本發(fā)明涉及大數(shù)據(jù)技術，尤指一種實現(xiàn)移動云計算中間平臺的方法及實現(xiàn)分布式的方法。

背景技術：

Hadoop是一個由Apache基金會所開發(fā)的分布式系統(tǒng)基礎架構。用戶可以在不了解分布式底層細節(jié)的情況下，開發(fā)分布式程序。充分利用集群的威力進行高速運算和存儲。Hadoop分布式文件系統(tǒng)(HDFS，Hadoop Distributed File System)具有高容錯性的特點，并設計用于部署在相比小型機更為低廉的(low-cost)PC服務器上；而且HDFS能提供高吞吐量(high throughput)來訪問應用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集(large data set)的應用程序。HDFS放寬了(relax)POSIX的要求，可以以流的形式訪問(streaming access)文件系統(tǒng)中的數(shù)據(jù)。

Hadoop的框架最核心的設計就是：HDFS和MapReduce。HDFS為海量的數(shù)據(jù)提供了存儲，而MapReduce為海量的數(shù)據(jù)提供了計算。目前，Hadoop開源免費、硬件廉價、開發(fā)便利，因此，在大數(shù)據(jù)的通行市場上占據(jù)主導地位，使得Hadoop市場份額逐年高速遞增。

實際上，在軟件的成本之外，硬件產生的經(jīng)濟成本更為可觀。如何降低硬件成本是每一個服務器制造商都在考慮并尋求解決方法的課題。

目前，英特爾(Intel)公司的中央處理單元(CPU，Central Processing Unit)占據(jù)著市場的壟斷地位，導致PC服務器的CPU價格居高不下。而智能終端所用的CPU處理器價格低廉。這兩者價格相差30倍左右，功耗相差1000倍左右。而兩者之間的性能差距，平均到單核上，至強處理器只有移動終端(如手機)處理器的5倍左右。一臺100個智能終端組成的集群(如手機集群)，成本可以控制在1到2萬元，物理體積和一臺普通PC服務器相當，計算性能是一臺PC服務器的5-10倍，功耗可以控制在服務器的1/10到1/20。

目前，基于智能終端的Android系統(tǒng)不能支持Hadoop的運行。另外，現(xiàn)有智能終端要組建集群，除了通過無線信號(移動網(wǎng)絡、WIFI網(wǎng)絡)建立之外，也可以對智能終端的硬件進行改造，如增設有線通信模塊。這種組件集群的方式，主要依賴于硬件的實現(xiàn)，實現(xiàn)繁瑣復雜，而且很難對成本進行控制。

技術實現(xiàn)要素：

為了解決上述技術問題，本發(fā)明提供一種實現(xiàn)移動云計算中間平臺的方法及實現(xiàn)分布式的方法，能夠使得Android系統(tǒng)支持Hadoop的運行。

為了達到本發(fā)明目的，本發(fā)明提供了一種實現(xiàn)移動云計算中間平臺的方法，包括：

進行網(wǎng)絡配置；根據(jù)加入分布式系統(tǒng)的智能終端設置Hadoop平臺的運行配置；

對計算和存儲的資源進行管理，基于計算和存儲資源進行資源整合處理；

根據(jù)網(wǎng)絡配置的信息及整合后的計算和存儲資源進行云計算管理；

所述移動云計算中間平臺建立在Hadoop平臺和安卓Android系統(tǒng)之間。

可選地，還包括：為所述Hadoop平臺提供所述Android系統(tǒng)缺少的Java庫。

可選地，所述網(wǎng)絡配置包括：

所述移動云計算中間平臺第一次啟動時，為安裝所述移動云計算中間平臺的智能終端分配一個固定地址；

根據(jù)該智能終端所屬分布式系統(tǒng)的連接方式獲取IP地址。

可選地，所述根據(jù)智能終端所屬分布式系統(tǒng)的連接方式獲取IP地址包括：

所述連接方式為有線連接時，搜尋所述分布式系統(tǒng)的所有智能終端的IP地址，對最大的IP地址進行處理后作為所述IP地址；

所述連接方式為無線連接時，所述IP地址由無線網(wǎng)動態(tài)主機配置協(xié)議DHCP自動分配；

所述連接方式為定制機架方式時，根據(jù)槽位的不同來獲取所述IP地址。

可選地，所述對計算和存儲的資源進行管理，基于計算和存儲資源進行資源整合處理包括：

當安裝所述移動云計算中間平臺的智能終端所屬分布式系統(tǒng)接收到寫入和計算任務時，確認當前分布式系統(tǒng)中的資源使用狀況；

根據(jù)確認的資源使用狀況調取所述Hadoop平臺的任務分配方法：當存儲大小超出設定限額上限的不接受寫入操作，當計算能力超出設定限額上限的不接受計算任務；當存儲大小低于設定限額下限時，優(yōu)先寫入，直到達到設定限額的上限；當計算能力低于設定限額下限時，優(yōu)先接受計算任務，直到達到設定限額的上限；所述分布式系統(tǒng)中存儲大小和計算能力處于上限和下限之間的智能終端獲取任務時進行隨機分配。

可選地，還包括：為安裝所述移動云計算中間平臺的智能終端所述分布式系統(tǒng)中的智能終端提供硬件健康監(jiān)控，并提供修復操作。

可選地，當所述硬件出現(xiàn)問題后，還包括：進行重連/重啟操作，預設次數(shù)重連/重啟仍失敗后，提示替換所述硬件。

可選地，還包括：當系統(tǒng)日志大于設定的范圍值時，進行先入先出FIFO存儲。

本發(fā)明還提供了一種用于實現(xiàn)移動云計算中間平臺的裝置，至少包括存儲器和處理器，其中，存儲器中存儲有以下可執(zhí)行指令：

進行網(wǎng)絡配置；根據(jù)加入分布式系統(tǒng)的智能終端設置Hadoop平臺的運行配置；對計算和存儲的資源進行管理，基于計算和存儲資源進行資源整合處理；根據(jù)網(wǎng)絡配置的信息及整合后的計算和存儲資源進行云計算管理；

