下文相关的决策空间域。收到的反馈从参与设备评估日志收集的性能数据。

3.4。节能的数据分析和沟通

考虑到数据通信是能源效率的最大挑战之一,cloud-assisted数据剖析似乎是违反直觉的。我们的系统设计将智能日志以最小的数据通信,减少开销。它提供了一个可选择的解决方案来细粒度和实时分析,这两个数据,计算密集型。我们研究现有的分析技术和识别最重要的能源特性来设计启发式分析器。这种启发式分析器明智地收集数据并维护通信与云最小。我们的方法可以有效地减少通信开销和能量消耗在能源分析过程本身。

协调器是为了能够学习样本数据的趋势和模式。学习不同的应用程序的特点后,分析器可以自适应调整采样率减少的数据样本少活跃和能源消费应用程序。启发式分析和数据过滤允许更多抽样关注关键应用程序消耗的大部分能量,同时减少样本数据的总数少能源消费应用程序。

3.4.1。关键能量指标

管理和分析大数据不是能源消耗的主要原因。真正的瓶颈是收集数据从参与设备通过频繁和密集的通信。而不是将所有数据日志发送到编排进行分析,我们分类某些系统调用和资源利用率为主要关键因素,关键能量指标(祺),如CPU和内存使用。我们进一步分类祺二次关键能量指标(SKEI)和相对关键能源指标(RKEI)。SKEI不是很常用,但很重要的是活跃的时,如GPS、蓝牙。RKEI活动只有在特定的应用程序正在运行或发生在特定的上下文中。RKEI的例子包括相机和运动传感器。表1总结了指标的定义。

3.4.2。潜在原因指标

祺捕获能源消费行为和识别能源消费的原因。随后而来的是潜在原因指标(PCI),随着时间的推移可以学会的编排。当系统变得足够成熟,参与设备收集和报告的数据量更少。众包进一步便于分发数据收集的工作负载。从长远来看,从参与式少日志和通信设备是必需的。创建更复杂的上下文感知模型的编排。在编排工作流变得更加节能,因为它可以动态地适应使用模式和上下文(参见图2)。

在图2,基于云计算的智能分析器(左上的)发送的记录数据或控制消息参与设备到云上。记录的数据一起发送上下文头所使用的,它是编制指示消息类型。例如,如果上下文头控制,协调器知道没有数据日志消息,但事件(问题)从参与设备报告。在这种情况下,事件转发控制箱,以解决问题。否则,其他消息(数据日志)转发到大数据模块支持的空间数据处理单元的分类、预测和上下文的一代。数据处理单元帮助编排学习祺是什么,所以不那么重要数据在未来可以被识别和移除。当系统变得足够成熟,参与设备将收集主要是祺,这样他们就可以少报告的数据量日志来节约能源。通过迭代学习,编排可以构建更复杂的环境敏感能源模型做出更好的预测分析。

3.5。节能技术

除了节能分析,我们提出额外的技巧可以帮助减少能源消耗的手机。根据我们的观察,许多移动应用程序正在运行,后台应用程序,如Facebook、谷歌地图,微信,WhatsApp。建议关闭应用程序时,用户不使用它们。运行后台应用程序消耗额外的能量和许多这样的应用程序是不必要的。在现代的Android操作系统,优化函数,可以用来减少电池消耗。例如,用户可以选择关闭后台应用程序锁定屏幕时帮助节约能源。如果一个用户可能不希望错过任何电子邮件或消息,他或她可能会选择关闭后台应用程序有选择地满足他或她的需要。

此外,它有利于关掉不需要移动数据和GPS。这是因为数据通信是电池消费的主要来源之一。特别是,GPS和移动数据消耗更多的能量比WiFi和蓝牙。注意,Android将基于位置的应用程序,如谷歌地图,在后台运行,不断地消耗电池。减少电池消耗,最好如果用户可以关闭不必要的硬件无线电,如LTE, NFC, GPS, WiFi和蓝牙。

另一个有效的方法来减少能源消耗是检查电池使用Android操作系统的手机的消费或其他监测移动应用程序(例如,克拉,PowerTutor和Trepn)。这些应用程序帮助识别耗电应用和检测缺陷导致不寻常的高能源消耗在移动设备上。图3(一个)显示了有限的应用程序被克拉(24),一个移动应用程序生成个人建议提高电池寿命。这张截图显示了四个与能源相关的应用程序的用户在许多设备。克拉建议关闭这些有限的应用程序可能提高电池寿命。

