摘 要

随着时代的发展以及移动设备的不断普及，移动云服务已经成为当今社会研究的热点之一。移动云服务的不断增多使用户在使用云服务时有了更多的选择，但相应的，也使得用户在选择云服务时面临着诸多的问题。因此，如何为用户选择出满足用户要求的云服务是本次研究的内容。通过对现有的研究文献进行对比分析发现，现有的方法在选择云服务时大多未考虑到数据传输过程中用户持续的移动性，且未针对移动商务的特点进行具体分析。

本文在传统方法的基础上提出了一种面向移动商务用户的云服务选择方法，从移动商务的其中两个特点移动性以及软实时性出发，对能完成用户同一请求的不同云服务服务质量进行对比分析，选择出服务质量最优的云服务来保障用户的使用体验。首先，本文对云服务的非功能属性服务质量进行了分析，分析结果显示响应时间受上述两个移动商务特点影响最大，并且通过缩短用户使用云服务的响应时间不会对其它的非功能属性服务质量产生负面影响。因此，本文以响应时间作为不同云服务的服务质量评价指标。根据移动商务的特点，本文将云服务总的响应时间分为三个部分：输入数据的传输延迟、响应延迟时间以及输出数据的传输延迟。不同云服务的响应延迟时间与当前调用该服务的用户数量有关，而数据传输的传输延迟与用户移动过程中数据传输的网络质量即数据传输速率有关。本文以用户发送服务调用请求的位置为起点，通过路径预测方法预测出用户的移动路径，并根据用户移动过程中不同时刻数据传输的位置计算出当前位置数据传输的传输速率。与传统的云服务选择方法中对用户移动过程数据传输网络延迟的计算方式不同，本文将用户移动过程中的数据传输进行了分段处理，假定用户在一个较短的时间内数据传输的网络质量不变并预测出该段时间内数据的传输量，循环计算直至数据传输完成，并依此预测出数据传输的传输延迟，最后将三个部分的时间累加即为该云服务的总的响应时间。通过相同的方法预测出能完成用户请求的不同云服务总的响应时间，并为移动商务用户选择出响应时间最短的云服务来保障用户的使用体验。研究的结果表明：本文提出的方法可行，并通过仿真实验与传统的方法进行对比，对比结果数据显示本文提出的方法总是能较传统的方法选择出响应时间更优的解。

随着未来科技的不断进步，用户在选择云服务时将不仅仅只考虑时间上的开销，还会考虑不同云服务安全性、简洁性等多个方面的因素，因此下一阶段的工作将会在考虑不同云服务响应时间的同时，根据用户的使用要求对不同云服务的其它特性进行分析，为用户选择出体验更优的云服务。

关键词：云服务选择；移动商务；响应时间

Abstract

With the development of the times and the increasing popularity of mobile devices, mobile cloud services have become one of the hotspots in today's society. The increasing number of mobile cloud services has made users have more choices when using cloud services, but correspondingly, users are faced with many problems when choosing cloud services. Therefore, how to select the cloud service that meets the user's requirements for the user is the content of this research. Through the comparative analysis of the existing research literatures, it is found that the existing methods mostly do not consider the user's continuous mobility during the data transmission process when selecting cloud services, and do not analyze the characteristics of mobile commerce.

This article is for mobile commerce users，starting from the characteristics of mobile commerce mobility and soft real-time systems，based on the total response time, choose the cloud service for user experience assurance, the total response time of the cloud service includes three parts: the transmission delay of the input data, the response waiting time, and the transmission delay of the output data. Start at the location where the user sent the service invocation request, using the path prediction method to predict the user's movement path, calculating the data transmission rate according to the distance between the location of the data transmission and the distance of the base station at different times during the user's movement and calculate the data transmission delay of different cloud services according to the input and output data volume of different cloud services and predict the response waiting time of different cloud services according to the principle of soft real-time system. Based on this, the total response time of different cloud services can be calculated, and the cloud service with the shortest total response time can be selected for mobile business users to protect their experience.

The next phase of the work will analyze the other cloud service's other characteristics according to the user's usage requirements while considering the response time of different cloud services, and select a better cloud service for the user.

