基于边云协同的流数据处理任务卸载优化研究

来源 :数字技术与应用 | 被引量 : 0次 | 上传用户:meng8500
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,物联网技术发展迅速,网络边缘产生了大量数据,云计算模式难保障数据处理实时性。为此本文基于边云协同技术对物联网环境下流数据处理任务执行优化展开了研究。本文分析了基于边云协同的流数据处理架构,针对如何减小边云传输的数据量,提出了基于FF(Ford-Fulkerson)算法的任务卸载方法。该算法主要思想是建立基于"流图"的流数据处理任务的资源模型,通过最小割算法对流图进行切割,提取边缘执行任务子图及云端任务子图,减少处理任务宗的数据传输量从而降低服务时延。最后与CloudMethod算法进行了对比
其他文献
本文先描述了虚拟现实技术的含义、特点以及类别,列举了当前虚拟现实技术在教育方面的运用。然后较为完善的分析了虚拟现实技术语言的工作原理、主要特征以及虚拟现实技术语言的语法组成。接着研究了虚拟现实技术融入到摄影技术课程教学里的可操作性,然后研究了利用虚拟现实技术语言的摄影构图构建,利用关于研发案例的技术研究以及研发环节的详细说明,找到了利用虚拟现实技术语言研发实例的基本方式以及研发步骤,给利用虚拟现实技术虚拟现实的研发带来了参考以及借鉴的作用。
本文通过对腧穴以及机制原理的研究,更深层次地探讨腧穴定位。对于古今中外的腧穴定位法进行剖析和解读,结合大数据以及ASM算法,从而得出基于大数据下ASM算法的腧穴定位法,提高了腧穴定位的准确率以及效率,与现有的腧穴定位方法相比,具有明显的优越性以及实际应用性,另外建立了庞大的数据样本以及实验化数据、精准的数学模型,可以进行更精确、更快速地处理,为之后广泛的应用提供了强有力的保障,具有很大的应用前景。