同样,图3 (b)显示背景的列表应用程序建议由Android在锁定屏幕被关闭。这些有限的应用程序包括地理追踪、谷歌地图,微信,WhatsApp。用户可能会考虑卸载耗电应用程序或更好的控制自己的行动。例如,它可以减少轮询从电子邮件,Facebook或Twitter节约能源减少刷新频率或启用手动轮询,而不是使用自动和持续不断的轮询。

4所示。实现

在本节中,我们描述了原型开发、使用的工具和实现细节。

4.1。数据检查

我们首先探讨了数据日志两个智能手机,三星SIII运行Android 4.4版本和Nexus 5运行Android 5.0版本。他们安装了Android平台工具,如logcat [27日志系统调试信息),摘要(Dalvik调试监控服务器)(28调试应用程序)。这些工具帮助我们捕捉系统的行为和在该平台上运行的应用程序。

我们使用高通的Trepn分析器(29日为收集数据以合适的格式,即SQLite和CSV。不幸的是,eclipse插件提供的Trepn遭受贫穷的可视化。CSV格式的数据需要大量的清洁使用。它也有很大的限制参数的数量可以概要文件。然而,数据带来了很多见解。我们也开发一个web应用程序,称为EnergyApp,这有助于研究SQLite的数据格式。图4是一个列表的截图EnergyApp移动应用程序及其数据。

4.2。关键能量指标

我们很快就意识到,众包方法导致大量的数据,所以聪明的大数据管理和分析需要减少通信和计算开销。一个方法是选择关键的分析特性,忽略影响功能越少。我们得到一个方法提取祺减少开销。它依赖于两种数据挖掘技术,决策树和随机森林,找出变量重要性的基尼指数。基尼系数衡量的频率分布值之间的不平等。基尼系数为0表示完全平等,而一个表达最大的不平等之间的值。基尼系数是一种常见的指标用于确定一个决策树的分裂。这个服务正在运行软件即服务应用程序在云中。能源数据管理工具的一个屏幕快照如图5。左边显示了一个决策树,预测资源利用的能源消耗使用一组参数。右边的图显示了随机森林的结果在不同的系统中资源。

4.3。节能的云分析器

我们进一步开发一个原型为云分析器具有以下主要特征:(我)实时数据库与autosynchronization支持,如重火力点,可靠的低延迟和能源消耗(2)分布式数据协议,支持发布-订阅服务对于移动web应用程序(3)侧重于以客户为中心的数据响应,如GraphQL,可以减少数据量。

我们详细解释侧重于以客户为中心的响应,因为比别人更重要。移动和web应用程序都使用HTTP RESTful服务和临时端点获取数据了。这种方法的核心问题是响应数据完全由服务器决定。服务器端应用程序可能对客户端应用程序比需要更多的数据。例如,一个简单的客户端应用程序显示当前的天气越来越信息比应用程序显示在屏幕上。Facebook是一个最能源消费应用程序由于user-engaged用法,根据我们的测量。GraphQL [30.)被设计为解决上述问题。它是一种查询数据语言API和一个服务器端运行时的执行查询。它提供了一个完整的和可以理解的描述中数据的API,提供客户所需的能力要求是什么,仅此而已。

5。实验结果

智能手机是一个soc架构与三个关键组件,包括应用程序处理器处理用户应用程序,现代处理器处理传输和接收,外围设备(I / O)与用户进行交互。功耗的智能手机,任何I / O组件通常是高于电力消耗的CPU或者至少可比。在[31日),功率模型的缺点源于外部电表和软件模型很好地解释道。软件造型并没有解决尾力量力量,这发生在当组件保持动力和能源消耗上即使CPU空闲。这个问题可以通过系统调用跟踪检查每个组件的功率状态,尽管它可能消耗更多的能量。然而,能源分析是一个非常重要的第一步描述智能手机的功耗。

高级配置与电源接口(ACPI)规范(32)已经发展成为一种常见的硬件接口操作系统直接配置和电源管理(OSPM)终端设备和整个系统。分析单个应用程序或整个平台时,获取有用的信息系统,设备,和处理器,实现能源效率可以做出更好的决定。表2列出了关键的全球系统的状态,设备电源状态,处理器能力的状态。例如,过程能力状态C0表明CPU执行指令,而C1-C3处理器睡觉比C0州CPU消耗更少的能量。

