ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
Cloud computing can enhance the computing capability of mobile systems by offloading. However, the communication between the mobile device and the cloud is not free. Transmitting large data to cloud consumes much more energy than processing data in mobile device, especially in a low bandwidth condition. Further, some processing tasks can avoid transmitting large data between mobile device and server. Those processing tasks (encoding, rendering) are as the compress algorithm, which can reduce the size of raw data before it is sent to server. In this paper, we present an energy efficient task scheduling strategy (EETS) to determine what kind of task with certain amount of data should be chosen to be offloaded under different environment. We have evaluated the scheduler by using an Android smartphone. The results show that our strategy can achieve 99% of accuracy to choose the right action in order to minimize the system energy usage.
رایانش ابری از طریق تخلیه می تواند قابلیت محاسباتی سیستم های موبایل را بهبود بخشد. اما، ارتباط بین وسیله موبایل (دیوایس) و ابر آزاد نیست. ارسال داده های بزرگ به ابر، در مقایسه با پردازش داده ها در وسیله موبایل، به ویژه در شرایط پهنای باند پائین، انرژی بسیار بیشتری مصرف می کند. به علاوه، برخی از وظایف پردازش می توانند از ارسال داده های بزرگ بین وسیله موبایل و سرور اجتناب نمایند. آن دسته از وظایف پردازش ( رمزگذاری، نمایش)، شبیه الگوریتم فشرده سازی هستند که می توانند اندازه داده های خام را قبل از ارسال برای سرور کاهش دهند. در این مقاله، یک استراتژی زمان بندی وظیفه انرژی کارآمد (EETS) برای تعیین نوع وظیفه انتخاب شده جهت تخلیه، با مقدار خاص داده در محیط متفاوت معرفی می کنیم. این زمان بند را با استفاده از تلفن هوشمند اندروید مورد ارزیابی قرار داده ایم. نتایج بدست آمده نشان می دهد که استراتژی پیشنهادی می تواند به 99 درصداز صحت لازم برای انتخاب عمل درست جهت به حداقل رساندن مصرف انرژی سیستم دست یابد.