FI114582B - Antecipitation probability arrangement for loading files over a connection interface - Google Patents
Antecipitation probability arrangement for loading files over a connection interface Download PDFInfo
- Publication number
- FI114582B FI114582B FI20022116A FI20022116A FI114582B FI 114582 B FI114582 B FI 114582B FI 20022116 A FI20022116 A FI 20022116A FI 20022116 A FI20022116 A FI 20022116A FI 114582 B FI114582 B FI 114582B
- Authority
- FI
- Finland
- Prior art keywords
- files
- energy consumption
- parts
- probabilities
- portions
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Communication Control (AREA)
- Information Transfer Between Computers (AREA)
- Power Sources (AREA)
- Computer And Data Communications (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
Description
114582114582
Ennakoiva todennäköisyysjärjestely tiedostojen lataamiseksi liityntärajapinnan yliPredictive probability arrangement for downloading files over the interface
Keksinnön alaField of the Invention
Keksintö liittyy todennäköisyysjärjestelyyn ja erityisesti ennakoivaan 5 todennäköisyysjärjestelyyn liityntärajapinnan yli tapahtuvassa tiedonsiirrossa.The invention relates to a probability scheme, and in particular to a predictive probability scheme for data transfer over an interface.
Keksinnön taustaBackground of the Invention
Elektroniikkalaitteilta vaaditaan nykyään yhä monipuolisempia ja toimivampia käyttäjäsovelluksia, jolloin elektroniikkalaitteen on kyettävä käsittelemään suuria tietomääriä. Esimerkiksi matkapuhelinta ei käytetä enää pelkäs-10 tään puhumiseen, vaan myös esimerkiksi kalenterina, Internet-selaimena, kamerana ja pelikoneena. Nämä lukuisat käyttäjäsovellukset vaativat elektroniikkalaitteelta entistä nopeampaa tiedonsiirtokykyä ja parempaa energiankulutuksen hyötysuhdetta.Electronic devices nowadays require increasingly sophisticated and functional user applications, which requires the electronic device to handle large amounts of data. For example, a mobile phone is no longer used for talking alone, but also as a calendar, Internet browser, camera and gaming machine. These numerous user applications require the electronic device to provide faster data throughput and better energy efficiency.
Elektroniikkalaitteiden välisillä ja elektroniikkalaitteiden käsittämien 15 komponenttien välisillä liityntärajapinnoilla, etenkin muistien välisillä liityntä-rajapinnoilla, on olennainen merkitys koko elektroniikkalaitteen tiedonsiirto-kyvylle. Liityntärajapintojen yli siirretään yhä suurempia määriä tietoa, jolloin tunnetun tekniikan mukaisissa ratkaisuissa ongelmana on erityisesti liityntärajapintojen rajallinen kaistanleveys, mikä hidastaa tiedonsiirtoa huomattavasti.The interfaces between the electronic devices and the components 15 comprised by the electronic devices, in particular the interfaces between the memories, are essential for the communication capability of the entire electronic device. More and more data is being transmitted across the interface, whereby the prior art solutions have a particular problem with the limited bandwidth of the interface, which significantly slows down data transmission.
. , . 20 Toisaalta elektroniikkalaitteessa voi olla riittävä nimellinen kaistanleveys, mutta esimerkiksi ohjelmistosta aiheutuvat ongelmat voivat kuitenkin kuormittaa lii-_ ; tyntärajapintaa niin paljon, että liityntärajapinnan tiedonsiirtonopeus muille toi- , . minnoille on riittämätön. Tunnetun tekniikan mukaisissa ratkaisuissa ongelma- i na on lisäksi se, että suuri osa siirretyistä tiedoista voi olla tarpeetonta, mikä ’· : 25 aiheuttaa siten turhaa energiankulutusta ja kaistanleveyden tuhlausta. Kun kaistaa kuormitetaan tarpeettomalla tiedonsiirrolla, tiedonsiirtonopeus pienenee, jolloin myös tarpeellisten tietojen siirtäminen hidastuu. ti;’ Julkaisujen JP1 1306238 ja US 5 553284 tunnetuilla ratkaisuilla määritetään tiedoston lataamiselle rajapinnan yli kiinteä minimitodennäköi-30 syysvakio, joka tiedostolla pitää ainakin olla, jotta se ladattaisiin. Ongelmana näissä ratkaisuissa on kuitenkin se, että niiden avulla ei arvioida tiedoston lataamisesta aiheutuvaa energiankulutusta, vaan lataaminen suoritetaan siten : · “: ainoastaan liitostodennäköisyyksien perusteella.. ,. On the other hand, the electronic device may have sufficient nominal bandwidth, but problems caused by software, for example, may still be overloaded; the interface so much that the communication speed of the interface worked to others. is not enough. A further problem with prior art solutions is that a large part of the transmitted data may be redundant, thus causing unnecessary energy consumption and bandwidth wastage. When the bandwidth is loaded with unnecessary data transmission, the data transmission speed is reduced, which also slows down the transmission of the necessary data. The known solutions of JP1 1306238 and US 5 553284 determine a fixed minimum probability constant for downloading a file over an interface, which the file must at least have in order to be downloaded. The problem with these solutions, however, is that they do not estimate the energy consumption of downloading a file, but do so as follows: · “: based only on connection probabilities.
» I»I
* > · * » · I · 114582 2*> · * »· I · 114582 2
Keksinnön lyhyt selostusBrief Description of the Invention
Keksinnön tavoitteena on siten kehittää menetelmä ja menetelmän toteuttava järjestelmä siten, että yllä mainittujen ongelmien haittoja voidaan vähentää. Keksinnön tavoite saavutetaan menetelmällä, järjestelmällä, laitteella 5 ja ohjelmistolla, joille on tunnusomaista se, mitä sanotaan itsenäisissä patenttivaatimuksissa. Keksinnön edulliset suoritusmuodot ovat epäitsenäisten patenttivaatimusten kohteena.It is thus an object of the invention to provide a method and a system implementing the method so that the disadvantages of the above problems can be reduced. The object of the invention is achieved by a method, a system, a device 5 and a software which are characterized by what is stated in the independent claims. Preferred embodiments of the invention are claimed in the dependent claims.
Keksintö perustuu siihen, että ladataan tiedostoja F, tai niiden osia Cj liityntärajapinnan IF yli tiedostoja F, tai niiden osia C, käsittävästä yksiköstä 10 FU tietoja käsittelevään yksikköön DU. Tässä yhteydessä tiedostoja F, tai niiden osia Cj käsittävällä yksiköllä FU tarkoitetaan esimerkiksi palvelinta S, muistilaitetta M tai mitä tahansa yksikköä, joka käsittää tietoa. Tietoja käsittelevällä yksiköllä DU puolestaan tarkoitetaan esimerkiksi matkaviestintä T, muistilaitetta M tai mitä tahansa yksikköä, joka on järjestetty käsittelemään tie-15 toa. Keksinnön mukaisella ennakoivalla todennäköisyysjärjestelmällä määritetään ainakin kahden tiedoston F, tai niiden osien C, liitostodennäköisyydet JPj, jotka kuvaavat todennäköisyyksiä, joilla tiedostoihin Fj tai niiden osiin Cj siirrytään, ja tiedostojen Fj tai niiden osien Q lataamisesta aiheutuvat energiankulutukset Wj. Tiedostoille Fj tai niiden osille Cj muodostetaan lataamisjärjestys 20 liitostodennäköisyyksien JPj funktiona. Lisäksi määritetään arvo maksimiener-giankulutukselle ECmax, joka kuvaa lataamisesta aiheutuvaa suurinta sallittua v.; energiankulutusta. Tiedostoja Fj tai niiden osia Cj ladataan lataamisjärjestyk- : sessä, ja samalla määritetään mainittujen tiedostojen Fj tai niiden osien Cj *: i lataamisesta aiheutuvaa kokonaisenergiankulutusta IWj, kunnes kokonais- : ‘ , · 25 energiankulutuksen ZW, arvo ylittää maksimienergiankulutuksen ECmax arvon.The invention is based on loading the files F, or parts thereof Cj, over the interface IF from the unit 10 comprising the files F, or parts thereof C, to the data processing unit DU. In this context, a unit FU comprising files F, or portions thereof C 1, means, for example, a server S, a storage device M, or any unit comprising information. The data processing unit DU, for its part, means, for example, a mobile station T, a storage device M or any unit arranged to process data. The predictive probability system of the invention determines the junction probabilities JPj of at least two files F, or portions thereof C, which illustrate the probabilities of transfer to files Fj or portions Cj thereof, and the energy consumption Wj of loading Fj or portions Q thereof. The files Fj, or portions thereof Cj, are assigned a download order 20 as a function of the join probabilities JPj. In addition, a value is defined for the maximum power consumption ECmax, which represents the maximum allowable load due to charging; energy consumption. The files Fj or portions thereof Cj are downloaded in the order of downloading, while the total energy consumption IWj of loading said files Fj or portions Cj * i is determined until the total: ', · 25 energy consumption ZW, exceeds the maximum energy consumption ECmax.
