Supporting service differentiation through end-to-end QoS routing
Notice bibliographique
Résumé
Providing better than best-effort service in the current Internet paradigm requires support from the underlying network infrastructure. The IntServ (integrated services) model was proposed for guaranteeing per-flow, end-to-end quality of service (QoS). However, IntServ model is too restrictive for large-scale deployment for providing QoS in the Internet due to its scalability problem. Faced with this problem, the DiffServ (differentiated services) model has been proposed, and now is becoming the preferred solution. DiffServ aims to resolve the scalability problem existing in the IntServ. Based on the idea of traffic aggregation, DiffServ intends to be a scalable, flexible approach for supporting multiple levels of service. However, the DiffServ model has not provided sufficient mechanisms to efficiently manage network resources and effectively control traffic admission into core networks. In this paper, we apply the seminal concepts of DiffServ and bandwidth brokers (BB) to design the end-to-end SiMO (single service multiple options) routing framework. The goals are three-fold, namely (1) supporting SiMO service differentiation through QoS routing; (2) combining resources management and admission control with QoS routing; and (3) enhancing the end-to-end performance guarantee to per aggregate class. Through extensive simulation using two kinds of applications, i.e., IP telephony and MPEG streams, we have demonstrated that the SiMO routing framework is capable of providing QoS service by supplying paths with different end-to-end delay characteristics to per aggregate classes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».