Bedarfsgerechte Auswahl der Dienstqualität für Mobile Cloud-unterstützte Anwendungen

Mobilgeräte wie Smartphones, Tablets und kleine Laptops finden immer größere Verbreitung. Dadurch wächst auch der Bedarf an mobil genutzten Applikationen. Aufgrund der zugunsten der Batterielaufzeit eingeschränkten Ressourcen können jedoch berechnungsintensive Anwendungen auf diesen Mobilgeräten nur schwer realisiert werden. Eine mögliche Lösung ist die Anwendung von Cloud-Ressourcen zur zeitlich begrenzten Unterstützung solcher Applikationen. Cloud Computing hat sich in letzter Zeit immer mehr etabliert und meint unter anderem das Mieten von Rechnern auf feingranularer zeitlicher Basis nach dem Selbstbedienungsprinzip (Infrastructure as a Service (IaaS)). Darauf aufbauende Plattform-Dienste (Platform as a Service (PaaS)) führen Programmcode der Applikationen (Software as a Service (SaaS)) aus. Bei SaaS handelt es sich um einer Art Software, die zeitlich flexibel via Internet genutzt wird. In der Literatur vorgestellte Ansätze zur Anwendung von Cloud Computing zur Unterstützung mobiler Applikationen lassen jedoch häufig die für Cloud-Ressourcen anfallenden Kosten außer Acht und beachten die teils stark schwankende mobile Netzwerkperformance nicht. Ziel dieser Arbeit ist darum die Erforschung von Techniken zur bedarfsgerechten Bereitstellung von Compute-Ressourcen für mobil genutzte Anwendungen unter Beachtung situationsbezogener Eigenschaften. Es wird eine Middleware für Java vorgestellt, die auf der PaaS-Schicht angesiedelt ist und die die Cloud-unterstützte Ausführung mobiler Anwendungen via Code-Offloading ermöglicht. Dabei wird vormals lokal ausgeführter Programmcode zur Laufzeit zu einem Server übertragen und anschließend dort ausgeführt. Im Gegensatz zu anderen Middlewares ist es hier möglich, die Qualität der zu verwendenden Cloud-Ressource zur Laufzeit auszuwählen. Dazu ist es notwendig, die verfügbare Netzwerkperformance und die erwartete Ausführungszeit der mobilen Applikation zu prognostizieren. Zunächst wird die Netzwerkperformance von 3G-Mobilfunk und WLAN untersucht. Danach wird ein Pipelining-basiertes Kommunikationsprotokoll erarbeitet, welches die Gesamtperformance und die Vorhersagbarkeit der erreichbaren Datenübertragungsrate verbessert. Zur Laufzeitprognose werden durch Regressionsanalyse Applikationsprofile erstellt, die auf Monitoring-Daten basieren, die die Middleware für jede Anwendung sammelt. Über die API der Middleware kann dann in Abhängigkeit situationsbezogener Parameter (Netzwerkperformance und Eingabedaten) eine bedarfsgerechten Auswahl an Cloud-Ressourcen präsentiert werden. Da nicht für jede Anwendung Applikationsprofile erstellt werden können, wird eine Kategorisierung mobiler Anwendungen in taugliche und untaugliche Applikationstypen erarbeitet. Da die Middleware auf IaaS-Ressourcen eines Cloud-Anbieters basiert, werden Lastbalancierungsstrategien analysiert, die eine optimale Auslastung der Ressourcen bei gleichzeitig konstanter Performance für alle Nutzer garantierten. Hierfür werden Simulationen zum Verhalten der Strategien auf einer IaaS-Cloud durchgeführt. Die Evaluation der prototypischen Implementierung der Middleware und insbesondere der Güte der vorhergesagten Performance wird anhand realer Applikationen durchgeführt. Dazu wird die Raytracing-Funktionalität zur Erstellung fotorealistischer Bilder einer 3D-Hausdesignsoftware und eine Applikation zur fortlaufenden Kamerabildverarbeitung auf Smartphones genutzt. Die erzielten Ergebnisse unter Benutzung von WLAN und 3G-Netzwerken zeigen, dass eine sinnvolle Auswahl passender Ressourcentypen zur Laufzeit nicht nur möglich, sondern auch wichtig ist, um für den Nutzer unnötige Kosten aufgrund unzureichend ausgelasteter Cloud-Ressourcen zu vermeiden.

Level thesis:degree_level

thesis.doctoral

Grantor dc:publisher

Universität Bayreuth

Year

2014

Author dc:creator

• Ferber, Marvin

Contributors dc:contributor

• Rauber, Thomas

Repository record source_url

https://epub.uni-bayreuth.de/id/eprint/1724/

OAI identifier oai:identifier

oai:epub.uni-bayreuth.de:1724