所述移動云計算中間平臺建立在Hadoop平臺和安卓Android系統(tǒng)之間。

本發(fā)明還提供了一種實現(xiàn)分布式的方法，包括：

獲取并安裝移動云計算中間平臺和Hadoop平臺到智能終端；

移動云計算中間平臺在Hadoop平臺中進行所述智能終端所屬分布式系統(tǒng)內數(shù)據(jù)資源遷移以及計算資源整合；

移動云計算中間平臺接收來自Hadoop平臺反饋的所述分布式系統(tǒng)中的智能終端的存儲和計算資源情況，并進行云計算管理。

可選地，當有新的智能終端接入所述分布式系統(tǒng)時，還包括：

所述移動云計算中間平臺根據(jù)新接入的智能終端的存儲和計算資源情況，重新進行數(shù)據(jù)資源遷移以及計算資源整合。

可選地，當有新的智能終端接入所述分布式系統(tǒng)時，還包括：

新的智能終端連接至所述分布式系統(tǒng)所在網(wǎng)絡，獲取并安裝所述移動云計算中間平臺及Hadoop平臺；

新的智能終端使用安裝的移動云計算中間平臺，按照所述分布式系統(tǒng)所在網(wǎng)絡的連接方式配置Hadoop系統(tǒng)網(wǎng)絡。

可選地，還包括根據(jù)智能終端所屬分布式系統(tǒng)的連接方式獲取IP地址，具體包括：

所述連接方式為有線連接時，搜尋所述分布式系統(tǒng)的所有智能終端的IP地址，對最大的IP地址進行處理后作為所述IP地址；

所述連接方式為無線連接時，所述IP地址由無線網(wǎng)動態(tài)主機配置協(xié)議DHCP自動分配；

所述連接方式為定制機架方式時，根據(jù)槽位的不同來獲取所述IP地址。

可選地，所述獲取并安裝移動云計算中間平臺和Hadoop平臺之后，所述進行分布式系統(tǒng)內數(shù)據(jù)資源遷移以及計算資源整合之前，還包括：

所述移動云計算中間平臺提供所述智能終端的Android系統(tǒng)缺少的Java庫，對所述智能終端的Android系統(tǒng)進行硬件選取、加載；

所述移動云計算中間平臺根據(jù)智能終端返回的分布式系統(tǒng)連接方式為所述智能終端分配IP地址；并寫入Hadoop平臺的配置文件。

可選地，所述進行數(shù)據(jù)資源遷移以及計算資源整合包括：

存儲大小超出設定限額上限的智能終端不接受寫入操作，計算能力超出設定限額上限的職能終端不接受計算任務；

當智能終端的存儲大小低于設定限額下限時，優(yōu)先寫入，直到達到設定限額的上限；當智能終端的計算能力低于設定限額下限時，優(yōu)先接受計算任務，直到達到設定限額的上限；

存儲大小和計算能力在上限和下限之間的智能終端獲取任務時，進行隨機分配。

可選地，還包括：所述移動云計算中間平臺采用FIFO存儲方式存儲日志。

可選地，還包括：所述移動云計算中間平臺根據(jù)所述Hadoop平臺反饋的所述分布式系統(tǒng)接入的智能終端的心跳情況進行硬件健康狀況的監(jiān)控。

可選地，所述移動云計算中間平臺提供給外部接口進行云計算管理。

可選地，當所述分布式系統(tǒng)中有智能終端退出所述分布式系統(tǒng)時，還包括：

所述移動云計算中間平臺接收到來自所述Hadoop平臺的退出分布式系統(tǒng)申請，在所述Hadoop平臺中再次進行所述分布式系統(tǒng)內數(shù)據(jù)資源遷移以及計算資源整合；

在所述智能終端退出成功后，所述移動云計算中間平臺記錄日志。

本發(fā)明移動云計算中間平臺建立在Hadoop和Android系統(tǒng)之間，用于保障Hadoop和Android系統(tǒng)之間的適配以及運行，使得Hadoop實現(xiàn)了在Android系統(tǒng)上的正常運行即使得Android系統(tǒng)支持了Hadoop的運行。另一方面，通過本發(fā)明移動云計算中間平臺，智能終端實現(xiàn)了非常方便的組建、加入、移出無線網(wǎng)絡/有線網(wǎng)絡組建的分布式系統(tǒng)，特別地實現(xiàn)了使用更為廉價且方便更換的智能終端組建分布式集群。

本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在說明書、權利要求書以及附圖中所特別指出的結構來實現(xiàn)和獲得。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進一步理解，構成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構成對本發(fā)明的不當限定。在附圖中：

圖1為本發(fā)明移動云計算中間平臺的組成結構示意圖；

圖2為本發(fā)明移動云計算中間平臺的工作原理流程示意圖；

圖3為本發(fā)明基于Android系統(tǒng)的HDFS集群實現(xiàn)數(shù)據(jù)存儲的流程示意圖；

圖4為本發(fā)明基于Android系統(tǒng)的HDFS集群實現(xiàn)計算的流程示意圖；

圖5為本發(fā)明改造后的智能終端中計算模塊的組成結構示意圖；

圖6為本發(fā)明改造后的智能終端中存儲模塊的組成結構示意圖；

圖7為本發(fā)明智能終端采用WIFI連接方式的組網(wǎng)示意圖；

圖8為本發(fā)明基于圖7所示的連接方式的對智能終端在集群中的管理的實施例的流程示意圖；

圖9為本發(fā)明智能終端采用移動網(wǎng)絡連接方式的組網(wǎng)示意圖；

圖10為本發(fā)明基于圖9所示的連接方式的對智能終端在集群中的管理的實施例的流程示意圖；

圖11為本發(fā)明智能終端采用有線連接方式的組網(wǎng)示意圖；

圖12為本發(fā)明基于圖11所示的連接方式的對智能終端在集群中的管理的實施例的流程示意圖；

圖13為本發(fā)明定制機架結構中機架的俯視圖；

圖14為本發(fā)明定制機架結構中機架側視圖；

圖15為本發(fā)明定制機架結構中實現(xiàn)硬件替換的示意圖；

圖16為本發(fā)明移動云計算中間平臺應用的實施例的流程示意圖。

具體實施方式

為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，下文中將結合附圖對本發(fā)明的實施例進行詳細說明。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互任意組合。

圖1為本發(fā)明移動云計算中間平臺的組成結構示意圖，如圖1所示，本發(fā)明移動云計算中間平臺是建立在Hadoop平臺和Android系統(tǒng)之間的一個中間層，用于保障Hadoop平臺和Android系統(tǒng)之間的適配以及運行。至少包括：硬件驅動模塊、Java庫支撐模塊、配置模塊、計算存儲資源管理模塊、云計算任務調度模塊；其中，

