CN105516281A - 基于移动云环境低能耗和负载均衡的计算迁移方法和装置 - Google Patents
基于移动云环境低能耗和负载均衡的计算迁移方法和装置 Download PDFInfo
- Publication number
- CN105516281A CN105516281A CN201510865928.0A CN201510865928A CN105516281A CN 105516281 A CN105516281 A CN 105516281A CN 201510865928 A CN201510865928 A CN 201510865928A CN 105516281 A CN105516281 A CN 105516281A
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- data flow
- flow application
- clouds
- application program
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Telephone Function (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于移动云环境低能耗和负载均衡的计算迁移方法和装置，从云端服务器和移动终端获取影响数据流应用程序划分的因素值，结合数据流应用程序划分策略，动态的对数据流应用程序进行划分，将移动终端数据流应用程序迁移到云端服务器执行或将云端服务器应用程序迁移到移动终端执行；因素值包括从云端服务器获取的云端服务器当前负载和从移动终端获取的当前电量、CPU负载、网络带宽和可用内存空间。通过本发明的方案不仅能减少移动终端的能耗、实现移动终端和云端的负载均衡，同时可以提高移动终端执行数据流应用程序的吞吐量，同时减少响应时间，提高运算效率。
Description
技术领域
本发明涉及移动云计算技术，尤其涉及移动云环境中一种基于移动云环境低能耗和负载均衡的计算迁移方法。
背景技术
云计算正推动IT产业模式向服务交付方式转变，它提供了一个共享池可虚拟化的，动态可配置的和通过因特网或其它可用网络管理需求交付给客户的计算资源的计算规范。随着无线通信和便携式设备的技术快速发展，移动计算已经融入到我们的生活上，由于移动性的增加，用户在移动设备上需要独立运行或者访问远程的移动应用程序。在移动***中的云服务应用带来了一个新兴的移动计算模式，称为移动云计算。
移动数据流应用程序通常使用摄像头或者其它靠数据率的传感器来执行感知相关的服务，如脸部和物体识别，以增强在移动设备上的现实体现。面向数据路应用程序可以划分为许多独立的组件，各个组件分别完成各自不同的功能并且不同组件之间可能有着数据传输关系，这些组件可以看成是一个个子任务，每个子任务可以迁移到云端执行，也可以在移动终端本地执行。
由于移动终端使用方便、便于携带，越来越多数据流应用程序需要在移动终端执行，但很多应用程序由于移动设备CPU性能或能源限制而不能有效的运作。
发明内容：
为了克服上述背景技术的缺陷，本发明提供一种基于移动云环境低能耗和负载均衡的计算迁移方法和装置，能实现低能耗和负载均衡。
为了解决上述技术问题,本发明的所采用的技术方案为：
一种基于移动云环境低能耗和负载均衡的计算迁移方法，从云端服务器和移动终端获取影响数据流应用程序划分的因素值，结合数据流应用程序划分策略，动态的对数据流应用程序进行划分，将移动终端数据流应用程序迁移到云端服务器执行或将云端服务器应用程序迁移到移动终端执行；因素值包括从云端服务器获取的云端服务器当前负载和从移动终端获取的当前电量、CPU负载、网络带宽和可用内存空间。
较佳地，数据流应用程序划分策略包括：判断移动终端剩余电量是否低于预先设定的阈值a，若是，则将计算时间在t0以上的数据流应用程序组件迁移到云端去执行，将计算时间要求小于t0的数据流应用程序组件放在移动终端执行；若否，则继续当前的划分策略运行数据流应用程序；
较佳地，数据流应用程序划分策略包括：判断移动终端CPU负载的变化是否高于预先设定的阈值p，若是，则将计算时间在t1以上的数据流应用程序组件迁移到云端执行，并将计算时间要求小于t1的数据流应用程序组件放在移动终端执行；若否，则继续当前的划分策略运行数据流应用程序；。
较佳地，判断移动终端与云端之间带宽变化是否高于预先设定的阈值b时，若是，则将通讯时间大于t2的数据流应用程序组件放在移动端执行，将通讯时间小于t2的数据流应用程序组件放在云端执行；若否，则继续当前的划分策略运行数据流应用程序。
