面向移動(dòng)云計(jì)算的智能終端傳輸優(yōu)化

第1章  引言 1 
1.1  移動(dòng)云計(jì)算研究背景 1 
1.1.1  智能終端應(yīng)用程序及服務(wù)質(zhì)量需求 2 
1.1.2  移動(dòng)云計(jì)算技術(shù)的定義與主要特點(diǎn) 2 
1.1.3  移動(dòng)云計(jì)算技術(shù)的主要研究?jī)?nèi)容 4 
1.2  研究領(lǐng)域及面臨的主要挑戰(zhàn) 5 
1.2.1  計(jì)算資源和功耗受限的移動(dòng)終端 5 
1.2.2  延遲、帶寬受限的無線網(wǎng)絡(luò)環(huán)境 6 
1.2.3  移動(dòng)性導(dǎo)致的網(wǎng)絡(luò)不穩(wěn)定 6 
1.3  研究方法、研究?jī)?nèi)容與研究成果 6 
1.3.1  基于計(jì)算-網(wǎng)絡(luò)融合的協(xié)同優(yōu)化方法 6 
1.3.2  研究成果 1：計(jì)算密集型移動(dòng)應(yīng)用 QoE 優(yōu)化 8 
1.3.3  研究成果 2：網(wǎng)絡(luò)密集型移動(dòng)應(yīng)用 QoE 優(yōu)化 8 
1.3.4  研究成果 3：移動(dòng)網(wǎng)絡(luò)傳輸穩(wěn)定性優(yōu)化 9 
1.4  本書框架 9 
第 2 章  研究現(xiàn)狀與相關(guān)工作 12 
2.1  移動(dòng)云計(jì)算技術(shù)對(duì)計(jì)算密集型應(yīng)用的優(yōu)化 12 
2.1.1  移動(dòng)虛擬現(xiàn)實(shí)應(yīng)用 13 
2.1.2  計(jì)算遷移和云游戲技術(shù) 14 
2.1.3  圖像和視頻處理技術(shù) 14 
2.2  移動(dòng)云計(jì)算技術(shù)對(duì)網(wǎng)絡(luò)密集型應(yīng)用的優(yōu)化 15 
2.2.1  面向移動(dòng)云存儲(chǔ)服務(wù)的測(cè)量研究 15 
2.2.2  面向云存儲(chǔ)服務(wù)的系統(tǒng)設(shè)計(jì) 16
2.2.3  基于內(nèi)容的分塊方案和增量編碼技術(shù) 16 
2.3  移動(dòng)網(wǎng)絡(luò)、無線網(wǎng)絡(luò)環(huán)境傳輸框架 17 
2.3.1  移動(dòng)網(wǎng)絡(luò)和無線網(wǎng)絡(luò)測(cè)量研究 17 
2.3.2  網(wǎng)絡(luò)異常處理機(jī)制 18 
2.3.3  接口選擇方案 18 
第 3 章  基于移動(dòng)云計(jì)算的高清、低延遲交互式虛擬現(xiàn)實(shí)系統(tǒng) 20 
3.1  背景及概述 20 
3.1.1  VR 的發(fā)展歷程 20 
3.1.2  VR 系統(tǒng)基本架構(gòu)及關(guān)鍵 QoE 指標(biāo) 21 
3.1.3  現(xiàn)有主流 VR 系統(tǒng)及其局限性 23 
3.1.4  VR 系統(tǒng)的渲染流程 23 
3.2  VR 性能瓶頸測(cè)量與分析 24 
3.2.1  本地渲染的性能瓶頸 24 
3.2.2  遠(yuǎn)程渲染技術(shù)的性能瓶頸  26 
3.2.3  未來計(jì)算硬件、網(wǎng)絡(luò)的發(fā)展無法直接解決 VR 性能瓶頸 29 
3.3  Furion 系統(tǒng)設(shè)計(jì) 33 
3.3.1  關(guān)鍵技術(shù)  33 
3.3.2  架構(gòu)設(shè)計(jì) 34 
3.3.3  協(xié)同渲染機(jī)制 35 
3.3.4  預(yù)加載和預(yù)渲染機(jī)制 36 
3.3.5  并行解碼技術(shù) 40 
3.3.6  背景環(huán)境碼率自適應(yīng) 40 
3.4  Furion 系統(tǒng)實(shí)現(xiàn) 42 
3.4.1  Furion 系統(tǒng)的使用方法 42 
3.4.2  Furion 系統(tǒng)主要模塊的實(shí)現(xiàn) 43 
3.5  系統(tǒng)評(píng)估 45 