; Keksinnön erään edullisen suoritusmuodon mukaan tiedostojen Fj tai niiden osien Cj lataamistodennäköisyydet LPj määritetään liitostodennäköi-syyksistä JPj, ja keksinnön erään toisen edullisen suoritusmuodon mukaan määritetään tiedostojen Fj tai niiden osien C, lataamistodennäköisyysfunktiot , ; 30 fLPj joko lataamistodennäköisyyksien LPj funktioina tai lataamistodennäköi- •; · ’ syyksien LPj ja lataamisesta aiheutuvien energiankulutusten \N, funktioina.; According to a preferred embodiment of the invention, the loading probabilities LPj of the files Fj or portions Cj thereof are determined from the join probabilities JPj, and according to another preferred embodiment of the invention the loading probabilities functions of the files Fj or portions Cj are determined; 30 fLPj as a function of either the charging probabilities LPj or the charging probabilities; · 'As a function of LPj and energy consumption of charging \ N,
: Keksinnön mukaisella järjestelyllä saavutetaan huomattavia etuja.The arrangement according to the invention provides considerable advantages.
Eräänä etuna on se, että ennakoiva todennäköisyysjärjestely mahdollistaa sen, ‘ ; että käyttäjä ja/tai järjestely voi määrittää olennaisesti optimaalisen sovituksen ] | 35 saanti- ja latausaikojen sekä latauksesta aiheutuvan energiankulutuksen vä- • · • lille. Etuna on myös se, että ennakoivalla todennäköisyysjärjestelyllä voidaan 114582 3 olennaisesti pienentää energiahäviöitä lataamalla todennäköisimmin tarvittavia tiedostoja ennakkoon, eli tiedostoja ei ladata ainoastaan esimerkiksi niiden esiintymisjärjestyksessä. Etuna on lisäksi se, että näiden todennäköisimmin tarvittavien tiedostojen lataamisen seurauksena voidaan vähentää kaistan-5 leveyden ylimääräistä kuormittamista, jolloin hitaan liityntärajapinnan toiminta-nopeudet kasvavat olennaisesti yltäen joissakin tilanteissa jopa suurinopeuk-sisen liityntärajapinnan toimintanopeuksien tasolle.One advantage is that the proactive probability scheme allows it, '; that the user and / or arrangement can determine a substantially optimal fit] | 35 Lille for charging, charging and energy consumption. It is also an advantage that the predictive probability arrangement 114582 3 can substantially reduce energy losses by pre-loading the most likely files, i.e., the files are not only downloaded, for example, in the order in which they occur. An additional benefit is that as a result of downloading these most likely necessary files, the extra bandwidth-load load can be reduced, whereby the slow access interface operating speeds are substantially increased, in some cases even up to the high-speed access interface operating speeds.
Kuvioiden lyhyt selostusBRIEF DESCRIPTION OF THE DRAWINGS
Keksintöä selostetaan nyt lähemmin edullisten suoritusmuotojen 10 yhteydessä, viitaten oheisiin piirroksiin, joista:The invention will now be described in more detail in connection with preferred embodiments 10 with reference to the accompanying drawings, in which:
Kuvio 1 esittää yksinkertaista järjestelmää, joka käsittää PROM-muistin, DRAM-muistin ja näiden välisen hitaan liityntärajapinnan;Figure 1 illustrates a simple system comprising a PROM, a DRAM, and a slow interface between them;
Kuvio 2 esittää yksinkertaista järjestelmää, joka käsittää palvelimen, päätelaitteen ja niiden välisen liityntärajapinnan; 15 Kuvio 3 esittää vuokaavion ennakoivan todennäköisyysmenetelmän toiminnallisuudesta;Figure 2 illustrates a simple system comprising a server, a terminal and an interface between them; Figure 3 shows a flow chart of the functionality of the predictive probability method;
Kuvio 4 esittää ajurin toiminnallisuutta tiedoston tai sen osien lataamiseksi;Figure 4 illustrates driver functionality for downloading a file or portions thereof;
Kuvio 5 esittää todennäköisyyspuuna keksinnön erästä edullista 20 suoritusmuotoa; : Kuvio 6 esittää todennäköisyyspuuna keksinnön erästä toista I I * ....: edullista suoritusmuotoa;Figure 5 illustrates a preferred embodiment of the invention as a probability tree; Figure 6 shows a probability tree of another preferred embodiment of the invention;
Kuvio 7 esittää todennäköisyyspuuna keksinnön erästä kolmatta . edullista suoritusmuotoa.Figure 7 shows a third tree of the invention as a probability tree. a preferred embodiment.
25 Keksinnön yksityiskohtainen selostusDetailed Description of the Invention
Liityntärajapinnoilla, kuten elektroniikkalaitteiden välisillä ja elektroniikkalaitteiden käsittämien komponenttien, kuten muistien, välisillä liityntäraja-:· pinnoilla, on suuri merkitys koko järjestelmän, kuten päätelaitteen, suoritus- kyvylle, erityisesti tiedonsiirtonopeuksille ja energiankulutukselle. Elektroniikka-30 laitteissa muisteja käytetään yleisesti tiedon tallentamiseen. Eri muistityypit ;;;* eroavat toisistaan lähinnä toimintanopeuden, tallennuskapasiteetin ja tallenne- \··' tun tiedon säilyvyyden suhteen. Tämän vuoksi elektroniikkalaitteet yleisesti :· ·: käsittävät useita erilaisia muisteja eri käyttötarkoituksiin.Interfaces, such as interfaces between electronic devices and interfaces of electronic components such as memories, are of great importance for the performance of the system as a whole, especially for data transmission speeds and power consumption. In electronics-30 devices, memories are commonly used to store data. The different types of memory ;;; * differ mainly in terms of operating speed, storage capacity, and storage capacity of stored data. As a result, electronic devices in general: · ·: consist of several different memories for different applications.
:*·,· Muistit voidaan jakaa niiden toiminnan perusteella haihtuviin (vola- » f 35 tile) ja haihtumattomiin (non-volatile) muisteihin. Kun tehon syöttö katkaistaan, 114582 4 haihtuva muisti menettää yleisesti kaiken tallentamansa tiedon, mutta haihtu-maton muisti tyypillisesti säilyttää tallentamansa tiedon.: * ·, · Memories can be divided into volatile »vol 35» and non-volatile. When the power supply is turned off, the 114582 4 volatile memory generally loses all of its stored data, but the nonvolatile memory typically retains its stored data.
RAM-muistit (Random Access Memory) ovat yleisesti haihtuvia muisteja, joihin voidaan kirjoittaa tietoa ja lukea niistä tietoa teholähteen olles-5 sa kytkettynä. Elektroniikkalaitteen keskusyksikön käyttämä päämuisti, jota käytetään tallentamaan etenkin keskusyksikön käyttämiä ohjelmia ja tiedonkäsittelyn välittömiä tuloksia, on yleisesti nopeaa RAM-muistia.Random Access Memory (RAM) is a type of volatile memory in which data can be written to and read from a power supply. The main memory used by the central processing unit of the electronic device, which is used to store especially the programs used by the central processing unit and the immediate results of data processing, is generally high-speed RAM.
RAM-muistit voidaan edelleen jakaa SRAM-muisteihin (Static Random Access Memory) ja DRAM-muisteihin (Dynamic Random Access 10 Memory). SRAM-muistisolussa tieto tallennetaan tyypillisesti bistabiiliin kiikku-piiriin, joka käsittää yleisesti neljästä kuuteen transistoria. SRAM-muistin rakenne on siten monimutkainen ja tilaavievä. SRAM-muistia käytetään sen nopeuden ja pienen tehonkulutuksen vuoksi etenkin ohjelmakoodin suorittamiseen ja Cache-muistina.RAM can be further divided into SRAM (Static Random Access Memory) and DRAM (Dynamic Random Access 10 Memory). In an SRAM memory cell, the information is typically stored in a bistable flip-flop circuit, generally comprising four to six transistors. The structure of the SRAM memory is thus complicated and bulky. Because of its speed and low power consumption, SRAM is used especially for executing program code and as Cache memory.
15 DRAM-muistisolu käsittää tyypillisesti yhden kondensaattorin, johon tieto tallennetaan sähköisenä varauksena, ja MOSFET-transistorin (Metal Oxide Semiconductor Field Effect Transistor), joka toimii kytkimenä kondensaattoria varattaessa ja purettaessa. Yksinkertaisen rakenteensa vuoksi DRAM-muisti on kooltaan pieni ja hinnaltaan edullinen. DRAM-muisti tarvitsee 20 toimiakseen kuitenkin niin sanotun virkistystoiminnallisuuden eli varauksen vahvistamisen tietyin väliajoin. Virkistystoiminnallisuudesta huolimatta DRAM-: muisti on nopea, ja sitä käytetään etenkin väliaikaiseen tiedon tallentamiseen.The DRAM memory cell typically comprises a single capacitor in which data is stored as an electric charge, and a MOSFET transistor (Metal Oxide Semiconductor Field Effect Transistor), which acts as a switch for charging and discharging the capacitor. Due to its simple design, DRAM is small in size and inexpensive. However, the DRAM needs 20 to operate in a so-called recreational function, that is, confirmation of the reservation at certain intervals. Despite its refreshing functionality, DRAM memory is fast and is used especially for temporary data storage.