硬件驅動模塊，用于為操作系統(tǒng)加載硬件驅動。該驅動主要為網(wǎng)絡控制器服務，比如：當通信為RJ45接口時，網(wǎng)絡控制器為USB轉RJ45信號芯片；當通信為光纖通信時，網(wǎng)絡控制器為光電轉換芯片。

Java庫支撐模塊，用于為Hadoop平臺提供Android系統(tǒng)缺少的Java庫。Android系統(tǒng)本身支持一部分Java功能，這里的Java庫支撐模塊用于補足Android系統(tǒng)中缺少的Java庫。

配置模塊，用于進行網(wǎng)絡配置；根據(jù)加入分布式系統(tǒng)的智能終端如該智能終端的計算能力、存儲大小自動設置Hadoop平臺的運行配置。

其中，網(wǎng)絡配置具體包括：

配置模塊自身所在移動云計算中間平臺在第一次啟動時，為安裝所述移動云計算中間平臺的智能終端分配一個固定地址(所有機器初次啟動時都為該IP地址)；

網(wǎng)絡接通后確定該智能終端所屬分布式系統(tǒng)的連接方式如有線、無線或者定制機架類型等，根據(jù)連接方式獲取IP地址：當為有線連接時，搜尋當前網(wǎng)絡的所有機器的IP地址，然后對最大的IP地址進行處理：在最大的IP地址第四段+1，當加到253時，則在IP地址第三段加1，第四段從1開始計數(shù)；當為無線連接時，IP地址由無線網(wǎng)動態(tài)主機配置協(xié)議(DHCP，Dynamic Host Configuration Protocol)自動分配，不需要考慮IP地址分配，只需要讀取分配的IP地址并寫入Hadoop配置文件中即可；當為定制機架方式時，智能終端根據(jù)槽位的不同來獲取IP地址配置，這樣，使得新替換上電的設備配置和出現(xiàn)問題的設備配置相同，即同樣的槽位的IP地址是不可變更的。

計算存儲資源管理模塊，用于在現(xiàn)有Hadoop計算和存儲控制的基礎上，整合到計算存儲資源管理模塊自身所在移動云計算中間平臺中，對計算和存儲的資源進行管理，基于計算和存儲資源來進行整合處理。

具體實現(xiàn)包括：當分布式系統(tǒng)接收外來寫入和計算任務時，先確認當前分布式系統(tǒng)中機器的資源使用狀況，然后調取Hadoop平臺的任務分配方法：存儲已經(jīng)超出設定限額上限的將不接受寫入操作，計算超出設定限額上限的將不接受計算任務；當存儲低于設定限額下限時將優(yōu)先寫入，直到達到設定限額的上限；當計算低于設定限額下限時將優(yōu)先接受計算任務，直到達到設定限額的上限；其他處于上限和下限之間的機器獲取任務時進行隨機分配。

云計算任務調度模塊，用于提供給外部接口，根據(jù)網(wǎng)絡配置的信息及整合后的計算和存儲資源進行云計算管理，管理包括但不限于啟動、停止、暫停、定時等。

進一步地，本發(fā)明移動云計算中間平臺還包括：健康監(jiān)控模塊，

用于為智能終端提供硬件健康監(jiān)控，并提供修復操作。需要說明的是，健康監(jiān)控模塊只監(jiān)控硬件死活，當硬件出現(xiàn)問題后會進行重連/重啟操作，多次重連/重啟失敗后，提示替換該硬件。監(jiān)控功能可以使用心跳檢測機制來監(jiān)控硬件死活，使用溫度監(jiān)控來對硬件進行運行健康告警等。

進一步地，本發(fā)明移動云計算中間平臺還包括：日志處理模塊，

用于當系統(tǒng)日志大于設定的范圍值時，日志的存儲進行先入先出(FIFO，F(xiàn)irst in first out)存儲，即先刪除遠期日志，然后存儲最新的日志。

圖1只列出了本發(fā)明移動云計算中間平臺的基本的Hadoop組件，其他組件可以自行選擇安裝，是否包括其他組件、包括多少，并不用于限定本發(fā)明的保護范圍，這里不再贅述。

相應地，本發(fā)明還提供一種實現(xiàn)移動云計算中間平臺的方法，包括：將移動云計算中間平臺建立在Hadoop平臺和安卓Android系統(tǒng)之間，還包括：

進行網(wǎng)絡配置；根據(jù)加入分布式系統(tǒng)的智能終端設置Hadoop平臺的運行配置；

對計算和存儲的資源進行管理，基于計算和存儲資源進行資源整合處理；

根據(jù)網(wǎng)絡配置的信息及整合后的計算和存儲資源進行云計算管理。

本發(fā)明方法還包括：為Hadoop平臺提供Android系統(tǒng)缺少的Java庫。

可選地，進行的網(wǎng)絡配置包括：

在建立的移動云計算中間平臺第一次啟動時，為安裝所述移動云計算中間平臺的智能終端分配一個固定地址；根據(jù)該智能終端所屬分布式系統(tǒng)的連接方式獲取IP地址。其中，

根據(jù)智能終端所屬分布式系統(tǒng)的連接方式獲取IP地址包括：

當連接方式為有線連接時，搜尋分布式系統(tǒng)的所有智能終端的IP地址，對最大的IP地址進行處理后作為所述IP地址；

當連接方式為無線連接時，IP地址由無線網(wǎng)DHCP自動分配；

當連接方式為定制機架方式時，根據(jù)槽位的不同來獲取所述IP地址。

可選地，對計算和存儲的資源進行管理，基于計算和存儲資源進行資源整合處理包括：

當安裝移動云計算中間平臺的智能終端所屬分布式系統(tǒng)接收到寫入和計算任務時，確認當前分布式系統(tǒng)中的資源使用狀況；

根據(jù)確認的資源使用狀況調取Hadoop平臺的任務分配方法：當存儲大小超出設定限額上限的不接受寫入操作，當計算能力超出設定限額上限的不接受計算任務；當存儲大小低于設定限額下限時，優(yōu)先寫入，直到達到設定限額的上限；當計算能力低于設定限額下限時，優(yōu)先接受計算任務，直到達到設定限額的上限；所述分布式系統(tǒng)中存儲大小和計算能力處于上限和下限之間的智能終端獲取任務時進行隨機分配。

