At present day, distributed computing is a widely used technique, where volunteers support different computing power needs organizations might have. This thesis sought to benchmark distributed computing performance limited to mobile device support since this type of support is seldom done with mobile devices. This thesis proposes two approaches to harnessing computational power and infrastructure of a group of mobile devices. The problems used for benchmarking are small instances of deep learning training. One requirement posed by the mobile devices’ non-static nature was that this should be possible without any significant prior configuration. The protocol used for communication was HTTP. The reason deep-learning was chosen as the benchmarking problem is due to its versatility and variability. The results showed that this technique can be applied successfully to some types of problem instances, and that the two proposed approaches also favour different problem instances. The highest request rate found for the prototype with a 99% response rate was a 2100% increase in efficiency compared to a regular server. This was under the premise that it was provided just below 2000 mobile devices for only particular problem instances. / För närvarande är distribuerad databehandling en utbredd teknik, där frivilliga individer stödjer olika organisationers behov av datorkraft. Denna rapport försökte jämföra prestandan för distribuerad databehandling begränsad till enbart stöd av mobila enheter då denna typ av stöd sällan görs med mobila enheter. Rapporten föreslår två sätt att utnyttja beräkningskraft och infrastruktur för en grupp mobila enheter. De problem som används för benchmarking är små exempel på deep-learning. Ett krav som ställdes av mobilenheternas icke-statiska natur var att detta skulle vara möjligt utan några betydande konfigureringar. Protokollet som användes för kommunikation var HTTP. Anledningen till att deeplearning valdes som referensproblem beror på dess mångsidighet och variation. Resultaten visade att denna teknik kan tillämpas framgångsrikt på vissa typer av probleminstanser, och att de två föreslagna tillvägagångssätten också gynnar olika probleminstanser. Den högsta requesthastigheten hittad för prototypen med 99% svarsfrekvens var en 2100% ökning av effektiviteten jämfört med en vanlig server. Detta givet strax under 2000 mobila enheter för vissa speciella probleminstanser.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-224646 |
Date | January 2018 |
Creators | Rönnholm, Niklas |
Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-EECS-EX ; 2018:72 |
Page generated in 0.0172 seconds