CN108418850B - 基于半分布式的高能效云端融合计算方法及系统 - Google Patents
基于半分布式的高能效云端融合计算方法及系统 Download PDFInfo
- Publication number
- CN108418850B CN108418850B CN201810027888.6A CN201810027888A CN108418850B CN 108418850 B CN108418850 B CN 108418850B CN 201810027888 A CN201810027888 A CN 201810027888A CN 108418850 B CN108418850 B CN 108418850B
- Authority
- CN
- China
- Prior art keywords
- base station
- wireless base
- price
- optimal
- user side
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 58
- 230000004927 fusion Effects 0.000 title claims abstract description 11
- 238000013508 migration Methods 0.000 claims abstract description 58
- 230000005012 migration Effects 0.000 claims abstract description 58
- 238000005265 energy consumption Methods 0.000 claims abstract description 42
- 230000008901 benefit Effects 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 description 6
- 230000003467 diminishing effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基于半分布式的高能效云端融合计算方法及系统,判断用户端进行任务迁移的能耗收益是否大于零,若判断结果为是,则由用户端向无线基站发送任务迁移信息;等待接收N个用户端发送至无线基站的任务迁移信息,计算出当前无线基站的最佳价格,所述N大于等于1;根据当前无线基站的最佳价格,计算出当前用户端的最佳负载百分比,并根据最佳负载百分比将任务迁移至无线基站;对迁移至无线基站的任务进行处理,并将处理结果返回给对应的用户端。本发明利用无线基站内连接有限的服务器资源进行计算,利用服务价格的方式对用户的竞争形成调节。用户可以将自己的计算密集型任务一部分迁移到无线基站中,来减少用户端的能耗。
Description
技术领域
本发明涉及云计算领域,具体地,涉及基于半分布式的高能效云端融合计算方法及系统。
背景技术
当前,随着云计算技术的不断发展,越来越多的数据需要在云环境下进行计算。同时,不断出现的越来越多的移动端计算应用,例如人脸识别、自然语言处理,都需要在移动端进行大量的计算。传统上,这种计算密集型的任务可以迁移到云端进行解决。而当下,由于人们对于移动端的延迟越来越敏感,而计算密集型任务迁移到云端所需要的时间延迟较大,大大降低了用户体验,难以满足人们的要求。同时,由于边缘云处于网络的边缘节点,在该节点处往往具有有限的处理能力。这种有限的处理能力将导致移动计算用户对于边缘云计算任务的竞争,这种竞争将导致边缘云计算中移动端用户和边缘云计算节点的行为同传统云计算中云用户和云计算中心行为的差异。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于半分布式的高能效云端融合计算方法及系统。
根据本发明提供的一种基于半分布式的高能效云端融合计算方法,包括:
步骤1:判断用户端进行任务迁移的能耗收益是否大于零,若判断结果为是,则执行步骤2,若判断结果为否,则不进行计算任务迁移;
步骤2:由用户端向无线基站发送任务迁移信息;
步骤3:等待接收N个用户端发送至无线基站的任务迁移信息,计算出当前无线基站的最佳价格,所述N大于等于1;
步骤4:根据当前无线基站的最佳价格,计算出当前用户端的最佳负载百分比,并根据最佳负载百分比将任务迁移至无线基站;
步骤5:对迁移至无线基站的任务进行处理,并将处理结果返回给对应的用户端。
较佳的,所述任务迁移信息包括用户端利用任务迁移获得的能耗收益以及任务的计算量。
较佳的,步骤3中将无线基站接收到的所有任务迁移信息按照能耗收益除以计算量的值从大到小排序。
较佳的,步骤3中所述最佳价格ρ的计算方式为:
其中,K为正整数,表示能耗收益Ei B除以计算量fi最大的前K个用户端,Fmax为无线基站的计算能力最大值。
根据本发明提供的一种基于半分布式的高能效云端融合计算系统,包括:
判断模块:判断用户端进行任务迁移的能耗收益是否大于零,若判断结果为是,则进行任务迁移,若判断结果为否,则不进行计算任务迁移;
传输模块:由用户端向无线基站发送任务迁移信息;
