Analysis of limited mobile networks and the potential of distributed mobile computing

Cover Page

Cite item

Full Text

Abstract

The relevance of this study stems from the exponential mobile growth and the fundamental limitations of modern mobile networks, which make traditional centralized approaches to information processing inefficient. Aim. The paper analyses the disadvantages of modern mobile networks when transmitting large-scale data and an assessment for possible compensation of limitations through distributed mobile computing, including a study of the impact of thermal throttling on smartphone performance under long-term computing load. Methods. Experimental performance analysis for data transfer rates, synthetic performance tests, stress tests for throttling analysis, and a comparative analysis of mobile and stationary systems are used. Results. A comprehensive real performance analysis disclosed key challenges in 4G, 3G, and 2G networks such as: connection instability (speed fluctuations in 4G from 10-15 Mbit/s with dips up to 5 Mbit/s), high transmission delays, and a catastrophic drop in throughput in previous-generation networks. Experimental data demonstrate that transferring a 2 GB file under optimal 4G conditions takes 20 minutes, while in 3G this figure reaches 2 hours, and in 2G it becomes a virtually impossible task. As an alternative approach, we explore distributed mobile computing for the devices. Comparative performance tests between flagship smartphones (Samsung Galaxy S24) and stationary systems revealed that with single-threaded computing the gap is only 15 %, but the key limiting factor is thermal throttling, which reduces the device's performance by 45-50% after 12-18 minutes of intensive load. Conclusions. The obtained results confirm the theoretical possibility of creating efficient distributed mobile computing systems based on clusters, but point to the necessity for advanced load balancing algorithm and thermal management determining the potential avenues for future study.

About the authors

F. I. Isaev

National Research Nuclear University MEPhI (Moscow Engineering Physics Institute)

Email: alekseylent@bk.ru
ORCID iD: 0009-0007-7308-1381
SPIN-code: 3403-5209

Postgraduate Student

Russian Federation, Kashirskoe shosse, 31, Moscow, Russia, 115409

G. N. Isaeva

National Research Nuclear University MEPhI (Moscow Engineering Physics Institute)

Author for correspondence.
Email: alekseylent@bk.ru
ORCID iD: 0009-0008-0371-5972
SPIN-code: 7809-5680

Candidate of Technical Sciences, Associate Professor

Russian Federation, Kashirskoe shosse, 31, Moscow, Russia, 115409

References

  1. Gaidamaka Yu.V., Samuilov A.K. Method for calculating intercharacteristics of two interacting devices in a wireless heterogeneous network. Informatics and its application. 2015. Vol. 9. No. 1. Pp. 9-14. doi: 10.14357/19922264150102. (In Russian)
  2. Kurochkin I., Dolgov A., Manzyuk M., Vatutin E. Using mobile devices in a voluntary distributed computing project to solve combinatorial problems. Supercomputing: 7th Russian Supercomputing Days, RuSCDays 2021, Moscow, Russia, September 27-28, 2021, Revised Selected Papers 7. Springer International Publishing, 2021. Pp. 525-537. doi: 10.1007/978-3-030-92864-3_40
  3. Acosta A., Almeida F. The particle filter algorithm: parallel implementations and performance analysis over Android mobile devices. Concurrency and Computation: Practice and Experience. 2016. Vol. 28. No. 3. Pp. 788-801.
  4. Dongarra J.J., Luszczek P., Petitet A. The LINPACK Benchmark: past, present, and future. Concurrency and Computation: Practice and Experience. 2003. Vol. 15. No. 9. Pp. 803-820.
  5. Liu S., Karanth A. Dynamic voltage and frequency scaling to improve energy-efficiency of hardware accelerators. 2021 IEEE 28th International Conference on High Performance Computing, Data, and Analytics (HiPC). 2021. Pp. 6-9.
  6. Kurhade A.S., Siraskar G.D., Enhancing smartphone circuit cooling: a computational study of pcm integration. Journal of Advanced Research in Numerical Heat Transfer. 2024. Vol. 27. No. 1. Pp. 132-145.
  7. Benoit-Cattin T., Velasco-Montero D., Fernández-Berni J. Impact of thermal throttling on long-term visual inference in a CPU-based edge device. Electronics. 2020. Vol. 9. No. 12. P. 6.
  8. Bantock J.R.B., Al-Hashimi B.M., Merrett G.V. Mitigating interactive performance degradation from mobile device thermal throttling. IEEE Embedded Systems Letters. 2021. Vol. 13. No. 1. Pp. 1-4.
  9. Salem H. Distributed computing system on a smartphones-based network. Software Technology: Methods and Tools: 51st International Conference. Springer International Publishing, 2019. Pp. 313-325

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2025 Isaev F.I., Isaeva G.N.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».