AppBooster: Boosting the Performance of Interactive Mobile Applications with Computation Offloading and Parameter Tuning
AppBooster: Boosting the Performance of Interactive Mobile Applications with Computation Offloading and Parameter Tuning
复制标题
AppBooster：通过计算卸载和参数调整提升交互式移动应用程序的性能
DOI：
10.1109/tpds.2016.2624733
复制
发表时间：
2017-06
影响因子：
5.3
通讯作者：
Jing Li
中科院分区：
文献类型：
--
作者：
Weiqing Liu;Jiannong Cao;Lei Yang;Lin Xu;Xuanjia Qiu;Jing Li
近年来，交互式移动应用引起了人们的广泛关注。它们利用复杂的算法(例如，机器学习)来提供高级功能(例如，对象识别)，从而导致在移动设备上运行时响应时间较长。为了缩短响应时间，研究人员建议将移动应用程序的一些计算密集型部分转移到云上。现有的工作旨在优化总体性能(例如，响应时间)，但忽略了应用质量(例如，识别准确度)的提高，这也是用户体验的关键。在本文中，我们开发了AppBooster，这是一个移动云平台，可以同时提升交互式移动应用的整体性能和应用质量。AppBooster通过质量适配、计算卸载和并行加速三个方面共同提升综合性能，这是开发者根据应用质量和一般性能的指标来定义的。通过结合基于历史的平台学习知识、开发者提供的信息和平台监控的环境条件(如工作负载、网络)，AppBooster以最优的计算划分方案和可调的参数设置来管理应用程序，从而获得高综合性能。通过在不同的网络环境下对AppBooster进行测试，结果表明AppBooster可以显著提升应用程序的性能，性能是现有策略的1.3~3.5倍。
Interactive mobile applications attract lots of attentions recently. They utilize complex algorithms (e.g., machine learning) to provide advanced functions (e.g., object recognition), thus lead to long response time while running on mobile devices. To reduce the response time, researchers propose offloading some compute-intensive parts of mobile applications onto cloud. Existing works aim to optimize general performance (e.g., response time), but ignore the enhancement of application quality (e.g., recognition accuracy), which is also critical to user experience. In this paper, we develop AppBooster, a mobile cloud platform which boosts both general performance and application quality for interactive mobile applications. AppBooster jointly leverages the quality adaptation, computation offloading and parallel speedup to boost the comprehensive performance, which is defined by developers based on the metrics of application quality and general performance. Through combining history-based platform-learned knowledge, developer-provided information and the platform-monitored environment conditions (e.g., workload, network), AppBooster manages applications with optimal computation partitioning scheme and tunable parameter setting thus obtain high comprehensive performance. We evaluate AppBooster with an object recognition application in various network conditions and show AppBooster can significantly boost application performance and obtain 1.3 to 3.5 times better performance than existing strategies.
登录
查看更多内容
DOI：
10.1007/11549468_24
发表时间：
2005-08
期刊：
--
影响因子：
--
作者：
Engin Ipek;B. Supinski;M. Schulz;S. Mckee
通讯作者：
Engin Ipek;B. Supinski;M. Schulz;S. Mckee
影响因子：
3.8
作者：
Xinwen Zhang;A. Kunjithapatham;Sangoh Jeong;S. Gibbs
通讯作者：
Xinwen Zhang;A. Kunjithapatham;Sangoh Jeong;S. Gibbs
DOI：
10.1145/1966445.1966473
发表时间：
2011-04
期刊：
--
影响因子：
--
作者：
Byung-Gon Chun;Sunghwan Ihm;Petros Maniatis;M. Naik;A. Patti
通讯作者：
Byung-Gon Chun;Sunghwan Ihm;Petros Maniatis;M. Naik;A. Patti
DOI：
10.1145/1999995.2000000
发表时间：
2011-06
期刊：
--
影响因子：
--
作者：
Moo-Ryong Ra;Anmol Sheth;L. Mummert;Padmanabhan Pillai;D. Wetherall;Ramesh Govindan
通讯作者：
Moo-Ryong Ra;Anmol Sheth;L. Mummert;Padmanabhan Pillai;D. Wetherall;Ramesh Govindan
DOI：
10.1145/1879021.1879059
发表时间：
2010-10
期刊：
--
影响因子：
--
作者：
T. Kumar;R. Cledat;S. Pande
通讯作者：
T. Kumar;R. Cledat;S. Pande