DRAM-muistista on kehitetty useita nopeita muistityyppejä, kuten synkroninen · DRAM-muisti (Synchronous Dynamic Random Access Memory).DRAM has been developed into several types of high-speed memory, such as Synchronous Dynamic Random Access Memory (DRAM).
. : 25 ROM-muisti (Read Only Memory) on haihtumaton lukumuisti, joka , , · säilyttää tallentamansa tiedon, vaikka teholähde kytketään pois. Tiedon tallen- taminen ROM-muistiin voi olla pysyvää tai uudelleenohjelmoitavaa, riippuen ROM-muistin valmistusteknologiasta. ROM-muistit voidaan jakaa muun muassa maski-ROM-muisteihin (Mask Read Only Memory), PROM-muisteihin 30 (Programmable Read Only Memory) ja EPROM-muisteihin (Erasable and ..; Programmable Read Only Memory). ROM-muistit ovat nopeita ja niiden tehon- kulutus on yleisesti vähäinen, mutta ne ovat kuitenkin melko kalliita. ROM-muisteja käytetään etenkin pysyvän tiedon massatallentamiseen, kuten ohjelmien ja mikrokoodien tallentamiseen.. : 25 Read Only Memory (ROM) is a non-volatile read-only memory that, · stores data stored on it even when the power supply is turned off. Storing data in ROM may be permanent or reprogrammable, depending on the technology used to make the ROM. ROMs can be divided into, among others, Mask Read Only Memory (PRO), Programmable Read Only Memory (PROM) 30 and Erasable and .. (EPROM). ROMs are fast and generally have a low power consumption but are still quite expensive. ROMs are especially used for mass storage of permanent data such as programs and microcodes.
‘ : 35 Tässä esitettyjen muistikomponenttien lisäksi on olemassa paljon muitakin muistityyppejä, joihin keksinnön mukaista ennakoivaa todennäköi- 114582 5 syysjärjestelyä voidaan soveltaa. Tällaisia ovat esimerkiksi pyörivät muisti-tyypit, kuten kiintolevyt.': 35 In addition to the memory components disclosed herein, there are many other types of memory to which the predictive probability arrangement of the invention may be applicable. These include, for example, rotary memory types such as hard drives.
Keksinnön mukaista ennakoivaa todennäköisyysjärjestelyä voidaan edullisesti käyttää optimoimaan etenkin hitaan liityntärajapinnan yli tapahtuvaa 5 energiaa kuluttavaa tiedonsiirtoa.The predictive probability scheme according to the invention can advantageously be used to optimize the data-consuming data transmission, especially over the slow interface.
Keksinnön mukainen ennakoiva todennäköisyysjärjestely on implementoitavissa esimerkiksi elektroniikkalaitteisiin, joissa on kuvion 1 mukaan kaksi muistikomponenttia, Mi ja M2, kuten PROM-muisti (100), joka on suuri haihtumaton muisti, ja DRAM-muisti (102), joka on nopea suoritusmuisti, ja 10 näiden välillä on hidas liityntärajapinta (Interface) IF (104), jonka yli ladataan diskreettejä tiedostoja (Files) Fj (106) tai niiden osia (Clips) Cj.The predictive probability arrangement according to the invention can be implemented, for example, in electronic devices having two memory components, M 1 and M 2, as shown in FIG. 1, such as PROM memory (100), a large nonvolatile memory, and DRAM memory (102), between these is a slow interface IF (104) over which the discrete files Fj (106) or parts thereof (Clips) Cj are loaded.
Ennakoivasta todennäköisyysjärjestelystä on hyötyä erityisesti silloin, kun liityntärajapinta IF (104) on hidas verrattuna tiedostojen Fj (106) tai niiden osien Cj kokoon. Suurten tiedostojen F, (106) tai niiden osien C, lataa-15 minen hitaan liityntärajapinnan IF (104) yli esimerkiksi käskyttämällä olisi hidasta, mikä aiheuttaisi sovellusten toiminnallisuuden hitaan saantiajan käyttäjälle. Edullisesti ladattavilla tiedostoilla Fj tai niiden osilla Ci on jonkinlainen tilastollinen tai looginen riippuvuus toisistaan. Esimerkiksi riippuvuus voi olla uusien verkkosivujen lataaminen yhden verkkosivun hyperlinkkien perusteella.The proactive probability scheme is particularly useful when the interface IF (104) is slow compared to the size of the files Fj (106) or portions Cj thereof. Loading large files F, (106), or portions thereof, C over a slow access interface IF (104), for example by commanding, would be slow, causing application functionality to the slow access user. Preferably, the downloadable files F1 or portions thereof C1 have some statistical or logical relationship to one another. For example, dependency may be the loading of new web pages based on hyperlinks to a single web page.
20 Ennakoivaa todennäköisyysjärjestelyä voidaan käyttää, vaikka tällaisia riippuvuussuhteita ei olisikaan.20 A proactive probability scheme can be used even if there are no such dependencies.
i Keksinnön mukainen ennakoiva todennäköisyysjärjestely on imple- , ·· mentoitavissa myös kuviossa 2 esitettyyn järjestelmään, joka käsittää esimer- . : kiksi palvelimen S (200) ja elektroniikkalaitteen, kuten päätelaitteen T (202), ja . : 25 niiden välisen liityntärajapinnan IF, kuten ilmaliityntärajapinnan AIF (204), ! käsittämään järjestelmään. Palvelin S (200) voi käsittää suuren määrän toi- : .* siinsa esimerkiksi Internet-yhteydellä linkitettyä tietoa. Päätelaitteen T (202) käsittämään muistiin mahtuu yleisesti vain pieni osa tarvittavista tiedostoista Fj (206) tai niiden osista Cj. Tällöin päätelaite T (202) voi antaa komentoja :* 30 esimerkiksi palvelimelle S (200), joka voi siirtää tiedostoja Fj (206) tai niiden ,osia Cj päätelaitteelle T (202) ilmaliityntärajapinnan AIF (204) yli.The predictive likelihood arrangement according to the invention is also imple- ·· mentable to the system shown in Fig. 2, comprising e.g. a server S (200) and an electronic device such as a terminal T (202), and. : 25 the IF interface between them, such as the air interface AIF (204),! to comprehend the system. The server S (200) may comprise a large amount of information linked to it, for example via an Internet connection. The memory comprised in the terminal T (202) generally holds only a small portion of the required files Fj (206) or portions Cj thereof. In this case, the terminal T (202) may issue commands: * 30, for example, to the server S (200), which may transfer files Fj (206) or portions thereof to the terminal T (202) over the air interface AIF (204).
Ennakoivaa todennäköisyysjärjestelyä voidaan hyödyntää myös esi-··. merkiksi pelisovelluksissa. Peli voi olla suoraan ohjelmoitu käyttämään keksin- nön mukaista järjestelyä, esimerkiksi päätettäessä mikä rakenne annetaan 35 näytölle seuraavaksi. Ennakoivan todennäköisyysjärjestelyn avulla voidaan '.*·· aikaansaada pelisovellusten vaatimia hyvin korkeita huipputiedonsiirto- 114582 6 nopeuksia lataamalla todennäköisimpiä tiedostoja Fj tai niiden osia C, jo etukäteen.The proactive probability scheme can also be used for pre ···. sign in game apps. The game may be directly programmed to use the arrangement according to the invention, for example in deciding which structure is to be displayed next to the 35 screens. By using a proactive probability scheme, it is possible to obtain very high peak data transfer rates required by game applications by downloading the most probable files Fj or parts thereof C, in advance.
Kuvio 3 esittää vuokaaviona erään edullisen suoritusmuodon mukaisen ennakoivan todennäköisyysmenetelmän toiminnallisuutta. Aluksi määrite-5 tään (300) mahdollisille tiedostoille Fj tai niiden osille Cj niiden lataamisesta aiheutuvat energiankulutukset Wj esimerkiksi tiedostojen Fj tai niiden osien Ci tavujen lukumäärien perusteella.Fig. 3 is a flow chart illustrating the functionality of a predictive probability method according to a preferred embodiment. Initially, attribute-5 (300) determines the power consumption Wj of the possible files Fj or portions thereof Cj based on the number of bytes of the files Fj or portions Ci, for example.
Energiankulutus Wj voidaan määrittää esimerkiksi suoraan energiana, jolloin sen yksikkö on yleisesti mj (millijoule). Energiankulutus \N, kuvaa 10 energiamäärää, jonka esimerkiksi tiedostoja käsittelevä yksikkö DU, kuten päätelaite T, kuluttaa ladatessaan tiedoston F, tai sen osan Cj. Tämä energia on tyypillisesti verrannollinen tiedoston F, tai sen osan Cj pituuteen U, jolloin pituuden yksikkö on yleisesti kB (kilotavu). Ensimmäisessä likiarvossa verrannollisuus on suora, eli Wj = k*Lj, missä k on kokeellisesti määritelty vakio.For example, the energy consumption Wj can be determined as direct energy, whereby its unit is generally mj (millijoule). Energy Consumption \ N, illustrates the amount of energy that a file processing unit DU, such as a terminal T, consumes when downloading file F, or a portion of it Cj, for example. This energy is typically proportional to the length U of the file F, or part thereof Cj, whereby the unit of length is generally kB (kilobytes). In the first approximation, the proportionality is straight, i.e. Wj = k * Lj, where k is an experimentally determined constant.
