文摘
近年来,随着现代科技的快速发展和信息技术的不断推广,信息技术已广泛应用于现代表演艺术。信息管理已成为最实用和有效的方法和手段在表演艺术培训管理,但随着各种数据量呈指数级增长,要求计算处理能力和速度对大量数据和信息的需求也不断加强。本文旨在研究使用边缘计算解决延迟和成本高的问题,当传统的云计算中心提供服务。为了应对这些问题,本文提出了基于边缘的数据采集和处理系统架构计算,使用边缘计算我的终端在网络边缘的计算能力,执行部分或全部计算在终端、云计算进程私有数据,减少。中心的计算、传输带宽负载和能量消耗,与云计算相结合,提供数据采集、处理和分析解决方案和低延迟和高处理能力。本文详细介绍如何优化边缘服务器开发以减少访问延迟和请求访问边缘服务器时考虑网络可靠性。本文使用该边缘服务器部署算法和系统负载优化,可有效减少网络延迟和系统负载的边缘服务器,和实验结果表明,该系统有效的优化后性能提高了23.5%。
1。介绍
随着科学技术的不断进步,以及艺术的舞蹈的发展和教育的舞蹈本身的科学训练舞蹈逐渐获得所有舞蹈教育工作者的关注。在现代表演艺术中,信息技术已经广泛渗透到培训管理、日常管理、卫生管理、等方面,使舞蹈训练更有效的和有效的。近年来,各种运动智能应用程序不断上升。用户只需要打开应用程序来执行各种运动,如跑步、健身、跳舞、和学习武术通过应用。此外,在锻炼期间,体育应用可以准确地记录用户的运动时间和卡路里烧毁,然后进行有效的评估,有针对性的运动建议,专门为用户提供各种体育服务需求。设计练习如健身、跑步、和专业培训是根据用户的需求。因此,设计一个科学有效的舞蹈培训信息管理系统结合智能应用程序可以使舞蹈培训的管理更加信息化,系统化、高效,从而改变现状的舞蹈训练和扮演一个重要角色在现代表演艺术水平的进一步提高。移动信息管理系统所产生的数据信息对舞蹈训练是通过网络发送到每个云平台,并得到分析结果通过中央功能。然而,由于分布式智能设备的广泛使用,大量的数据传输块传输通道。有许多困难在使用云计算技术来解决这个问题,和最新的计算机技术提供了一个有效的方法来解决这个问题。信息技术和科学信息管理软件可以用来使提交在线培训计划和远程监控等功能的培训效果。 It emphasizes the role of smart APP in dance training and achieves the best training management effect with minimal investment.
基于物联网的服务从云服务中受益。杨l .采用边计算研究计算卸载,提供计算边缘的一个新的范例流行网络附近的移动用户。为了刺激云服务运营商和当地边缘服务器所有者参与计算卸载,他制定云服务运营商之间的交互和边缘服务器所有者作为Stackelberg博弈最大化云服务操作得到最好的支付和收费业务的效用和边缘服务器所有者:然而,他的研究不能满足更复杂的应用,还需要进一步的研究(1]。移动计算边缘(MEC)可以从计算密集型工作负载释放通过出售移动设备附近MEC服务器。为了出售有效、广播和计算资源需要动态管理应对时变计算需求和无线衰落信道。毛已经开发了一个在线联合广播和计算资源管理算法对于多用户系统。它的目标是减少长期的平均加权和能耗的影响下的移动设备和MEC服务器任务缓冲区。稳定约束:具体地说,在每一个时间段,最佳的CPU周期的频率移动设备获得在一个封闭的形式,和最优传输能量和带宽分配计算卸载是由高斯-赛德尔方法决定的。MEC服务器的CPU核心和最优的最佳频率MEC服务器调度决定在一个封闭的形式派生而来。但它没有考虑该算法过于复杂,这可能会导致更高的负载设备在操作过程中(2]。物联网的出现和5 g应用程序需要集中的集成云计算和新兴移动边缘计算(MEC)与现有网络基础设施来提高存储、处理和缓存功能不仅在一个集中的方式,而且在一个分布式的方式。