論文の概要: Native vs Web Apps: Comparing the Energy Consumption and Performance of
Android Apps and their Web Counterparts
- arxiv url: http://arxiv.org/abs/2308.16734v1
- Date: Thu, 31 Aug 2023 13:51:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 11:43:53.620090
- Title: Native vs Web Apps: Comparing the Energy Consumption and Performance of
Android Apps and their Web Counterparts
- Title（参考訳）: ネイティブとwebアプリ: androidアプリとそのwebアプリのパフォーマンスとエネルギー消費量の比較
- Authors: Ruben Horn, Abdellah Lahnaoui, Edgardo Reinoso, Sicheng Peng, Vadim
Isakov, Tanjina Islam, Ivano Malavolta
- Abstract要約: 5つのカテゴリで10のインターネットコンテンツプラットフォームを選択します。
エネルギー消費、ネットワークトラフィック量、CPU負荷、メモリ負荷、およびネイティブおよびWebバージョンのフレーム時間に基づいて測定する。
- 参考スコア（独自算出の注目度）: 5.18539596100998
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Context. Many Internet content platforms, such as Spotify and YouTube,
provide their services via both native and Web apps. Even though those apps
provide similar features to the end user, using their native version or Web
counterpart might lead to different levels of energy consumption and
performance. Goal. The goal of this study is to empirically assess the energy
consumption and performance of native and Web apps in the context of Internet
content platforms on Android. Method. We select 10 Internet content platforms
across 5 categories. Then, we measure them based on the energy consumption,
network traffic volume, CPU load, memory load, and frame time of their native
and Web versions; then, we statistically analyze the collected measures and
report our results. Results. We confirm that native apps consume significantly
less energy than their Web counterparts, with large effect size. Web apps use
more CPU and memory, with statistically significant difference and large effect
size. Therefore, we conclude that native apps tend to require fewer hardware
resources than their corresponding Web versions. The network traffic volume
exhibits statistically significant difference in favour of native apps, with
small effect size. Our results do not allow us to draw any conclusion in terms
of frame time. Conclusions. Based on our results, we advise users to access
Internet contents using native apps over Web apps, when possible. Also, the
results of this study motivate further research on the optimization of the
usage of runtime resources of mobile Web apps and Android browsers.
- Abstract（参考訳）: コンテキスト。
spotifyやyoutubeなど多くのインターネットコンテンツプラットフォームが、ネイティブアプリとwebアプリの両方でサービスを提供している。
これらのアプリはエンドユーザに類似した機能を提供するが、ネイティブバージョンやWeb版を使用することで、エネルギー消費とパフォーマンスのレベルが異なる可能性がある。
ゴール。
本研究の目的は,Android上のインターネットコンテンツプラットフォームにおいて,ネイティブおよびWebアプリケーションのエネルギー消費と性能を実証的に評価することである。
方法。
5つのカテゴリで10のインターネットコンテンツプラットフォームを選択します。
次に, ネットワークトラフィック量, CPU負荷, メモリ負荷, およびそれらのネイティブバージョンとWebバージョンのフレーム時間に基づいて計測を行い, 収集した計測結果を統計的に分析し, 結果を報告する。
結果だ
ネイティブアプリがWebアプリよりもはるかに少ないエネルギーを消費し、大きな効果があることを確認した。
WebアプリケーションはCPUとメモリを多く使い、統計的に有意な差と大きな効果がある。
したがって、ネイティブアプリは対応するWebバージョンよりもハードウェアリソースを少なくする傾向にある。
ネットワークトラフィックは、ネイティブアプリを好む統計的に有意な差を示し、効果サイズは小さい。
私たちの結果は、フレーム時間という観点で結論を導き出せません。
結論だ
この結果に基づき,web アプリよりもネイティブアプリによるインターネットコンテンツへのアクセスを可能であれば推奨する。
また,本研究の結果は,モバイルWebアプリやAndroidブラウザのランタイムリソース利用の最適化に関するさらなる研究を動機付けている。
関連論文リスト