最佳价格计算模块:等待接收N个用户端发送至无线基站的任务迁移信息,计算出当前无线基站的最佳价格,所述N大于等于1;
最佳负载百分比计算模块:根据当前无线基站的最佳价格,计算出当前用户端的最佳负载百分比,并根据最佳负载百分比将任务迁移至无线基站;
任务处理模块:对迁移至无线基站的任务进行处理,并将处理结果返回给对应的用户端。
较佳的,所述任务迁移信息包括用户端利用任务迁移获得的能耗收益以及任务的计算量。
较佳的,将所述无线基站接收到的所有任务迁移信息按照能耗收益除以计算量的值从大到小排序。
较佳的,所述最佳价格ρ的计算方式为:
其中,K为正整数,表示能耗收益Ei B除以计算量fi从大到小排序的前K个,Fmax为无线基站的计算能力最大值。
与现有技术相比,本发明具有如下的有益效果:
通过本发明,用户端(包括但不限于智能手机、笔记本电脑、平板电脑)可以通过无线信号连接无线基站,利用无线基站内连接有限的服务器资源进行计算。在本发明中,无线基站可以作为集中式的边缘云计算中心,利用服务价格的方式,对用户的竞争形成调节。用户可以将自己的计算密集型任务一部分迁移到无线基站中,一部分在用户端本地处理,来减少用户端的能耗。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的流程图;
图2为本发明的架构图;
图3为本发明的仿真结果示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1和图2所示,本发明提供的一种基于半分布式的高能效云端融合计算方法,包括:
步骤1:判断用户端进行任务迁移的能耗收益是否大于零,若判断结果为是,则执行步骤2,若判断结果为否,则不进行计算任务迁移;
步骤2:由用户端向无线基站发送任务迁移信息,任务迁移信息包括用户端利用任务迁移获得的能耗收益以及任务的计算量;
步骤3:等待接收N个用户端发送至无线基站的任务迁移信息,所有任务迁移信息按照能耗收益除以计算量的值从大到小排序,计算出当前无线基站的最佳价格,所述N大于等于1;
步骤4:根据当前无线基站的最佳价格,计算出当前用户端的最佳负载百分比,并根据最佳负载百分比将任务迁移至无线基站;
步骤5:对迁移至无线基站的任务进行处理,并将处理结果返回给对应的用户端。
每完成一次处理周期后,重复上述1-5步骤。
在本发明中,构建的模型如下:
1.本地(用户端)计算所需时间模型
其中i表示第几个用户。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。Fi L表示用户端本地的计算能力,Ti L表示用户在本地完全计算该任务所需要的时间。
2.本地计算所需能耗模型
Ei L=αfi
其中fi表示用户端的任务需要的计算量(以CPU计算周期为单位),α表示用户端能耗同所需计算任务量间的系数。Ei L表示用户端本地计算所需要的能耗。
3.传输所需时间
Di表示用户端用户同基站间的传输数据量。Ri表示用户端用户同基站间的数据传输速度。Ti T表示用户端用户同基站间的传输时间。
4.用户端传输所需能耗
Ei T=piTi T
Ti T表示用户端用户同基站间的传输时间。pi表示用户端传输功率。Ei T表示用户端传输所需能耗。
5.无线基站边缘云计算所需时间
Ti C=βifi
其中fi表示用户端的任务需要的计算量(以CPU计算周期为单位),βi表示无线基站满足用户服务质量协议的情况下对单位计算量的处理时间。Ti C表示无线基站的处理时间。
6.用户端通过无线基站的总处理时间
Ti R=Ti T+Ti C
Ti C表示无线基站的处理时间。Ti T表示用户端同基站间的传输时间。其中Ti R表示用户通过无线基站处理数据的总时间。
7.用户端任务时间约束
(1-si)Ti L+siTi R≤Ti l
Ti T表示用户端同基站间的传输时间。其中Ti R表示用户通过无线基站处理数据的总时间。Ti l表示用户任务的延迟要求。
8.用户端利用计算任务迁移获得的能耗收益
Ei B=λi E(Ei L-Ei T)
其中Ei T表示用户端传输所需能耗。Ei L表示用户端本地计算所需要的能耗。λi E表示单位能耗提高带给用户的货币化收益。Ei B表示用户端通过计算任务迁移获得的货币化单位收益。
9.用户端效用收益
ui(si,ρ)=Ei B log2(1+si)-ρsifi
其中,si表示用户任务迁移到无线基站端的任务百分比,并且满足0≤si≤1。Ei B表示用户通过任务迁移获得的边际收益递减的货币化单位能耗收益。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。ρ表示无线基站对所有用户的统一服务费用价格。ui(si,ρ)表示用户的效用收益。
10.用户端理性行为
Maximize ui(si,ρ)
用户期望通过设置合理的si来最大化其效用收益,其中ui(si,ρ)表示用户端的效用收益。
11.无线基站计算能力约束
其中Fmax表示无线基站计算能力最大值。N表示基站服务的总共N个用户端。si表示用户端任务迁移到无线基站端的任务百分比,并且满足0≤si≤1。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。
12.无线基站效用收益
