[发明专利]一种面向移动云计算的Android应用耗电预测与分析方法

摘要

发明涉及一种面向移动云计算的Android应用耗电预测与分析方法。结合统计建模和基于软件的测量方法，提出了一种轻量级且自动化的Android应用程序函数级能耗的估计方法，能够减小背景噪音和测量误差。为了获得应用程序执行时的函数调用信息，提出了一种基于Dalvik字节码的插桩技术来标记所有执行过的函数，当在Android设备上运行插桩后的应用程序时，同时通过能耗测量软件的监控，就可以获得执行过的路径信息以及相对应的能耗数据。采用线性回归分析来建立能耗模型，使得事件序列的能耗测量值能够映射到函数级别，并通过反馈机制来改善模型的精确度。

主权项

1.方法特征在于实现步骤如下：第一步，应用程序插桩：解压缩和反编译待测Android应用程序，提取出存储着Dalvik字节码的smali文件夹和其它一些资源文件、Manifest文件等；定位到插桩位置，通过遍历smali文件夹，可以识别出应用程序中所有的类和各个类中包含的函数；在smali文件中插入能够标识函数的桩代码；重新打包所有的smali文件和原来的资源文件，从而生成一个嵌入了函数路径信息的可执行应用；第二步，应用动态执行：在Android实体设备上运行此应用程序，并记录每次动态执行时产生的路径信息和能耗信息，由运行时控制器和运行时测量器构成，控制器建立在台式机端捕获函数执行序列信息，测量器设置在智能手机端生成一个数据库文件，记录着相应的能耗信息；第三步，使用前面预处理后的数据文件作为输入，对能耗值与函数调用次数之间的线性能耗模型，令变量 x i j ( 1 i m , 1 j n ) ]]>表示第i次动态执行过程中，第j个函数的函数调用次数，令变量表示第i次动态执行的平均能耗测量值，则将第i次动态执行时的特征表示为 {x i 1 , x i 2 , ..., x i n , e i } ]]>，如果共进行了m次动态执行，则函数调用次数矩阵可表示为： X=(x i j ) m × n ]]>，平均能耗测量值向量可表示为： E = e 1 , e 2 , ..., e m , T ]]>，假设函数调用次数X与能耗值E之间具有线性关系，且系数矩阵 W = w 1 , w 2 , ..., w n , ]]>中的每个元素表示相对应的每个函数的能耗值，则能耗模型可以表示为： E = XW T ]]>。