15 Todellisessa järjestelmässä funktio voi olla monimutkaisempi. Tällainen tilanne on mahdollinen esimerkiksi silloin, kun liityntärajapinta IF kuluttaa energiaa alustaessaan tiedonsiirtoa, tai kun liityntärajapinnan IF yli siirretään tietoa pakettimuotoisesti - ei siis jatkuvana virtana. Liityntärajapinnassa IF saattaa olla myös muita energiankulutuksen kannalta epälineaarisia piirteitä. Yleisessä 20 tapauksessa siis W, = g(Lj), missä g on jokin funktio, kuten kokeellisesti tai teoreettisesti määritelty funktio. Tämä riippuvuus on kuitenkin sovellus-( kohtainen, eikä se vaikuta itse keksinnön perusperiaatteeseen. Energian- ·; · kulutuksen Wj funktionaalista muotoa ei siis tässä määritellä erikseen, vaan se oletetaan tunnetuksi. Tässä hakemuksessa käytetään keksinnön suoritus-: 25 muotojen havainnollistamiseksi yksinkertaista muotoilua ja dimensiottomia j suureita, ja energiankulutus määritetään suoraan tiedoston tai sen osan pituutena Wj = L|.15 In a real system, the function may be more complex. Such a situation is possible, for example, when the IF interface consumes energy when initiating data transmission, or when data is transmitted over the IF interface in a packet form, i.e. not in a continuous stream. The IF interface may also have other non-linear features in terms of energy consumption. Thus, in the general case 20, W 1 = g (L j), where g is a function such as experimentally or theoretically determined function. However, this dependency is application specific and does not affect the basic principle of the invention itself. Thus, the functional form of the energy consumption Wj is not specifically defined herein, but assumed. This application uses simple design and dimensionless to illustrate embodiments of the invention. j, and the power consumption is directly determined as the length of the file or part thereof Wj = L |.
Lisäksi tiedostoille Fj tai niiden osille C, määritetään (302) liitosto-dennäköisyydet JP,:t (Joint Probabilities) eli todennäköisyydet, joilla kyseiseen 30 tiedostoon F, siirrytään. Liitostodennäköisyyksien määrittäminen (302) on sovelluskohtaista. Mikäli käyttäjä on ladannut esimerkiksi verkkosivun, voidaan ,·. arvella, että käyttäjä menee seuraavaksi verkkosivun johonkin hyperlinkkiin.Further, for the files Fj or for their parts C, the joint probabilities JP1 (Joint Probabilities), i.e. the probabilities by which said file F is passed, are determined (302). Determining the joint probabilities (302) is application specific. For example, if the user has downloaded a web page, ·. assume that the user will next go to a hyperlink on the webpage.
,·<·. Siten on edullista harkita myös hyperlinkin lataamista samalla. Vaikkakaan • # mitään suhteellisia todennäköisyyksiä ei voitaisi määrittää, ennakoivaa toden- : ‘ : 35 näköisyysmenetelmää voidaan käyttää määrittämään mitä verkkosivuja pitäisi * · .* j ladata. Toisaalta tiedostojen Fj tai niiden osien Cj liitostodennäköisyydet JPj 114582 7 voidaan määrittää todennäköisyysjärjestelmän avulla myös esimerkiksi tiedostojen F, tai niiden osien C, aikaansaamien verkkosivujen käyntikertojen perusteella, · <·. Thus, it is advantageous to also consider downloading the hyperlink at the same time. Although • # no relative probabilities could be determined, the proactive: ': 35 visibility method can be used to determine which web pages should be loaded * ·. * J. On the other hand, joining probabilities JPj 114582 7 of files Fj or parts thereof Cj can also be determined by the probability system based on, for example, visits to web pages generated by files F or parts Cj.
Tiedostojen F, tai niiden osien C, lataamistodennäköisyydet LP, 5 (Loading Probability) määritetään (304) kyseisten tiedostojen F, tai niiden osien e, liitostodennäköisyyksien JPj ja kyseisiä tiedostoja F, tai niiden osia C, edeltävien tiedostojen Fm tai niiden osien Cj_i lataamistodennäköisyyksien LPm tuloina eli LP, = JPj x LPm.The download probabilities LP of files F, or portions thereof C, are determined (304) by the loading probabilities LPm of said files F, or portions e, of JP, and the probabilities of loading Fm of said files F, or portions Cj, or portions thereof Cj_i. inputs, i.e. LP, = JPj x LPm.
Lataamistodennäköisyyksien LPj avulla määritetään (306) niin sano-10 tut lataamistodennäköisyysfunktiot fLPj, joita käytetään lataamisjärjestyksen määrittämiseen. Lataamistodennäköisyysfunktio fLP, voi olla sovelluksesta riippuen esimerkiksi suoraan tiedoston F, tai sen osan C, lataamistodennäköisyys LP,, lataamistodennäköisyyden LP, ja energiankulutuksen W, osamäärä tai se voi olla jokin muu lataamistodennäköisyyden LP, funktio. Lataamistodennäköi-15 syysfunktio fLPj on siten sovelluskohtainen ja riippuu käyttäjän asettamista vaatimuksista. Ennakoivaa todennäköisyysmenetelmää varten määritetään (308) lisäksi maksimienergiankulutus (Maximum Energy Consumption) ECmax, joka kuvaa tiedostojen Fi tai niiden osien C, lataamisesta yhteensä aiheutuvaa suurinta sallittua kokonaisenergiankulutusta. Maksimienergiankulutuksen 20 ECmax optimaalinen määritys- ja käyttötapa riippuvat sovelluksesta. ECmax voidaan määrittää esimerkiksi laitteen halutusta standby- eli valmiusajasta. Suuri maksimienergiankulutus ECmax tarkoittaa käytännössä yleisesti sitä, että j esimerkiksi laite kuluttaa akkunsa loppuun nopeasti. Toisaalta pieni maksimi- : energiankulutus ECmax tarkoittaa yleisesti sitä, että algoritmi aiheuttaa vain : 25 pienen parannuksen järjestelmän toimintaan, sillä pieni maksimienergian- ! kulutus ECmax mahdollistaa vain vähäisen tiedostomäärän lataamisen, jolloin todennäköisyys, että tarvittava tiedosto Fj tai sen osa C, on ladattuna ennakkoon, on pienempi. Optimaalinen maksimienergiankulutuksen ECmax arvo voidaan siten edullisesti määrittää näiden kahden tarpeen optimoinnilla.The download probabilities LPj determine (306) the so-called download probability functions fLPj, which are used to determine the download order. The charge probability function fLP, depending on the application, may be, for example, a direct function of the file F, or part C thereof, the charge probability LP ,, the charge probability LP, and the energy consumption W, quotient, or it may be another charge probability LP. The download probability-15 fall function fLPj is thus application specific and depends on user requirements. In addition, for the predictive probability method, (308), a Maximum Energy Consumption (ECmax) is determined, which represents the total allowable total energy consumption resulting from the loading of the files Fi or parts thereof C. The optimum way to determine and use the maximum energy consumption of 20 ECmax depends on the application. The ECmax can be determined, for example, from the desired standby time of the device. High maximum power consumption ECmax in practice generally means that, for example, a device consumes its battery quickly. On the other hand, low maximum: power consumption ECmax generally means that the algorithm only causes: 25 small improvements in system performance due to the low maximum power! consumption ECmax allows only a small number of files to be downloaded, thus reducing the likelihood that the required file Fj or part C of it will be preloaded. The optimal maximum energy consumption ECmax can thus advantageously be determined by optimizing these two needs.
, ' 30 Energiankulutukset, Wj, liitostodennäköisyydet JPj lataamistoden- näköisyydet LPj, lataamistodennäköisyysfunktiot fLPj ja maksimienergian- . !·. kulutus ECmax voidaan määrittää keskenään missä järjestyksessä tahansa * * · ,··. kuitenkin sillä poikkeuksella, että lataamistodennäköisyysfunktioiden fLPj • · ’! * määritys tehdään myöhemmässä vaiheessa kuin lataamistodennäköisyyksien : 35 LPj määritys ja lataamistodennäköisyyksien LPj määritys tehdään myöhem- :,' j mässä vaiheessa kuin liitostodennäköisyyksien JPj määritys., '30 Energy consumption, Wj, connection probabilities JPj, charging probabilities LPj, charging probabilities fLPj, and maximum energy. ! ·. consumption ECmax can be determined in any order * * ·, ··. however, with the exception that the download probability functions fLPj • · '! * the determination is made at a later stage than that of the loading probabilities: 35 The determination of LPj and the determination of the loading probabilities LPj is made at a later stage than the determination of the joining probabilities JPj.