较佳地，判断移动端的可用内存是否小于预先设定的阈值s，若是，则将所需内存大小在m以上的数据流应用程序组件迁移到云端执行，将所需内存大小在m以下的数据流应用程序组件放在移动端执行；若否，则继续当前的划分策略运行数据流应用程序。
较佳地，判断服务器端的负载是否大于预先设定的阈值l，若是，则将计算时间在t3以上的数据流应用程序组件迁移到移动端执行，将计算时间要求小于t3的数据流应用程序组件放在云端执行；若否，则继续当前的划分策略运行数据流应用程序。
较佳地，阈值a、p、b、s和l是在装置内预先设定或人工输入的。
本发明还提供一种基于移动云环境低能耗和负载均衡的计算迁移装置，包括因素值获取模块、数据流应用程序划分决策模块和数据流应用程序划分执行模块；因素值获取模块用于从云端和移动端获取因素值，并将因素值输入数据流应用程序划分决策模块；数据流应用程序划分决策模块将因素值结合内部存储的数据流应用程序划分策略向数据流应用程序划分执行模块输出划分决策；数据流应用程序划分执行模块执行从数据流应用程序划分划分决策模块接收到的数据流应用程序划分决策。
较佳地，因素值获取模块从云端服务器获取云端服务器的当前负载，从移动终端获取移动终端的当前电量、CPU负载、网络带宽和可用内存空间。
较佳地，数据流应用程序划分决策模块内存储的数据流应用程序划分策略包括：依据移动终端剩余电量进行决策，判断移动终端剩余电量是否高于预先设定的阈值a，若是，则将计算时间在t0以上的数据流应用程序组件迁移到云端去执行，将计算时间要求小于t0的数据流应用程序组件放在移动终端执行；若否，则继续当前的划分策略运行数据流应用程序；或依据移动终端CPU负载的变化进行决策，判断移动终端CPU负载的变化是否高于预先设定的阈值p，若是，则将计算时间在t1以上的数据流应用程序组件迁移到云端执行，并将计算时间要求小于t1的数据流应用程序组件放在移动终端执行；若否，则继续当前的划分策略运行数据流应用程序；或依据移动终端与云端之间带宽变化进行决策，判断移动终端与云端之间带宽变化是否高于预先设定的阈值b时，若是，则将通讯时间大于t2的数据流应用程序组件放在移动端执行，将通讯时间小于t2的数据流应用程序组件放在云端执行；若否，则继续当前的划分策略运行数据流应用程序；或依据移动终端的可用内存进行决策，判断移动端的可用内存是否小于预先设定的阈值s，若是，则将所需内存大小在m以上的数据流应用程序组件迁移到云端执行，将所需内存大小在m以下的数据流应用程序组件放在移动端执行；若否，则继续当前的划分策略运行数据流应用程序；或依据服务器端的负载进行决策，判断服务器端的负载是否大于预先设定的阈值l，若是，则将计算时间在t3以上的数据流应用程序组件迁移到移动端执行，将计算时间要求小于t3的数据流应用程序组件放在云端执行；若否，则继续当前的划分策略运行数据流应用程序；阈值a、p、b、s和l是在装置内预先设定或人工输入的。
本发明通过分析影响数据流应用程序划分的因素，对移动终端数据流应用程序做出划分处理，包括对云端服务器当前负载和从移动终端获取的当前电量、CPU负载、网络带宽和可用内存空间检测，并依据所获取的结果，对数据流应用程序进行动态的实时调整。通过本发明的方案不仅能减少移动终端的能耗、实现移动终端和云端的负载均衡，同时可以提高移动终端执行数据流应用程序的吞吐量，同时减少响应时间，提高运算效率。
附图说明
图1为本发明实施例的结构示意图；
图2为本发明实施例的流程图。
具体实施方式
下面结合附图和实施例对本发明做进一步的说明。
本实施例提供一种基于移动云环境低能耗和负载均衡的计算迁移装置，包括因素值获取模块、数据流应用程序划分决策模块和数据流应用程序划分执行模块(图1)。
一、因素值获取模块用于从云端和移动端获取因素值，并将因素值输入数据流应用程序划分决策模块；因素值获取模块从云端服务器获取云端服务器的当前负载，从移动终端获取移动终端的当前电量、CPU负载、网络带宽和可用内存空间。本实施例的因素值获取模块具体包括云端服务器的当前负载获取部、移动终端的当前电量获取部、移动终端的CPU负载获取部、网络带宽获取部和移动终端的可用内存空间获取部。
二、数据流应用程序划分决策模块将因素值结合内部存储的数据流应用程序划分策略向数据流应用程序划分执行模块输出划分决策；
数据流应用程序划分决策模块内存储的数据流应用程序划分策略包括以下几种：