其中ρ表示无线基站对所有用户端的统一服务费用价格,其中ρ≥0。si表示用户端任务迁移到无线基站端的任务百分比,并且满足0≤si≤1。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。UBS(s,ρ)表示无线基站的效用收益。
13.无线基站理性行为
Maximize UBS(s,ρ)
无线基站倾向于设置合理的统一服务费用价格来最大化其总收益。其中ρ表示无线基站对所有用户端的统一服务费用价格。s=(s1,s2,...,sn)表示n个用户端的任务迁移决策。
用户端和无线基站最优策略行为
用户端理性行为和无线基站理性行为共同构成了史塔克伯格均衡,因此,用户端和基站的最优策略遵从史塔克伯格均衡。
14.对于用户端而言,用户端的最优行为解为:
其中,si *为用户的理性最优解。Ei B表示用户通过任务迁移获得的边际收益递减的货币化单位能耗收益。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。ρ表示无线基站对所有用户的统一服务费用价格。
15.无线基站最优价格ρ的计算方式为
1)对于无线基站而言,其价格ρ的上界为
其中ρmax为无线基站的价格上界。Ei B表示用户端通过任务迁移获得的边际收益递减的货币化单位能耗收益。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。
2)对于无线基站而言,其价格ρ的下界为
其中ρmin为无线基站的价格上界。Ei B表示用户端通过任务迁移获得的边际收益递减的货币化单位能耗收益。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。
3)对于无线基站,当其计算能力最大值Fmax处于范围
其中,Fmax表示无线基站计算能力最大值。Ei B表示用户端通过任务迁移获得的边际收益递减的货币化单位能耗收益。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。
4)当其计算能力最大值Fmax处于范围
其中,K为正整数,表示表示最大的前K个。Fmax表示无线基站计算能力最大值。Ei B表示用户通过任务迁移获得的边际收益递减的货币化单位能耗收益。fi表示用户端的任务需要的计算量(以CPU计算周期为单位)。
5)当其计算能力最大值Fmax处于范围
时,其价格ρ的最优解为:
如图3所示,本发明对于用户从2个至3000个进行了仿真模拟,在运行在Intel i5-4590CPU上的Matlab上的算法时间开销,其中,横坐标表示用户端数量的增长,单位为个,纵坐标表示运行时间,单位为秒。根据仿真结果可知,虽然随着用户端数量的增加会增加无线基站的运算时间开销,但是通过本发明能够将时间开销控制在理想的范围之内。
在上述一种基于半分布式的高能效云端融合计算方法的基础上,本发明还提供一种基于半分布式的高能效云端融合计算系统,包括:
判断模块:判断用户端进行任务迁移的能耗收益是否大于零,若判断结果为是,则进行任务迁移,若判断结果为否,则不进行计算任务迁移;
传输模块:由用户端向无线基站发送任务迁移信息,任务迁移信息包括用户端利用任务迁移获得的能耗收益以及任务的计算量;
最佳价格计算模块:等待接收N个用户端发送至无线基站的任务迁移信息,无线基站接收到的所有任务迁移信息按照能耗收益除以计算量的值从大到小排序,计算出当前无线基站的最佳价格,所述N大于等于1;
最佳负载百分比计算模块:根据当前无线基站的最佳价格,计算出当前用户端的最佳负载百分比,并根据最佳负载百分比将任务迁移至无线基站;
任务处理模块:对迁移至无线基站的任务进行处理,并将处理结果返回给对应的用户端。
最佳价格ρ的计算方式为:
其中,K为能耗收益Ei B除以计算量fi从大到小排序的前K个,Fmax为无线基站的计算能力最大值。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (2)
1.一种基于半分布式的高能效云端融合计算方法,其特征在于,包括:
步骤1:判断用户端进行任务迁移的能耗收益是否大于零,若判断结果为是,则执行步骤2,若判断结果为否,则不进行计算任务迁移;
步骤2:由用户端向无线基站发送任务迁移信息;
步骤3:等待接收N个用户端发送至无线基站的任务迁移信息,计算出当前无线基站的最佳价格,所述N大于等于1;
步骤4:根据当前无线基站的最佳价格,计算出当前用户端的最佳负载百分比,并根据最佳负载百分比将任务迁移至无线基站;
步骤5:对迁移至无线基站的任务进行处理,并将处理结果返回给对应的用户端;
所述任务迁移信息包括用户端利用任务迁移获得的能耗收益以及任务的计算量;
步骤3中将无线基站接收到的所有任务迁移信息按照能耗收益除以计算量的值从大到小排序;
步骤3中所述价格ρ的计算方式包括:
其中,K为正整数,表示能耗收益Ei B除以计算量fi最大的前K个用户端,Fmax为无线基站的计算能力最大值;
用户端和基站的最优策略遵从史塔克伯格均衡。
2.一种基于半分布式的高能效云端融合计算系统,其特征在于,包括:
判断模块:判断用户端进行任务迁移的能耗收益是否大于零,若判断结果为是,则进行任务迁移,若判断结果为否,则不进行计算任务迁移;