可選地，本發(fā)明實現(xiàn)移動云計算中間平臺的方法還包括：

為安裝移動云計算中間平臺的智能終端所述分布式系統(tǒng)中的智能終端提供硬件健康監(jiān)控，并提供修復操作。

當硬件出現(xiàn)問題后，還包括：進行重連/重啟操作，預設次數(shù)重連/重啟仍失敗后，提示替換該硬件。

可選地，本發(fā)明實現(xiàn)移動云計算中間平臺的方法還包括：當系統(tǒng)日志大于設定的范圍值時，進行FIFO存儲。

本發(fā)明還提供一種用于實現(xiàn)移動云計算中間平臺的裝置，至少包括存儲器和處理器，其中，

存儲器中存儲有以下可執(zhí)行指令：將移動云計算中間平臺建立在Hadoop平臺和安卓Android系統(tǒng)之間；進行網(wǎng)絡配置；根據(jù)加入分布式系統(tǒng)的智能終端設置Hadoop平臺的運行配置；對計算和存儲的資源進行管理，基于計算和存儲資源進行資源整合處理；根據(jù)網(wǎng)絡配置的信息及整合后的計算和存儲資源進行云計算管理。

利用本發(fā)明建立的移動云計算中間平臺，實現(xiàn)分布式的方法包括：

獲取并安裝移動云計算中間平臺和Hadoop平臺到智能終端；

移動云計算中間平臺在Hadoop平臺中進行所述智能終端所屬分布式系統(tǒng)內數(shù)據(jù)資源遷移以及計算資源整合；

移動云計算中間平臺接收來自Hadoop平臺反饋的所述分布式系統(tǒng)中的智能終端的存儲和計算資源情況，并進行云計算管理。

下面結合一臺智能終端在安裝本發(fā)明圖1所示的移動云計算中間平臺后各模塊的工作流程情況為例，對本發(fā)明移動云計算中間平臺的工作原理進行詳細描述。圖2為本發(fā)明移動云計算中間平臺的工作原理流程示意圖，如圖2所示，包括：

首先，智能終端獲取并安裝本發(fā)明移動云計算中間平臺和Hadoop平臺；本發(fā)明移動云計算中間平臺的Java庫支撐模塊提供智能終端的Android系統(tǒng)缺少的Java庫；本發(fā)明移動云計算中間平臺的硬件驅動模塊對智能終端的Android系統(tǒng)進行硬件選取、加載；本發(fā)明移動云計算中間平臺的配置模塊為智能終端分配一個IP地址：智能終端會向本發(fā)明移動云計算中間平臺的配置模塊返回分布式系統(tǒng)連接類型；本發(fā)明移動云計算中間平臺的配置模塊根據(jù)智能終端的不同網(wǎng)絡連接方式進行相應IP地址的配置：當為有線連接時，搜尋當前網(wǎng)絡的所有機器的IP地址，然后對最大的IP地址進行處理：在最大的IP地址第四段+1，當加到253時，則在IP地址第三段加1，第四段從1開始計數(shù)；當為無線連接時，IP地址由無線網(wǎng)DHCP自動分配；當為定制機架方式時，根據(jù)槽位的不同來獲取IP地址配置。智能終端讀取分配的IP地址寫入Hadoop平臺的配置文件并生效；

然后，本發(fā)明移動云計算中間平臺的計算存儲資源管理模塊在Hadoop平臺中進行分布式系統(tǒng)內數(shù)據(jù)資源遷移以及計算資源整合，Hadoop平臺將智能終端的存儲和計算資源情況反饋給本發(fā)明移動云計算中間平臺的計算存儲資源管理模塊；

接著，本發(fā)明移動云計算中間平臺的計算存儲資源管理模塊根據(jù)新接入的智能終端的存儲和計算資源情況，進行數(shù)據(jù)資源遷移以及計算資源整合：存儲已經(jīng)超出設定限額上限的將不接受寫入操作，計算超出設定限額上限的將不接受計算任務；當存儲低于設定限額下限時將優(yōu)先寫入，直到達到設定限額的上限；當計算低于設定限額下限時將優(yōu)先接受計算任務，直到達到設定限額的上限；其他處于上限和下限之間的機器獲取任務時進行隨機分配；

最后還有，對于日志的存儲，本發(fā)明移動云計算中間平臺的日志處理模塊進行FIFO存儲；本發(fā)明移動云計算中間平臺的健康監(jiān)控模塊進行硬件健康的監(jiān)控，Hadoop平臺反饋接入的智能終端的心跳情況以檢測硬件死活，反饋接入的智能終端的節(jié)點溫度以監(jiān)控運行健康狀況；本發(fā)明移動云計算中間平臺的云計算任務調度模塊提供給外部接口進行云計算管理。

后續(xù)，如果智能終端申請退出分布式系統(tǒng)，Hadoop平臺會向本發(fā)明移動云計算中間平臺的計算存儲資源管理模塊申請退出分布式系統(tǒng)，本發(fā)明移動云計算中間平臺的計算存儲資源管理模塊會在Hadoop平臺中再次進行分布式系統(tǒng)內數(shù)據(jù)資源遷移以及計算資源整合，并在退出成功后，在本發(fā)明移動云計算中間平臺的日志處理模塊中記錄日志。

綜上所述，通過本發(fā)明基于Android系統(tǒng)的Hadoop平臺即圖1所示的移動云計算中間平臺，一方面，使得Hadoop平臺實現(xiàn)了在Android系統(tǒng)上的正常運即使得Android系統(tǒng)支持了Hadoop平臺的運行。進一步地，提供了Hadoop平臺運行時軟件和硬件的健康監(jiān)控，從而保證了在損壞時觸發(fā)對軟件的修復或對硬件的替換。另一方面，通過本發(fā)明基于Android系統(tǒng)的Hadoop平臺平臺即圖1所示的移動云計算中間平臺，智能終端實現(xiàn)了非常方便的組建、加入、移出無線網(wǎng)絡/有線網(wǎng)絡組建的分布式分布式系統(tǒng)。從而實現(xiàn)了使用更為廉價且方便更換的智能終端組建分布式系統(tǒng)。

本發(fā)明實施例以智能終端為手機終端進行舉例描述，但是，本發(fā)明智能終端包括但不限制于：運行Android系統(tǒng)的手機終端、PAD、機頂盒，以及運行Android系統(tǒng)的各類有線、無線手持終端等。

為方便描述，本發(fā)明實施例中以分布式系統(tǒng)為集群為例進行描述，但并不用于限定本發(fā)明的保護范圍。

需要說明一下，Hadoop平臺通過本發(fā)明移動云計算中間平臺對底層Android系統(tǒng)調用各應用接口(API)功能進行數(shù)據(jù)讀寫、計算等任務。Android API接口的封裝包括但不限于：