依据移动终端剩余电量进行决策，判断移动终端剩余电量是否低于预先设定的阈值a，若是，则将计算时间在t0以上的数据流应用程序组件迁移到云端去执行，将计算时间要求小于t0的数据流应用程序组件放在移动终端执行；若否，则继续当前的划分策略运行数据流应用程序；
或依据移动终端CPU负载的变化进行决策，判断移动终端CPU负载的变化是否高于预先设定的阈值p，若是，则将计算时间在t1以上的数据流应用程序组件迁移到云端执行，并将计算时间要求小于t1的数据流应用程序组件放在移动终端执行；若否，则继续当前的划分策略运行数据流应用程序；
或依据移动终端与云端之间带宽变化进行决策，判断移动终端与云端之间带宽变化是否高于预先设定的阈值b时，若是，则将通讯时间大于t2的数据流应用程序组件放在移动端执行，将通讯时间小于t2的数据流应用程序组件放在云端执行；若否，则继续当前的划分策略运行数据流应用程序；当依据次方案进行决策时，移动终端和云端处于同一种网络类型之下；
或依据移动终端的可用内存进行决策，判断移动端的可用内存是否小于预先设定的阈值s，若是，则将所需内存大小在m以上的数据流应用程序组件迁移到云端执行，将所需内存大小在m以下的数据流应用程序组件放在移动端执行；若否，则继续当前的划分策略运行数据流应用程序；
或依据服务器端的负载进行决策，判断服务器端的负载是否大于预先设定的阈值l，若是，则将计算时间在t3以上的数据流应用程序组件迁移到移动端执行，将计算时间要求小于t3的数据流应用程序组件放在云端执行；若否，则继续当前的划分策略运行数据流应用程序。
以上决策方案中的阈值a、p、b、s和l是在装置内预先设定的，或者是后期人工输入的。
本模块的功能包括主要是按照数据流应用程序迁移策略模块所确定的划分结果将部分组件放到云端执行；对数据流应用程序迁移策略模块所确定的划分结果进行评估并调整划分结果向目标靠近，对移动终端因素获取模块进行实时监控，若因素有改变则需调整划分策略。对云端服务器因素获取模块进行实时监控从而动态调整划分策略，
三、数据流应用程序划分执行模块执行从数据流应用程序划分决策模块接收到的数据流应用程序划分决策。
四、以移动终端剩余电量为例说明上述装置的工作方法如下(图2)：
步骤1，因素获取模块从云端服务器和移动终端获取影响数据流应用程序划分的因素值，即移动终端的剩余电量，输送给数据流应用程序划分决策模块；实践中，因素值包括从云端服务器获取的云端服务器当前负载和从移动终端获取的当前电量、CPU负载、网络带宽和可用内存空间。
步骤2，数据流应用程序划分决策模块将所获取移动终端剩余电量结合数据流应用程序划分策略，动态的对数据流应用程序进行划分，判断剩余电量是否低于预先设定的阈值a，本实施例取该阈值为总电量的30％；若是，则进入步骤3，若否，则进入步骤4；
步骤3，将计算时间在t0以上的数据流应用程序组件迁移到云端去执行，将计算时间要求小于t0的数据流应用程序组件放在移动终端执行，并进入步骤5；
步骤4，则继续当前的划分策略运行数据流应用程序，并进入步骤5；
步骤5，将得出的划分策略输送至数据流应用程序划分执行模块执行；
回到步骤1，进一步获取各项因素值，进行实时检测以调整划分结果同时将结果朝目标靠近。
另外本实施例还可以参照云端服务器当前负载和移动终端的CPU负载、网络带宽和可用内存空间对数据流应用程序进行划分。
如，步骤3为判断当移动终端当前网络带宽变化是否超过20％时，若是，说明此时网络带宽不太稳定，转到步骤4并以新的划分策略继续执行数据流应用程序。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于移动云环境低能耗和负载均衡的计算迁移方法，其特征在于：从云端服务器和移动终端获取影响数据流应用程序划分的因素值，结合数据流应用程序划分策略，动态的对数据流应用程序进行划分，将移动终端数据流应用程序迁移到云端服务器执行或将云端服务器应用程序迁移到移动终端执行；所述因素值包括从云端服务器获取的云端服务器当前负载和从移动终端获取的当前电量、CPU负载、网络带宽和可用内存空间。
2.根据权利要求1所述的一种基于移动云环境低能耗和负载均衡的计算迁移方法，其特征在于，所述数据流应用程序划分策略包括：判断移动终端剩余电量是否高于预先设定的阈值a，若是，则将计算时间在t0以上的数据流应用程序组件迁移到云端去执行，将计算时间要求小于t0的数据流应用程序组件放在移动终端执行；若否，则继续当前的划分策略运行数据流应用程序。
3.根据权利要求1所述的一种基于移动云环境低能耗和负载均衡的计算迁移方法，其特征在于，所述数据流应用程序划分策略包括：判断移动终端CPU负载的变化是否高于预先设定的阈值p，若是，则将计算时间在t1以上的数据流应用程序组件迁移到云端执行，并将计算时间要求小于t1的数据流应用程序组件放在移动终端执行；若否，则继续当前的划分策略运行数据流应用程序；。