3.5.1  實(shí)驗(yàn)環(huán)境設(shè)置 45 
3.5.2  性能指標(biāo)評(píng)估 45 
3.5.3  應(yīng)用相關(guān)的可擴(kuò)展性評(píng)估 48 
3.5.4  資源消耗情況 49
3.5.5  Furion 系統(tǒng)對(duì)變化網(wǎng)絡(luò)環(huán)境的適應(yīng)性 52 
3.6  本章小結(jié) 55 
第 4 章  面向移動(dòng)個(gè)人云存儲(chǔ)的同步效率優(yōu)化方案 56 
4.1  概述 56 
4.2  移動(dòng)云存儲(chǔ)服務(wù)性能瓶頸量化與分析 59 
4.2.1  瓶頸 1：移動(dòng)平臺(tái)上的冗余消除技術(shù)可能會(huì)帶來 
      額外計(jì)算開銷 59 
4.2.2  瓶頸 2：增量同步失效導(dǎo)致同步效率低下 60 
4.2.3  瓶頸 3：同步協(xié)議對(duì)網(wǎng)絡(luò)的帶寬利用率過低 64 
4.2.4  同步效率低下原因分析 66 
4.3  QuickSync 系統(tǒng)設(shè)計(jì) 70 
4.3.1  網(wǎng)絡(luò)狀態(tài)可感知的動(dòng)態(tài)分塊方案 71 
4.3.2  基于分塊特征的增量同步算法 74 
4.3.3  捆綁傳輸方案 76 
4.4  QuickSync 原型系統(tǒng)實(shí)現(xiàn) 77 
4.4.1  基于 Dropbox 的系統(tǒng)實(shí)現(xiàn) 78 
4.4.2  基于 Seafile 的系統(tǒng)實(shí)現(xiàn) 78 
4.5  系統(tǒng)評(píng)估 79 
4.5.1  基于網(wǎng)絡(luò)狀態(tài)的動(dòng)態(tài)分塊方案性能評(píng)估 79 
4.5.2  增量同步算法效果評(píng)估 81 
4.5.3  延遲捆綁傳輸方案的實(shí)驗(yàn)評(píng)估 83 
4.5.4  對(duì) QuickSync 總體系統(tǒng)的性能評(píng)估 85 
4.6  本章小結(jié) 88 
第 5 章  面向移動(dòng)終端的高效穩(wěn)定傳輸系統(tǒng) 89 
5.1  概述 89 
5.2  移動(dòng)及無線網(wǎng)絡(luò)環(huán)境不穩(wěn)定性測(cè)量與分析 91 
5.2.1  測(cè)量方法和用戶數(shù)據(jù)集概述 92 
5.2.2  數(shù)據(jù)集分析 92 
5.2.3  移動(dòng)應(yīng)用程序?qū)W(wǎng)絡(luò)不穩(wěn)定狀況的處理情況 95 
5.2.4  移動(dòng)應(yīng)用對(duì)網(wǎng)絡(luò)異常的處理情況研究分析 99
5.3  Janus 系統(tǒng)設(shè)計(jì) 101 
5.3.1  設(shè)計(jì)目標(biāo) 101 
5.3.2  架構(gòu)設(shè)計(jì) 101 
5.3.3  應(yīng)用自適應(yīng)策略 102 
5.3.4  智能無線鏈路選擇機(jī)制設(shè)計(jì) 106 
5.3.5  多接口高效切換機(jī)制設(shè)計(jì) 108 
5.4  Janus 原型系統(tǒng)實(shí)現(xiàn) 109 
5.5  系統(tǒng)評(píng)估 110 
5.5.1  對(duì)比方案 110 
5.5.2  Janus 系統(tǒng)和其他傳輸框架的性能對(duì)比 111 
5.5.3  Janus 系統(tǒng)對(duì)真實(shí)應(yīng)用的性能提升 113 
5.5.4  真實(shí)戶外網(wǎng)絡(luò)環(huán)境下的運(yùn)動(dòng)實(shí)驗(yàn) 116 
5.6  本章小結(jié) 117 
第 6 章  總結(jié)與展望 119 
6.1  總結(jié) 119 
6.2  展望 121 
參考文獻(xiàn) 123 
在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果 132 
致謝 134