對于智能終端內存數(shù)據(jù)讀寫，可以包括：

getFileDir()：用于獲取Hadoop平臺在智能終端內存存儲數(shù)據(jù)的位置信息，如：/data/data/Hadoop/files；

getCacheDir()：用于獲取Hadoop平臺在智能終端內存緩存數(shù)據(jù)的位置信息，如：/data/data/Hadoop/cache；

openFileInput(String name)：用于直接獲取/data/data/Hadoop/files/name文件的輸入流信息；

openFileOutput(String name,int mode)：用于直接獲取/data/data/Hadoop/files/name文件的輸出流，其中，mode為寫入文件時的權限；

Context.MODE_PRIVATE：為私有模式(或稱為默認模式)，只能被應用本身和同一群組的智能終端訪問；寫入的內容覆蓋原文件內容；

Context.MODE_APPEND：為追加模式(或稱為私有模式)，只能被應用本身和同一群組的智能終端訪問；如果文件存在就追加內容，如果文件不存在就新建文件并寫入內容；

Context.MODE_WORLD_READABLE：為群組中所有智能終端可讀權限；

Context.MODE_WORLD_WRITEABLE：為群組中所有智能終端可寫權限；

對于SDcard數(shù)據(jù)讀寫，可以包括：

getExternalStorageDirectory()：用于獲取Hadoop平臺所在智能終端的SDcard位置信息，如/storage/sdcard；

getExternalStorageState()：用于獲取Hadoop平臺所在智能終端的SDcard的當前狀態(tài)，比較常用的應該是MEDIA_MOUNTED；

FileInputStream()，用于讀取文件；

BufferReader()，用于讀取文件；

httpConnection()，用于將讀取的流保存為String數(shù)據(jù)；

FileOutputStream()，用于寫入文件；

BufferedWriter()，用于寫入文件；

另外，Hadoop計算使用Java庫的加、減、乘、除四則運算。

本發(fā)明中，基于Android系統(tǒng)的HDFS集群有兩類節(jié)點并以“管理者—工作者”模式運行：一個作為管理者的主(Master)節(jié)點(NameNode)和多個作為工作者的從(Slave)節(jié)點(DataNode)。每一個NameNode和DataNode都各對應一臺智能終端。

其中，NameNode，主要負責管理HDFS文件系統(tǒng)，具體地包括namespace管理、塊(block)管理；DataNode，主要用于存儲數(shù)據(jù)文件。這里，HDFS會將一個文件分割成一個個的block，這些block可能存儲在一個DataNode上或者是多個DataNode上。DataNode負責實際的底層文件的讀寫，如果客戶端(Client)程序發(fā)起了讀HDFS上的文件的命令，那么，首先會將這些文件分成若干個block，然后NameNode將告知Client這些block數(shù)據(jù)是存儲在哪些DataNode上的，這樣，Client直接和DataNode交互即可。

下面詳細介紹本發(fā)明基于Android系統(tǒng)的HDFS集群的存儲和計算過程。

圖3為本發(fā)明基于Android系統(tǒng)的HDFS集群實現(xiàn)數(shù)據(jù)存儲的流程示意圖，以文件上傳到分布式集群進行存儲為例，這里，NameNode負責管理存儲在HDFS上所有文件的元數(shù)據(jù)，會確認客戶端的請求，并記錄下文件的名字和存儲該文件的數(shù)據(jù)節(jié)點即DataNode的集合。并將這些記錄下的信息存儲在內存中的文件分配表中。本實施例中，假設客戶端發(fā)送一個請求給NameNode，表明要將“swim.txt”文件寫入到HDFS，如圖3所示，包括：

步驟1：客戶端發(fā)消息給NameNode，表明要寫入“swim.txt”文件；

步驟2：NameNode向客戶端返回消息，通知客戶端將“swim.txt”文件寫到DataNode A、DataNode B和DataNode D，并直接與DataNode B聯(lián)系；

步驟3：客戶端發(fā)消息給DataNode B，指示DataNode B保存一份“swim.txt”文件，并分別發(fā)送一份副本給DataNode A和DataNode D；

步驟4：DataNode B發(fā)消息給DataNode A，指示DataNode A保存一份“swim.txt”文件，并發(fā)送一份副本給DataNode D；

步驟5：DataNode A發(fā)消息給DataNode D，指示DataNode D保存一份“swim.txt”文件；

步驟6：DataNode D發(fā)確認消息給DataNode A；

步驟7：DataNode A發(fā)確認消息給DataNode B；

步驟8：DataNode B發(fā)確認消息給客戶端，表示完成“swim.txt”文件的寫入。

這樣，一份“swim.txt”文件就保存在了分布式集群的DataNode A、DataNode B和DataNode D三個數(shù)據(jù)節(jié)點(即智能終端)上。

圖4為本發(fā)明基于Android系統(tǒng)的HDFS集群實現(xiàn)計算的流程示意圖，如圖4所示，在基于Android的HDFS中，每個MapReduce任務都被初始化為一個Job，每個Job又可以分為兩種階段：映射(Map)階段和歸約(Reduce)階段。這兩個階段分別用兩個函數(shù)表示，即Map函數(shù)和Reduce函數(shù)。其中，Map函數(shù)接收一個＜key,value>形式的輸入，然后同樣產生一個＜key,value>形式的中間輸出；Reduce函數(shù)接收一個如＜key,(list of values)>形式的輸入，然后對這個value集合進行處理，每個Reduce產生0或1個輸出，Reduce的輸出也是＜key,value>形式的。

一般，常見的智能終端在安裝本發(fā)明的移動云計算中間平臺和Hadoop平臺后，使用穩(wěn)定的無線連接，經(jīng)過本發(fā)明的移動云計算中間平臺對Hadoop平臺進行配置后，即可進行Hadoop之上的各組件的使用。比如在辦公室中，可以將大家的智能終端集中到一個集群內，實現(xiàn)計算資源和存儲資源共享。這樣，一個人的智能終端無法做到的計算量，通過十幾個人的智能終端就可以組建起集群，并在本發(fā)明的移動云計算中間平臺紙上完成本來不能完成的計算量。無線連接又包括：WIFI網(wǎng)絡、移動網(wǎng)絡(如2G、3G、4G等)兩種集群組建方式。

為了保障集群的可靠性、增強通信速度，可以使用有線連接方式。使用有線連接方式的集群硬件來源可以為定制的智能終端，也可以使用現(xiàn)有智能終端進行有線通信的改造。對現(xiàn)有智能終端的改造主要包括兩部分：一方面是，對USB接口進行改造，將USB類型的通信轉換為雙絞線或者光纖線通信；另一方面，存儲模塊至少包括ROM、SD卡以及接口。存儲模塊損壞是可以替換的。具體地，