传输模块:由用户端向无线基站发送任务迁移信息;
最佳价格计算模块:等待接收N个用户端发送至无线基站的任务迁移信息,计算出当前无线基站的最佳价格,所述N大于等于1;
最佳负载百分比计算模块:根据当前无线基站的最佳价格,计算出当前用户端的最佳负载百分比,并根据最佳负载百分比将任务迁移至无线基站;
任务处理模块:对迁移至无线基站的任务进行处理,并将处理结果返回给对应的用户端;
所述任务迁移信息包括用户端利用任务迁移获得的能耗收益以及任务的计算量;
将所述无线基站接收到的所有任务迁移信息按照能耗收益除以计算量的值从大到小排序;
所述价格ρ的计算方式为包括:
其中,K为正整数,表示能耗收益Ei B除以计算量fi从大到小排序的前K个,Fmax为无线基站的计算能力最大值,N表示基站服务的用户端数量;
用户端和基站的最优策略遵从史塔克伯格均衡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810027888.6A CN108418850B (zh) | 2018-01-11 | 2018-01-11 | 基于半分布式的高能效云端融合计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810027888.6A CN108418850B (zh) | 2018-01-11 | 2018-01-11 | 基于半分布式的高能效云端融合计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108418850A CN108418850A (zh) | 2018-08-17 |
CN108418850B true CN108418850B (zh) | 2020-12-22 |
Family
ID=63125476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810027888.6A Active CN108418850B (zh) | 2018-01-11 | 2018-01-11 | 基于半分布式的高能效云端融合计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108418850B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106454958A (zh) * | 2016-11-02 | 2017-02-22 | 北京邮电大学 | 一种网络资源分配方法及装置 |
CN107122249A (zh) * | 2017-05-10 | 2017-09-01 | 重庆邮电大学 | 一种基于边缘云定价机制的任务卸载决策方法 |
CN107465748A (zh) * | 2017-08-18 | 2017-12-12 | 东南大学 | 移动边缘云计算系统中基于演进博弈的动态资源分配方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9900725B2 (en) * | 2015-07-29 | 2018-02-20 | Intel Corporation | Technologies for an automated application exchange in wireless networks |
US20170118311A1 (en) * | 2015-10-22 | 2017-04-27 | Saguna Networks Ltd. | Methods Circuits Devices Systems and Functionally Associated Computer Executable Code for Facilitating Edge Computing on a Mobile Data Communication Network |
-
2018
- 2018-01-11 CN CN201810027888.6A patent/CN108418850B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106454958A (zh) * | 2016-11-02 | 2017-02-22 | 北京邮电大学 | 一种网络资源分配方法及装置 |
CN107122249A (zh) * | 2017-05-10 | 2017-09-01 | 重庆邮电大学 | 一种基于边缘云定价机制的任务卸载决策方法 |
CN107465748A (zh) * | 2017-08-18 | 2017-12-12 | 东南大学 | 移动边缘云计算系统中基于演进博弈的动态资源分配方法 |
Non-Patent Citations (1)
Title |
---|
Price-Based Distributed Offloading for Mobile-Edge Computing With Computation Capacity Constraints;Mengyu Liu et al.;《IEEE WIRELESS COMMUNICATIONS LETTERS》;20171206;INTRODUCTION-OPTIMAL ALGORITHM、CONCLUSION * |
