低端物联网设备的高扩展性微内核RTOS研究与实现

来源 :西南科技大学 | 被引量 : 0次 | 上传用户:whqqqqqqq
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
实时操作系统(Real-Time Operating System,RTOS)有着定制性强、实时性高、占用资源少等优点,被广泛的应用于智慧家庭、智慧农业、智慧城市等领域。微内核是将操作系统的文件系统、网络协议栈等组件隔离在内核之外,内核只保留任务调度、内存管理、进程间通信等组件,这样能够提高设备的可拓展性、灵活性与稳定性,并提供模块化的设计。随着物联网(Internet of Things,IoT)的不断发展,传统RTOS的缺点也不断显现出来,在需要高拓展性与灵活性的应用场合(如:物联网设备程序在线升级、计算卸载中任务快速加载等)显得力不从心。本文设计并实现了一种微内核实时操作系统(Micro-kernel Real Time Operating System,MKRTOS),该系统在无内存管理单元(Memory Management Unit,MMU)的处理器上支持软件动态加载与链接,能够解决拓展性与灵活性低的问题。本文主要创新如下:1)提出了一种动态加载与动态链接(Dynamic Loading and Dynamic Linking,DL~2)方法。传统的DL~2技术,要求处理器必须支持MMU,对系统的硬件资源要求较高。本文设计了一种DL~2技术,这种技术可以运行于内存很小的设备,并提供良好的程序快速加载支持。本文动态加载文件对比传统的可执行与可链接格式(Executable and Linkable Format,ELF),体积为传统ELF文件的10.4%~68.4%,执行性能几乎没有损失。将该DL~2技术应用于远程程序升级中时,经过系统实验测试,其升级速度提高了30.6倍。2)设计了一种微内核实时操作系统(Micro-kernel Real Time Operating System,MKRTOS)。基于本文提出的DL~2技术设计并实现MKRTOS,系统内核功能极具精简化,系统组件可被动态载入,利用微内核的优势,通过DL~2技术实现内存复用与快速启动,并采用模块化开发的方式提高系统稳定性。系统在三个功能集的启动时间测试中,启动时间分别减少57.59%、52.55%与47.59%。3)设计了一种边缘微内核实时操作系统(Edge Micro-kernel Real Time Operating System,EMKRTOS)。目前IoT设备所使用的操作系统多数都不支持边缘计算任务的快速加载与卸载,多数研究都聚焦于将任务卸载到计算能力较强的边缘服务器。为此本文在MKRTOS的基础上设计了EMKRTOS,利用DL~2技术能够实现任务的快速加载与卸载,使得IoT设备能够将计算任务卸载到其它IoT设备进行加速,从而实现设备之间的协同计算。在视频解码、视频编码、大素数生成的场景中,利用改进的计算模型与拍卖算法进行计算任务的分配。在仿真实验中,其加速比为816.11%、884.28%、834.87%。在利用硬件设备进行真实场景的实验中,其加速比为41.01%、94.14%、2511.08%。本文所设计与实现的微内核实时操作系统非常适用于硬件资源较少的场合,微内核的优势使得系统的模块化程度高,提高了系统的鲁棒性,并且程序能够以动态库的方式被加载执行,提高了系统的灵活性与可拓展性。
其他文献
图表示学习将图中节点从高维、稀疏的网络空间映射到低维、稠密的向量空间,映射过程中保持原始的网络结构并支持图推理。通过图嵌入得到的向量规范性更强,可直接作为下游如节点分类、链接预测或可视化等机器学习任务的输入。图表示学习在链接预测任务上效果良好,但在节点分类任务中表现不佳,这是由于节点类别通常与领域内节点的拓扑结构、重要性特征、属性特征及其类别标签信息密切相关。针对节点分类的图表示学习做了如下研究:
学位