实现以下目标:同时支持延迟和任务关键型应用程序在同一时间。裂缝的研究集中云的性能改进和MEC-enabled集成光纤无线(FiWi)访问网络。小说统一资源管理解决方案,提出了云计算相结合集中式和MEC计算卸载到底层FiWi动态带宽分配过程的活动。通过使用时分多址,MEC和云交通安排外部FiWi流量的传输时间槽。开发了一个分析框架模型包延迟,响应时间效率,gain-offload成本比率,communication-to-computation云和宽带接入流量的比率。但他的实际数据不支持的研究,很多需要实验来验证理论的可行性[3]。
本文的创新如下:(1)减少边缘网络的数据传输延迟通过设计算法,使用异常数据识别算法来识别异常数据,改善边缘计算的计算效率,并减少边缘服务器部署的成本;(2)采用开放式平台集成网络,计算,存储,和应用程序的核心功能,提供近距离,服务和他们的应用程序从边缘开始,使网络服务更及时和满意的实时处理,智能应用程序和基础工业的需求,如安全与隐私。
2。边缘服务器部署算法设计实验
2.1。边缘计算
边缘计算指的是一个开放的平台,利用网络的核心功能,计算、存储和应用程序在接近事物或数据的来源。服务提供近距离,其应用从边缘开始,使网络服务更响应,满足实时处理的基本行业需求,智能应用程序,安全性和隐私4]。边缘移动计算技术为移动用户提供无线网络计算和云计算功能,本地化应用程序服务,需要大量的计算资源,并部署它们附近的移动用户,从而减少无线网络延迟和高带宽传输功能。此外,减少回程带宽需求可以大大降低运营成本。计算边缘位于物理实体和工业之间的连接,或在物理实体(5,6]。此外,云计算可以继续访问边缘数据边缘电脑(7,8]。自从引入云计算,虽然它给人们的生活和工作带来了便利,互联网的发展,数据量的增加了云计算的缺点。人们开始探索新的数据处理方法来解决云计算的缺点。提出了移动云计算(MCC) (9,10]。云计算的定义是,一个移动设备提供计算单元存储、操作平台、其他资源或信息服务资源,信息服务云中心的通信网络在移动设备上的需求。这是合并后的产品的移动通信网络11]。移动设备连接到云中心通过无线网络和云计算中心发送自己的任务。不需要执行数据管理的计算或其他处理(12),就在云中心提供数据输入和输出。这个特性允许用户下载和安装应用程序,存储移动存储记忆,查看各种设备和数据平台,提高应用程序的兼容性,和覆盖移动设备(13,14]。边缘计算指的是云计算的“沉没”功能在网络边缘,这是一种新型的计算机模型与网络边缘设备一起使用。的“结束”边缘计算产生的数据源的网络终端(15,16]。资源之间的数据路径的云数据中心,基本思想是在电脑上执行计算机工作资源附近的数据源。边缘计算和云计算相辅相成17,18]。便携式电脑芯片是一个计算机芯片。传统的无线接入网位于有线和无线接入点之间的网络,可以为最终用户提供更高的带宽和等待数据服务,从而节省时间和减少带宽、网络搜索数据服务要求(19]。尽管移动边缘计算技术非常方便,它运用于实际网络场景时面临诸多挑战。首先,大量的网络接入点(APs)需要开发允许几乎所有的智能电子设备(上网20.]。然而,这些APs相比,边缘服务器的数量是非常有限的考虑部署成本。如何优化这些低端服务器开发现代网络与大量的APs是一个主要的挑战。边缘移动计算技术为移动用户提供了丰富的应用服务的云计算服务资源从远程中心迁移到网络边缘。这可以极大地消除网络在数据传输过程中远程提供的云计算中心。时间延迟:本文的创新是减少数据传输延迟的边缘网络通过设计算法,使用异常数据识别算法来识别异常数据,边缘计算提高计算效率,减少边缘服务器部署的成本。
2.2。网络传输延迟的计算优势
为了确保大量的移动设备可以访问边缘网络获取服务在任何时间在运动期间,大量的APs需要部署。请求数据的传输延迟这些APs边缘服务器将极大地影响到边缘服务器。服务质量:如果数据加载需要的开关数据传输路径上传输通过太大,这将导致非常严重的延迟在网络边缘21,22]。为不同类型的应用程序服务,请求数据资源的需求也是多样化的。