114582 8114582 8
Tehonkulutuksia Wj, liitostodennäköisyyksiä JP, ja maksimienergian-kulutuksen ECmax arvoja voidaan edullisesti määrittää periodisesti uudelleen, minkä perusteella lataamistodennäköisyyksien LPj ja lataamistodennäköisyys-funktioiden iLP, arvoja voidaan edullisesti päivittää. Tiedostojen F, tai niiden 5 osien Cj lataaminen (310) tapahtuu tiedostojen Fj tai niiden osien C, lataamis-todennäköisyysfunktiojärjestyksessä suurimmasta pienimpään, jolloin määritetään tiedostojen Fj tai niiden osien C, lataamisesta aiheutuvaa kokonaisener-giankulutusta EWj. Kun vertailussa (312) todetaan tiedostojen Fj tai niiden osien Cj lataamisesta aiheutuvan kokonaisenergiankulutuksen Σ\Ν, arvon ole-10 van suurempi kuin maksimienergiankulutuksen ECmax arvo, tiedoston Fj tai niiden osien C, lataaminen keskeytetään (314).The power consumption W j, the connection probabilities JP, and the maximum energy consumption EC max values can preferably be periodically re-determined, on the basis of which the values of the charge probabilities LP j and the charge probability functions i LP can preferably be updated. The downloading (310) of the files F, or portions thereof Cj, occurs in order from the highest to the smallest in order of downloading of the files Fj or portions C, thereby determining the total energy consumption EWj of loading the Fj or portions Cj. When the comparison (312) detects the total energy consumption lata \ Ν of loading Fj or its parts Cj, the value is -10 greater than the maximum power consumption ECmax value, Fj or its parts C, the loading is interrupted (314).
Mikäli kahden tai useamman eri tiedoston lataamistodennäköisyys-funktiot fLPj ovat samat, latausjärjestys voidaan valita näiden tiedostojen kesken esimerkiksi satunnaisesti. Käytännössä tällaisessa tilanteessa voidaan 15 vaihtoehtoisesti tiedostot Fj tai niiden osat Cj jättää myös lataamatta, erityisesti silloin kuin tiedostojen Fj tai niiden osien Cj liitostodennäköisyydet JPj ovat hyvin pieniä ja/tai tiedostojen Fj tai niiden osien C, jälkeen ei enää tule muita ladattavia tiedostoja.If the probability functions fLPj of two or more different files are the same, the order of download can be selected randomly between these files, for example. In practice, in such a situation, alternatively, the files Fj or parts thereof Cj may also be left unloaded, especially when the junction probabilities JPj of the files Fj or parts thereof Cj are very low and / or the files Fj or parts Cj are not followed.
Kuviossa 4 esitetään keksinnön eräs edullinen suoritusmuoto 20 tiedostojen Fj tai niiden osien Cj lataamiseksi liityntärajapinnan IF yli. Kun maksimienergiankulutus ECmax = 0, vain tarvittavat tiedostot Fj’ tai sen osat Cj’ : : ladataan, jolloin ei synny tarpeetonta energiankulutusta. Järjestelmä toimii » · ., : kuitenkin hitaasti, koska mahdollisesti tarvittavia tiedostoja Fj’ tai niiden osia Cj’ ,, : ei ladata ennakkoon. Maksimienergiankulutus ECmax voidaan määrittää suu- . ; 25 remmaksikin, mikä nopeuttaa järjestelmän toimintaa. Mikäli maksimienergian- : ! kulutus ECmax > 1, edullisesti sovellukseen AP (Application) (400) ja tiedosto- : järjestelmään FS (File System) (402) eli tiedostoja käsittävään järjestelmään toiminnallisessa yhteydessä oleva ajuri (Driver) DR (404) lataa tiedostoja F, (406) tai niiden osia C, ennalta esimerkiksi lataamistodennäköisyysfunktio-30 järjestyksessä suurimmasta pienimpään tiedostojärjestelmästä FS (402) : esimerkiksi Cache-muistiin (Cache Memory) CM (408), kunnes ajuri DR (304) toteaa vertailussa tiedostojen F, tai niiden osien Cj lataamisesta aiheutuvan kokonaisenergiakulutuksen IW, arvon ylittävän maksimienergiankulutuksen ECmax arvon, jolloin ajuri DR (404) keskeyttää tiedostojen Fj (406) tai niiden 35 osien C, lataamisen. Tarvittavat tiedostot F,’ (410) ovat sitten tarvittaessa ) »Figure 4 illustrates a preferred embodiment of the invention 20 for loading files Fj or parts thereof Cj over an interface IF. When the maximum power consumption ECmax = 0, only the necessary files Fj 'or parts thereof Cj': are downloaded, thus avoiding unnecessary energy consumption. However, the system runs »·.,: Slowly because any necessary files Fj 'or parts of them Cj' ,,: are not preloaded. Maximum Power Consumption ECmax can be set orally. ; 25, which speeds up the system. If the maximum energy-:! consumption ECmax> 1, preferably the driver DR (404), which is functionally connected to the application (400) AP and the file system FS (402), downloads the files F, (406) or their parts C, for example, from the largest to smallest file system FS (402), for example, in the order of download probability function-30: for example, to the Cache Memory CM (408) until the driver DR (304) detects the total energy consumption , exceeding the maximum energy consumption ECmax value, whereby the driver DR (404) interrupts the loading of the files Fj (406) or their parts C. Required files F, '(410) are then needed) »
’ I I'I I
• » 1 · 114582 9 haettavissa nopeasti Cache-muistista CM (408) sovelluksen AP (400) toiminnallisuuden aikaansaamiseksi.• »1 · 114582 9 can be accessed quickly from the Cache memory CM (408) to provide AP (400) application functionality.
Keksintö mahdollistaa siten käyttäjän tai järjestelmän löytämään olennaisesti optimaalisen sovituksen sovelluksen AP saantiajan ja tiedostojen 5 Fj tai niiden osien C, lataamisesta aiheutuvan kokonaisenergiankulutuksen EWj välille. Mikäli tarvittava tiedosto Fj’ tai sen osa Cj’ on ennalta ladattu esimerkiksi Cache-muistiin CM, saantiaika on käyttäjälle lyhyt. Mikäli tarvittavaa tiedostoa F,’ tai sen osaa Cj’ ei ole ladattu ennalta, sen saantiaika on huomattavasti pidempi. Koska tiedostojen Fj tai niiden osien C, lataaminen kuluttaa kuitenkin 10 energiaa Wj, kaikkia mahdollisesti tarvittavia tiedostoja Fj tai niiden osia C, ei ole edullista ladata ennakkoon. Ennakoivan todennäköisyysjärjestelmän käyttäminen voi aikaansaada muun muassa huomattavan energiankulutuksen vähenemisen, ja samalla säilyy kuitenkin järjestelmän hyvä suorituskyky.The invention thus enables the user or the system to find a substantially optimal fit between the access time of the application AP and the total energy consumption EWj of loading the files 5 Fj or parts C thereof. If the required file Fj 'or part thereof Cj' is preloaded, for example, in the Cache memory CM, the access time for the user is short. If the required file F, 'or part of it Cj' is not preloaded, it will have a much longer access time. However, since downloading the files Fj or parts C, it consumes 10 energy Wj, all the necessary files Fj or parts C, it is not advantageous to preload. Using a predictive probability system can, for example, result in a significant reduction in energy consumption while maintaining good system performance.
Keksintöä selitetään seuraavaksi tarkemmin kuvion 5 esittämän 15 keksinnön erään edullisen suoritusmuodon mukaisella ennakoivalla toden-näköisyysmenetelmällä muodostettavan todennäköisyyspuun avulla. Ensimmäisille mahdollisille tiedostoille (F-i, F2, F3, F4) määritetään niiden lataamisesta aiheutuvat energiankulutukset (Wi, W2, W3, W4). Keksinnön mukainen algoritmi laskee tiedostoille (Fi, F2, F3, F4) lataamistodennäköisyydet (LP-ι, LP2, 20 LP3, LP4) kunkin tiedoston (Fi, F2, F3, F4) liitostodennäköisyyden (JPi, JP2, JP3, JP4) ja tiedostoja (Fi, F2, F3, F4) edeltävän tiedoston (Fo) lataamis-ϊ, i todennäköisyyden LP0 tulona (LPi = JP! x LP0, LP2 = JP2 x LPo, LP3 = JP3 x *: : LPo ja LP4 = JP4 x LP0). Tässä edullisessa suoritusmuodossa kunkin tiedoston ·:· * F, lataamistodennäköisyysfunktio fLPj on suoraan tiedoston F, lataamistoden- : 25 näköisyys LPj. Lisäksi määritetään arvo maksimienergiankulutukselle ECmax- ,·, : Kuvion 5 mukaan maksimienergiankulutus ECmax = 9. Edellä mainitut arvot , ·. | määritetään vastaavalla tavalla muillekin mahdollisille tiedostoille Fj.The invention will now be explained in more detail by means of a probability tree generated by a predictive probability method according to an advantageous embodiment of the invention as shown in Fig. 5. The first possible files (F1, F2, F3, F4) are assigned the energy consumption (Wi, W2, W3, W4) of their download. The algorithm according to the invention calculates the loading probabilities (LP-ι, LP2, 20 LP3, LP4) for files (Fi, F2, F3, F4) and the join probability (JPi, JP2, JP3, JP4) of each file (Fi, F2, F3, F4) and (Fi, F2, F3, F4) load tiedoston, i as the product of probability LP0 (LPi = JP! X LP0, LP2 = JP2 x LPo, LP3 = JP3 x *): LPo and LP4 = JP4 x LP0 ). In this preferred embodiment, the download probability function fLPj of each file ·: · * F is directly on the file F, download probability LPj. In addition, determine the value for maximum energy consumption ECmax-, ·,: As shown in Figure 5, the maximum energy consumption ECmax = 9. The above values, ·. | is similarly assigned to other possible files Fj.