- Beyond Browsing: API-Based Web Agents [58.39129004543844]
APIベースのエージェントはWebArenaの実験でWebブラウジングエージェントを上回っている。
ハイブリッドエージェント(Hybrid Agents)は、タスク全体にわたって、ほぼ均一にパフォーマンスを向上する。
結果から,APIが利用可能であれば,Webブラウジングのみに依存するという,魅力的な代替手段が提示されることが強く示唆された。
論文 参考訳（メタデータ） (2024-10-21T19:46:06Z) - What If We Had Used a Different App? Reliable Counterfactual KPI Analysis in Wireless Systems [52.499838151272016]
本稿では、無線アクセスネットワーク(RAN)によって異なるアプリが実装された場合、キーパフォーマンス指標(KPI)の値を推定する「What-if」問題に対処する。
本稿では,推定値に対して信頼度の高い「エラーバー」を提供する無線システムに対する共形予測に基づく対実解析手法を提案する。
論文 参考訳（メタデータ） (2024-09-30T18:47:26Z) - Green AI: A Preliminary Empirical Study on Energy Consumption in DL
Models Across Different Runtime Infrastructures [56.200335252600354]
トレーニング済みのモデルを、ネイティブな開発環境とは異なる環境にデプロイするのは、一般的なプラクティスです。
これにより、インフラを含むONNXや標準フォーマットとして機能するONNXなどの交換フォーマットが導入された。
論文 参考訳（メタデータ） (2024-02-21T09:18:44Z) - Anatomizing Deep Learning Inference in Web Browsers [17.63663828498732]
ブラウザ内推論の総合的なパフォーマンス測定を,これまでに初めて行った。
提案手法は,ブラウザ内推論(応答性,滑らか性,推測精度)を測定するための新しい指標を提案する。
ブラウザ内推論は、CPUでは平均16.9倍、GPUでは4.9倍の遅延差を示す。
論文 参考訳（メタデータ） (2024-02-08T08:02:57Z) - JavaScript Dead Code Identification, Elimination, and Empirical
Assessment [13.566269406958966]
Lacunaは、WebアプリからJavaScriptのデッドコードを自動的に検出し、削除するアプローチである。
我々は、モバイルWebアプリケーションのコンテキストにおいて、エネルギー消費、パフォーマンス、ネットワーク使用量、リソース使用量の観点から、JavaScriptデッドコードの実行時のオーバーヘッドを実証的に評価する実験を行う。
論文 参考訳（メタデータ） (2023-08-31T13:48:39Z) - Neural Embeddings for Web Testing [49.66745368789056]
既存のクローラは、状態等価性を評価するために、アプリ固有のしきい値ベースのアルゴリズムに依存している。
ニューラルネットワークの埋め込みとしきい値のない分類器に基づく新しい抽象関数WEBEMBEDを提案する。
WEBEMBEDは,9つのWebアプリケーションに対する評価の結果,近距離検出により最先端技術よりも精度が高いことがわかった。
論文 参考訳（メタデータ） (2023-06-12T19:59:36Z) - On the Identification of the Energy related Issues from the App Reviews [0.0]
アプリのエネルギ非効率性は、App Storeで広く議論されているアプリユーザーにとって大きな問題となる可能性がある。
これまでの研究では、エネルギー関連アプリのレビューを調査して、エネルギー関連ユーザのフィードバックの主要な原因やカテゴリを特定することが重要であった。
本研究では,エネルギー関連ユーザのフィードバックを自動的に抽出する様々な手法を実証的に研究する。
論文 参考訳（メタデータ） (2023-04-22T01:54:30Z) - Internet Explorer: Targeted Representation Learning on the Open Web [121.02587846761627]
現代のビジョンモデルは通常、大規模で静的なデータセットで事前訓練された微調整の汎用モデルに依存している。
本稿では,インターネットを動的に活用して,手作業で極めてうまく動作する小規模モデルを迅速に訓練することを提案する。
当社のアプローチはInternet Explorerと呼ばれ,Webを自己教師型の方法で探索することで,望ましいターゲットデータセットのパフォーマンス向上に寄与する関連事例を段階的に見つける。
論文 参考訳（メタデータ） (2023-02-27T18:59:55Z) - Exploring the Impact of Virtualization on the Usability of the Deep
Learning Applications [1.527276935569975]
本研究では,4種類のディープラーニングアプリケーションのE2E推論時間に及ぼす4つの一般的な実行プラットフォームの影響を計測する。
注目すべき発見は、ソリューションアーキテクトがDLアプリケーションの特性を認識しなければならないことである。
論文 参考訳（メタデータ） (2021-12-17T21:51:34Z) - Emerging App Issue Identification via Online Joint Sentiment-Topic
Tracing [66.57888248681303]
本稿では,MERITという新しい問題検出手法を提案する。
AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。
Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
論文 参考訳（メタデータ） (2020-08-23T06:34:05Z) - Parallel Performance-Energy Predictive Modeling of Browsers: Case Study
of Servo [0.9699640804685628]
教師あり学習を用いたWebページプリミティブとWebブラウザの並列性能の関係をモデル化する。
我々は、自動ラベリングアルゴリズムを用いて、様々なレベルのパフォーマンス改善のためのエネルギー使用量のトレードオフを検討する。
クアッドコアのIntel Ivy Bridgeラップトップの実験では、それぞれ94.52%と46.32%のパフォーマンスとエネルギー使用量を改善することができる。
論文 参考訳（メタデータ） (2020-02-06T20:16:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。