4.根据权利要求1所述的一种移基于动云环境低能耗和负载均衡的计算迁移方法，其特征在于：判断移动终端带宽变化是否高于预先设定的阈值b时，若是，则将通讯时间大于t2的数据流应用程序组件放在移动端执行，将通讯时间小于t2的数据流应用程序组件放在云端执行；若否，则继续当前的划分策略运行数据流应用程序。
5.根据权利要求1所述的一种基于移动云环境低能耗和负载均衡的计算迁移方法，其特征在于：判断移动端的可用内存是否小于预先设定的阈值s，若是，则将所需内存大小在m以上的数据流应用程序组件迁移到云端执行，将所需内存大小在m以下的数据流应用程序组件放在移动端执行；若否，则继续当前的划分策略运行数据流应用程序。
6.根据权利要求1所述的一种基于移动云环境低能耗和负载均衡的计算迁移方法，其特征在于：判断服务器端的负载是否大于预先设定的阈值l，若是，则将计算时间在t3以上的数据流应用程序组件迁移到移动端执行，将计算时间要求小于t3的数据流应用程序组件放在云端执行；若否，则继续当前的划分策略运行数据流应用程序。
7.根据权利要求2-6任一项所述的一种基于移动云环境低能耗和负载均衡的计算迁移方法，其特征在于：所述阈值a、p、b、s和l是在所述云端内预先设定或人工输入的。
8.一种基于移动云环境低能耗和负载均衡的计算迁移装置，其特征在于：所述装置包括因素值获取模块、数据流应用程序划分决策模块和数据流应用程序划分执行模块；
所述因素值获取模块用于从云端和移动端获取因素值，并将所述因素值输入数据流应用程序划分决策模块；
所述数据流应用程序划分决策模块将所述因素值结合内部存储的数据流应用程序划分策略向所述数据流应用程序划分执行模块输出划分决策；
所述数据流应用程序划分执行模块执行从所述数据流应用程序划分划分决策模块接收到的数据流应用程序划分决策。
9.根据权利要求8所述一种基于移动云环境低能耗和负载均衡的计算迁移装置，其特征在于：所述因素值获取模块从云端服务器获取云端服务器的当前负载，从移动终端获取移动终端的当前电量、CPU负载、网络带宽和可用内存空间。
10.根据权利要求8所述的一种基于移动云环境低能耗和负载均衡的计算迁移装置，其特征在于，所述数据流应用程序划分决策模块内存储的数据流应用程序划分策略包括：
依据所述移动终端剩余电量进行决策，判断移动终端剩余电量是否低于预先设定的阈值a，若是，则将计算时间在t0以上的数据流应用程序组件迁移到云端去执行，将计算时间要求小于t0的数据流应用程序组件放在移动终端执行；若否，则依据移动端和云端的当前负载情况来做出划分策略运行数据流应用程序；
或依据所述移动终端CPU负载的变化进行决策，判断移动终端CPU负载的变化是否高于预先设定的阈值p，若是，则将计算时间在t1以上的数据流应用程序组件迁移到云端执行，并将计算时间要求小于t1的数据流应用程序组件放在移动终端执行；若否，则继续当前的划分策略运行数据流应用程序；
或依据移动终端与云端之间带宽变化进行决策，判断移动终端与云端之间带宽变化是否高于预先设定的阈值b时，若是，则将通讯时间大于t2的数据流应用程序组件放在移动端执行，将通讯时间小于t2的数据流应用程序组件放在云端执行；若否，则继续当前的划分策略运行数据流应用程序；
或依据所述移动终端的可用内存进行决策，判断移动端的可用内存是否小于预先设定的阈值s，若是，则将所需内存大小在m以上的数据流应用程序组件迁移到云端执行，将所需内存大小在m以下的数据流应用程序组件放在移动端执行；若否，则继续当前的划分策略运行数据流应用程序；
或依据所述服务器端的负载进行决策，判断服务器端的负载是否大于预先设定的阈值l，若是，则将计算时间在t3以上的数据流应用程序组件迁移到移动端执行，将计算时间要求小于t3的数据流应用程序组件放在云端执行；若否，则继续当前的划分策略运行数据流应用程序；
所述阈值a、p、b、s和l是在所述装置内预先设定或人工输入的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510865928.0A CN105516281A (zh) | 2015-11-30 | 2015-11-30 | 基于移动云环境低能耗和负载均衡的计算迁移方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510865928.0A CN105516281A (zh) | 2015-11-30 | 2015-11-30 | 基于移动云环境低能耗和负载均衡的计算迁移方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105516281A true CN105516281A (zh) | 2016-04-20 |