圖5為本發(fā)明改造后的智能終端中計算模塊的組成結構示意圖，如圖5所示，至少包括：中央處理器單元(CPU，Central Processing Unit)芯片組、隨機存儲器(RAM，Random-Access Memory)、網(wǎng)絡控制器。對外包括電源、網(wǎng)口、存儲接口3個接口。

其中，USB接口可以包括但不限于：USB2.0或USB3.0，分別對應雙絞線和光纖線使用。因此，針對USB的兩種不同類型使用不同的通信方案。網(wǎng)絡控制器采用常見的USB轉網(wǎng)卡的方案，如果是光纖再添加光電轉換芯片即可。圖5中的網(wǎng)絡控制器是一個信號轉換芯片，比如：USB2.0轉RJ45信號芯片如AX88772B；USB 3.0-to-Gigabit Ethernet控制芯片如RTL8153等。

圖5中，安全數(shù)據(jù)(SD，Secure Digital)卡接口和Android系統(tǒng)定制系統(tǒng)鏡像只讀存儲器(ROM，Read Only Memory Image)接口合并為存儲接口，只是硬件外觀的變化，實際上兩個接口還是獨立存在的。

圖6為本發(fā)明改造后的智能終端中存儲模塊的組成結構示意圖，如圖6所示，至少包括內置兩個組件：ROM和SD卡，對外顯示為一個存儲接口。該模塊損壞可以進行替換。

Hadoop是用途廣泛的大數(shù)據(jù)平臺，目前基于Hadoop的在用實施例都可以使用本發(fā)明提供的而技術方案由PC服務器轉移到安裝有Android系統(tǒng)的智能終端中。下面根據(jù)智能終端的不同網(wǎng)絡連接方式，結合本發(fā)明移動云計算中間平臺對智能終端在集群中的管理的實施例進行詳細描述。

第一實施例

圖7為本發(fā)明智能終端采用WIFI連接方式的組網(wǎng)示意圖，圖8為本發(fā)明基于圖7所示的連接方式的對智能終端在集群中的管理的實施例的流程示意圖，結合圖7和圖8，本實施例以新的節(jié)點為智能終端為例，將智能終端加入集群的步驟包括：

步驟800：將欲加入現(xiàn)有集群的WIFI網(wǎng)絡的智能終端成功連接WIFI網(wǎng)絡。

步驟801：欲加入現(xiàn)有集群的WIFI網(wǎng)絡的智能終端通過自身Android系統(tǒng)下載獲取并安裝移動云計算中間平臺及Hadoop平臺。

步驟802：使用移動云計算中間平臺配置Hadoop平臺系統(tǒng)網(wǎng)絡。具體實現(xiàn)過程如圖2所示，這里不再贅述。

假設連接方式的連接(Connection)參數(shù)為1，表示為WIFI連接方式，Connection參數(shù)為2，表示為移動網(wǎng)絡如2G、3G、4G連接方式，Connection參數(shù)為3，表示為有線連接方式。

本實施例中，假設Connection參數(shù)為1，則移動云計算中間平臺根據(jù)該WIFI網(wǎng)絡中的DHCP機制給本實施例中新加入的節(jié)點(如步驟800中的智能終端)分配IP地址；并將分配的IP地址寫入集群配置文件中。

步驟803：現(xiàn)有集群中的主節(jié)點啟動Hadoop集群組件并成功啟動。

步驟804：現(xiàn)有集群中的主節(jié)點進行集群內數(shù)據(jù)資源遷移以及計算資源整合(balance)。

本實施例中，主節(jié)點中的移動云計算中間平臺根據(jù)新節(jié)點(如智能終端)的存儲和計算資源情況，自行進行數(shù)據(jù)資源遷移以及計算資源整合。舉例來看，假設每個節(jié)點的存儲資源上限為總存儲資源的80％以及存儲資源下限為總存儲資源的5％；假設每個節(jié)點的CPU計算資源上限為CPU利用率達到80％以及CPU計算資源下限為CPU利用率達到5％；其中，上限、下限的設置可以按照實際需求進行調整。

移動云計算中間平臺根據(jù)設置的上限、下限值進行如下操作：

當該新加入的節(jié)點的存儲已經(jīng)超出存儲資源上限時，將不接受寫入操作；

當該新加入的節(jié)點的計算超出CPU計算資源上限時，將不接受計算任務；

當該新加入的節(jié)點的存儲低于存儲資源下限時，將優(yōu)先寫入，直到達到存儲資源上限；

當該新加入的節(jié)點的計算低于CPU計算資源下限時，將優(yōu)先接受計算任務，直到達到CPU計算資源上限；

其他處于上限和下限之間的情況，獲取任務時可以進行隨機分配。

步驟805～步驟806：現(xiàn)有集群中的主節(jié)點調用移動云計算中間平臺接口，提交Hadoop任務進行運行。

步驟807：集群中的各數(shù)據(jù)節(jié)點完成任務計算，并將任務結果反饋給主節(jié)點。

本實施例中，假設某個數(shù)據(jù)節(jié)點如步驟800中加入現(xiàn)有集群的智能終端申請退出集群，包括以下步驟：

步驟808：該智能終端向集群中的主節(jié)點申請退出集群。

步驟809：主節(jié)點進行數(shù)據(jù)資源遷移:以及計算資源整合。具體實現(xiàn)如步驟804所述，這里不再贅述。

步驟810：資源整合完成后，同意該智能終端退出集群。

第二實施例

圖9為本發(fā)明智能終端采用移動網(wǎng)絡連接方式的組網(wǎng)示意圖，圖10為本發(fā)明基于圖9所示的連接方式的對智能終端在集群中的管理的實施例的流程示意圖，結合圖9和圖10，本實施例以新的節(jié)點為智能終端為例，將智能終端加入集群的步驟包括：

步驟1000：將欲加入現(xiàn)有集群的移動網(wǎng)絡如2G、3G、4G等的智能終端成功連接移動網(wǎng)絡。

步驟1001：欲加入現(xiàn)有集群的移動網(wǎng)絡的智能終端通過自身Android系統(tǒng)下載獲取并安裝移動云計算中間平臺及Hadoop平臺。

