搭建云手机需要什么

摘要：云手机大多是安卓系统的，因此也称安卓虚拟手机，搭建云手机的原理就是利用ARM服务器安装上安卓手机系统，然后虚拟出无数台仿真手机。这个原理说起来简单，但实际上要搭建出云手机，需要有24小时运行的服务器、ARM虚拟化云技术、同步网络传输技术等，个人基本上无法搭建，或者说成本太高了，还不如直接租云手机。下面一起来了解一下安卓虚拟手机搭建原理是什么吧。一、安卓虚拟手机搭建原理是什么

云手机是按照租赁的模式来收费的，跟云服务器差不多，有的朋友想自己搭建一个，那么云手机搭建原理是什么呢？

云手机是在云服务器里运行的，其具体的搭建原理是：运用ARM服务器安装上安卓手机系统，在电脑安装客户端和服务端，通过流媒体技术把云手机投射在电脑上。简单来说，就是利用ARM服务器安装上安卓手机系统，类似于我们的台式电脑安装上WIN10系统一样，然后虚拟出无数台仿真手机。

二、搭建云手机需要什么

云手机的原理看似简单，但实际上还是比较复杂的，需要涉及多方面的元素，自己搭建成本太高了，搭建云手机需要：

1、24小时运行的服务器

云手机是可以24小时离线托管挂机的，那么在哪运行呢？就是在服务器中。所谓的云服务器，也并不是虚拟的概念，而是真正的服务器。这就必须要有一个稳定且可以长久运行的真正服务器。

2、ARM虚拟化云技术

云手机是通过ARM芯片架构组建的，这是一个比较高端的技术；有朋友想通过在服务器中安装电脑安卓模拟器，再通过远程协助操控的方式来实现这一功能，但实际上这只是模拟器，模拟了手机的运行环境，根本就没有自身的硬件和设备信息，所以这个办法根本就行不通。

3、同步网络传输技术

同步网络传输技术，说简单点就是如何用无限网络来接收和发送指令，能让服务器中的云手机接收到。这看似是一个并不难的问题，其实这个是整个云手机搭建中最为重要的关键。云手机的客户端目前分为多种，分别是电脑客户端、手机客户端、H5网页客户端、微信小程序客户端，并且大多数品牌的云手机几乎同时兼顾多种的登录方式，以适应用户的不同需求，这就是同步网络传输技术，其研发水平几乎可以和ARM虚拟化云技术持平。

除了本文中提到的这几点，其实还有很多更为复杂的要素并没有提到，因为太深奥了，没有专业的知识水平根本就无法理解，但是文中所说的就可以肯定，通过个人基本上是无法搭建云手机平台的，或者说搭建成本太高了，其实云手机现在的价格并不贵，没有必要舍近求远。

1、首先，使用VisualC++编写一系列在WindowsPC（x86、x64或ARM）、Windows服务器、云端或在Xbox上运行的程序。

2、其次，将C/C++代码复制到arm架构路径下，并在该路径下创建Androidmk和Applicationmk文件。

3、最后，点击运行，不报错，即可解决问题。

资讯2019 年 1 1 月 1 8 日， NVIDIA 于今日发布一款参考设计平台，使企业能够快速构建 GPU 加速的 Arm 服务器 ， 以满足日益多样化的科学和工业应用需求。 这 开辟 了 高性能计算的新纪元 。  

NVIDIA 创始人兼首席执行官黄仁勋在 2 019 国际超级计算大会（ SC19 ）上宣布推出这款参考设计平台。该平台由硬件和软件基础模块组成，能够满足高性能计算（ HPC ）社区对于 类型 更加多样化的 C PU 架构日益增长的需求。通过该平台，超级计算中心、超大型云运营商和企业能够将 NVIDIA 加速计算平台的优势与最新的 Arm 服务器平台相结合。

为了构建 这一参考 平台， NVIDIA 与 Arm 及其生态合作伙伴（包括 Ampere 、富士通 和 Marvell ） 联手，以 确保 NVIDIA   GPU 与 Arm 处理器 之间 的 无缝协作 。 该参考平台还得益于 与 HPE 旗下公司 Cray 和 HPE 这 两家早期采用 Arm 服务器的供应商之间的紧密合作。此外，许多高性能计算软件公司已使用 NVIDIA CUDA-X 库 来构建可在 Arm 服务器上运行 、 并可 通过 GPU 实现的管理和监控工具。

黄仁勋表示：“高性能计算正在崛起。机器学习和 AI 领域的突破正在重新定义科学研究方法 ， 并且可能带来激动人心的新架构。从超大规模云到百万兆级超级计算， NVIDIA GPU 与 A RM 的组合让创新者们能够为不断增加的新应用创建系统。”

Arm IP 产品部门总裁 Rene Haas 表示：“  Arm 正在与生态合作伙伴一 同努力， 为百万兆级的 Arm 系统级芯片提供前所未有的性能和效率。我们与 NVIDIA 合作，将 CUDA 加速带入 到 Arm 架构当中 ， 这对于高性能计算社区来说， 具有 里程碑 式的意义 。为了应对全球最复杂的研究 ， 挑战并推动嵌入式系统、汽车和边缘细分市场的进一步发展，高性能计算社区已经在部署 Arm 技术。”