Family
ID=55723912
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510865928.0A Pending CN105516281A (zh) | 2015-11-30 | 2015-11-30 | 基于移动云环境低能耗和负载均衡的计算迁移方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105516281A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107092339A (zh) * | 2017-03-08 | 2017-08-25 | 广东工业大学 | 移动云计算节点异构的任务分流方法 |
| CN107370799A (zh) * | 2017-07-05 | 2017-11-21 | 武汉理工大学 | 一种混合移动云环境中高能效的多用户在线计算迁移方法 |
| CN107911438A (zh) * | 2017-11-06 | 2018-04-13 | 出门问问信息科技有限公司 | 数据处理的方法、装置及*** |
| CN108376099A (zh) * | 2018-01-16 | 2018-08-07 | 西安建筑科技大学 | 一种优化时延与能效的移动终端计算迁移方法 |
| CN108512686A (zh) * | 2017-02-28 | 2018-09-07 | 中兴通讯股份有限公司 | 一种多设备数据传输方法、装置及*** |
| CN109359040A (zh) * | 2018-09-30 | 2019-02-19 | 珠海市君天电子科技有限公司 | 测试应用的方法、装置、电子设备及计算机可读存储介质 |
| CN109445956A (zh) * | 2018-09-19 | 2019-03-08 | 北京大学 | 一种面向智能手表应用的云-端计算分载方法 |
| US10248355B2 (en) | 2017-02-22 | 2019-04-02 | International Business Machines Corporation | Data migration for applications on a mobile device |
| CN110427998A (zh) * | 2019-07-26 | 2019-11-08 | 上海商汤智能科技有限公司 | 模型训练、目标检测方法及装置、电子设备、存储介质 |
| CN111917854A (zh) * | 2020-07-25 | 2020-11-10 | 西安邮电大学 | 一种面向mcc的协作型迁移决策方法及*** |
| CN112148496A (zh) * | 2020-10-12 | 2020-12-29 | 北京计算机技术及应用研究所 | 超融合虚拟机的计算存储资源的能效管理方法、装置及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103813213A (zh) * | 2014-02-25 | 2014-05-21 | 南京工业大学 | 基于移动云计算的实时视频分享平台和方法 |
| CN104202373A (zh) * | 2014-08-21 | 2014-12-10 | 清华大学深圳研究生院 | 移动云计算迁移方法及*** |
| US9026814B2 (en) * | 2011-06-17 | 2015-05-05 | Microsoft Technology Licensing, Llc | Power and load management based on contextual information |
| CN105100500A (zh) * | 2015-08-31 | 2015-11-25 | 电子科技大学 | 基于移动云计算的临界数据卸载方法 |
-
2015