Key Words：Cloud service selection; mobile commerce; response time

目 录

第1章 研究的背景及意义 1

1.1研究背景 1

1.2研究意义 1

1.3研究目的 2

第2章 国内外研究现状分析 3

第3章 基于最短响应时间的云服务选择方法 5

3.1问题描述 5

3.2系统模型 7

3.3算法设计 13

3.4仿真实验 16

3.4.1用户移动路径模拟 16

3.4.2数据传输基站模拟 17

3.4.3云服务选择过程模拟 18

3.4.4实验结果 19

第4章 总结及展望 21

4.1论文总结 21

4.2未来工作展望 21

参考文献 23

致 谢 25

第1章 研究的背景及意义

本章对移动云服务选择方法研究的背景做了相应的分析，并结合当前的研究背景说明了本次研究的意义及目的。研究意义：在能满足用户使用要求的众多云服务中为用户选择出合适的云服务。研究目的：面向移动商务用户，提出一种体验保障的云服务选择方法。

1.1研究背景

随着时代的不断发展，云计算和移动互联网迅速发展壮大，移动设备的不断普及使得移动云计算已经成为当今社会研究的热点之一。移动云计算使移动智能终端可以直接从无线网络环境中获得用户想要的服务^[1]，随着移动云计算的不断发展完善，移动云计算已经被各个领域运用到实际的生产生活之中，移动云计算提供的各种不同类型的服务也渐渐的走进大众的生活，无线网络服务给用户带来了许多的便利，因此近年来越来越多的移动云服务如雨后春笋般出现，移动云服务的不断增多使用户在使用云服务时有了更多的选择，但同时，也导致用户在选择时面临着诸多的问题。在移动环境中，终端的移动性要求用户在任何时间、任何地点都能进行数据接入^[2]，因此在考虑用户移动性的前提下如何为用户选择体验保障的移动云服务是目前研究的一个热点。同时随着科技的不断进步，移动商务也已经成为人们关注的另一个热点，当今社会已进入信息化时代，经济发达国家中移动商务已经有了较为普遍的应用，近年来中国等许多发展中国家，也进入了高速发展阶段，移动商务的发展也十分迅速^[3]。移动商务是由移动通信和电子商务两个方面组成的，随着移动技术以及信息应用技术的不断发展，移动商务将会在传统电子商务的基础上成为未来时代发展的新活力并能为电子商务带来许多新的发展机遇，近年来，我国的移动商务在各个领域中也都取得了创新性突破，并不断发展壮大，移动商务使用户能更加方便高效的使用各种信息化服务，是促进未来社会经济发展必不可少的一部分。

1.2研究意义

云计算作为一种新兴的电子商业计算模式，它是由并行处理、分布式计算、网络计算等发展而来，并仍在不断地创新变化^[4]。然而云计算的发展并不局限于PC，随着移动互联网的蓬勃发展以及移动智能终端的不断普及，基于移动终端的云计算应用服务也随之出现并不断发展。移动云服务是基于移动互联网的相关服务的增加、使用以及交互模式，通常以按需、易扩展的方式为用户提供动态的资源、平台、软件或应用等^[5]。作为技术理念与商业模式的一项创新，移动云服务对人们的思维方式以及信息化发展方向的影响正在日益扩大。移动云计算的不断发展使得信息服务的社会化成为了可能，改变并精细化了大众生活需求，催生了许多新的市场和新的服务业^[6]。然而随着移动云服务的不断发展增多，移动云服务选择也相应的面临着许多挑战^[7]，如何在满足用户使用请求的前提下为用户选择出体验最优的云服务是本次研究的意义。

1.3研究目的

随着时代的发展，各种不同类型的云服务如雨后春笋般出现为消费者提供了广泛的选择，相对的移动云服务选择也成为一个具有挑战性的决策问题，如何为用户提供合适的移动云服务选择方法，协助使用者选择出体验保障的移动云服务以保障用户的使用需求是本文研究的目的。本课题旨在提出并实现一种在充分考虑用户的移动性以及移动商务特点的前提下对能满足用户请求的不同云服务的响应时间进行预测性分析并依此选择出响应时间最短的云服务的选择方法来保障用户的使用体验。