今年早些时候， NVIDIA 宣布 为 A rm 带来 C UDA-X 软件平台 。 NVIDIA 此次发布这一参考平台正是对此前承诺的兑现。   根据这一承诺， NVIDIA 正在提供 其 A rm 兼容软件开发套件 的预览版本。该版本包含 NVIDIA CUDA-X 库和加速计算开发工具。

联合整个高性能计算生态中的合作伙伴

除了 使 自己的软件 兼容 Arm 之外， NVIDIA 还与   GROMACS 、 LAMMPS 、 MILC 、 NAMD 、 Quantum  Espresso 和 Relion 等 领先的 高性能计算 应用开发 商密切 合作 ， 为 A RM 提供 GPU 加速 的 应 程序 用。 为了让 Arm 平台上的应用实现 GPU 加速， NVIDIA 及其高性能计算应用生态合作伙伴编译了大量代码。

为了构建 Arm 生态， NVIDIA 与领先的 Linux 发行商 Canonical 、 Red Hat,   Inc 、 SUSE ， 以及业内领先的高性能计算基础工具供应商 展开 合作。

几家世界级的超级计算中心已开始测试 GPU 加速 Arm 计算系统，其中包括美国的橡树岭国家实验室和桑迪亚国家实验室、英国布里斯托大学以及日本理化学研究所。

来自生态合作伙伴的支持

“  Ampere 非常高兴能够与 NVIDIA 合作开发 GPU 加速解决方案。该解决方案 将 与高性能、高能效 Ampere 的 服务器处理器实现无缝协作。我们的新产品将使我们的客户能够灵活选择最佳的 NVIDIA GPU 加速器，从而高效地运行云、边缘等要求极高的工作负载。”

——   Ampere Computing 董事长兼首席执行官， Renee James

“很高兴看到 NVIDIA 能够如此迅速地为 Arm 服务器带来 CUDA 和 OpenACC 。我们十分希望能够与 NVIDIA 及 其他公司开展密切的合作，在这一架构上编译、分析和调试加速应用。目前，我们已在 4096 核 Arm 系统上证明了这一合作所带来的优势。”

——   EPCC 主任， Mark   Parsons 教授

“对于正在不断发展的 Arm 生态而言， NVIDIA 是一个备受欢迎且重要的生态成员。富士通相信，随着我们迈入新的计算时代， NVIDIA 将扩展 Arm 生态系统 ， 并保证客户在高性能计算和数据科学 领域 ，尤其是人工智能领域有更多的选择。”

——   富士通企业执行官兼服务平台业务部副主管， Takeshi  Horie

“通过我们与 NVIDIA 的密切合作，部署 Marvell ThunderX2 服务器的客户现在可以使用全套 NVIDIA GPU 加速软件。这对于 Arm 生态系统的加速计算可用性来说 ， 是一座重要的里程碑。我们将 继续 一同 将能效提高到一个新的水平，同时为百万兆级时代的众多超级计算和 AI 应用提供出众的性能。”

—— Marvell Semiconductor, Inc 副总裁兼服务器处理器业务部总经理 Gopal Hegde

“在 HPE 、 Marvell 和 NVIDIA 的帮助下，橡树岭国家实验室（ Oak Ridge National Laboratory ）成功地完成了所负责的工作，迅速升级了我们的 Arm 测试台系统，整合了性能测试并取得了良好的成果。在短短两周内，我们编译并正确运行了约八个领先级应用 程序 ，三个重要的社区库 ， 以及常被用于评估 Arm 高性能计算生态的基准套件。根据早期结 果可以看出，这个由 Arm 主导的加速计算生态 的功能 似乎 和 POWER 以及 x86 环境 差不多 。对于一个 Arm 内的加速计算生态而言，这是一个了不起的开始。”

——橡树岭国家实验室国家计算科学中心科学主任， Jack C Wells

“我们与 NVIDIA 已经合作了很长时间。我们很高兴地看到， N VIDIA 实现了自己的承诺，为 Arm 高性能计算社区带来了领先的 CUDA-X 软件堆栈和生态系统。我们已经开始在通过 NVIDIA GPU 加速的 Arm 系统上评估理化学研究所的代码，我们 认为 它将为日本高性能计算和 AI 融合工作负载带来新一轮的创新。”

——日本理化学研究所所长， Satoshi Matsuoka

“由于 NVIDIA 为 Arm 主机 CPU 提供了新的支持，因此现在可以直接使用 Kokkos 和 LAMMPS 。这一结果达到了我们的期望，并且让我们可以借鉴在带有 x86   CPU 的系统中部署 NVIDIA GPU 的经验。”

——桑迪亚国家实验室主要技术人员， Christian Trott

“  NVIDIA 的 Arm 软件堆栈的确可以直接使用。我们之前就已大量使用 Arm 和 NVIDIA 这两个独立的平台，因此我们非常高兴这两者能够组合在一起。相比于我们之前尝试过的 x86 平台， NVIDIA 为 Arm   提供的 GPU 驱动器性能非常之好。能够在如此短的时间内取得这一成果，的确令人惊叹。”

—— 布里斯托大学高性能计算教授 ， Simon McIntosh-Smith