- 2015-11-30 CN CN201510865928.0A patent/CN105516281A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9026814B2 (en) * | 2011-06-17 | 2015-05-05 | Microsoft Technology Licensing, Llc | Power and load management based on contextual information |
| CN103813213A (zh) * | 2014-02-25 | 2014-05-21 | 南京工业大学 | 基于移动云计算的实时视频分享平台和方法 |
| CN104202373A (zh) * | 2014-08-21 | 2014-12-10 | 清华大学深圳研究生院 | 移动云计算迁移方法及*** |
| CN105100500A (zh) * | 2015-08-31 | 2015-11-25 | 电子科技大学 | 基于移动云计算的临界数据卸载方法 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10248355B2 (en) | 2017-02-22 | 2019-04-02 | International Business Machines Corporation | Data migration for applications on a mobile device |
| US10929045B2 (en) | 2017-02-22 | 2021-02-23 | International Business Machines Corporation | Data migration for applications on a mobile device |
| US10353617B2 (en) | 2017-02-22 | 2019-07-16 | International Business Machines Corporation | Data migration for applications on a mobile device |
| CN108512686A (zh) * | 2017-02-28 | 2018-09-07 | 中兴通讯股份有限公司 | 一种多设备数据传输方法、装置及*** |
| CN108512686B (zh) * | 2017-02-28 | 2023-02-21 | 中兴通讯股份有限公司 | 一种多设备数据传输方法、装置及*** |
| CN107092339A (zh) * | 2017-03-08 | 2017-08-25 | 广东工业大学 | 移动云计算节点异构的任务分流方法 |
| CN107370799A (zh) * | 2017-07-05 | 2017-11-21 | 武汉理工大学 | 一种混合移动云环境中高能效的多用户在线计算迁移方法 |
| CN107370799B (zh) * | 2017-07-05 | 2019-10-11 | 武汉理工大学 | 一种混合移动云环境中高能效的多用户在线计算迁移方法 |
| CN107911438A (zh) * | 2017-11-06 | 2018-04-13 | 出门问问信息科技有限公司 | 数据处理的方法、装置及*** |
| CN108376099A (zh) * | 2018-01-16 | 2018-08-07 | 西安建筑科技大学 | 一种优化时延与能效的移动终端计算迁移方法 |
| CN108376099B (zh) * | 2018-01-16 | 2020-06-23 | 西安建筑科技大学 | 一种优化时延与能效的移动终端计算迁移方法 |
| CN109445956A (zh) * | 2018-09-19 | 2019-03-08 | 北京大学 | 一种面向智能手表应用的云-端计算分载方法 |
| CN109445956B (zh) * | 2018-09-19 | 2022-07-22 | 北京大学 | 一种面向智能手表应用的云-端计算分载方法 |
| CN109359040A (zh) * | 2018-09-30 | 2019-02-19 | 珠海市君天电子科技有限公司 | 测试应用的方法、装置、电子设备及计算机可读存储介质 |
| CN110427998A (zh) * | 2019-07-26 | 2019-11-08 | 上海商汤智能科技有限公司 | 模型训练、目标检测方法及装置、电子设备、存储介质 |
