android 关于网络连接之传输数据节省电量2

本文探讨了在Android应用中通过采用Google云端推送(GCM)和精确重复闹钟来优化更新频率,从而在保持用户体验的同时,最大程度地减少电力消耗。文章还介绍了如何根据设备状态和用户行为调整后台更新,以及使用指数回退算法来优化更新间隔,以进一步提高能效。

声明:翻译自google官方SDK文档!适用于android2.0(API level 5)以及更高版本。


最大限度地减少定期更新的影响


定期更新的最佳频率将根据设备状态,网络连接,用户行为,以及明确的用户的喜好而有所不同。


Optimizing Battery Life  讨论了如何构建一个根据主机设备的状态来修改更新频率的节电程序。包括当失去连接时禁用后台服务更新和电池电量低时降低更新频率。


本课程将讲述如何根据底层无线射频的状态来更改你的后台更新来达到最好的效果 。


1.使用Google云端推送来替代轮询

  在3G网络环境下,应用程序每次轮询服务器检查是否需要更新都会激活无线射频20秒,造成不必要功率消耗。


Google云端推送(GCM)是一从服务器传输数据到特定应用程序的轻量级的机制。利用GCM,你的服务器能够通知你的运行在指定设备上的程序有新数据可用。


相较于轮询机制,在轮询机制下,你的程序必须定期的ping服务器来查询是否有新的数据,这种机制下你的程序必须创建一个新的连接来ping服务器,才能够知道是否有新数据。


(使用GCM)其结果是不必要的连接减少,并为您的应用程序中更新数据的减少延迟。 


GCM使用持续的TCP/IP连接实现,虽然TCP/IP可以自己实现推送,但是最好的做法是使用GCM。使用GCM能够最大限度地减少持久连接的数量,并允许以优化带宽并减少对电池寿命的影响相关联的平台。


2.使用 Inexact Repeating Alarms 和指数回退来优化轮询

如果轮询是必需的,那么应该在尽可能不降低用户体验的前提下尽量降低默认更新的频率。


一个简单的方法是,允许用户在界面上设置更新的频率,使用户可以自己定义数据的更新和电量的消耗之间的平衡。


当调度更新时,应该使用 AlarmManager实现,每当AlarmManager发出警报,系统就能够接收到来触发事件。

int alarmType = AlarmManager.ELAPSED_REALTIME;
long interval = AlarmManager.INTERVAL_HOUR;
long start = System.currentTimeMillis() + interval;

alarmManager.setInexactRepeating(alarmType, start, interval, pi);
具体关于 AlarmManager介绍见:http://www.360doc.com/content/13/0110/23/11991_259460170.shtml#

如果有多个 alarms 预计同时触发,那么它们几乎会同时触发。每个更新都会带来一个单独的无线射频的状态改变。


尽可能的设置 alarm的类型 type为 ELAPSED_REALTIME(在系统休眠状态下不可用,使用相对系统时间)或者RTC(在系统休眠状态下不可用,使用绝对系统时间)而不要使用_WAKEUP(会在系统休眠状态下也可用),这样就不会在系统休眠状态下触发 alarm,来降低电量的消耗。


也应该根据app是否使用最近更新的数据来降低alarms的触发。如果最近更新的数据没有被app使用,那么要进行类似的指数回退模式来降低更新频率,如下:

SharedPreferences sp = 
  context.getSharedPreferences(PREFS, Context.MODE_WORLD_READABLE);

boolean appUsed = sp.getBoolean(PREFS_APPUSED, false);
long updateInterval = sp.getLong(PREFS_INTERVAL, DEFAULT_REFRESH_INTERVAL);

if (!appUsed)
  if ((updateInterval *= 2) > MAX_REFRESH_INTERVAL)  
    updateInterval = MAX_REFRESH_INTERVAL;

Editor spEdit = sp.edit();
spEdit.putBoolean(PREFS_APPUSED, false);
spEdit.putLong(PREFS_INTERVAL, updateInterval);
spEdit.apply();

rescheduleUpdates(updateInterval);
executeUpdateOrPrefetch();
发起网络连接的成本是一样的,不管你是能够联系您的服务器和下载数据或没有。对于对时间敏感的传输,其中在成功完成是很重要的,一个指数回退算法,可用于降低重试的次数,以减少相关联的电池的影响,例如:

private void retryIn(long interval) {
  boolean success = attemptTransfer();
    
  if (!success) {
    retryIn(interval*2 < MAX_RETRY_INTERVAL ? 
            interval*2 : MAX_RETRY_INTERVAL);      
  }
}
另外如果对于失败连接不是敏感的话(例如定期更新)可以简单的忽略失败连接的尝试。






【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值