Also Published As
Publication number | Publication date |
---|---|
CN108418850A (zh) | 2018-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109857546B (zh) | 基于Lyapunov优化的多服务器移动边缘计算卸载方法及装置 | |
CN112888002B (zh) | 一种基于博弈论的移动边缘计算任务卸载及资源分配方法 | |
Li | Computation offloading strategy optimization with multiple heterogeneous servers in mobile edge computing | |
CN110351754B (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
CN110968366B (zh) | 一种基于有限mec资源的任务卸载方法、装置及设备 | |
CN110941667A (zh) | 一种移动边缘计算网络中的计算卸载方法及系统 | |
CN109922479A (zh) | 一种基于时延预估的计算任务卸载方法 | |
CN104038392A (zh) | 一种云计算资源服务质量评估方法 | |
CN111132235A (zh) | 基于改进hrrn算法和多属性决策的移动卸载迁移算法 | |
CN110096362A (zh) | 一种基于边缘服务器协作的多任务卸载方法 | |
Rui et al. | Computation offloading in a mobile edge communication network: A joint transmission delay and energy consumption dynamic awareness mechanism | |
CN112214301B (zh) | 面向智慧城市基于用户偏好的动态计算迁移方法及装置 | |
Zhang et al. | Theoretical analysis on edge computation offloading policies for IoT devices | |
Tian et al. | User preference-based hierarchical offloading for collaborative cloud-edge computing | |
Wang et al. | An energy saving based on task migration for mobile edge computing | |
Li et al. | Dynamic computation offloading based on graph partitioning in mobile edge computing | |
CN109358953A (zh) | 一种微云中的多任务应用卸载方法 | |
Hao et al. | Energy-aware offloading based on priority in mobile cloud computing | |
CN115473896A (zh) | 基于dqn算法的电力物联网卸载策略和资源配置优化方法 | |
CN108418850B (zh) | 基于半分布式的高能效云端融合计算方法及系统 | |
CN112769910B (zh) | 基于动态电压调节技术的雾计算任务卸载方法 | |
CN108512817A (zh) | 多视频转码调度方法及装置 | |
CN108319497B (zh) | 基于云端融合计算的分布式节点管理方法及系统 | |
CN111148155A (zh) | 一种基于移动边缘计算的任务卸载方法 | |
Tang et al. | Research on heterogeneous computation resource allocation based on data-driven method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240311 Address after: 200233 Floor 1, Building 7, No. 471, Guiping Road, Xuhui District, Shanghai Patentee after: VKINGTELE INTELLIGENT TECHNOLOGY CO.,LTD. Country or region after: China Address before: 200240 No. 800, Dongchuan Road, Shanghai, Minhang District Patentee before: SHANGHAI JIAO TONG University Country or region before: China |