Energiankulutusten Wj, liitostodennäköisyyksien JP,, lataamistoden-näköisyyksien LPj, lataamistodennäköisyysfunktioiden fLPj ja maksimiener-: 30 giankulutuksen ECmax määrittämisen jälkeen järjestetään tiedostot todennäköi- syyspuuksi PT (Probability Tree) kuvion 5 mukaan. Tämän jälkeen ladataan tiedostot lataamistodennäköisyysfunktiojärjestyksessä suurimmasta pienim-·, pään, kunnes tiedostojen lataamisesta aiheutuva kokonaisenergiankulutuksen ZWj arvo on suurempi kuin maksimienergiankulutuksen ECmax arvo. TässäAfter determining the energy consumption Wj, the connection probabilities JP1, the charging probability LPj, the charging probability functions fLPj and the maximum energy consumption ECmax, the files are arranged in a probability tree PT (Probability Tree) as shown in Figure 5. The files are then downloaded in the order of the probability of downloading from the largest to the smallest, until the total energy consumption ZWj resulting from the file download is greater than the maximum energy consumption ECmax. Here
Ml ’ ‘ 35 suoritusmuodossa tiedostot ladataan järjestyksessä (F2, F3, F4, F2i). Esimer- 114582 10 kiksi tiedostoa F32 ei enää ladata, sillä maksimienergiankulutus ECmax ylittyy jo tiedoston F2i aikana.In the M1 '' 35 embodiment, the files are downloaded in order (F2, F3, F4, F2i). For example, the F32 file will no longer be loaded because the maximum power consumption ECmax is already exceeded during the F2i file.
Kuviossa 6 esitetään keksinnön eräs toinen edullinen suoritusmuoto, jossa määritetään kuvion 5 esittämän edullisen suoritusmuodon mu-5 kaan mahdollisten tiedostojen (Fi, F2, F3, F4) lataamisesta aiheutuvat energiankulutukset (Wi, W2, W3, W4), tiedostoille (F^ F2, F3i F4) lataamistoden-näköisyydet (LP-ι, LP2, LP3, LP4) kunkin tiedoston (Fi, F2i F3, F4) liitos-todennäköisyyden (JPi, JP2, JP3, JP4) ja tiedostoja (Fi, F2, F3, F4) edeltävän tiedoston (Fo) lataamistodennäköisyyden LP0 tulona (LP-\ = JP! x LP0, LP2 = 10 JP2 x LPo, LP3 = JP3 x LP0 ja LP4 = JP4 x LPo). Erona on kuitenkin se, että tässä edullisessa suoritusmuodossa kunkin tiedoston Fi lataamistodennäköi-syysfunktio fLP, on verrannollinen lataamistodennäköisyyden LPj lisäksi lataamisesta aiheutuvaan energiankulutukseen W,. Lataamisjärjestyksen määrittävä lataamistodennäköisyysfunktio f LP, voi siten olla esimerkiksi tiedoston F, lataa-15 mistodennäköisyyden LP, ja lataamisesta aiheutuvan energiankulutuksen W, osamäärä eli fLPj = LPj / VV,. Tällöin ladataan ensin tiedostot, joilla on suuri lataamistodennäköisyys LP, ja/tai pieni energiankulutus. Lisäksi määritetään maksimienergiankulutus ECmax kuten edellisessäkin suoritusmuodossa. Edellä mainitut arvot määritetään vastaavalla tavalla muillekin mahdollisille tiedostoille 20 Fj.Figure 6 illustrates another preferred embodiment of the invention which determines, in accordance with the preferred embodiment shown in Figure 5, the energy consumption (W1, W2, W3, W4) of downloading any files (F1, F2, F3, F4), files (F1, F2, F3i F4) download probabilities (LP-ι, LP2, LP3, LP4) for each file (Fi, F2i F3, F4) join probability (JPi, JP2, JP3, JP4) and files (Fi, F2, F3, F4) the probability of loading the previous file (Fo) as LP0 (LP- \ = JP! x LP0, LP2 = 10 JP2 x LPo, LP3 = JP3 x LP0 and LP4 = JP4 x LPo). The difference, however, is that in this preferred embodiment, the download probability function fLP of each file F1 is proportional to the loading power W1, in addition to the download probability LPj. The download probability function f LP, which determines the order of the download, may thus be, for example, the quotient of the file F, the download probability LP, and the power consumption W, resulting from the download, i.e. fLPj = LPj / VV. In this case, files with a high probability of downloading LP and / or low power consumption are first downloaded. In addition, the maximum power consumption ECmax is determined as in the previous embodiment. The above values are similarly determined for other possible files at 20 Fj.
Tiedostoja ladataan lataamistodennäköisyysfunktiojärjestyksessä suurimmasta pienimpään, kunnes tiedostojen lataamisesta aiheutuva koko-f naisenergiankulutuksen ZW, arvo on suurempi tai yhtäsuuri kuin maksimi- : energiankulutuksen ECmax arvo. Tässä suoritusmuodossa tiedostot ladataan 25 järjestyksessä (F2, F3, F22, F21, F32i, F4i). Esimerkiksi tiedostoa F32 ei enää j ladata, sillä tiedoston F4i lataamisen aikana kokonaisenergiankulutuksen EW, arvo ylittää maksimienergiankulutuksen ECmax arvon.Files are downloaded in order of the probability of downloading, from highest to lowest, until the total power consumption ZW, resulting from downloading the files, is greater than or equal to the maximum: power consumption ECmax. In this embodiment, the files are downloaded in 25 sequences (F2, F3, F22, F21, F32i, F4i). For example, the F32 file will no longer be downloaded, since the value of the total energy consumption EW, during the downloading of the F4i file, exceeds the maximum energy consumption ECmax.
Erään edullisen suoritusmuodon mukaan mahdollisesti ladattaville tiedostoille F, tai niiden osille C, määritetään energiankulutukset (W,) ja tiedos-30 tojen F, tai niiden osien Cj lataamisesta aiheutuvan energiankulutuksen suurin sallittu arvo ECmax, mutta tiedostojen F, tai niiden osien Cj suhteellisia todennä-·. köisyyksiä ei tunneta. Tällöin tiedostojen F, ja niiden osien C, liitostodennäköi- ·. syydet JP, määritetään siten, että ensimmäisten mahdollisesti ladattavien tiedostojen Fia tai niiden osien Cia liitostodennäköisyys JP,a = 1/NA, jossa Na on 35 ensimmäisten mahdollisesti ladattavien tiedostojen FiA lukumäärä. Seuraavien :.'«j mahdolliseti ladattavien tiedostojen F,b tai niiden osien C,b liitostodennäköisyys 114582 11 JPjB = 1/(NaX Nb), jossa NB on seuraavien mahdollisten ladattavien tiedostojen FjB tai niiden osien Qb lukumäärä. Kolmansien mahdollisesti ladattavien tiedostojen FiC tai niiden osien Cic liitostodennäköisyys JPic = 1/(Nax Nb x Nc), jossa Ne on kolmansien mahdollisesti ladattavien tiedostojen F,c tai niiden osien CjC 5 lukumäärä. Vastaavalla tavalla muodostetaan liitostodennäköisyydet JPj muillekin mahdollisesti ladattaville tiedostoille F, tai niiden osille Cj. Lataamistoden-näköisyys LPj määritetään liitostodennäköisyyden JPj funktiona ja lataamis-todennäköisyysfunktio fLPj lataamistodennäköisyyden LPj funktiona. Tiedostoja F, tai niiden osia Cj ladataan esimerkiksi sattumanvaraisessa järjestyksessä, 10 kunnes lataamisesta aiheutuvan kokonaisenergiankulutuksen ZWj arvo on suurempi tai yhtä suuri kuin maksimienergiankulutuksen ECmax arvo, jolloin lataaminen keskeytetään. Vaikka lataaminen suoritetaan tässä sattumanvaraisessa järjestyksessä, saavutetaan kuitenkin keskimäärin tilastollisesti parempi järjestelmän suorituskyky kuin saavutettaisiin ilman tiedostojen F, tai niiden 15 osien Cj lataamista ennakkoon, sillä ennakoivan todennäköisyysjärjestelyn avulla tarvittava tiedosto F\ on mahdollisesti ladattuna ennakkoon, jolloin sen saanti- ja latausajat ovat lyhyet.According to a preferred embodiment, the downloadable files F, or their parts C, are assigned the energy consumption (W 1) and the maximum allowable energy ECmax for loading F or their parts Cj, but the relative probability of the files F or their parts Cj ·. ropes are unknown. Then the probability of joining the files F, and their parts C, is ·. causes JP, is determined such that the joining probability JP, a = 1 / NA, of the first possibly downloaded files Fia or portions thereof, where Na is the FiA number of the first 35 possible downloadable files. The junction probability of the following:. 'J is possibly the downloadable files F, b or parts thereof C, b 114582 11 JPjB = 1 / (NaX Nb), where NB is the number of the next possible downloads FjB or parts Qb thereof. The connection probability of the third optionally downloaded files FiC or portions thereof Cic is JPic = 1 / (Nax Nb x Nc), where They are the number of third optionally downloaded files Fc, or portions thereof CjC5. Correspondingly, join probabilities JPj are formed for other possibly downloaded files F, or portions Cj thereof. The loading probability LPj is defined as a function of the join probability JPj and the loading probability function fLPj as a function of the loading probability LPj. For example, files F, or portions thereof Cj, are downloaded in random order 10 until the total energy consumption ZWj resulting from the download is greater than or equal to the maximum energy consumption ECmax, at which time the downloading is interrupted. Although the download is performed in this random order, on average, a statistically better system performance is achieved than would be achieved without preloading the files F, or portions Cj of them, since the predictive probability ordering file F1 may be preloaded with short access and download times.