第2章 国内外研究现状分析

本章对目前国内外关于移动云服务选择方法的相关研究现状做了相应的分析，并对现有方法中存在的一些不足之处进行了说明。

移动云计算的研究领域涵盖非常广泛，范围主要涉及到无线网络、移动计算、云计算等多个领域的相关技术^[8-12]。随着移动互联网的飞速发展，移动云服务作为移动互联网和云计算相结合的产物，近几年来也得到了快速地发展。相应的各个不同邻域移动云服务的数量也在不断增多，为消费者提供了广泛的选择。目前移动云服务选择方法研究已经成为移动云计算研究领域的研究热点，研究者们通过从不同方面对移动云计算选择方法进行研究来帮助用户选择出值得信赖的云服务。下面是国内外学者从不同方向出发提出的一些云服务选择方法。李小林,张力娜等人提出了一种基于ELECTRE法的云服务选择框架，该方法通过建立一致性以及矛盾性矩阵来获得各个方案的不同优先级关系，并对用户的请求进行分析依据优先级关系按优先级从高到低为用户选择云服务^[13]。柴玉辉等人提出了一种基于服务可信度优化排序算法，用于识别符合用户要求的移动云服务应用，并对符合用户要求的多种不同移动云服务从安全性、用户评价、用户使用率等多个方面进行对比分析，为用户选择出值得信赖的移动云服务^[14]。李镇邦等人提出了一种自适应服务选择方法，该方法首先从能满足用户使用要求的多种不同移动云服务的评估中提取出用户偏好，并计算各个服务响应时间的相似性，并将不同移动云服务按用户偏好进行排序，若偏好相同则比较响应时间依此为用户提供云服务选择^[15]。上述提到的云服务选择方法只是众多相关研究中的一部分，随着移动云服务的快速发展已经有越来越多的研究者开始关注移动云服务选择方法的研究。

由于本文提出的方法涉及到路径预测，因此对国内外移动路径预测方法研究现状也作了相应的分析。下面是在查阅了大量的文献资料后了解到的一些现有的用户移动轨迹预测方法： （1）基于历史移动轨迹的位置预测方法^[16]：提出了一种基于运动轨迹的预测方法，该方法假设用户的当前的移动状态只依赖于前一时刻的移动状态，而前一时刻状态之前的其它时刻状态均不影响当前的移动状态，该方法使用马尔科模型模拟了用户的移动轨迹：表示用户从u移动到v的历史概率，且满足=1。通过对历史数据进行分析可以得出运行轨迹{,…}的概率计算公式： （2） 基于模式匹配度的用户移动规则挖掘及位置预测方法研究^[17]：提出了一种GMM（高斯混合模型，用高斯概率密度函数精确地量化事物并将事物分解为若干的基于高斯概率密度函数形成模型）和LMM（Libor Market Model，蒙特卡罗方法）相结合的方法，将用户的移动路径预测分为三个部分：基于图的遍历挖掘出用户移动模式、从用户移动模式生成用户移动规则、基于用户移动规则进行位置预测。首先将用户可能移动路径范围内的所有基站覆盖网格模拟成有方向、无权重的图（G=lt;V,Egt;）然后将用户的运行路径以图中边的形式表示出来，并检查用户移动路径的连通性。通过当前的位置判断图中可连通分量，并依次类推预测出用户的下一个点位置。（3）基于用户移动行为相似性的位置预测方法^[18]：提出基于用户历史的移动行为来预测用户的移动位置。用户的移动行为一般具有相似性，如用户每天的上班路线基本相似。通过对用户的历史移动行为进行记录，保留其中出现次数较多的路线，根据当前用户的位置判断用户的移动路线是否与历史记录中的路线吻合，依此来判断用户下一段时间的移动路径信息。

然而通过对大量的相关研究文献进行阅读分析发现现有的方法在选择云服务时未考虑到用户数据传输过程中持续的移动性，对用户移动性的处理仅用于用户移动过程中传输基站的选择与切换，然而实际情况下用户在使用基站进行数据传输的过程中，用户的位置在不断变化，因此即使用户使用同一基站进行数据传输用户的数据传输速率也在不断变化。同时本研究是面向移动商务用户，现有的云服务选择方法在选择云服务时没有就移动商务的特点进行具体的分析。