开放关系抽取能在不预设关系词表的情况下,对语料进行灵活的关系抽取,快速对知识进行有效的组织、整理。然而开放关系抽取的语料通常包含大量结构复杂的文本。现有的开放关系抽取方法在抽取这类复杂文本时,效果较差,主要存在如下问题。一是句子结构复杂,难以分析出准确的句法分析结果为开放关系抽取提供数据支持。二是复杂文本中的实体词通常是由多个词语构成的名词短语,识别难度较大。三是复杂文本存在关系重叠的现象,以往的
学位
自从进入21世纪以来,全球变暖一直是人们讨论的热门话题,全球年均气温在十年间仅仅上升0.03℃,正是这个极小数据的出现,使人们对“全球变暖”持怀疑态度。研究全球温度变化需要有长时间的观测数据做支撑,目前主要存在如下问题:一是气候数据搜集面临数据体量大,质量低,技术、勘测等种种困难;二是影响气候属性成分越来越复杂,现有模型难以准确预测气候变化;三是极端天气气温相对整体平均温度差别较大,处理困难,对全
学位
目前大量涉及自动驾驶汽车的事故,表明自动驾驶系统软件仍然存在严重的可靠性和安全性问题,对其进行充分有效的测试具有重要的研究意义。对现有自动驾驶系统测试方法的调研发现,很多测试方法并没有完全覆盖真实的驾驶场景,同时合成测试场景图像质量也有待提高。为此,本文利用深度学习技术合成接近真实的复杂场景图像,应用蜕变测试检测被测试自动驾驶系统的潜在缺陷,以达到有效保障自动驾驶系统软件质量的目标。本文的主要研究
学位
聚类算法是机器学习中最常见的无监督学习算法之一,在现代数据科学中发挥着重要的作用。传统聚类算法的主要任务是根据某些特定的规则将相似度高的数据对象划分到相同的簇。当数据对象的某些属性(例如性别,种族等)需要在每个簇中保持平衡时,传统的聚类算法不再适用,这种聚类任务被称为公平聚类。尽管机器学习界近些年在算法公平性问题上做了大量的研究工作,但是对于聚类算法公平性的认识仍处于起步阶段。针对当前公平聚类研究
学位
根据2021年《全球移动市场报告》调查所示,2021年全球的手机用户达到了39亿。大量的手机用户,产生了大规模的通信数据;主要包括网络接入数据、呼叫详情记录(Call Detail Record,CDR)等。其中CDR数据中包含了用户的时间和空间信息。这些为研究城市中公民的移动行为分析提供了基础。但是CDR数据有着规模大、时间跨度长、离散程度大等特点,很难直接进行研究分析。可视分析技术可以将数据映
学位
流场数据中往往包含了速度、涡量、压力和温度等多方面的流场信息,它们之间的关系是理解流体流动问题的关键,并且不同空间区域的流场特征、规律存在差异,致使单个用户进行流场数据分析的质量和效率不容乐观,需要团队共同提供新的思路和解决方案,以提高流场分析的效率和结果的正确性。现有工业级流场可视化软件(Ensight,Paraview等)虽然具备一定的团队协同能力,但是其支持的协同模式单一,不能满足现阶段流场
学位
视觉故事生成是最近兴起的一个研究方向,旨在从一个离散图像序列生成主题一致、情节连贯和表达丰富的故事,并在文学创作及教育行业具有广泛的应用价值,不仅可以减少文字工作者的工作量,同时也可以为少儿教育及考试提供丰富的素材;研究视觉故事生成对多模态文本生成任务的发展也有促进作用。由于图像序列中的各图像间可能不具有直接相关性,挖掘图像之间的关联性较为困难,目前方法生成的故事主要存在主题不一致、情节连贯性差、
学位
随着网络科学的不断发展,网络分析被广泛应用于各个领域,帮助分析复杂系统中的实体关联、异常勘探、传播模式、预测等,而网络可视化是进行网络分析高效直观的途径。复杂系统中实体间的关联模式与属性密切相关,对于由实体对象及其属性共同构成多元网络(multivariate networks,MVNs)进行可视分析也相较于仅考虑拓扑结构或单一属性的网络存在更多挑战。多元网络可视分析在网络布局和交互分析中面临以下
学位
层次数据广泛存在于实际生活中如图书馆目录、分类学和物种发展史等。其将数据组织成不同细粒度层次的特点,有利于人们对数据的理解和认知。但伴随大数据时代的到来,现有层次数据不仅结构庞大同时各节点蕴含丰富的多维属性信息,这给数据的认知带来挑战。可视化和可视分析作为探索认知数据的有效手段,但现有的可视化方法对于探索现有的复杂层次数据的方法较少,如何快速探索分析大且复杂的层次数据,为决策者进行辅助判断,是一个
学位