MétaCan
Menu
Retour à la cohorte
Enregistrement W1586474125 · doi:10.1109/iccw.2015.7247203

Modified Floyd-Warshall algorithm for equal cost multipath in software-defined data center

2015· article· en· W1586474125 sur OpenAlexaff
Akinniyi Ojo, Ngok-Wa Ma, Isaac Woungang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOpenFlowFloyd–Warshall algorithmSoftware-defined networkingLoad balancing (electrical power)Cloud computingDistributed computingComputationAlgorithmData centerMultipath propagationShortest path problemLatency (audio)Path (computing)SoftwareComputer networkReal-time computingK shortest path routingTheoretical computer scienceGraphOperating system

Résumé

récupéré en direct d'OpenAlex

Load balancing in data centers have been a common practice in the last couple of decades. This has been done statically in traditional networks with little or no feedback information from the underlying network state. With the current large cloud data centers and continuous changing traffic patterns, the drive for more interactive and dynamic solution to reduce the latency and improve the network resources utilization has brought about the Software Defined Networking Paradigm. However, some load balancing solutions have been proposed, utilizing OpenFlow without a well-defined algorithm to reduce the path computation complexity as requests arrive on the network. This paper proposes a path load-balancing algorithm which utilizes a modified Floyd-Warshall All-Pairs Shortest Paths algorithm to compute and store equal cost paths information, utilizes the stored information for path selection, and maintain a real-time updates of those paths. Our evaluation demonstrates that the proposed algorithm performs better than the Global First Fit algorithm as we have significantly reduced the time to service request as a result of eliminating the recursive path computation for every client request.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,138
Tête enseignante GPT0,315
Écart entre enseignants0,177 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoftware-Defined Networks and 5GTravaux en français237 207