项目名称: 移动云计算中数据流应用的动态计算切分技术研究

项目编号: No.61502312

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 杨磊

作者单位: 华南理工大学

项目金额: 21万元

中文摘要: 移动云计算切分作为一种能有效提高移动应用程序运行性能的技术,近年来被研究者们广泛关注。计算切分技术合理选择将移动应用程序中部分计算任务迁移到云上,达到计算性能最优化。已有计算切分研究工作仅适合于简单工作流应用,并在动态环境下的性能有待提高。针对以上问题,本项目探索并研究复杂数据流应用模型下动态计算切分问题。首先,研究数据流应用建模,解决输入数据时序和复杂性能指标约束下,数据流应用计算切分决策的最优化问题。其次,基于构建的数据流应用模型,进一步研究计算环境动态变化时,计算切分决策自适应性调整问题。最后,将针对实际大规模移动云应用,研究在多用户共享和竞争云资源的情况下,对各用户计算切分进行最优化综合决策问题。本项目将为构建未来新型移动云计算平台提供关键技术,并为云计算服务提供商进入移动市场提供理论基础和应用模型。

中文关键词: 移动云计算;计算切分;任务调度

英文摘要: Mobile cloud computation partitioning has been considered as an effective approach to improve the performance of applications running on mobile devices. Computation partitioning is to decide which parts of the application should be executed on mobile devices and which parts should be offloaded on clouds, such that the application performance is maximized. Existing works focus on the partitioning for workflow applications, and as well suffer from performance degradation in dynamic mobile cloud environments. To solve these problems, we will study the dynamic computation partitioning for data streaming applications. First, we will develop novel models to represent the data streaming applications, in which the input streaming data have certain temporal order in terms of the arrival and processing time, and whose performance metrics are more complex, including both the completion time and throughput. Based on this model, we will design optimal partitioning algorithm for data streaming applications. Second, we will study the computation partitioning problem in dynamic environment where the network bandwidth and device workload vary during the execution course of the applications. Third, we will study multi-user computation partitioning problem for large scale mobile cloud systems. In the systems, mobile users may share and complete the resources on the cloud, and thus their partitioning decisions are dependent with each other. The aim is to maximize the average performance of all the mobile users. This research will be applied into the implementation of advanced mobile cloud platforms in future. Meanwhile, it provides technical support and opportunities to cloud service providers to join in the market of mobile computing.

英文关键词: Mobile Cloud Computing;Computation Partitioning;Task Scheduling

成为VIP会员查看完整内容
0

相关内容

专知会员服务
34+阅读 · 2021年10月17日
专知会员服务
72+阅读 · 2021年10月10日
专知会员服务
52+阅读 · 2021年8月17日
专知会员服务
79+阅读 · 2021年7月28日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
14+阅读 · 2021年3月26日
物联网时代分布式深度学习新方向
专知会员服务
53+阅读 · 2020年8月30日
如何降低云计算基础设施的复杂度?
InfoQ
0+阅读 · 2022年1月4日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
【Flink】基于 Flink 的流式数据实时去重
AINLP
14+阅读 · 2020年9月29日
【数字孪生】面向智能制造的数字孪生
产业智能官
50+阅读 · 2020年5月10日
【边缘计算】边缘计算面临的问题
产业智能官
17+阅读 · 2019年5月31日
【物联网】物联网产业现状与技术发展
产业智能官
15+阅读 · 2018年12月17日
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
19+阅读 · 2018年11月27日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
小贴士
相关VIP内容
专知会员服务
34+阅读 · 2021年10月17日
专知会员服务
72+阅读 · 2021年10月10日
专知会员服务
52+阅读 · 2021年8月17日
专知会员服务
79+阅读 · 2021年7月28日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
14+阅读 · 2021年3月26日
物联网时代分布式深度学习新方向
专知会员服务
53+阅读 · 2020年8月30日
相关资讯
如何降低云计算基础设施的复杂度?
InfoQ
0+阅读 · 2022年1月4日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
【Flink】基于 Flink 的流式数据实时去重
AINLP
14+阅读 · 2020年9月29日
【数字孪生】面向智能制造的数字孪生
产业智能官
50+阅读 · 2020年5月10日
【边缘计算】边缘计算面临的问题
产业智能官
17+阅读 · 2019年5月31日
【物联网】物联网产业现状与技术发展
产业智能官
15+阅读 · 2018年12月17日
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
19+阅读 · 2018年11月27日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员