5.1。能源消费在硬件和软件

我们进行一个实验研究能源消费新硬件和软件的安装Android手机(华为荣耀8)。这个实验的主要目的是评估基本的能源消耗在手机操作系统和硬件。表3显示了能源消耗白天在移动。我们考虑一个手机基本功能与最低的使用耗电应用程序(例如,Facebook、YouTube、或游戏)。我们可以看到手机上的硬件消耗约34%的电池和手机上的软件消耗剩余的66%。屏幕占据了大部分硬件白天的能源消耗。剩余的能量所采取的硬件是3 g / 4 g通信和其他短程通信(例如,WiFi和蓝牙)。我们也观察到语音电话需要很少量的功耗与其他硬件组件。在软件方面,我们看到这种移动用户频繁的用户的谷歌地图由于他需要开车。除此之外,谷歌的Android操作系统,客户经理在软件方面消耗的大部分能源。

我们在电话上重复相同的实验在晚上的时间。目的是学习基本操作消费在移动用户不使用任何移动应用程序。表4显示手机的硬件消耗大约一半的电力消耗。软件消耗剩余的一半,主要用于运行Android系统,Android操作系统,谷歌帐户经理。在用户睡觉,很少有功耗在移动应用程序中,如WhatsApp,微信。这表明这些应用程序在后台运行模式,只有检查新的消息或更新的应用程序服务器。

5.2。分析数据通信的移动应用程序

我们使用高通的Trepn分析器(29日)研究数据通信和资源消耗在手机上的应用程序,包括CPU使用、内存使用和数据使用。

数据通信是一个智能手机快速的能量流失的主要原因,我们展示了一个有趣的例子分析的数据通信模式受欢迎的移动应用程序。图6显示了两个受欢迎的应用程序的数据通信使用模式,谷歌地图和YouTube。从数据日志,我们观察到谷歌地图和YouTube正在运行两个线程在其应用程序。在每个应用程序的数据通信两个线程共享类似的模式,由黑暗与光明的颜色显示在图中。

图6(一)显示的快照数据通信分析谷歌地图。的设在绘制在对数尺度,显示数据通信在不同时间的大小。我们观察到有一个突然增加的数据通信发生在70 - 75年代的时间间隔。通过仔细观察,我们发现它是由于放大地图的作用引发的用户。

虽然分析YouTube,一个视频是随机选择在全屏模式。从图6 (b)我们观察高初始数据通信由于预取。然后,视频播放顺利,不断从285年代数据通信。我们相信,断断续续的通信模式是由于通信协议和网络的可靠性。

5.3。分析电池、CPU和内存使用率

我们继续配置电池功耗,CPU负载、内存利用率三个代表移动应用程序,包括YouTube,谷歌地图,和Facebook。图7(一)显示了YouTube的电池功耗。在= 10年代,一种新的YouTube上的视频播放,触发电池消费高峰。同样,在= 30年代,用户选择另一个视频,触发另一个高消费的电池。在= 45 s,用户旋转屏幕显示视频全屏,导致能耗的增加。图7 (b)显示了CPU负载增加新的视频播放时= 10年代和= 30年代。我们还观察到相似的内存使用量的增加在图模式7 (c)。

图8(一个)显示了谷歌地图的电池功耗。在= 0年代,用户输入一个新的搜索目的地。在= 15秒,用户开始旅程的目的地。我们观察到电池消费更高当用户开始一个新的路线。数据8 (b)和8 (c)显示对应的CPU负载和内存使用。我们看到,CPU负载电池遵循类似的模式,虽然内存使用量仍或多或少是相同的。

图9(一个)显示了Facebook的电池功耗。在= 0年代,用户登录Facebook,然后开始浏览不同职位的视频和图片。作为用户向下滚动Facebook的用户界面,我们观察不同的山峰在电池供电和CPU负载。这些被认为是新加载的图像和视频。数据9 (b)和9 (c)显示对应的CPU负载和内存使用。我们看到,CPU负载电池遵循类似的模式,而内存使用量依然是大致相同的。内存使用的水平在YouTube和Facebook类似谷歌地图。

5.4。基于云计算的数据剖析和分析

5.4.1之前。能源消耗

为了理解和可视化能源消费模式,进行了以下实验。我们收集的数据从四个用户在三个月内从1 2015年3月至2015年5月31日。用户一直在使用三星S4或智能手机NEXUS 5。数据记录能源消耗和资源使用的智能手机闲置或运行积极在日常使用。我们选择了22个被所有四个用户运行的应用程序的数据分析。这些22的应用范围从社交媒体应用程序、消息传递应用程序,和导航应用个人管理应用程序。清理和处理的数据,所以,每个应用程序的每一个资源利用率已经概括为每小时的平均值。然后,总结数据进一步聚合给能源消耗中所有应用程序的概述。