的变量代表的平均传输延迟请求数据的应用程序服务链接上 。的变量指示是否链接是当这些请求数据传输的路径。整个网络延迟时生成边缘服务器提供应用程序服务覆盖范围内的移动设备的边缘服务器是 在哪里代表应用程序请求的数量在服务范围内的边缘服务器 ,也就是说, 在哪里代表服务应用程序的请求速率的移动设备在边缘服务器的报道 。
当请求的应用程序到达边缘服务器提供服务,边缘服务器将过程所需的资源。假设平均每个移动设备生成的应用程序服务的请求 ,的变量用于表示应用程序的平均利率吗达到边缘服务器 ;然后
边缘服务器1用于为应用程序提供服务时间,和它的平均服务时间 ,在哪里代表的平均服务差异边缘服务器1。因此,可以推断所有服务请求的处理延迟的边缘服务器1
为了确保服务速率大于请求的到达率,必须满足
为了限制覆盖移动设备的数量的总和等于每个边缘服务器并确保不重复计算,移动设备发送的请求
2.3。异常数据识别算法
在收集数据时,有时监控对象执行一些更强烈的行为(23,24]。这些行为的影响和操作数据的快速变化的加速度和角速度。因此,这种类型的数据往往是影响。认为它是异常数据(25,26]。异常数据的识别和处理,考虑到环境数据的及时性和处理器性能的限制,当运行数据填充边缘设备,简单、准确使用最新的热卡填满,然后执行根据已知的节点数据。根据灌装结果,插入函数s (t),然后使用插值函数能快速获得初始运行数据相应的位置。数学表达式是插值节点的数量在原函数m (n) x + 1,这是 用以下公式:
以下也可以:
从丢失的数据计算最近的点后通过上述公式和替换成上面的表达式,可以获得相应的多项式。N点对应的指定值函数是那么的插值多项式来近似替代缺失值。
2.4。边网络任务负荷计算
MEC服务器端,服务器的计算资源也是有限的(27];即MEC服务器只能满足计算要求的某些数据在同一时间。在本文中,我们假定MEC服务器一次只能执行一个计算任务。MEC服务器完成后计算任务,它将计算结果返回给移动用户。
假设SV单位只能上传的数据一个计算任务MEC服务器同时SV的传动功率表示为单位 ,然后传输速率可以表示为
其中,能量损失是常数,是能量损失指数,移动设备之间的距离,MEC服务器,然后呢代表系统的带宽。
根据所需的能源消耗和时间计算任务的执行在本地CPU和MEC服务器,可以使用这些数据通过结合这两个因素的能源消耗和延迟到一个因子,并且负载可以满足不同用户的个人需求,灵活地调整相关影响因素(28]。
计算的时间年代所需的所有计算机执行:
的能量执行所有任务所需
假设系统的整体负载表示为谢:
其中,系数和 ,分别代表延迟的重量和能源消耗的计算任务。这两个系数满足以下关系:
当更大,这意味着计算任务的延迟较大,当更大,这意味着用户的能源消费太高了。为了减少能源消耗的计算任务时,可以选择权重系数。
通过这种方式,我们的目标是优化负载 :
2.5。服务配置成本核算
应用服务配置的成本是指资源需求配置VRC边缘服务器控制状态同步VRC同一应用程序的服务29日,30.]。
这个成本被定义为一个二次函数 包含的总数VRC服务和所有应用程序服务的数量,是一项指标系数在0和1之间。定义一个线性函数 ,平均请求响应延迟成本获得的平均响应时间;然后,每个应用程序服务的总成本标准的支持vrc可以表示如下。
3所示。舞蹈培训移动信息管理系统的设计基于边缘计算
3.1。基于边缘计算系统的体系结构设计
根据计算边缘的特点,有必要使用边缘设备和云计算中心协调整个系统功能的实现。传统的云计算需要数据达到远程云服务器通过无线和核心网络的访问。处理数据后,云服务器将处理的结果返回给用户通过长途回程连接。可以看出,这种操作方法非常耗时。作为一个基本的基础设施今天5 g的网络技术,边缘计算网络主要是通过分布式开发的便携式服务节点为这些节点提供计算和存储资源终端处理用户请求,并充分利用他们使网络具有低延迟和高可伸缩性。