Kuvio 7 esittää keksinnön erään kolmannen edullisen suoritusmuodon, jossa ennakoivaa todennäköisyysmenetelmää varten määritetään 20 kynnysarvo TH, jonka suuruinen tiedoston Fj tai sen osan Cj lataamistoden-näköisyysfunktion fLPj on ainakin oltava, jotta tiedosto Fj tai sen osa Cj voidaan ladata. Kuvion 7 esittämässä tapauksessa kynnysarvo TH on määritetty arvok-: si 0,15. Keksinnön mukainen algoritmi määrittää tiedostoille (Fi, F2, F3, F4) ; liitostodennäköisyydet (JP-ι, JP2, JP3, JP4), joiden perusteella määritetään tie- , ; 25 dostojen F, tai niiden osien Cj lataamisjärjestys. Menetelmällä voidaan mää- : rittää lisäksi tiedostojen (Fi, F2, F3, F4) lataustodennäköisyydet (LP1, LP2, LP3, LP4) kunkin tiedoston (Fi, F2, F3, F4) ja tiedostoja (Fi, F2, F3, F4) edeltävän tiedoston (Fo) lataamistodennäköisyyden LPo tulona (LP1 = ϋΡΊ x LPo, LP2 = JP2 x LP0, LP3 = JP3 x LP0 ja LP4 = JP4 x LPo). Tässä esimerkissä kunkin 30 tiedoston Fj lataamistodennäköisyysfunktio fLPj on suoraan tiedoston Fj lataa-mistodennäköisyys LPj. Edellä mainitut arvot määritetään vastaavalla tavalla muillekin mahdollisille tiedostoille Fj.Figure 7 illustrates a third preferred embodiment of the invention, wherein for the predictive likelihood method, a threshold TH of at least the loading probability function fLPj of the file Fj or part thereof Cj must at least be present for the file Fj or part thereof Cj to be loaded. In the case shown in Figure 7, the threshold TH is set to 0.15. The algorithm of the invention assigns to files (F1, F2, F3, F4); the joint probabilities (JP-ι, JP2, JP3, JP4) used to determine the road,; 25 the order of loading of the files F, or parts thereof Cj. The method can also determine the download probabilities (LP1, LP2, LP3, LP4) of the files (Fi, F2, F3, F4) and the pre-files (Fi, F2, F3, F4) of each file (Fi, F2, F3, F4). the probability of loading the file (Fo) as LPo (LP1 = ϋΡΊ x LPo, LP2 = JP2 x LP0, LP3 = JP3 x LP0, and LP4 = JP4 x LPo). In this example, the download probability function fLPj of each of the 30 files Fj is directly the download probability LPj of the file Fj. The above values are similarly assigned to other possible files Fj.
I » 1 ’·, Kynnysarvon TH ja liitostodennäköisyyksien JPj määrittämisen ** jälkeen järjestetään tiedostot todennäköisyyspuuksi PT kuvion 7 mukaan.After determining the threshold TH and the joining probabilities JPj **, the files are arranged in a probability tree PT according to Fig. 7.
35 Tämän jälkeen ladataan tiedostot lataamisjärjestyksessä, kunnes seuraavan ladattavan tiedoston F, liitostodennäköisyys JPj tai sen funktio on pienempi 114582 12 kuin kynnysarvo ΤΗ. Esimerkiksi tiedostoa F22 ei siten enää ladata. Tässä suoritusmuodossa tiedostot ladataan järjestyksessä (F2, F3, F4, F21, F32, F2n).35 The files are then downloaded in the download order until the next download F, the join probability JPj, or its function is less than 114582 12 than the threshold value ΤΗ. For example, F22 will no longer be downloaded. In this embodiment, the files are downloaded in order (F2, F3, F4, F21, F32, F2n).
Keksinnön mukainen ennakoiva todennäköisyysmenetelmä voidaan toteuttaa keksinnön mukaisella ennakoivalla todennäköisyysjärjestelmällä.The predictive probability method of the invention may be implemented by the predictive probability system of the invention.
5 Järjestelmä käsittää välineet tiedostojen F, tai niiden osien C, lataamisesta aiheutuvien energiankulutusten Wj, tiedostojen F, tai niiden osien C, liitos-todennäköisyyksien JPj, ja maksimienergiankulutuksen ECmax määrittämiseksi. Järjestelmän toiminnot voidaan edullisesti suorittaa esimerkiksi palvelimella S, päätelaitteella T tai toimintojen suorittaminen voi olla jaettu eri yksikköjen 10 kesken, kuten esimerkiksi palvelimen S ja päätelaitteen T kesken.The system comprises means for determining the power consumption Wj of files F, or parts thereof C, the connection probabilities JPj of files F, or parts thereof C, and the maximum power consumption ECmax. The functions of the system may advantageously be performed, for example, on the server S, the terminal T, or the operations may be divided between different units 10, such as the server S and the terminal T, for example.
Järjestelmän toiminnallisuus voidaan toteuttaa erään edullisen suoritusmuodon mukaan järjestelmän käsittämällä ajurilla DR, jonka käsittämä ohjelmakoodi on järjestetty muodostamaan tiedostot Fj tai niiden osat Cj latausjärjestykseen ja ohjaamaan lataamista. Järjestelmän toiminnallisuus 15 voidaan toteuttaa myös esimerkiksi siten, että niin sanotut älykkäät toiminnallisuudet, kuten latausjärjestyksen määrittäminen, on järjestetty suoritettavaksi sovelluksessa AP ja ajuri DR on järjestetty hakemaan tiedostoja Fj tai niiden osia Cj. Ajuri DR voi olla myös niin sanottu älykäs yksikkö, joka suorittaa älykkäitä toimintoja tiedostojen Fj tai niiden osien Cj hakujen lisäksi tai ajuri DR 20 voi suorittaa älykkäitä toimintoja ollen kuitenkin toiminnallisesti liitetty toiseen ajuriin DR’, joka on järjestetty suorittamaan F, tai niiden osien Cj haut. Edellä : on kuvattu ennakoiva todennäköisyysmenetelmä ja -järjestelmä tiedostojen Fj , * tai sen osien C, lataamiseksi liityntärajapinnan IF yli. Erään edullisen suoritus- ;: muodon mukaan ennakoiva todennäköisyystoiminnallisuus voidaan aikaan- : 25 saada ohjelmistotuotteella, joka edullisesti käsittää ohjelmistokoodin maksimi- '</> energiankulutuksen ECmax, tiedostojen Fj tai niiden osien Cj lataamisesta aiheutuvien energiankulutusten Wj ja liitostodennäköisyyksien JPj määrittä-miseksi. Ohjelmistotuote käsittää lisäksi ohjelmistokoodin tiedostojen F, tai niiden osien C, latausjärjestyksen muodostamiseksi liitostodennäköisyyksien :* 30 JPj funktioina, tiedostojen Fj tai niiden osien Cj lataamiseksi ja latauksen kes- keyttämiseksi, kun lataamisesta aiheutuva kokonaisenergiankulutuksen ZW, . ·. arvo on suurempi tai yhtä suuri kuin maksimienergiankulutuksen ECmax arvo.According to an advantageous embodiment, the functionality of the system may be implemented by a system driver DR comprising a program code arranged to create the files Fj or parts thereof Cj in the order of downloading and to control the download. The system functionality 15 can also be implemented, for example, so that so-called intelligent functionalities, such as defining the download order, are arranged to be executed in the application AP and the driver DR is arranged to retrieve files Fj or parts thereof Cj. The driver DR may also be a so-called intelligent unit that performs intelligent operations in addition to searching for files Fj or parts thereof Cj, or the driver DR 20 may perform intelligent functions while being operatively connected to another driver DR 'arranged to execute F or parts Cj. . Above: A predictive probability method and system for loading files Fj, * or parts thereof, C over an interface IF is described. According to a preferred embodiment, the predictive probability functionality can be provided by a software product, which preferably comprises a maximum software code energy consumption ECmax, the power consumption Wj of the files Fj or parts thereof Cj and the connection probabilities JPj. The software product further comprises software code for generating the order of downloading of files F, or portions thereof, C, as joining probabilities: * 30 JPj, for loading Fj or portions thereof, and for interrupting the download when the total energy consumption ZW, resulting from the download. ·. is greater than or equal to the maximum power consumption ECmax.