| CN111917854A (zh) * | 2020-07-25 | 2020-11-10 | 西安邮电大学 | 一种面向mcc的协作型迁移决策方法及*** |
| CN111917854B (zh) * | 2020-07-25 | 2023-04-07 | 西安邮电大学 | 一种面向mcc的协作型迁移决策方法及*** |
| CN112148496A (zh) * | 2020-10-12 | 2020-12-29 | 北京计算机技术及应用研究所 | 超融合虚拟机的计算存储资源的能效管理方法、装置及电子设备 |
| CN112148496B (zh) * | 2020-10-12 | 2023-09-26 | 北京计算机技术及应用研究所 | 超融合虚拟机的计算存储资源的能效管理方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105516281A (zh) | 基于移动云环境低能耗和负载均衡的计算迁移方法和装置 | |
| CN102724277B (zh) | 虚拟机热迁移和部署的方法、服务器及集群*** | |
| CN103051564B (zh) | 资源动态调配的方法和装置 | |
| WO2015141337A1 (ja) | 受信パケット分散方法、キュー選択器、パケット処理装置、および記録媒体 | |
| CN104038540A (zh) | 一种应用代理服务器自动选择方法及*** | |
| Li et al. | On efficient offloading control in cloud radio access network with mobile edge computing | |
| CN105007337A (zh) | 集群***负载均衡的方法和*** | |
| CN107645520B (zh) | 一种负载均衡方法、装置以及*** | |
| CN103812949A (zh) | 一种面向实时云平台的任务调度与资源分配方法及*** | |
| AU2017237704A1 (en) | Control device for estimation of power consumption and energy efficiency of application containers | |
| CN111132235A (zh) | 基于改进hrrn算法和多属性决策的移动卸载迁移算法 | |
| WO2017133192A1 (zh) | 一种业务控制方法以及业务控制装置 | |
| CN103856337A (zh) | 资源占用率获取方法、提供方法、***及服务器 | |
| CN103841647A (zh) | 基于基站资源池的多粒度可伸缩封装装置和方法 | |
| CN109639833A (zh) | 一种基于无线城域网微云负载均衡的任务调度方法 | |
| KR20170071381A (ko) | 멀티-에이전트 기반 코드 오프로딩을 수행하는 모바일 포그 컴퓨팅 시스템 및 그 방법 | |
| Sopin et al. | Performance analysis of the offloading scheme in a fog computing system | |
| CN104703256A (zh) | 一种移动终端动态连接快速ap的方法及*** | |
| CN111131486A (zh) | 执行节点的负载调节方法、装置、服务器及存储介质 | |
| CN105049485A (zh) | 一种面向实时视频处理的负载感知云计算*** | |
| CN110198267A (zh) | 一种流量调度方法、***及服务器 | |
| CN114553723A (zh) | 一种人工智能训练平台的运营方法、***、介质及设备 | |
| CN112422251B (zh) | 数据传输方法及装置、终端、存储介质 | |
| Tian et al. | Efficient algorithms for VM placement in cloud data centers | |
| Sarvabhatla et al. | A network aware energy efficient offloading algorithm for mobile cloud computing over 5g network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160420 |