图1显示的基本原理图移动计算系统。MEC平台,边缘服务器位于一侧的无线接入网络,大大缩短了距离用户设备。由于传输距离缩短,MEC任务不再需要长途回程连接和核心网络,这通常可以减少延迟。另一方面,边缘服务器的计算功能更强大的移动设备,大大降低了任务的处理时间。移动计算系统的设计理念不仅可以满足便携式终端设备的需求,扩大计算机能力也弥补长云计算平台的传输延迟。移动边缘计算服务节点是整个网络的核心,和开发人员开发很多计算和存储资源在这些节点。可以提供实时服务接收到一个请求时,从而节省基本计算网络资源。
3.2。舞蹈培训移动信息管理系统的设计
3.2.1之上。系统结构设计
舞蹈培训管理信息系统是一个全面的多级用户管理系统。它有很高的要求,每个链接的相关性和实时性能。因此,有必要使用计算机网络系统平台建设。运动训练的主体管理信息。这些信息包括所有生成的信息交互或运动训练管理中各个环节的相互关系;他们是每个链接的债券。信息的传播各环节的关键是信息管理,管理信息系统的作用是使信息的传播更加及时、准确。因此,利用管理信息系统作为一种工具来进行运动训练管理是现代体育管理的发展方向。通过需求分析,舞蹈培训管理信息系统分为四个模块:用户管理模块、培训计划管理模块,管理模块培训效果,和身体信息管理模块,如图2。
3.3。MySQL-Based数据存储模块
数据管理的过程是利用计算机硬件和软件技术来有效地收集、存储过程,并应用数据。在系统操作的过程中,大量的数据需要处理,和数据库访问和处理数据合理和有效的。其中,MySQL是深受中小网站由于其体积小,速度快,成本低。这个模块也会选择它作为数据存储工具。存储数据时,由于系统使用多个边缘设备传输数据同时,云计算中心的数据传输速度会非常快的在实际操作过程中。当请求,任务堵塞的现象将不可避免地发生。这篇文章调用数据库连接池在MySQL软件系统,将数据存储任务的请求存储在一定的顺序的连接池,并调用顺序,从而减轻任务阻塞的现象。
后通过图数据库建立连接3,当数据库服务器接收到数据库执行上传的信息网络,信息分析。由于数据库执行消息发送的WEB是字符串格式和数据类型是文本,它存储在接收到的字节数组后通过数据接口。首先,字节数组转换为utf - 8编码格式的字符串转换函数。通过关键字索引值的SQL,引号分隔符,从而获得SQL执行语句,通过SqlCommand类实例化执行语句,调用内置的ExecuteNonQuery函数执行操作语句,并完成数据库操作。
如图4连接组的基本思想是将数据库连接作为对象存储在内存中系统初始化。当数据库接收到连接请求时,它不会创建一个新的连接,但将删除连接组的建立连接的对象。登录后使用,重新连接到下一个访问请求。
4所示。边缘服务器部署算法
4.1。网络传输延迟的分析优势
根据本系统架构,为端到端数据传输的传输延迟,提交时间通常是用于验证的时间间隔为提交数据从一个设备到另一个。所示移动边缘网络架构基于SDN技术,本文使用Python程序来开发一个模拟环境来模拟不同的构型的影响边缘VRC支持多个应用程序服务的网络服务请求响应延迟的每个应用程序。本文分析了网络传输延迟通过比较四种算法:EOESPA, RNOESPA KMCA, RESPA。为了进一步研究有限的边缘服务器访问延迟如何影响的最大可靠性SDN-based网络边缘,边缘网络服务部署计划是由四个算法,如表所示1。
如图5,它可以观察到,对于每个服务请求的平均数据大小设置,平均访问延迟通过提出的部署方案RNOESPA非常接近EOESPA可以达到最好的性能,比经典的KMCA更糟。此外,不管传输的数据量,平均交货时间低于2女士,和数据的增加,交货时间不会变化太多,可以更好地保证数据传输的实时特性。
