【摘 要】
:
物联网的爆发式增长促进了边缘计算这种新的计算模式的出现,边缘计算使云服务更接近移动端。在边缘计算的众多特性中,提供较低的响应时延是最重要的特性之一。为了保持一个较低的服务响应时延,应用需要尽可能在距离移动设备最近的边缘设备上运行,甚至在移动设备中运行。在边缘计算场景下,基于Android操作系统的移动设备应用非常广泛。这些设备和边缘设备通常使用不同架构的处理器,设备的操作系统也有所不同。这阻碍了应
论文部分内容阅读
物联网的爆发式增长促进了边缘计算这种新的计算模式的出现,边缘计算使云服务更接近移动端。在边缘计算的众多特性中,提供较低的响应时延是最重要的特性之一。为了保持一个较低的服务响应时延,应用需要尽可能在距离移动设备最近的边缘设备上运行,甚至在移动设备中运行。在边缘计算场景下,基于Android操作系统的移动设备应用非常广泛。这些设备和边缘设备通常使用不同架构的处理器,设备的操作系统也有所不同。这阻碍了应用的迁移,导致边缘设备的应用无法迁移到移动设备中。现有的技术无法解决该问题。已有的一些技术只关注应用在边缘设备之间的迁移,却忽略了应用向移动端的迁移。目前工业界没有适用于边缘端向移动端迁移应用的方案,因此提出了面向边缘计算的容器迁移系统。该系统结合了Android操作系统和容器技术,能将Docker容器应用从边缘端迁移到移动端运行。系统有以下几个特点:1)将Android操作系统和容器技术相结合,在Android操作系统中首次运行了Docker容器;2)将Checkpoint and Restore in User-space(CRIU)移植到了Android操作系统中以支持容器迁移;3)使用Android应用程序管理容器和镜像,简化了操作;4)在Android操作系统中使用crun容器运行时替代runc容器运行时,提高了容器启动速度并减少了资源的占用;5)实现了跨架构容器迁移,能将边缘端的Docker容器迁移到移动端。该系统打破了边缘端和移动端之间的障碍,使得异构的设备之间能更好地协同完成一些任务。实验结果表明,Docker容器和CRIU工具被成功移植到Android操作系统中。移动端的Android设备能成功运行Docker容器,同时支持跨架构进行容器迁移,迁移和容器恢复都在6秒内完成。此外,在Android操作系统中采用crun容器运行时代替runc容器运行时后,容器启动效率提升了40%以上。
其他文献
随着社会的发展,人们的物质生活水平跟以前相比有了很大提高,看电影成为人们业余时间里追求精神世界享受的一种娱乐休闲方式。每年也都会有大量的新电影发布,面对这海量的电影,如何从中发现自己真正想看的电影成为很多人面临的问题。因此,针对这一问题,提出了一个专门用于发现、欣赏、讨论电影的系统。电影推荐及点评系统根据标准的开发步骤,第一步分析了需求,展示了不同角色的用例图,第二步是设计系统,包括整体结构设计、
当今社会运转速度和人们的生活节奏越来越快,信息流动的速度也越来越快。以微博为代表的社交网络平台,凭借其较低的门槛,丰富的信息流,图文并茂的表达方式,逐渐成为新媒体时代重要的信息交流工具,吸引了大量的活跃用户。在微博,用户不仅可以分享自己的生活,还可以对热门的社会事件表达自己的情感。因此分析庞大的微博用户对于社会事件的情感演变过程,对于舆情监控,知识管理和品牌销售都至关重要。本文从两个角度分析社会事
进一步降低能源及化石燃料的消耗,并在低碳发展方面取得进展,对于行业来说是非常至关重要和迫切的。氢能将会在炼钢、重型卡车、航运和水泥生产等行业的低碳减排方面发挥关键作用。最近,中国宣布的碳中和决策,正鼓励着交通、发电厂和其他相关行产等主要排放行业,为低碳发展采取行动。目前,氢燃料已在长途载重卡车的脱碳战略中起着关键性作用,因为使用氢作为燃料比使用柴油作为燃料更便宜。相比较于传统的内燃机,质子交换膜燃
电力工业的安全生产关系着社会稳定和经济发展,因而电力巡检对确保电力事业安全生产具有重要意义,传统电力巡检方式存在工作量大、效率低、不准确的缺点,已不再适合当下巡检要求。深度学习算法能够深度挖掘数据特征,在目标检测领域表现优异;与此同时,AI处理器技术飞速发展,极大提升了硬件的算力,两者结合为电力巡检提供了新思路。本文基于Ascend 310 AI处理器实现视觉电力巡检系统,在嵌入式平台部署深度学习
在教学过程中,了解学生的学习情况,以此进行教学内容和方法的调整是教师的重要工作。而与线下教学相比,在线上教学中,教师缺少相应的手段来了解学生的学习状态。目前,基于线上学习行为数据进行学情分析的研究较少,且这些研究大多都是基于教学视频观看数据,极少关注到其它学习行为,基于此进行学情分析的有效性和准确度有所欠缺。本文则基于师生在子曰平台学习过程中产生的多种学习行为数据进行研究,以期得到更全面,更精准的
随着互联网技术的快速发展,单核处理器已经无法满足大规模数据计算的需求,多核并行计算成为提升计算速率的重要方法。数据流编程是针对大规模密集计算和多核计算的编程模型,通过将计算任务划分成子任务并分配到不同的核心来实现并行计算。任务划分的前提是估计任务的工作量,估计的准确性影响划分效果的好坏,进而影响计算任务的并行性。针对目前缺乏工作量细粒度估计方法的问题,设计并实现了一种基于程序语句的工作量估计方法。
近年来,随着大数据、云计算等技术的不断发展,计算机处理数据量不断增大,同时,各种虚拟化技术逐渐发展成熟,传统互联网已经无法满足需求。为了满足云数据中心等应用场景中动态扩展、高弹性部署等要求,软件定义网络架构应运而生。然而,新的架构也带来了新的安全问题。一方面,软件定义网络的高扩展性导致网络设备多元化和分散化,为网络状态数据的集中化采集提取带来了新的挑战。另一方面,其控制转发分离的设计,使得传统网络
随着互联网规模的逐渐扩大,为了追求高可靠性、高扩展性和低成本的存储服务,越来越多的机构、公司、个人开始接受并使用分布式存储系统。各行各业对分布式存储系统多样化性能需求的满足依赖于准确高效的参数调优,但它通常面临着参数规模大、参数间依赖关系复杂等方面的严峻挑战,而且调优目标之间也常常相互影响。现有调优方案对分布式存储系统的高维空间与参数关联性考虑不足,或聚焦于单个性能指标,使得其优化的参数质量和效率
写作作为在对学生英语能力考察中一项重要和必要的内容,能较为全面的体现出学生对于英语词汇,句式,语法等多个指标的掌握程度和运用能力。因此,在英语考试中,一般作文的分值占比比其他题型更重。而相比于其他题型,作文的批改工作任务更加繁重,耗时更长,而且由于作文的评价标准相对比较灵活,批改的客观性和公平性也更加难以得到保障。目前国内外的研究人员已经开发出许多英文作文自动评分系统,但是很少能够运用在实际考试之
【目的】保持平衡、维持机体的正常姿态对机体完成有效、稳定的运动极其重要。神经系统在感觉信息输入、中枢整合和运动指令输出多个层面参与机体平衡的前馈和反馈调控过程。丘脑后侧核复合体(Posterior complex of the thalamus,Po)作为丘脑腹后核群的一部分,接受前庭神经核(Vestibular nucleus complex,VNC)、未定带(Zona incerta,ZI)、