我们比较总能源消耗和资源利用分布在不同的应用程序之间的价值观在这个实验。这个结果帮助我们识别最电力消费应用程序和了解资源被用来使他们那么饿。图10 ()比较的能耗值22应用程序。的设在每个应用程序的显示了能源消费总量比例(在所有的应用程序)。的设在从0到21显示了应用程序ID。从图中,我们观察到有四到五个软件,与别人相比消耗最多的能源。我们排名的能源消费比例22应用程序表5。这表明最耗费力量Facebook应用程序,Android操作系统,谷歌联系人同步,和谷歌应用程序。

我们进一步研究四个关键能源指标(祺)在这些应用程序中,包括CPU负载、内存、数据通信和数量的线程。图10 (b)显示应用程序的资源利用率百分比。从图中,我们可以看到消耗大部分能源的应用程序通常有四种资源的高利用率。以Facebook为例,数据通信和CPU使用率最高的22个应用程序。它也有相对较高的数量的线程和内存使用量相对于其他应用程序。我们观察到类似的资源利用率高功耗模式应用程序。在数字曲线的形状10 ()和10 (b)遵循相似的模式。这意味着这四个选择的资源是非常重要的,当分析能源消费智能手机。

5.4.2。CPU负载

我们还观察到不同的CPU负载模式的应用程序。图11显示了Facebook应用程序的CPU负载。我们可以看到Facebook应用程序具有较高的CPU使用在启动应用程序时。之后,CPU负载相当随机根据操作引发的用户,如上传照片或发送消息。图12显示了CPU负载的谷歌地图模式,这是周期性的定期更新的GPS位置。通过观察CPU模式,它可以帮助我们理解不同的应用程序的运行特点和能源消耗。

5.4.3。线程和内存使用

接下来,我们分析相关的线程和内存使用的应用程序。图13显示线程数量的平均值和平均虚拟内存使用的22个应用程序。从图可以看到,有一个积极的线程的数量之间的相关性和虚拟内存使用。大多数应用程序使用不到50个线程。然而,有几个应用程序使用比其他人更多的线程。上面的应用程序,谷歌联系人同步,使用162个线程和超过12000 MB虚拟内存。高的应用程序的线程数量是Android系统和Facebook,使用超过100个线程。谷歌应用程序使用近100线程和大量虚拟内存。

图14显示了应用程序消耗不同数量的内存。我们将内存使用划分为不同的范围和计算应用程序的数量在每一个范围。图中显示,大多数应用程序消耗少于25 MB内存。然而,两个应用程序,Facebook和谷歌联系人同步,消耗将近150 MB内存。谷歌应用程序内存使用100 MB也高。

5.4.4。分析节能分析

理解应用程序的特点和能源消费模式的智能手机的减少能源消耗是非常有用的分析过程本身。通过简单的分析,我们可以初步观察应用程序消耗能源和大部分应用程序消耗显得微不足道。我们的分析器可以使用此信息来减少对资源的利用收集的数据量。如果我们过滤掉的数据的应用程序使用不到1%的总能量的系统,我们可以大大减少需要密切监视的应用程序的数量。22个应用程序表2作为一个例子,我们可以减少数据样本数量的50%,同时仍然保持准确的数据从应用程序日志消耗超过94%的总能量的智能手机。换句话说,它可以节省一半的能源在电力监控分析无损耗的准确性。即使从智能手机到云的数据量减少到只有20%,协调器仍然可以捕捉几乎80%的能源消耗主要通过分析应用程序。协调器了解应用程序的特点,它可以动态地配置系统,以减少数据的样本应用程序不太经常使用或消耗能量。因此,需要传输的数据量,从智能手机到云将会显著降低。

6。模拟

我们已经模拟智能手机100用户提供应用程序的数据。我们准备好的训练数据和测试数据样本包含40000条记录20000条记录,分别为一小时的使用。

我们首先应用回归简单的决策树分类器,rpart(递归分区和回归树),可在R语言。决策树分类器对测试数据集使用10倍交叉验证测试,结果是92%的准确率。使用实际数据进行实验,数据必须格式化和规范化,,最重要的是,它需要足够的数据。实验涉及到仔细预处理的数据,以确保数据的有效性。数据实时受到噪声和各种干扰的影响。