如图6,因为在网络边缘移动设备数量的增加,边缘服务器部署解决方案提出的比KMCA RNOESPA也可以取得更好的性能。此外,实验结果如图5和6,可以看出边缘服务器访问延迟造成的所有四个算法提出的部署计划增加服务请求数据的大小和移动设备的数量的增长。同时,实验结果还表明,移动设备的数量少的增加对边缘服务器的访问延迟的影响比的增加服务请求的数据的大小。
为了避免数据传输障碍系统架构时发送数据,PAG的稳定性数据上传和PAG接收的数据的稳定性进行了分析。如表所示2和3,延迟是反应没有收到立即但收到几个反应。从结果可以看出,随着每秒发送的数据的增加,没有包丢失数据上传,上传数据的稳定性更好。与此同时,尽管有一个延迟接收数据接收到数据时,没有包丢失,可以确定。数据采集的稳定性很好。
4.2。异常数据的识别和分析
数据传输,由于各种原因,会生成异常数据在传输过程中,异常数据识别和分析,数据是由Python爬,和算法用于识别异常数据。
识别结果如表所示4:异常数据的识别基本上是准确的。对于异常数据处理,发现异常数据将完全删除,然后是缺失的数据将在一起。
4.3。边网络任务负荷计算
图7显示了整个系统的负载在不同的场景中,当用户数量是不同的。从图可以看出,当地执行方法最大的整体系统负载,而其他解决方案减少整个系统的负载与当地执行方法相比,表明任务的执行在云上显然可以造福于用户。在剩下的方法中,系统负载优化方法在本章提出最低整体系统负载和性能改善的效果是显而易见的。相比之下,云上的执行,因为在云中执行所有任务传送到云执行没有考虑用户的相互影响,不能有效地改善性能。
图8显示了每个方法的任务负载的变化在不同的任务数量。同样,当地执行方法负载最高。像前面的分析,当任务的数量小于一定数量,云执行方法和边缘执行方法有类似的负载。然而,随着任务的数量继续增加,执行方法边缘负荷高于云执行方法由于延迟的影响,这也说明了系统负载优化的重要作用在移动计算边缘。
4.4。服务配置的总成本的计算与分析
一个好的应用程序配置方案不仅可以确保服务请求的平均响应延迟较低,同时也需要考虑的成本提供服务配置在网络边缘。本章进一步分析了优化应用程序的性能配置方案提出的所有算法的服务配置成本。
由于VRC配置成本是一个二次函数的数量VRC支持每个应用程序和应用程序类型的数量,它将作为应用程序类型数量的增加迅速增加。从图可以看出9当vrc很小的数量,服务的总成本配置方案提出的所有算法随vrc的数量的增加而减小。这是因为当vrc的数量很小,主要服务配置成本是请求响应延迟,成本。
5。结论
基于移动边缘计算体系结构,本文提出了一种边缘网络服务模型,为移动用户提供应用程序服务。它不仅分析了边缘服务器的优化部署并提出了相应的解决方案,而且还研究各种模式的优势网络资源是有限的。应用程序服务的最优配置问题在移动网络,并提出了相应的解决办法。基于边缘的数据收集和处理系统计算是实现。通过协调和边缘之间的交互设备和云计算中心等问题的原始系统计算速度慢,网络延迟大,和大负载得到解决。系统完全集成了最新的信息技术信息收集的舞蹈培训聪明的应用程序,这样用户可以使用互联网等先进方法存储理念,促进舞蹈培训的信息和自动化管理,其效率和效率,从而有助于提高训练水平。本文中的移动信息管理系统设计仍有缺点。它不包括所有的内容舞蹈培训管理的范围。它只关注选择培训计划管理培训管理作为系统的核心功能。只是稍微涉及其他方面,而不是深度。 To carry out a comprehensive functional design, further research is still needed.
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作得到了湖南省社会科学成就的项目审查委员会,中国(批准号XSP21YBC376),教育部优秀青年项目的湖南省,中国(批准号20 b395)。