步驟1002：使用移動云計算中間平臺配置Hadoop系統(tǒng)網(wǎng)絡。具體實現(xiàn)過程如圖2所示，這里不再贅述。

假設連接方式的連接(Connection)參數(shù)為1，表示為WIFI連接方式，Connection參數(shù)為2，表示為移動網(wǎng)絡如2G、3G、4G連接方式，Connection參數(shù)為3，表示為有線連接方式。

本實施例中，假設Connection參數(shù)為2，則移動云計算中間平臺根據(jù)該移動網(wǎng)絡中的DHCP機制給本實施例中新加入的節(jié)點(如步驟1000中的智能終端)分配IP地址；并將分配的IP地址寫入集群配置文件中。

步驟1003：現(xiàn)有集群中的主節(jié)點啟動Hadoop集群組件并成功啟動。

步驟1004：現(xiàn)有集群中的主節(jié)點進行集群內數(shù)據(jù)資源遷移以及計算資源整合(balance)。

本實施例中，主節(jié)點中的移動云計算中間平臺根據(jù)新節(jié)點(如智能終端)的存儲和計算資源情況，自行進行數(shù)據(jù)資源遷移以及計算資源整合。舉例來看，假設每個節(jié)點的存儲資源上限為總存儲資源的80％以及存儲資源下限為總存儲資源的5％；假設每個節(jié)點的CPU計算資源上限為CPU利用率達到80％以及CPU計算資源下限為CPU利用率達到5％；其中，上限、下限的設置可以按照實際需求進行調整。

移動云計算中間平臺根據(jù)設置的上限、下限值進行如下操作：

當該新加入的節(jié)點的存儲已經(jīng)超出存儲資源上限時，將不接受寫入操作；

當該新加入的節(jié)點的計算超出CPU計算資源上限時，將不接受計算任務；

當該新加入的節(jié)點的存儲低于存儲資源下限時，將優(yōu)先寫入，直到達到存儲資源上限；

當該新加入的節(jié)點的計算低于CPU計算資源下限時，將優(yōu)先接受計算任務，直到達到CPU計算資源上限；

其他處于上限和下限之間的情況，獲取任務時可以進行隨機分配。

進一步地，

考慮到傳輸速率以及流量資費的因素，本實施例中還進一步設置數(shù)據(jù)壓縮(Compress)參數(shù)，當Compress參數(shù)為1時，表示需要進行壓縮，當Compress參數(shù)為0時，表示不需要進行壓縮。

當Connection參數(shù)為2時，即本實施例中采用移動網(wǎng)絡的方式，Compress參數(shù)自動設置為1，表示數(shù)據(jù)傳輸時需要進行壓縮，以獲得高傳輸速率，從而降低流量資費；

當Connection參數(shù)為1或3時，Compress參數(shù)自動設置為0，數(shù)據(jù)傳輸不需要進行壓縮，以減輕CPU運算壓力。

步驟1005～步驟1006：現(xiàn)有集群中的主節(jié)點調用移動云計算中間平臺接口，提交Hadoop任務進行運行。

步驟1007：集群中的各數(shù)據(jù)節(jié)點完成任務計算，并將任務結果反饋給主節(jié)點。

本實施例中，假設某個數(shù)據(jù)節(jié)點如步驟1000中加入現(xiàn)有集群的智能終端申請退出集群，包括以下步驟：

步驟1008：該智能終端向集群中的主節(jié)點申請退出集群。

步驟1009：主節(jié)點進行數(shù)據(jù)資源遷移:以及計算資源整合。具體實現(xiàn)如步驟1004所述，這里不再贅述。

步驟1010：資源整合完成后，同意該智能終端退出集群。

第三實施例

圖11為本發(fā)明智能終端采用有線連接方式的組網(wǎng)示意圖，圖12為本發(fā)明基于圖11所示的連接方式的對智能終端在集群中的管理的實施例的流程示意圖，結合圖11和圖12，本實施例以新的節(jié)點為智能終端為例，將智能終端加入集群的步驟包括：

步驟1200：將欲加入現(xiàn)有集群的的智能終端使用雙絞線或光纖成功連接集群中的交換機。本實施例中，欲加入現(xiàn)有集群的智能終端使用USB2.0接口，因此，采用雙絞線連接集群的交換機。

步驟1201：欲加入現(xiàn)有集群的移動網(wǎng)絡的智能終端通過自身Android系統(tǒng)下載獲取并安裝移動云計算中間平臺及Hadoop平臺。

步驟1202：使用移動云計算中間平臺配置Hadoop系統(tǒng)網(wǎng)絡。具體實現(xiàn)過程如圖2所示，這里不再贅述。

假設連接方式的連接(Connection)參數(shù)為1，表示為WIFI連接方式，Connection參數(shù)為2，表示為移動網(wǎng)絡如2G、3G、4G連接方式，Connection參數(shù)為3，表示為有線連接方式。

本實施例中，假設Connection參數(shù)為3，則移動云計算中間平臺搜尋當前集群網(wǎng)絡所有節(jié)點的IP地址，然后對最大的IP地址進行處理：在最大的IP地址第四段+1，當加到253時，則在IP地址第三段加1，第四段從1開始計數(shù)；并將分配的IP地址寫入集群配置文件中。

步驟1203：現(xiàn)有集群中的主節(jié)點啟動Hadoop集群組件并成功啟動。

步驟1204：現(xiàn)有集群中的主節(jié)點進行集群內數(shù)據(jù)資源遷移以及計算資源整合(balance)。

本實施例中，主節(jié)點中的移動云計算中間平臺根據(jù)新節(jié)點(如智能終端)的存儲和計算資源情況，自行進行數(shù)據(jù)資源遷移以及計算資源整合。舉例來看，假設每個節(jié)點的存儲資源上限為總存儲資源的80％以及存儲資源下限為總存儲資源的5％；假設每個節(jié)點的CPU計算資源上限為CPU利用率達到80％以及CPU計算資源下限為CPU利用率達到5％；其中，上限、下限的設置可以按照實際需求進行調整。