图15决策树显示了一个示例,它可以预测是否功耗低或高了资源利用向量和变量(内存、数据、线程等)。

重要变量的值是根据预测对能源消费的影响。我们发现的数据量通信和线程的数量严重影响能源消耗。决策树模型预测给定的一组特性(在资源利用向量)能源是否高或低(0或1)的二元分类问题。递归划分在一个树形结构模型用于分类。从图16,我们证实,上述特性,比如通信的数据量和数量的线程,在能源消耗是最有影响力的因素考虑随机森林模型的基尼系数。

7所示。讨论

协调器已经证明是一个有效的行为预示参与设备。代理应用程序安装在智能手机日志报告给协调器。它将促进当地的验证器和行动触发由协调器将定期更新需求减少能源消耗数据日志记录、沟通、和计算。与基于智能手机的分析相比,基于云计算的编排可以支持众包分析来自多个用户的能源消耗。它还提供了必要的资源,支持先进的数据挖掘和机器学习技术。云的分析结果可用于提高智能手机上的本地数据过滤,可进一步减少能源消耗分析过程本身。为了成功地部署这些编排服务,我们需要研究和探索的所有组件和他们的相互依赖关系。

这项工作的一个重要贡献是减少能源消耗的分析过程本身通过学习通信和业务的趋势和模式不同的移动应用程序。通过学习应用程序的特点,协调器可以识别关键的应用程序和操作消耗大部分的能量。它可以更精确的预测和调整相应的样本率降到最低能耗的分析过程本身。学习的结果还可以用于支持更好的节能操作系统和应用程序的设计。

问题,我们计划进一步研究包括如下:(1)如何进一步降低能源消耗的分析器?(2)如何减少数据日志报告和减少能源消耗在数据通信?(3)如何协调器史诗预测设备的行为?(4)如何找到最佳的本地代理的责任确保最小的计算和资源?(5)是当前解决方案最适合大规模开源贡献?(6)什么是最合适的工具来实现节能的云编制呢?我们计划在智慧框来实现高级功能和大数据模块和测试原型迭代。除了智能手机,我们想扩展这个框架与不同类型的物联网设备进行测试。

我们相信,这项研究问题降低能耗的移动设备将会对未来最重要的。一些最初的想法包括探索轻量级的移动设备上的本地数据处理技术减少数据日志报告到云上。我们还想调查基于众包数据的机器学习方法概要全球能源消费的不同应用程序和独立。

8。结论和未来的工作

在本文中,我们提出了一个新颖的云编制框架为提高能源效率在物联网智能手机。这个云编排的主要优点是,它支持动态工作流和配置不同的流程和服务。我们已经描述了编排的组件及其之间的交互。我们的建筑设计是灵活的,所以新组件和先进的功能可以很容易地添加到系统。的大数据,知识图,控制箱公开可访问的,所以这两个单用户和大规模的合作者可以参与,并将新方法添加到系统。

我们进行了实验使用真实的资源利用率四个移动用户在三个月内收集的痕迹。结果表明,我们的分析器可以成功不同应用程序的能耗特点,确定最电力消费应用程序。它还可以提供反馈能量分析器,以减少能源消耗数据日志记录。日志的数据量可以显著减少通过学习关键能源指标和应用特点。这个迭代学习过程可以逐渐减少能源配置的通信和计算开销。有巨大的潜力,大数据知识可以用于解决其他问题,诸如能源缺陷检测。

在未来,我们想调查先进的数据挖掘和数据过滤技术进一步降低能源消耗的能量分析。我们将探讨如何优化考虑数据日志记录和通信应用程序的特点,使用模式和操作环境。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

本研究部分由瑞典政府机构Vinnova在科研资助2015 - 00347年任期开始授予国际合作ib2013 - 5237,和加拿大自然科学和工程研究委员会。这项工作也支持的部分深圳工程实验室(没有3 d内容生成技术。[2017]476号),广东省科技项目(2016 b010108010 2016 b010125003),中国国家基础研究计划(973计划)(没有。2014 cb744600),中国国家自然科学基金(61403365,61403365,61403365,61210010),和大多数(没有的国际科技合作计划。2013 dfa11140)。作者要感谢硕士论文“启用节能与参与式感知数据通信和移动云”写的p . Sathyamoorthy(2016),瑞典乌普萨拉大学(检索http://urn.kb.se/resolve?urn=urn: nbn公司禁止:se: uu:女主角- 274875)。