, Alan ammattilaiselle on ilmeistä, että tekniikan kehittyessä keksin- nön perusajatus voidaan toteuttaa monin eri tavoin. Esimerkiksi todennäköi- » 35 syyspuu voidaan luoda myös jollakin muulla tavalla kuin tässä on erikseen esitetty. Lisäksi keksintöä voidaan soveltaa myös muihin järjestelyihin kuin 1 1 4582 13 tässä on erikseen esitetty. Kaksi muistikomponenttia ja niiden välisen liityntä-rajapinnan käsittävä järjestely on pelkistetty malli, josta voidaan kuitenkin johtaa muita järjestelyjä, joihin keksintöä voidaan soveltaa. Keksintö ja sen suoritusmuodot eivät siten rajoitu yllä kuvattuihin esimerkkeihin, vaan ne voivat 5 vaihdella patenttivaatimusten puitteissa.It will be obvious to a person skilled in the art that as technology advances, the basic idea of the invention can be implemented in many different ways. For example, the probability tree can also be created in some other way than specifically shown here. In addition, the invention can also be applied to arrangements other than those specifically disclosed herein. An arrangement comprising two memory components and an interface between them is a simplified model from which, however, other arrangements to which the invention may be applied may be derived. The invention and its embodiments are thus not limited to the examples described above, but may vary within the scope of the claims.
• · \• · \
Claims (16)
Priority Applications (8)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20022116A FI114582B (en) | 2002-11-29 | 2002-11-29 | Antecipitation probability arrangement for loading files over a connection interface |
| US10/535,074 US7565264B2 (en) | 2002-11-29 | 2003-12-01 | Predictive probability arrangement for loading files over an interface |
| AU2003302514A AU2003302514A1 (en) | 2002-11-29 | 2003-12-01 | Predictive probability arrangement for loading files over an interface |
| AT03812193T ATE479151T1 (en) | 2002-11-29 | 2003-12-01 | ARRANGEMENT FOR LOADING FILES WITH PREDICTIVE PROBABILITY VIA AN INTERFACE |
| CN2003801046286A CN1720513B (en) | 2002-11-29 | 2003-12-01 | Predictive probability scheme for loading files via the interface |
| PCT/FI2003/000913 WO2004051494A1 (en) | 2002-11-29 | 2003-12-01 | Predictive probability arrangement for loading files over an interface |
| EP03812193A EP1570367B1 (en) | 2002-11-29 | 2003-12-01 | Predictive probability arrangement for loading files over an interface |
| DE60333944T DE60333944D1 (en) | 2002-11-29 | 2003-12-01 | ARRANGEMENT FOR LOADING PREDICTIVE PROBABILITY OF FILES OVER AN INTERFACE |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20022116 | 2002-11-29 | ||
| FI20022116A FI114582B (en) | 2002-11-29 | 2002-11-29 | Antecipitation probability arrangement for loading files over a connection interface |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| FI20022116A0 FI20022116A0 (en) | 2002-11-29 |
| FI20022116L FI20022116L (en) | 2004-05-30 |
| FI114582B true FI114582B (en) | 2004-11-15 |
Family
ID=8565011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FI20022116A FI114582B (en) | 2002-11-29 | 2002-11-29 | Antecipitation probability arrangement for loading files over a connection interface |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US7565264B2 (en) |
| EP (1) | EP1570367B1 (en) |
| CN (1) | CN1720513B (en) |
| AT (1) | ATE479151T1 (en) |
| AU (1) | AU2003302514A1 (en) |
| DE (1) | DE60333944D1 (en) |
| FI (1) | FI114582B (en) |
| WO (1) | WO2004051494A1 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080313117A1 (en) * | 2007-06-12 | 2008-12-18 | Brian Galvin | Methods and Systems for Creating a Behavioral WEB Graph |
| US20110072378A1 (en) * | 2009-09-24 | 2011-03-24 | Nokia Corporation | Method and apparatus for visualizing energy consumption of applications and actions |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07319924A (en) * | 1994-05-24 | 1995-12-08 | Matsushita Electric Ind Co Ltd | Indexing and searching method for electronic handwritten document |
| US6567855B1 (en) * | 1998-01-02 | 2003-05-20 | Intel Corporation | Portable processing system with always on, always connected capability |
| JPH11306238A (en) | 1998-03-30 | 1999-11-05 | Internatl Business Mach Corp <Ibm> | Probability integration system |
| AU4365599A (en) * | 1999-05-21 | 2000-12-12 | Nokia Corporation | Packet data transmission in third generation mobile system |
| US6687696B2 (en) * | 2000-07-26 | 2004-02-03 | Recommind Inc. | System and method for personalized search, information filtering, and for generating recommendations utilizing statistical latent class models |
| US7437438B2 (en) * | 2001-12-27 | 2008-10-14 | Hewlett-Packard Development Company, L.P. | System and method for energy efficient data prefetching |
-
2002
- 2002-11-29 FI FI20022116A patent/FI114582B/en not_active IP Right Cessation
-
2003
- 2003-12-01 CN CN2003801046286A patent/CN1720513B/en not_active Expired - Fee Related
- 2003-12-01 AT AT03812193T patent/ATE479151T1/en not_active IP Right Cessation
- 2003-12-01 AU AU2003302514A patent/AU2003302514A1/en not_active Abandoned
- 2003-12-01 DE DE60333944T patent/DE60333944D1/en not_active Expired - Lifetime
- 2003-12-01 WO PCT/FI2003/000913 patent/WO2004051494A1/en not_active Application Discontinuation
- 2003-12-01 EP EP03812193A patent/EP1570367B1/en not_active Expired - Lifetime
- 2003-12-01 US US10/535,074 patent/US7565264B2/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| ATE479151T1 (en) | 2010-09-15 |
| AU2003302514A1 (en) | 2004-06-23 |
| EP1570367B1 (en) | 2010-08-25 |
| FI20022116A0 (en) | 2002-11-29 |
| CN1720513B (en) | 2010-04-28 |
| DE60333944D1 (en) | 2010-10-07 |
| EP1570367A1 (en) | 2005-09-07 |
| CN1720513A (en) | 2006-01-11 |
| US7565264B2 (en) | 2009-07-21 |
| FI20022116L (en) | 2004-05-30 |
| WO2004051494A1 (en) | 2004-06-17 |
| US20060248217A1 (en) | 2006-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7120806B1 (en) | Method for setting a power operating mode transition interval of a disk drive in a mobile device based on application category | |
| US7587712B2 (en) | End-to-end architecture for mobile client JIT processing on network infrastructure trusted servers | |
| US20020108064A1 (en) | System and method for optimizing power/performance in network-centric microprocessor-controlled devices | |
| JP3955358B2 (en) | Method and computer system for executing architecture specific code with reduced run-time memory space requirements | |
| EP1926022B1 (en) | Apparatus and method for efficient memory use in portable terminal | |
| US5859982A (en) | Computer system and method for executing methods of downloaded programs with reduced run-time memory space requirements | |
| MXPA06013666A (en) | Method, software and apparatus for using application state history information when re-launching applications. | |
| US20120011166A1 (en) | Skip list generation | |
| US8959309B2 (en) | Skip list generation | |
| FI114582B (en) | Antecipitation probability arrangement for loading files over a connection interface | |
| US7124262B2 (en) | Selectivity pipelining and prefetching memory data | |
| CN1777875B (en) | Instruction caching management method, cache and integrated circuit | |
| KR100493893B1 (en) | System and method of shortening class loading process in java program | |
| EP0905613B1 (en) | Method for storing and using executable programs and apparatus therefor | |
| US6687821B1 (en) | System for dynamically configuring system logic device coupled to the microprocessor to optimize application performance by reading from selection table located in non-volatile memory | |
| CN115150348B (en) | Mail attachment restoring method and system | |
| CN111857871A (en) | Application starting method, terminal and computer storage medium | |
| JP2003203007A (en) | Nonvolatile area control method for memory of mobile phone | |
| CN106991058A (en) | Prefetch document handling method and device | |
| CN111061765B (en) | Method for merging prefetched data, storage medium | |
| RU2390823C2 (en) | Compact storage of program code on mobile terminals | |
| KR20020056610A (en) | Module program realization method in mobile terminal | |
| JPH06119190A (en) | Task switching processing system | |
| CN117950569A (en) | Data processing method, apparatus, device, storage medium, and program product | |
| CN117193880A (en) | Application code loading method, device, equipment and storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FG | Patent granted |
Ref document number: 114582 Country of ref document: FI |
|
| MA | Patent expired |