移動云計算中間平臺根據(jù)設置的上限、下限值進行如下操作：

當該新加入的節(jié)點的存儲已經(jīng)超出存儲資源上限時，將不接受寫入操作；

當該新加入的節(jié)點的計算超出CPU計算資源上限時，將不接受計算任務；

當該新加入的節(jié)點的存儲低于存儲資源下限時，將優(yōu)先寫入，直到達到存儲資源上限；

當該新加入的節(jié)點的計算低于CPU計算資源下限時，將優(yōu)先接受計算任務，直到達到CPU計算資源上限；

其他處于上限和下限之間的情況，獲取任務時可以進行隨機分配。

步驟1205～步驟1206：現(xiàn)有集群中的主節(jié)點調用移動云計算中間平臺接口，提交Hadoop任務進行運行。

步驟1207：集群中的各數(shù)據(jù)節(jié)點完成任務計算，并將任務結果反饋給主節(jié)點。

本實施例中，假設某個數(shù)據(jù)節(jié)點如步驟1200中加入現(xiàn)有集群的智能終端申請退出集群，包括以下步驟：

步驟1208：該智能終端向集群中的主節(jié)點申請退出集群。

步驟1209：主節(jié)點進行數(shù)據(jù)資源遷移:以及計算資源整合。具體實現(xiàn)如步驟1004所述，這里不再贅述。

步驟1210：資源整合完成后，同意該智能終端退出集群。

第四實施例

本實施例為網(wǎng)絡接通后確定集群模型為定制機架結構的情況。

首先，在機架安裝、上電，機架統(tǒng)一將交流電轉化為直流電為所有設備提供電源后，進行版本鏡像操作，即將圖1所示整個系統(tǒng)打包作為鏡像直接存儲在ROM中。

安裝完系統(tǒng)的硬件存儲到備份件所在的機架中軸入口。初始安裝因為需要安裝的設備數(shù)量較多，需要人為手工操作硬件供給。后續(xù)的備份設備以自動存儲5-10塊設備為佳。

通過與備份件替換相同的流程將硬件安裝到指定的位置，如圖13所示，圖13為本發(fā)明定制機架結構中機架的俯視圖，如圖13所示，計算存儲模塊安裝于機架的圓環(huán)上。本實施例中，圓環(huán)以低速進行轉動。

一方面，圓環(huán)的低速轉動帶來了傳統(tǒng)設備的風冷散熱的效果，另一方面，在硬件需要替換時，圓環(huán)的低速轉動實現(xiàn)了計算存儲備份模塊通道的對接，以便于機架將替換的模塊運送到位；同時，離心力能夠自動拆除損壞的硬件。

然后，硬件聯(lián)通機架交換設備自動獲取網(wǎng)絡參數(shù)，加入分布式集群。

最先合入集群的設備為主節(jié)點，可以在外部通過網(wǎng)絡連接主節(jié)點的云計算任務調度平臺執(zhí)行分布式計算任務。

接著，加入備份設備，后續(xù)定時檢測機架的備份設備數(shù)量，以便及時添加。同時需要回收損壞的硬件設備。

圖14為本發(fā)明定制機架結構中機架側視圖，如圖14所示，機架的圓環(huán)槽位層可以是多層設計，帶箭頭的線表示了備份硬件的運行路徑。

在進行硬件替換時，如圖15所示，硬件槽位打開鎖定，損壞硬件因離心力脫離機架；備份硬件經(jīng)傳送裝置運行到備份導槽中；圓環(huán)逐漸降低速度至停止轉動，使備份導槽和硬件需要替換的槽位對接，再經(jīng)過傳送裝置的操作將備份硬件裝入硬件槽位；更換備用硬件后，圓環(huán)逐漸回復原有運行旋轉速度。

第五實施例

本實施例以典型應用場景對本發(fā)明移動云計算中間平臺及系統(tǒng)的具體工作實現(xiàn)進行描述。假設由于一游戲因計算量大且產生數(shù)據(jù)多，在一臺手機上運行非?？D，同時需要基于這些大數(shù)據(jù)進行人工智能分析和挖掘，提供玩家場景發(fā)現(xiàn)和玩友推薦等，本實施例中假設在一個房間，有5個人各自手持1臺Android系統(tǒng)的智能手機，來測試使用這款大型游戲。圖16為本發(fā)明移動云計算中間平臺應用的實施例的流程示意圖，本實施例中，為例描述方便，僅以2臺設備即Master主節(jié)點與一臺Slave節(jié)點之間的業(yè)務流程為例，Master與其他Slave節(jié)點之間的業(yè)務流程與圖16所示的業(yè)務流程一樣，這里不再贅述。如圖16所示，包括：

步驟1600：分別在Master節(jié)點和Slave節(jié)點上安裝移動云計算中間平臺、Hadoop、游戲應用。

步驟1601：使用移動云計算中間平臺對Android系統(tǒng)及Hadoop平臺進行相關配置并生效，大致包括：

主節(jié)點的移動云計算中間平臺為Hadoop平臺提供Android系統(tǒng)缺少的Java庫；主節(jié)點的移動云計算中間平臺對Android系統(tǒng)進行硬件選取、加載；主節(jié)點的移動云計算中間平臺分配一個IP地址，根據(jù)反饋的不同網(wǎng)絡連接方式進行相應IP地址的配置；智能終端的Android系統(tǒng)讀取分配的IP地址寫入Hadoop配置文件并生效；主節(jié)點的移動云計算中間平臺在Hadoop平臺中進行集群內數(shù)據(jù)資源遷移以及計算資源整合，并通知集群內的其他Slave節(jié)點內進行資源調整。具體實現(xiàn)如圖2所示，這里不再贅述。

步驟1602：各節(jié)點如圖16中的Master節(jié)點和Slave節(jié)點檢測游戲應用占用資源情況，并反饋到各自的Hadoop平臺；各Slave節(jié)點的Hadoop平臺收到游戲應用占用資源情況后，反饋到Master節(jié)點。

步驟1603：Master節(jié)點根據(jù)各節(jié)點存儲和計算資源情況，自動進行數(shù)據(jù)資源遷移以及計算資源整合。

步驟1604：游戲應用開始使用，Master節(jié)點收到使用行為和任務后，為各Slave節(jié)點分配計算和存儲任務；各Slave節(jié)點向Master節(jié)點反饋計算結果和存儲結果，Master節(jié)點進行計算結果和存儲結果匯總，并向游戲應用反饋游戲應用運算結果和存儲結果。

步驟1605：在游戲應用的計算任務和存儲任務進行過程中，主節(jié)點的移動云計算中間平臺進行日志的存儲，使用FIFO方式存儲；和/或，主節(jié)點的移動云計算中間平臺進行各節(jié)點的硬件健康監(jiān)控。

步驟1606：游戲應用結束，Master節(jié)點通知各Slave節(jié)點釋放計算資源和存儲資源；各Slave節(jié)點向Master節(jié)點反饋計算資源和存儲資源釋放結果。

以上所述，僅為本發(fā)明的較佳實例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。