第3章 基于最短响应时间的云服务选择方法

本章在传统方法的基础上，将响应时间作为不同云服务服务质量的评价标准，面向移动商务用户提出了一种基于最短响应时间的云服务选择方法。通过对能满足用户使用要求的不同云服务的总的响应时间进行对比分析，选择出总的响应时间最优的云服务来保障用户的使用体验。

3.1问题描述

为了更好地为移动商务用户选择出合适的云服务，本文首先对移动商务的特点进行了分析。移动商务是指用户可通过无线通信来进行网上商务活动，允许用户即时访问商业信息和进行各种不同形式的通信。不同于传统的商务活动，移动商务具有如下特点：（1）开放性和包容性。由于移动商务采用无线接入方式，使得用户更加容易接入到网络，从而使得网络的范围延伸地更加广阔、开放。（2）具有广泛性与随时性。广泛性是指移动商务无处不在，用户可以在任何位置进行商务活动，随时性是指用户可以在移动过程中的任何时间进行商务活动^[19]。

由上述移动商务的定义以及特点可以发现，面向移动商务用户的云服务选择不同于传统网络中的云服务选择。其中一个主要的不同点就是传统网络中的云服务选择不用考虑用户的持续移动性。用户传输数据的过程中网络质量始终不变，因此，云服务选择仅考虑不同云服务的数据输入输出量即可。而移动商务环境中的云服务选择要考虑用户的位置变化对移动网络质量的影响，由于用户位置的不断变化，数据传输过程中的网络质量也在不断变化，如果仅仅考虑不同云服务的输入输出数据量来为用户选择云服务不能保证选择出来的云服务的是当前最优的选择。因此，本次研究在考虑用户移动性的基础上，对用户移动过程中的数据传输时间进行预测。移动商务用户在调用服务时对服务的实时性一般没有硬性要求，即不要求服务在特定时间内必须完成响应。因此，研究过程中计算不同云服务总的响应时间时，均在软实时性的前提下进行分析。在解释软实时性之前本文先解释什么是实时性，实时性是指软件能够在限定的响应时间内提供用户所需水平的服务，根据不同软件对实时性的要求差异，实时性可以分为软实时性和硬实时性。硬实时性指软件要有确保的最坏环境下的服务时间，即软件必须在规定的响应时间内完成响应，硬实时系统常用于精密仪器的控制等。对于商务用户来说，不要求服务必须在规定的时间内完成响应，允许服务响应有一个延迟等待时间，因此移动商务服务多具有软实时性^[20-22]。综上所述在计算不同云服务总的响应时间的过程中，对于不同云服务的响应延迟等待时间也做了相应的预测分析。下面本文对用户移动过程中不同云服务选择情况的具体过程进行举例描述。

图3.1显示了在移动环境中能完成用户请求的不同云服务的选择情况：假设用户在a点发送了一个服务调用请求，现有服务A和服务B均能完成该请求，假设服务A和服务B的输入数据量均为10kb，输出数据量均为100kb，服务A的响应延迟时间为3s，服务B的响应延迟时间为5s。在用户的移动路径上有两个基站可供数据传输，假设两个基站在数据传输过程中的平均数据传输速率不同，基站1的平均数据传输速率为10kbps，基站2的平均数据传输速率为20kbps。用户在a点发送请求时处于基站1的覆盖范围之内，因此使用基站1进行数据传输。对于传统的云服务选择，由于服务A和服务B传入数据的网络时延均为1s，服务A的响应延迟时间较短，因此传统的方法会为用户选择服务A。然而实际情况中由于移动用户的移动性，在数据传输过程中用户的位置在不断变化，如图一，假设为用户选择服务A，用户从发送请求到开始接收响应用时4s，此时用户移动到b点，由于b点仍处于基站1的覆盖范围之内所以用户继续使用基站1传输数据，且用户在传输数据的过程在离基站越来越远，数据传输速率也越来越小直到到达阙值，因此服务A从发送请求到完成响应的总用时大约为1s 3s 100/10s=14s。而对于服务B用户在a点发送完请求后，由于服务B的响应延迟时间比服务A要长，用户此时移动到了b点，b点位置位于基站2的覆盖范围之内，因此服务B直接使用基站2进行数据传输，且数据传输过程中用户离基站2越来越近，数据传输的网络质量也越来越好，因此服务B从发送请求到完成响应的总用时大约为1s 5s 100/20s=11s。

相关图片展示：